Una brutta settimana: cosa dicono e non dicono i risultati
Una verifica di nove analisi distingue la normale variabilità dei risultati da un errore nel processo, senza trattare una brutta settimana come una prova.
In questa pagina
Prendiamo un esempio concreto di nove analisi con sette perdite. Queste cifre sono illustrative e non rappresentano i risultati effettivi di BAI8. Senza la probabilità assegnata a ciascun evento, non è possibile dire onestamente quanto sia sorprendente la sequenza. L’esempio basta a mostrare perché risultati e processo debbano essere verificati separatamente.
Otto delle nove erano corrette
Per corrette intendiamo che il ragionamento regge a una rilettura, le fonti sono reali e il valore sarebbe lo stesso se venisse ricalcolato usando solo le informazioni disponibili all’epoca. Sette di quelle otto risultano perdenti. Questo è coerente con gli effetti della varianza e i soli risultati non indicano nulla di specifico da correggere.
Supponiamo che sei delle otto siano state giocate a un prezzo migliore di quello alla chiusura del mercato. Questo aggiunge un confronto dei prezzi alla verifica, ma nove osservazioni restano insufficienti per validare un metodo.
Una non era corretta
Nell’esempio, una formazione ufficiale viene pubblicata due ore prima del calcio d’inizio e poi modificata. La fase di ricerca legge la prima versione. Nessun controllo successivo verifica la data e l’ora, quindi l’analisi si basa su una formazione già superata. Si tratta di un errore dimostrabile nei dati di partenza, anziché di una deduzione tratta dal risultato.
Questo errore nel processo ha una risposta verificabile: registrare l’ora di pubblicazione di ogni affermazione e recuperarla di nuovo quando la stessa fonte pubblica un aggiornamento più recente. Descrivere la correzione non ne dimostra l’efficacia: servono test controllati e verifiche successive.
Perché la distinzione è il punto centrale
Se le settimane negative e i processi difettosi vengono trattati allo stesso modo, ogni settimana negativa porta a una modifica e il metodo finisce per seguire ciò che suggeriscono gli ultimi risultati. Una regola di scoring propria valuta le probabilità su una serie di eventi, anziché premiare una modifica reattiva dopo ogni perdita.
Per distinguere le due cose serve un registro completo, con data e ora, che includa anche le settimane che chi pubblica preferirebbe omettere.
Cosa questo non le dice
Se il controllo della data e dell’ora sia sufficiente. Affronta l’esempio che abbiamo definito. Non stima quanto spesso si siano verificati errori simili in precedenza, né quanto spesso le partite interessate si siano casualmente concluse a favore di chi pubblica.
Domande frequenti
È un resoconto dei risultati reali di BAI8?
No. È un esempio pratico di come esaminare una brutta settimana senza confondere i risultati con la qualità del processo.
Sette sconfitte su nove dimostrano che le analisi non funzionano?
No. La probabilità di quella sequenza dipende dalla probabilità assegnata a ciascun evento, e nove osservazioni sono troppo poche per valutare un metodo solo in base alla percentuale di vittorie.
Quale errore nel processo viene usato nell’esempio?
Una formazione non aggiornata. L’esempio presume che durante la ricerca sia stata letta una formazione pubblicata prima di una modifica dell’ultimo momento e che nessun controllo successivo abbia rilevato la data e l’ora di pubblicazione.