Osobno sam prognozirao malo manje od 4k prodanih što je pad od cca 25% u odnosu na prošlu godinu (kojoj sam bio blizu u 30 ulaznica), uz pretpostavku da će cijena za zapad znatno utjecati na prodaju, kao i ukidanje prodaje za sjever i zapad gore. — Neki tip

Podržavam odluku kluba da se sezonske ulaznice opet mogu kupiti samo za donje etaže (još jedan razlog zašto su sada skuplje).

Nove više cijene pojedinačnih ulaznica će sigurno utjecati na broj kupljenih sezonskih.

Jednostavnom računicom dođeš do toga da se po toj novoj cijeni pojedinačne ulaznice opet (kao i uvijek) najbolje isplati kupiti sezonsku.

Ovo je novo poskupljenje sezonskih, ali poskupljuju i pojedinačne na iznose kao nikad do sad (Rudeš za 52 kn sjever dolje?) i računica je jasna...

Miran si, imaš siguran upad na svaku tekmu, nemaš posla s kupnjom za svaku tekmu, printanjem ili padanjem servera (za neke i čekanjem u redovima).

Dođoh, uđoh, pobijedih.

Samo da se nastavi s praksom da na većini utakmica budu otvorena sva 4 kentaura za sjever dolje i da se gornje tribine otvaraju samo po potrebi.

Nama se godišnja dodatno isplati jer:



Domaćin, nositelj, tomato, tomejto.

Sve ovisi o točnosti ulaznih parametara. Ovo kad kažeš stotine tisuća ponavljanja se zovu Monte Carlo simulacije. Ali za ta ponavljanja trebaš imati točne distribucije ulaznih parametara, u ovom slučaju ELO rejtinga svih uključenih klubova. OK, možda su to i napravili nekako pa ta simulacija onda ima smisla. Ali onda na kraju simulacije dobiješ i za izlazni parametar cijelu distribuciju, a ne neki egzaktan broj ili procjenu tipa 99,7% je vjerojatnost da će Dinamo doći do grupne faze.

Ne nužno, Monte Carlo simulacije apsolutno mogu dati postotne vjerojatnosti nekog događaja. Praktički distibuciju ishoda prikažeš u formi gausove krivulje . Oni sami su specifični ali površinu ispod krivulje možeš podjeliti na skupinu ishoda poput "plasiranje u grupe LP" ili "plasiranje u EL", "ispadanje iz svih natjecanja" pa ti tako skupina ishoda "plasiranje u grupu bilo kojeg natjecanja" može bti 99,7%

Mislim da se Gaussova distribucija ne koristi u takvim simulacijama jer je kontinuirana distribucija nego Poissonova koja je diskretna jer nogometna utakmica uvijek ima cijeli broj ishoda (poraz, pobjeda, neriješeno), ili broj golova, također cijeli broj. Ne može netko zabiti 4,5 golova nego 4 ili 5. Volio bi vidjeti teoriju ili znanstveni članak iza te analize. Evo npr. kao ovaj znanstveni rad koji je prognozirao na sličan način ishod svjetskog prvenstva 2018, a kao glavnog favorita istakli Njemačku koja je ispala kao zadnja u svojoj grupi.

Pa ali ne uzimaš neku utakmicu po utakmicu i ponavljaš nego simuliraš pretkolo po pretkolo u kojem gledaš samo prolaz/ispadanje. Za određivanje protivnika isprogramiraš UEFA sustav pretkola i nakon toga možeš gledati pojedini klub.

Koristiš ELO za kalkulaciju pojedinog rezultata ali ne predviđaš specifično rezultat na golove niti ti je konačno bitno dal je bila pobjeda, poraz ili nerješeno, samo tko je u dvomeču prošao. Gaussova krivulja je tu stavljena samo kao primjer kako možeš prikazati raspodjelu rezultata, na kraju dana otvoreno ti je mnogo mogućnosti kako obraditi prikupljene podatke

Za Dinamo onda gledaš koliko puta su bili koji nizovi. P + P + P = Grupa LP. Bilo koja permutacija 2P + 1I = grupa EL. Permutacije 1P + 2I = grupa KL, I + I + I = ispadanje prije grupe.

Ne sjećam se koji su točni brojevi bili u pitanju, mislim da je bilo nekih 16% za LP, ≈64% za EL ≈19% za KL i svega 0,3% za ništa? Ako je bilo 1000 ponavljanja, niz PPP se dogodio ≈160 puta, permutacija PPI ≈640 puta, permutacija PII ≈210 puta a III (0.3%) 3 puta.

Na kraju dana, nisam ja radio analizu niti je ovo bila poanta mog posta. Moje pitanje je bilo vezano uz semantiku tvog posta, ne matematku.

Ok, gledaju se prolazi ili ispadanja i ponavljaš simulaciju tisuće puta. Ali ako uvijek uzimaš iste vrijednosti ELO rejtinga, uvijek ćeš dobiti isti rezultat. Za svako ponavljanje simulacije nužno moraš mijenjati ulazne parametre. Npr. gledaš utakmicu Dinama i Osijeka i ako znaš njihove točne rejtinge uvijek ćeš dobiti istu vjerojatnost pobjede, poraza i neriješenog. Za simulaciju moraš imati distribuciju ELO rejtinga, npr. za Dinamo bi mogao imati 80 % vjerojatnosti da ima rejting 1600, 10 % da ima rejting 1620 i 10 % da ima rejting 1580 i tako bi trebao imati podatke za svaki klub. Onda možeš vrtiti simulaciju na temelju tih ulaznih parametara. A kako uopće sada možeš znati trenutnu distribuciju mogućih rejtinga svakog pojedinog kluba kad se momčadi mijenjaju, prijelazni je rok, zadnja utakmica je odigrana prije više od mjesec dana, itd... Teško, tako da te simulacije između sezona po meni nemaju previše smisla.

Usput, dok sam to malo guglati pronašao sam zanimljivu stranicu sa ELO rejtinzima klubova na kraju prošle sezone http://clubelo.com/

Dinamo ima ELO 1623, bio bi negdje na sredini 1. francuske lige, bolji od cijele 2. francuske lige, a klub iz kojeg je došao Bernauer je po ELO rejtingu razine Osijeka.

Umm, ne. Čak i da se svaki puta izvuku identični parovi (kaj nije nužno), kada uzimaš ELO za kalkulaciju pojedinog ishoda, dobivaš vjerojatnost svakog. Primjerice 70% W, 20% D, 10% L kaj bi ti onda na razini 1000 simulacija otprilike dalo očekivanje za 700 puta pobjedu u tom matchupu, 200 remi i 100 puta poraz. (tehnički gledano, ovo je idealizacija očekivanja kako se broj ponavljana bliži beskonačnosti) Točan ishod ti Ovisi o tome koju metodu uvođenja nasumičnosti koristiš ili na koji način kalkuliraš ishod na temelju vjerojatnosti. Famozni RNGovi...itd.

Ne znam odkud ti ideja da isti rejting uvijek daje isti rezultat kada uvijek daje mogućnosti svih rezultata i to bi bilo istina samo kada bi jedan od 3 ishoda bio na 100% a to nije nikad a čak i onda možeš u kalkulaciju uvest dozu nasumičnosti.



Drugo, ako se već za*ebabaš s tim da napraviš program koji će simulirati kompletna pretkola europskih natjecanja na bazi ELO rejtinga zajedno s izvlačenjima parova itd...onda možeš napraviti i varijabilni rejting svakog kluba koji samo počinje kao trenutni i mjenja se ovisno o rezultatu tog kluba prema pravilima za određivanje ELO rejtinga kako prolazi pretkolo po pretkolo.

jako lijepo dečki,
bavim se stohastičkim konačnim elementima i uživam čitajući ovu diskusiju

Maxsport grafike za novu HNL sezonu.

https://app.frame.io/presentations/d4eca375-0d7d-47f2-855d-3cd5ff36ffd7

Revolucionarno, moram priznati.

@immerwieder priključi se raspravi slobodno, meni matematika nije uže područje zanimanja, pogotovo teorija vjerojatnosti, pa sam tu na skliskom terenu...

@vjeko1701 ako su vjerojatnosti pojedinih ishoda točne, (tvoj primjer 70% W, 20% D, 10%) onda će se dovoljnim brojem ponavljanja tih događaja stvarni ishodi sve više približavati tim vjerojatnostima - matematičkom očekivanju, to je OK. Npr. sve većim brojem ponavljanja bacanja novčića, postotak pisma i glave će se približavati 50 % pismo, 50 % glava zato jer su to točne vjerojatnosti. Kod ishoda nogometnih utakmica ne znaš točno te vjerojatnosti pa s pomoću Monte Carlo simulacija, na temelju ulaznih ELO rejtinga pokušavaš što točnije odrediti te vjerojatnosti. Jel to 70% W, 20% D, 10% ili možda 65% W, 15% D, 20%L. Ali ako su ti ELO rejtinzi kao ulazni parametri neprecizni, a jesu između sezone, onda i ta procjena ishoda pojedinih ishoda postaje neprecizna a još više kumulativno kad ih koristiš za tri kola.

S ovim drugim dijelom se slažem, s protokom vremena kako liga ide te procjene će biti sve točnije.

Prošlo je neko vrijeme odkad sam računao statističke parametre nekih stvari (a i računalne simulacije nevezanih stvari) tako da vjerojatno tu i tamo fulam pojam...mada koliko se sjećam, principi stoje.

Nigdje nisam ni probao opovrgnuti da je ELO između sezona u području najveće nepreciznosti, samo sam pisao kako bi ga ja koristio da izračunam vjerojatnosti nekih stvari (u ovom slučaju raspodjelu vjerojatnosti ishoda uspjeha pojedinog kluba u pretkolima UEFA natjecanja.)

Mada, da baš idem nekako i to korigirati, napravio bi projekciju kretanja ELO ratinga kluba na bazi zadnjih 10 godina te bi pomoću toga pokušao dobiti "korigiranu" vrijednost istog na početku tekuće sezone. Daleko od toga da bi to rješilo taj problem ali bi vjerojatno eliminiralo barem dio netočnosti.

Drugi način bi mi bio jednostavno napraviti simulacije na bazi zadnjih 10 sezona čije ishode znam pa bi onda klubovima dodjelio dodatni faktor "nesigurnosti" rezultata prilikom kalkulacija na bazi toga koliko simulacije odstupaju od realnosti.

Baš zanimljiva rasprava.

O nekim stvarima znam puno, a o nekima malo ili nimalo.

I koliko god da volim dobre diskusije o temama o kojima znam puno, jer je prirodno da znam puno o onome što me ujedno i više zanima, toliko zaista uživam u praćenju kvalitetnih rasprava o temama o kojima znam vrlo malo, a mogu nešto naučiti.

Stvarno vas je lijepo čitati, @Patak i @vjeko1701, hvala obojici.

Jel ovo sluzbeno ili je neciji privatni rad? U odnosu na sve grafike do sad, ovo je bomba :starstruck: