Làm người mẫu cho điểm bóng đá

Trong Dixon, Coles ( 1997 ), họ đã sử dụng ước tính khả năng tối đa cho hai mô hình Poisson độc lập được sửa đổi trong (4.3) để mô hình hóa tỷ số trong bóng đá.

Tôi đang cố gắng sử dụng R để "tái tạo" alpha và beta cũng như các tham số hiệu ứng gia đình (trg. 274, Bảng 4) mà không sử dụng bất kỳ gói nào (sử dụng các mô hình Poisson độc lập thông thường cũng tốt). Tôi đã thử sử dụng bivpoisgói nhưng tôi không chắc chắn về cách sửa đổi các tham số của nó.

Tôi sẽ đánh giá rất cao nếu ai đó có thể giúp tôi sử dụng mã R để mô hình hóa dữ liệu - Điểm từ đội chủ nhà và sân khách cho Mùa giải 2012/13 tại Ngoại hạng Anh.

Bài báo mà bạn đang đọc đang ngầm sử dụng và β i để chỉ các tham số tấn công và phòng thủ như được mô tả bởi Maher (1982) .$\alpha_i$$\beta_i$

Sự khác biệt chính là Maher sử dụng bốn thông số cho mỗi đội (tấn công nhà, phòng thủ nhà, tấn công sân khách và phòng thủ) trong khi Dixon và Coles sử dụng các tham số tấn công và phòng thủ và một thông số khác để thể hiện lợi thế sân nhà.

$\lambda_{MLE}= \frac{1}{n} \sum_{i=1}^n k_i$

.. khi tái tạo các thay đổi của chúng thành phân phối Poisson (một cái nhìn nhanh cho tôi biết nó đã trở nên phụ thuộc cả thời gian và biến đổi), tôi nghi ngờ bất cứ ai sẽ làm điều đó cho bạn. Bạn đang tốt hơn bằng cách sử dụng các công cụ thực sự có ý nghĩa.

Bạn không cần Poisson bivariate. Bạn có thể xác định chức năng của riêng mình và sau đó sử dụng tập lệnh tối ưu hóa chung như tối ưu.

Bạn cảm thấy thoải mái khi tham khảo bivpoisgói R. Dự án trước đây của tôi áp dụng chất độc bivariate chéo. như bạn có thể tham khảo https://github.com/scibrokes/odds-modelling-and-testing-ineffic-of-sports-bookmakers .