我如何根据球员的获胜历史来预测躲避球队获胜的几率？

想象一下，世界上有80位躲避球运动员。他们每个人都以随机的顺序与其他79名球员一起玩了数千场躲避球游戏。这是一个没有球队的世界（例如，每场比赛每个球员都有被选拔的机会）。我知道每个球员的先前获胜率（例如，一个赢得了之前所有游戏的46％，另一个赢得了他之前所有游戏的56％）。可以说一场比赛即将来临，我知道每支球队都在比赛。我也知道他们以前的胜率。

根据团队的组成来计算每个团队获胜的概率的最佳方法是什么？

如果需要相对高级的计算（例如，逻辑回归），请告诉我一些细节。我对SPSS非常熟悉，但是我不需要提出后续问题。

此外，我将如何使用档案数据探索方法的准确性？我知道这并不明确，因为大多数玩家都徘徊在40-60％左右，但仍然如此。

具体来说，A队获胜的几率是多少？

A-包含先前获胜率分别为52％，54％，56％，58％，60％的个人B-包含先前获胜率为48％，55％，56％，58％，60％的个人

（这只是出于说明目的的一个随机示例。两个非常好的团队。）

编辑：有没有一种方法可以从一个非常简单的算法开始，然后看它是如何工作的？也许我们可以简单地将每支球队的百分比相加，并预测拥有最高百分比的球队将获胜。当然，我们的分类将是不准确的，但是在成千上万的存档游戏中，我们可以看到我们能否预测胜于偶然。

对于朴素的贝叶斯来说，这听起来像是一份工作。我不太了解其背后的理论，因此很遗憾，我无法给您提供示例，但Bayes可以使用已知（档案）数据进行推断。

我认为Bayes仅在SPSS的Statistic Server中可用，因此，如果您可以访问其中的一个，那么您很幸运。另外，您可以使用Weka，其中还包括许多其他分类器，因此也许您可以运行实验并让我们知道结果？

$A$$A$$B$$A$

您不仅拥有这些百分比，而且还拥有所有单独的游戏结果是否正确？然后，我建议使用r包PlayerRatings。该软件包不仅处理诸如如何计算玩家实力（使用诸如elo或glicko之类的算法）之类的问题，而且还提供可以预测未来游戏结果的功能。

有关示例，请访问：http : //cran.r-project.org/web/packages/PlayerRatings/vignettes/AFLRatings.pdf

这不只是平均值的简单划分吗？AvgTeam1WinP/ AvgTeam2WinP？它应该产生team1赢的几率team2。

如果我考虑以下内容：

如果player1要player2在“ 1人”球队中对战，那么您将同意，玩家1击败玩家2的几率是玩家1随机赢的几率除以玩家2随机赢的几率（这当然只有如果您认为获胜百分比是准确的（例如在其无极限范围内），则只需：

OddsP1VsP2 = WinProbabilityP1 / WinProbabilityP2 

如果您认为某些球员没有可怕的互动影响，因此对得分的影响比预期的要差*，或者有些球员对得分的影响比预期的要好**，那么您可以合理地只是拿每个团队中每个球员的平均概率。

*如果60％，60％，60％，60％的组合被认为比70％，70％，70％，30％的团队更好，那么即使一个坏球员也会给团队带来更糟糕的赔率平均值是相同的。没有其他假设，就无法解决该特定问题。

**同样，如果50,50,50,90不被认为等于60,60,60,60，则同样适用。