zybik, on 29 December 2018 - 14:34, сказал:
Принимаю любую критику и советы (если те не совсем тупы или безумны). Спасибо за направление, ознакомлюсь, что там за теория такая.
Реальные условия значительно сложнее, чем те условия, которые необходимы для использования и формулы Байеса и теории Демпстера-Шафера. И прежде всего это выражается в том, что это не случайный процесс, а процесс управляемый человеком. Поэтому результаты не случайны и не независимы от предыдущих результатов. Например, существует зависимость процента исхода на П1 от разницы от разницы в количестве ударов в створ ворот между домашней команды и гостевой команды в предыдущей игре. Чтобы было понятно, если в предыдущей игре 1 команда нанесла 10 ударов и получила 5 ударов в свои ворота, а 2 команда нанесла 5 ударов и получила 3 удара, то искомая величина будет равна 10-5-(5-3)=3. Искомая зависимость для некоторых значений в порядке возрастания выглядит так: -10 34.6%, -8 38%, -5 40,8%, 0 46.3%, +5 52%, +8 58,7%, +10 61.6%. Эта зависимость только дает понимание степени зависимости и не дает возможность размещать ставки, так как не учтены другие ОДНОВРЕМЕННО действующие факторы. Например, в диапазоне коэффициентов около 1,3 на П1 процент реализации при приведенном показателе равном 0 будет уже не 46,3%, а где-то в районе 70%. Существует проблема и взаимодействия двух и больше показателей, когда значения каждого из, например, двух показателей увеличивает вероятность исхода относительно среднего значения, а при их одновременном появлении эта вероятность относительно средней уменьшается. И никакие формулы не могут этого выявить и определить результирующее значение частоты исхода. Поэтому приходится применять только чистую статистику, накапливая наблюдения за частотой появления исходов, в том числе и в случае одновременного появления нескольких показателей. И никто не гарантирует вам, что вы выявили и наблюдаете за всеми доминантными показателями существенно влияющими на результат. Кстати, наличие доминантных показателей не дает применять ни формулы нормального распределения, ни формулы биномиального распределения, ни распределение Пуассона, как частный случай биномиального распределения, так как они требуют наличия множества причин, которые оказывают примерно одинаковое воздействие на результат.