Giriş — Neden 'Luck Factor'ı Ölçmeliyiz?
Lig maçlarında bir takımın gerçek gücünü, sezon boyunca aldığı puanlar her zaman tam olarak yansıtmaz. Bazı maçlar beklenmedik goller, hakem kararları veya bireysel hatalarla sonuçlanır; bu unsurlar istatistiksel açıdan "şans" veya 'Luck Factor' olarak adlandırılır. Kulüpler, analistler ve bahisçilere yönelik gerçek soru şudur: Bir performansın arkasında ne kadar yetenek, ne kadar rastlantı var? Bu yazıda lig maçlarında şans faktörünü nicel olarak ayırmak için uygulanabilir 6 yöntem sunuyorum. Her yöntemde kısa teori, uygulama adımları ve örnek yorumlar yer alıyor.
Özet: 6 Yönteme Kısa Bakış
- 1. Beklenen Goller (xG) ve xG Farkı
- 2. Poisson Temelli Maç Simülasyonları ve Beklenen Puan
- 3. Elo/Glicko Beklenen Skoru ile Karşılaştırma
- 4. PDO ve Yüzde Oynaklık Analizi
- 5. Regresyon ve Residual Analizi (Hata Terimleri)
- 6. Bootstrap / Monte Carlo ile Kontrol Edilmiş Dağılımlar
1. Beklenen Goller (xG) ve xG Farkı
xG, her şut için gol olma olasılığını tahmin eden bir metrik. Bir maçtaki takımlar için toplanmış xG'ler, gerçek gol sayısıyla karşılaştırılır. xG farkı sezon geneli üzerinden hesaplandığında, gerçek gol farkı ile arasındaki uçurum 'şans' göstergesi olur.
Uygulama örneği:
- Takım A sezon ortalaması xG per maç = 1.8, yediği xG per maç = 1.2 → xG farkı = +0.6
- Gerçek gol farkı per maç = -0.1 (yani takım aslında eksiye yakın)
Yorum: xG farkı pozitifken gerçek gol farkı negatifse, takımın şanssız olduğunu düşünebiliriz; kaleci hataları veya dar açı gollerinden etkilenmiş olabilir. Zamanla xG'e dönüş oranları incelenerek kalıcı mı yoksa geçici mi olduğu anlaşılır.
2. Poisson Temelli Maç Simülasyonları ve Beklenen Puan
Her takım için beklenen gol ortalaması bulunduğunda Poisson dağılımı kullanılarak maç sonuç olasılıkları hesaplanır. Örneğin bir maçta ev sahibi beklenen gol 1.6, deplasman 1.0 ise sonuç olasılıklarını (2-1, 1-1, 0-0 vb.) Poisson çarpımıyla elde edersiniz. Bu olasılıklardan galibiyet, beraberlik, mağlubiyet olasılıklarını toplayarak beklenen puanı bulun.
Uygulama adımları:
- Her maç için ev sahibi ve konuk takımın beklenen gollerini tahmin et (xG ya da takım atak/defans güçleri).
- Poisson ile 0-5 arası skorlara kadar olasılıkları hesapla ve sonuç olasılıklarını topla.
- Sezon boyunca beklenen puan toplamı ile gerçek puan toplamını karşılaştır.
Örnek yorum: Sezon sonunda takımın gerçek puanı 50, Poisson tahmini beklenen puan 58 ise takım şanssız sayılabilir. Bu farkı istatistiksel olarak test etmek için binom test veya z-testi uygulanabilir.
3. Elo / Glicko Beklenen Skoru ile Karşılaştırma
Elo tabanlı sistemler takımların göreli güçlerini sürekli günceller. Her maç için beklenen skor hesaplanır; sezon sonunda gerçekte elde edilen puan vs beklenen puanın farkı bir 'şans' göstergesi olabilir. Elo, özellikle form ve güç dengesini sezgisel olarak yakalamada iyidir.
Pratik örnek:
- Bir sezonda takımın Elo'larından hesaplanan beklenen zafer sayısı = 14, gerçek galibiyet = 10
- Farkın standart sapmasını modelleyin; büyük sapma varsa şans etkisi kuvvetlidir.
Ayrıca Elo residual'ları zamana göre izlenirse, kısa dönemli şans dalgalanmaları ile uzun vadeli yetenek ayrıştırılabilir.
4. PDO ve Yüzde Oynaklık Analizi
PDO genelde basketbol ve beyzboldan ödünç alınan bir kavram değil ama futbolda benzer şekilde şut isabet yüzdesi ve kaleci kurtarış yüzdesinin toplamı incelenir. PDO'nun ortalaması ligde sabit bir seviyeye yakınsa (örneğin 1000 bazında) sezon başında veya kısa periyotlarda yüksek PDO'lar çoğunlukla şansı işaret eder.
Uygulama:
- Takımın şut isabet yüzdesi ve rakip kalecinin kurtarış yüzdesini topla.
- Zaman içindeki oynaklığı ölç; ani yükselişler genellikle şans kaynaklıdır.
Not: PDO tek başına kesin delil değildir; saha içi kalite ve kaleci performansı kalıcı ise PDO kalıcı olabilir.
5. Regresyon ve Residual Analizi
Bir takımsal performans modelleyin: örneğin maç başına gol farkını bağımlı değişken, xG farkı, topa sahip olma, pas isabeti gibi değişkenleri bağımsız değişken kabul edin. Modelin residual'ları (gerçek gözlem eksi model tahmini) takımın 'beklenmeyen' performansını gösterir.
Uygulama adımları:
- Lineer regresyon veya Poisson regresyonu kurun.
- Her maç/hafta için residual hesaplayın.
- Residual'ların dağılımına bakın; aşırı pozitif veya negatif residual'lar şansın belirtileridir.
Örnek yorum: Eğer bir takımın pozitif residual'ları sezon boyunca yüksekse, modelin yakalayamadığı sürdürülebilir bir faktör (ör. bireysel yetenek) olabilir. Ancak residual'ların ortalaması sıfıra yakınsa ve varyans yüksekse, bu daha çok şans değişkenliğine işaret eder.
6. Bootstrap / Monte Carlo ile Kontrol Edilmiş Dağılımlar
En sağlam yöntemlerden biri, sezonu binlerce kez simüle edip gerçekte elde edilen puanın simülasyon dağılımındaki yerini görmektir. Simülasyon girdisi olarak xG, Poisson veya takım bazlı gol beklentilerini kullanabilirsiniz.
Basit bir uygulama:
- Her maç için takımın beklenen golünü kullanarak 10.000 sezon simülasyonu çalıştır.
- Her simülasyonda toplam puanı hesapla, elde edilen dağılımdan gerçek puanın yüzdelik dilimini bul.
- Gerçek puan dağılımın alt %5'inde ise ciddi şanssızlık; üst %95'inde ise şanslı kabul edilebilir.
Bu yöntem hem belirsizliği nicel olarak verir hem de hangi maçların en fazla sapmaya neden olduğunu gösterir.
Uygulamalı Kısa Akış: Hızlı Rehber
- Adım 1: Veri topla — maç başına xG, gerçek goller, şutlar, kaleci kurtarışları, takım Elo.
- Adım 2: xG farkı ile sezon ortalığını karşılaştır.
- Adım 3: Poisson/Elo beklenen puanlarını hesapla ve gerçek puanla farkı test et.
- Adım 4: Regresyon modelle, residual'ları analiz et.
- Adım 5: Bootstrap ile simülasyon yap ve gerçek puanın dağılımdaki yerini bul.
Sonuç — Hangi Yöntemi Ne Zaman Kullanmalı?
Her yöntemin güçlü ve zayıf yönleri var. xG ve PDO kısa vadeli şans-şaşkınlık işaretleri için hızlı göstergeler sağlar. Elo ve Poisson uzun vadeli beklentileri modellemede etkilidir. Regresyon residual'ları sistematik farklılıkları ortaya çıkarır. Bootstrap ise belirsizliği sayısal aralıklarla verir ve en açıklayıcı sonuçları sunabilir.
Pratik tavsiye: Tek bir metrik yerine en az üç yöntemi birlikte kullanın. Örneğin xG farkı + Elo beklenen puanı + bootstrap yüzdelik dilimi, bir takımın şans mı yetenek mi temelinde iyi bir karar desteği üretir. Analiz yaparken küçük örneklem tuzağına düşmeyin; kısa dönem dalgalanmalar doğaldır. Uzun vadeli eğilimler ve tekrarlayan residual'lar ise yetenek sinyali verir.
Kapanış
Liglerdeki başarıyı sadece puan tablosuna bakarak yorumlamak yanıltıcı olabilir. Yukarıdaki 6 yöntem, şansın ve yeteneğin ayrıştırılmasında pratik ve uygulanabilir araçlar sunar. Her yöntemi gerçek verilerle deneyin, sonuçları sezonlar boyunca takip edin; böylece hangi takımın gerçekten sürdürülebilir performans gösterdiğini güvenle söyleyebilirsiniz.
Uygulamalı bir başlangıç için: sezonun ilk 10 haftasını xG, gerçek goller ve Elo ile değerlendirin, sonra bootstrap ile sezon tahmini çıkarın. Bu üçlü analiz çoğu zaman hızlı ve güvenilir bir içgörü verir.
