Maalitodennäköisyyksien mallintaminen jääkiekossa
Tekijät
Päivämäärä
2019Tekijänoikeudet
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
Data-analyysin hyödyntäminen urheilulajien analysoinnissa on yleistynyt tekniikan kehityksen myötä. Luultavasti tunnetuin läpimurto on tapahtunut baseballissa, joka sopii toistokokeiden tapaiselta tyyliltään erinomaisesti mallinnettavaksi. Jääkiekossa data-analyysi on vasta tekemässä nousuaan, sillä ottelutapahtumien tilastointi on ollut varsin niukkaa verrattuna moneen muuhun lajiin. Pelkkien maalimäärien analysoinnissa ongelmana on maalien vähäinen määrä ottelukohtaisesti. Kaikkien laukausten sisällyttäminen analyyseihin kasvattaa ottelukohtaista otoskokoa paljon, ja laukaisukartoista saatavien sijaintitietojen hyödyntäminen tuo lisäarvoa. SM-Liigan laukaisukarttoja on saatavilla syksystä 2014 alkaen.
Tässä työssä sovitetaan maalitodennäköisyysmalli jääkiekon SM-Liigan laukaisudataan, joka on saatavilla SM-Liigan verkkosivuilta. Maalitodennäköisyydellä tarkoitetaan yksittäisen laukauksen maaliin menemisen todennäköisyyttä. Kyseistä todennäköisyyttä voidaan mallintaa hyödyntämällä laukaisukartoista löytyviä tietoja sijainneista ja pelaajista sekä erikseen laskettavista lisämuuttujista. SM-Liigan aineistoon tehtyä maalitodennäköisyysmallia ei ole aiemmin julkaistu.
Maalitodennäköisyysmallit sovitetaan käyttämällä yleistettyjä logistisia sekamalleja, joiden avulla laukovan pelaajan ja torjuvan maalivahdin vaikutus maalitodennäköisyyteen voidaan huomioida. Mallien validoinnissa keskitytään enimmäkseen mallien kalibraatioon, eli mallin tuottamien todennäköisyysestimaattien laatuun. Mallien kalibraatiota tutkiessa saadaan käsitys siitä, vastaako todennäköisyysestimaatti todellisuutta ja onko se luotettava. Työssä tehtyjen kalibraatiotarkastelujen perusteella mallit vaikuttavat toimivilta. Työssä käsitellään myös raakadatan muokkaamista mallintamisen kannalta sopivaan muotoon ja mallintamisessa käytettävien muuttujien laskentaa sekä esitetään tapoja sille, miten maalitodennäköisyyksiä voidaan hyödyntää pelaajien ja joukkueiden suoritusten arvioinnissa.
...
Asiasanat
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Pro gradu -tutkielmat [29556]
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Hybrid stock analysis model for financial market forecasting
Korablyov, Mykola; Fomichov, Oleksandr; Antonov, Danylo; Dykyi, Stanislav; Ivanisenko, Ihor; Lutskyy, Sergey (IEEE, 2023)Various approaches are used to analyze stocks for the purpose of forecasting the financial market. Because stocks exist in a large and interconnected market, traditional methods based on time series information for a single ... -
Teollisuusyrityksen tuotteiden kysynnän ennustaminen asiantuntijahaastatteluiden avulla
Luomala, Oskari (2018)Kysynnän ennustaminen on tyypillinen ongelma teollisuusyrityksillä. Ennusteiden laatimisessa usein hyödynnetään tilaushistoriaa tai jotain muuta aineistoa. Laadituilla ennusteilla on vaikutusta koko yrityksen toimintaan ... -
Bayesian semiparametric long memory models for discretized event data
Chakraborty, Antik; Ovaskainen, Otso; Dunson, David B. (Institute of Mathematical Statistics, 2022)We introduce a new class of semiparametric latent variable models for long memory discretized event data. The proposed methodology is motivated by a study of bird vocalizations in the Amazon rain forest; the timings of ... -
A Modern Approach to Transition Analysis and Process Mining with Markov Models in Education
Helske, Jouni; Helske, Satu; Saqr, Mohammed; López-Pernas, Sonsoles; Murphy, Keefe (Springer, 2024)This chapter presents an introduction to Markovian modelling for the analysis of sequence data. Contrary to the deterministic approach seen in the previous sequence analysis chapters, Markovian models are probabilistic ... -
Species distributions models may predict accurately future distributions but poorly how distributions change : A critical perspective on model validation
Piirainen, Sirke; Lehikoinen, Aleksi; Husby, Magne; Kålås, John Atle; Lindström, Åke; Ovaskainen, Otso (Wiley, 2023)Aim Species distribution models (SDMs) are widely used to make predictions on how species distributions may change as a response to climatic change. To assess the reliability of those predictions, they need to be critically ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.