Регресс к среднему. Как это работает в спорте и ставках

Мы имеем какие-то базовые статистические значения команды и спортсмена. Отклонения в одной игре от средних цифр статистики не такая уж редкость и являются статистическим флюком. Такие игры просто выносят за скобки, вообще, при подсчете средних значений обычно отказываются от нижнего и верхнего значений показателей, чтобы избежать искажения и критической погрешности.

Это наглядно видно, когда надо высчитать среднюю результативность и пропускаемость в командных видах спорта, чтобы высчитать индивидуальный и общий тоталы. Также статистические данные тоже очень хорошо просчитываются благодаря массиву данных, ведь, как известно, чем больше выборка, тем точнее прогностическая модель. Именно поэтому статистов и не любят букмекеры, считая их читерами, хотя в выигрыше тот, кто просто лучше считает и учитывает нюансы, которые есть и в спортивной статистике.

В любом случае вам важно уметь работать со статистикой и через цифры видеть, что сейчас происходит. Когда вы получаете некий разрез показателей и видите серьезное отклонение, то надо понять причину этого. Команда или спортсмен не в форме, проблемы финансирования, смена тренера, серия стилистических соперников и т.д.,  что-то точно должно быть. Если поиск не принес результата и объективной причины нет, то мы получаем некий оверперформанс или статистический флюк, который обязательно получит регресс к среднему. 

Важно отметить, что регресс по цифрам может получить продолжение не в конкретном сезоне, а время спустя вы к этому должны быть готовы. Именно поэтому в поиске заветного грааля предрешенных исходов точно не нужно использовать метод догона.

Итераций может быть достаточно много, регресс к среднему работает с выборкой в десятки событий, но реальная эффективность видна после 100+ итераций.

Если вы думаете, что регресс к среднему можно отметить на статических данных и тоталах, то это не так. В мире спорта и спортивных достижений это правило также работает, а значит, после необоснованного взлета будет неминуемое падение, приблизительно такое же по масштабу, как и взлет, ведь на то он и регресс к среднему.

Вот несколько примеров. Прошлогодний «Атлетико» стал чемпионом Испании. Команда Диего Симеоне делает это не в первый раз, и мы в целом привыкли видеть их в обойме претендентов, вот только их чемпионство является классическим примером оверперформанса. Команда как статистически, так и относительно продвинутой статистики реально перебрала побед и турнирных очков, расплата их настигла уже в нынешнем сезоне, когда всю осень и часть зимы «матрасники» сполна получали за прошлый сезон. Бетонная оборона стала менее основательной, команда отдавала долги за удачу.

Что-то похожее было и со сборной Италии, когда после волшебного Евро Италия получила провал в результатах на отборе к ЧМ, недобирая в том числе и в плане удачи (на Евро, напротив, везло при прочих равных), в результате чего случилась катастрофа с македонцами.

В американских лигах правило регресса к среднему также работает, иногда это может быть заметно в рамках одного сезона за счет большего количества игр и более глубокой выборки, чем в футболе. Лучшим примером можно считать преображение «Сент-Луиса» в НХЛ, когда команда откровенно недобирала до Матча Всех Звезд и занимала последнее место в лиге, а потом преобразилась и вышла не только в плей-офф, но и заслуженно взяла Кубок Стэнли в 2019 году. До этого «блюзмены» были крепкой командой плей-офф, после этого успеха такой командой и остались. Регресс к среднему в действии.

Оверперформанс относительно результатов был у «Майами» в НБА (когда в ковидном пузыре играли финал с «Лейкерс») и у «Монреаля» в НХЛ. После чего был заметный спад в результатах, «Канадиенс» после своего финала и вовсе опустились на дно лиги и сейчас прозябают именно там. При этом значимых кадровых потерь  у команды не было, просто карма вернула свое.

Вы можете играть на опережение, определяя команды и спортсменов, которые получили непонятным образом импульс в результатах или существенный спад. После чего взять на заметку такие команды и заиграть их со временем, когда результат пойдет в гору и оседлать волну новых результатов, которые ведут к регрессу к среднему.

Фото: Gonzalo Arroyo Moreno/Getty Images Sport