Disons que j'ai 20 joueurs [noms A. T] dans un tournoi. Les règles de l'état du tournoi que chaque joueur joue tous les deux joueurs deux fois [un VS B, B vs A, A VS C .. etc.]. Avec 20 joueurs, il y aura un total de 380 matchs.
Dans chaque match, il existe trois résultats possibles - joueur 1 victoires, joueur 2 gagne ou dessinez. Il y a un échange de paris qui, devant chaque match, citait les probabilités de chaque résultat. Donc, vous pourriez avoir 40% de joueur 1 victoires, 30% de joueur 2 victoires, 30% de tirage [probabilités somme à 100%]; Je stocke ces probabilités devant chaque match.
Avancer rapidement un quart du chemin à travers le tournoi. J'ai collecté des probabilités pour 95 matchs, avec 285 encore à parcourir. Ce que je veux savoir, c'est -
Les données de probabilité des 95 parties peuvent-elles être utilisées pour prédire les probabilités pour les 285 restants?
Par exemple, si je connais un VS B et B vs c, puis-je les utiliser pour déduire un VS C?
Et si oui, comment puis-je le faire?
3 Réponses :
Permettez-moi de vous présenter à mes bons amis Bayes ... http://en.wikipedia.org / wiki / bayesian_inference
Edit: Partie 1) Bayes ne fonctionnera que pour des essais non indépendants. Si gagner un match d'une manière ou une autre augmentait votre probabilité de gagner la suivante, vous pouvez continuer! Sinon ce n'est pas du tout très utile.
EDIT: Partie 2) Peu importe, la base est la formule suivante des baies. qui est Lire ", la probabilité d'un B donné est égale à prob. B donné une fois une fois probablement un problème total. de b". Pour illustrer cela, le vendeur de voitures avec 3 portes est souvent donné. Vous avez 3 portes et derrière une porte
Il y a une nouvelle voiture neuve. L'autre
Deux portes n'ont absolument rien.
L'hôte vous demande alors de choisir une porte.
Rappelez-vous, il y a la porte 'A', 'B' et
'C'. Par conséquent, vous avez un 1/3
probabilité d'être correcte.
L'hôte, être un gars généreux, s'ouvre
une des autres portes. Il donne maintenant
vous l'option de coller avec
la même porte ou ouvrir l'autre
porte.
J'ai réalisé que l'expliquant cela dans une réponse Stackoverflow prendrait pour toujours et je viens de googler. C'est le problème de Monty Hall: http://fr.wikipedia.org/wiki/monty_hall_problem . http://en.wikipedia.org/wiki/monty_hall_problem#bayesian_analysis pour les baies Section. Edit: Partie 3) Vous voudrez peut-être rechercher des "réseaux bayésiens" si vous décidez que ce type d'approche peut fonctionner (mais sur un système beaucoup plus grand)
Pouvez-vous expliquer comment cela s'appliquerait à ce problème particulier?
Il y a beaucoup d'exemples sur la page, mais la prémisse est celle donnée certaines probabilités que vous pouvez «déduire» d'autres probabilités données certaines conditions. C'est très vague, mais ça marche. Je répondrais dans le commentaire Cependant, jetez un coup d'œil à la modification pour plus d'informations.
Re: Edit 1, Et s'il modélise chaque match individuel au lieu du tournoi dans son ensemble?
Vous serez probablement en mesure de faire des prédictions semi-décentes pour la plupart des jeux. Par exemple, si vous avez des lecteurs d'échecs A, B et C, où les battements B et B battent C, une volonté battait probablement C aussi. Cependant, il y a des cas où cela ne fonctionnera pas du tout. Pour donner un faux contre-exemple, s'il s'agit d'un concours de ciseaux en papier rock-Paper-Ciseaux, et un picks toujours Rock, B Choisit des ciseaux et des picks C Choisir le papier, vous n'allez évidemment pas obtenir le même type de corrélation.
Votre meilleur pari est de tester les choses avec un petit sous-ensemble si vous êtes capable, peut-être utiliser des données préexistantes si vous pouvez en trouver. Lisez dans 1/4 des cas, faites vos prédictions sur la base de cet ensemble et voyez comment les prédictions fonctionnent bien.
Vous pouvez ou non être en mesure de prédire les résultats du jeu, en fonction des jeux. Je crois que ce que vous envisagez, c'est toujours un domaine de recherche actif, mais il existe des solutions raisonnables. En gros, vous espérez que vous pouvez classer les joueurs, de sorte qu'un joueur d'un rang supérieur battra généralement un joueur d'un rang inférieur. Différents modèles modifient un peu, par ex. avec la probabilité de gagner d'être une fonction de la différence de rang.
Une approche consiste à utiliser un recuit simulé pour trouver ces rangs. Choisissez une fonction pour le résultat du jeu en fonction des rangs des joueurs et laissez la condition physique d'une affectation de rang donnée être la probabilité du résultat observé étant donné les rangs choisis. Répétez avec différents rangs, conformément à la recuite simulée.
Juste, c'est précisément ce que j'avais pensé. Une correction: je ne prédis pas les résultats du jeu, je prédis que l'attente du marché des résultats.
Est-ce un problème de devoirs? étiquetez-le donc si c'est
Je devrais ajouter que les données collectées pour les 95 matchs correspondent à une sélection aléatoire du total de 380.
Je suis un peu vieux pour les devoirs. Ce n'est pas un problème de devoirs, mais je suppose que cela pourrait être