[论文解读] A Markovian model for association football possession and its outcomes

Javier López Peña|arXiv (Cornell University)|Mar 31, 2014

Sports Analytics and Performance参考文献 6被引用 6

一句话总结

本文提出一种基于有限状态自动机的自下而上的足球控球马尔可夫模型，状态包括恢复、控球、射门和丢球，其转移概率基于380场英超联赛比赛数据估算。该模型在拟合控球时长和射门概率的长尾分布方面优于经典自上而下的分布（泊松分布、负二项分布、帕累托分布），拟合优度检验的p值均大于0.99。

ABSTRACT

We propose a bottom-up approach to the study of possession and its outcomes for association football, based on probabilistic finite state automata with transition probabilities described by a Markov process. We show how even a very simple model yields faithful approximations to the distribution of passing sequences and chances of taking shots for English Premier League teams, which we fit using a whole season of granular game data (380 games). We compare the resulting model with classical top-down distributions traditionally used to describe possessions, showing that the Markov models yield a more accurate asymptotic behaviour.

研究动机与目标

• 开发一种基于数据的、自下而上的足球控球模型，以解释传球序列和射门结果的统计分布。
• 解决经典自上而下模型（如泊松分布、负二项分布）无法捕捉现代足球控球长尾特性的局限性。
• 通过马尔可夫转移概率量化球队特定的控球行为，将模型参数与球队风格和表现关联。
• 提供一个基于比赛中动作的射门可能性与控球时长的预测概率框架。

提出的方法

• 将控球建模为具有四个状态的有限状态马尔可夫链：恢复、控球、丢球、射门。
• 定义转移概率：pk（保持控球）、ps（发起射门）、pl（失去控球），满足 pk + ps + pl = 1。
• 使用最大似然估计法，基于Opta提供的细粒度事件数据（380场2012–2013赛季英超联赛）拟合模型参数。
• 引入自增强反馈参数 b，以建模长序列中传球准确率的下降。
• 推导在 x 次动作内发生射门的累积概率的解析表达式：P(射门 | X ≤ x) = ps(1 − pk^x)/(1 − pk)。
• 使用皮尔逊拟合优度检验验证模型拟合效果，并与经典分布（泊松分布、负二项分布、帕累托分布）进行比较。

实验结果

研究问题

• RQ1 基于状态转移的简单马尔可夫模型是否能比经典自上而下的分布更好地描述足球控球时长的分布？
• RQ2 通过转移概率衡量的球队特定控球动态如何与球队风格和联赛表现相关联？
• RQ3 引入自增强反馈参数 b 是否能提升模型对长控球序列的拟合效果？
• RQ4 马尔可夫模型在多大程度上能准确预测给定动作数内发生射门的累积概率？

主要发现

• 与泊松分布、负二项分布或帕累托分布相比，该马尔可夫模型对观测到的控球时长分布具有显著更优的拟合效果，后三者均表现出错误的渐近行为。
• 模型预测的在 x 次动作内发生射门的概率与实证数据高度吻合，皮尔逊拟合优度检验的 p 值 >0.99。
• 保持控球概率（pk）较高的球队，如曼联（pk = 0.794）和阿森纳（pk = 0.797），表现出持续且技术性的比赛风格。
• 射门概率（ps）较高的球队，如利物浦（ps = 0.019）和纽卡斯尔（ps = 0.019），展现出更具侵略性的进攻行为。
• 模型参数与联赛排名具有强相关性，而斯旺西和维冈竞技等球队则偏离了预期表现。
• 引入反馈参数 b 显著提升了模型对长序列中传球效率下降的捕捉能力，尤其在高压区域表现更优。