Jeff Sagarin - Jeff Sagarin

Jeff Sagarin to amerykański statystyk sportowy znany z opracowania metody rankingu i oceny drużyn sportowych w różnych dyscyplinach sportowych. Jego oceny były stałym elementem w USA Today sekcji sportowych od 1985 roku, zostały wykorzystane przez NCAA Tournament komisji rekrutacyjnej w celu ustalenia uczestników NCAA dla mężczyzn Division I Basketball Championship turnieju od 1984 roku, a były częścią futbolowe Bowl Championship Series w całej swojej historii od 1998 do 2014 roku.

Tło

Sagarin uzyskał tytuł Bachelor of Science w dziedzinie matematyki na Massachusetts Institute of Technology w 1970 roku. Dorastał poza Nowym Jorkiem w hrabstwie Westchester w New Rochelle w stanie Nowy Jork . W 1977 przeniósł się do Bloomington w stanie Indiana . W 1986 roku wraz z Waynem L. Winstonem stworzył grę komputerową Hoops .

metoda

Sagarin, podobnie jak twórcy wielu innych systemów oceny sportowej , nie ujawnia dokładnych metod stosowanych przez jego system. Oferuje dwa systemy ocen, z których każdy daje każdej drużynie określoną liczbę punktów. Jeden system, „szachy Elo”, jest prawdopodobnie oparty na systemie rankingowym Elo używanym na całym świecie do oceniania szachistów. Ten system wykorzystuje tylko wygrane i przegrane bez odniesienia do marginesu zwycięstwa. Drugi system, Predictor, uwzględnia margines zwycięstwa. W tym systemie różnica w wynikach rankingowych dwóch drużyn ma na celu przewidzenie marginesu zwycięstwa silniejszego zespołu na neutralnym miejscu. W przypadku obu systemów drużyny uzyskują wyższe oceny w systemie Sagarin, wygrywając mecze z silniejszymi przeciwnikami, uwzględniając takie rzeczy, jak przewaga gospodarzy. W systemie Predictor, margines zwycięstwa (lub porażki) również ma znaczenie, ale stosuje się prawo malejących zwrotów . W związku z tym drużyna piłkarska , która wygra mecz przewagą 7-6, jest nagradzana mniej niż drużyna, która w tych samych okolicznościach pokona tego samego przeciwnika 21-7, ale drużyna, która wygra mecz przewagą 35-0, otrzymuje podobne oceny do zespołu, który pokonuje tego samego przeciwnika 70-0. Ta cecha skutkuje rozpoznawaniem „komfortowych” zwycięstw, jednocześnie ograniczając nagrodę za podbicie wyniku.

Na początku sezonu, kiedy rozegrano tylko kilka meczów, używana jest sieć bayesowska ważona początkowymi rankingami, o ile istnieją całe grupy drużyn, które nie grały ze sobą, ale gdy wykres jest dobrze połączony, obciążniki nie są już potrzebne. Sagarin twierdzi, że od tego momentu rankingi są bezstronne.

Uzasadnienie

Oceny Sagarina są szczególnie istotne w świecie amerykańskiego futbolu uniwersyteckiego i koszykówki , gdzie przy setkach drużyn biorących udział w rozgrywkach NCAA Division I nie ma możliwości, aby drużyna mogła grać z więcej niż niewielką częścią swoich konkurentów. Dlatego przy określaniu uczestników rozgrywek mistrzowskich i turniejów konieczne jest rozróżnienie między drużynami, które skompilowały imponujące rekordy wygranych i przegranych z silną konkurencją, a drużynami, które pokonały słabszych przeciwników.

Ponadto systemy ocen sportowych są na ogół bardzo interesujące dla graczy . Hazardziści używają ocen Sagarina jako źródła „oceny mocy”, tradycyjnie używanej jako sposób na określenie rozpiętości między dwoma zespołami.

Winval

Wraz ze swoim byłym kolegą z MIT, Waynem L. Winstonem, profesorem nauk decyzyjnych na Uniwersytecie Indiana , Sagarin doradza Dallas Mavericks, które składy mają być używane podczas gier i których wolnych agentów należy podpisywać za pomocą systemu o nazwie Winval. Winval jest wzorowany na hokejowym systemie plus/minus.

Bibliografia

Zewnętrzne linki