Ergebnisse der Vorhersage:

Im vorangegangenen Beitrag: Team-Statistiken und Prognosen haben wir eine Vorhersage auf Basis von Passquote und Sprints durchgeführt. Nun folgt die Auswertung. Zur Erinnerung noch mal die Ansetzungen und der Ausgang, wobei:

H… Gewinn der Heimmannschaft
G… Gewinn der Gastmannschaft
U… Unentschieden

library(readr)
team_stats <- read_delim("https://www-user.tu-chemnitz.de/~burma/blog_data/team_stats_lauf27.csv", 
    delim = ";", escape_double = FALSE, trim_ws = TRUE)
heim <- c(5,1, 6,12,10,2,7,3,15)
gast <- c(16, 8,13, 9,14,4,17,11,18)
Ausgang <- c("U", "H", "U", "G", "G", "G", "U", "U", "U")
S27 <- cbind(1:9, team_stats[heim, 2], team_stats[gast, 2], Ausgang)
# H für Heim; G für Gast
colnames(S27) <- c("Partie_Nr" , "Mannschaft_H", "Mannschaft_G", "Ausgang")
S27

  Partie_Nr             Mannschaft_H      Mannschaft_G Ausgang
1         1               RB Leipzig      FSV Mainz 05       U
2         2      Bayer 04 Leverkusen    TSG Hoffenheim       H
3         3      Eintracht Frankfurt   FC Union Berlin       U
4         4 Borussia Mönchengladbach       SC Freiburg       G
5         5         SV Werder Bremen     VfL Wolfsburg       G
6         6        FC Bayern München Borussia Dortmund       G
7         7              FC Augsburg           FC Köln       U
8         8            VfB Stuttgart     FC Heidenheim       U
9         9               VfL Bochum      SV Darmstadt       U

Wir haben zur Vorhersage “recht willkürlich” (1) den Pass-Sprint-Score und (2) den Tabellenplatz genutzt. Für beide Prognosen (einschließlich der Wettquoten, die wir hier nicht weiter ausführen wollen) ergibt sich eine Übereinstimmung von \(\frac{2}{9}= 22\%\) bzw. \(\frac{2}{4}\) wenn wir die Unentschieden außer Acht lassen. Versuchen wir unsere Prognosen gleich noch einmal für weitere Spieltage.

Die Fortsetzung folgt…

Datengrundlage:

https://www.bundesliga.com/de/bundesliga/statistiken