Voor sportfans is March Madness een van de hoogtepunten van het jaar. Beginnend in het midden van maart, plaatst het jaarlijkse evenement de beste teams in NCAA college basketbal tegen elkaar in een enorm knock-outtoernooi bestaande uit 64 teams.

Dit is waar dingen interessant worden. Het knock-out-aspect betekent dat er altijd een kans is op overstuur en onverwachte glorie. "Who is going to win the tournament?", 3, [[Zullen er van streek raken als een "Assepoester" -team verder vordert dan je zou verwachten, of zullen ze allemaal in de vroege ronden crashen? Kun je de hele reeks voorspellen?

Om dieper te kijken, moeten we wat wiskunde gebruiken en leren hoe statistieken van toepassing zijn op March Madness.

ICYMI: bekijk de gids van Sciencing voor 2019 March Madness, compleet met statistieken om u te helpen een winnende schijf in te vullen.

De basisprincipes van waarschijnlijkheden

Voordat we ingaan op de toepassing van statistieken en waarschijnlijkheid tot maart Madness, het is belangrijk om de basisprincipes van waarschijnlijkheden te behandelen.

De waarschijnlijkheid dat er iets gebeurt, is eenvoudig:
\\ text {Probability} \u003d {\\ text {aantal resultaten dat u wilt} \\ boven {1pt} \\ text {aantal mogelijke uitkomsten}}

Dit is alleen van toepassing op elke situatie met even waarschijnlijke mogelijke uitkomsten
. Dus, een worp van een standaard zeszijdige dobbelsteen heeft een 1/6 kans om het nummer zes te verhogen, omdat er maar één uitkomst is die je wilt en zes mogelijke uitkomsten. Waarschijnlijkheden zijn altijd getallen (uitgedrukt als breuken of decimalen) tussen 0 en 1, waarbij 0 betekent dat er geen enkele kans is op de gebeurtenis en 1 betekent dat het een zekerheid is.

Maar als u iets ingewikkelder overweegt , zoals een potje basketbal, er is veel meer om over na te denken. Je zou kunnen zeggen dat de kansen van elk team dat tegen een ander wint 1/2 zijn, maar een wedstrijd tussen Duke en Pittsburgh is nauwelijks een omdraai van munten. Hier spelen het zaaisysteem en de statistieken van de NCAA een rol.
March Madness Probabilities

Dus hoe pak je het probleem van het toepassen van waarschijnlijkheid op March Madness aan? Eerst moet je een manier bekijken om te kijken naar de werkelijke waarschijnlijkheid dat een team een ander zal verslaan. Dit is een zeer uitdagende taak, maar het seeding-systeem is bedacht door de NCAA en verdeelt de teams in wezen in "lagen" op basis van hoe goed ze zijn.

Bijvoorbeeld in wedstrijden sinds 1985 waar een nummer 1 zaad heeft een nummer 16 zaad gespeeld, het nummer 1 zaad heeft 99 procent van de tijd gewonnen. Dit betekent dat van elke 100 spellen (omdat het percentage 'per honderd' is), je kunt verwachten dat zaad nummer 16 in een van beide wint.

Kijk nogmaals naar de basisformule:
\\ text {Probability} \u003d {\\ text {aantal uitkomsten die u wilt} \\ hierboven {1pt} \\ text {aantal mogelijke uitkomsten}}

Van de 100 mogelijke 'win'-uitkomsten is er slechts één winst geweest (de uitkomst hebben we willen). Dit geeft onmiddellijk de kans 1 /100.

Je kunt dit verder nemen door de plaatsen te gebruiken die verschillende teams hebben geëindigd in het toernooi om te kijken naar de waarschijnlijkheid van elk team om te winnen. In 32 van de laatste 34 toernooien heeft minstens één nummer 1 zaad de finale vier gehaald, waardoor elk nummer 1 zaad dit jaar een 32/34 (of 16/17) kans heeft om daar te komen. Bovendien heeft minstens één nummer 1 zaad 26/34 keer het kampioenschap bereikt, met een kans van 13/17. Voor Nr. 2 zaden vermindert dit tot 22/34 (of 11/17) voor de Final Four en 13/34 voor het kampioenschapsspel. Bovendien heeft een nummer 1 zaad 21/34 keer gewonnen en staat de winnaar 30/34 \u003d 15/17 keer in de top drie.

Je kunt deze statistieken ook gebruiken om na te denken over teams met in wezen geen kans om te winnen. Analyse van de toernooien sinds 1985 laat zien dat geen enkele zaden van nr. 9 tot nr. 16 ooit de finale hebben bereikt, dus het kiezen van een van deze als uw winnaar zou waarschijnlijk een grote fout zijn.

om een hele reeks te kiezen, laten dezelfde statistieken zien dat er gemiddeld acht verstoringen per jaar zijn. Dit helpt je niet te zeggen waar
ze zullen zijn, maar als je veel meer of minder overstuur hebt voorspeld dan dit, wil je misschien je keuzes heroverwegen.
Is dit genoeg om Kies een winnaar?

Dus een basisanalyse op basis van het startnummer kan u vrij ver brengen als het gaat om het voorspellen van wat March Madness gaat winnen, maar is het echt genoeg
om maak je je keuze?

Het lijkt vrij duidelijk dat een basketbalspel meer is dan de ranglijst van het team of zelfs hun eerdere prestaties. Andere belangrijke statistieken, zoals het percentage succesvolle vrije worpen voor een team, hun gemiddelde aantal omzet per game, hun succespercentage in het veld en vele andere factoren.

Een expliciete formule bedenken voor een winstkans op basis van dit alles zou ingewikkeld zijn, maar dit geeft je een idee van het soort dingen waarmee je rekening moet houden om je bracket zo goed mogelijk in te vullen.

Als je bijvoorbeeld een nr. 2 zaaiteam dat het peloton in het velddoelpercentage leidt en heel weinig omzet per spel heeft, ze zijn een goede keuze als winnaar, hoewel een analyse op basis van alleen zaden suggereert dat ze niet de ideale keuze waren . Het beste advies is om je eerste keuzes te baseren op zaden en vervolgens andere statistieken te gebruiken om je formule mentaal aan te passen tot je een team kiest waar je blij mee bent.

De March Madness-spirit voelen? Bekijk onze tips en trucs voor het invullen van een bracket en lees waarom het zo moeilijk is om verstoringen te voorspellen en een perfecte bracket te kiezen.