Kort fortalt: Modellen forudsiger hvordan slutstillingen i de danske ligaer bliver og dertilhørende sandsynligheder for alle placeringer. Dette bliver beregnet udfra estimerede resultater på kampprogrammet. 40x20.dk har selv estimeret kampenes udfald, men du kan selv overskrive disse resultater og dermed giver den en beregnet liga hvor dine resultater nu indgår i beregningen. Så snart du skriver nye cifre som målscore for holdene, vil det automatisk blive kalibreret.
Trin 1: Ingen indtastning. Du ser vores estimater på sluttabel inklusiv sandsynligheder for forskellige placeringer
Trin 2: Du indtaster dine egne estimater på kampprogrammet. Ønsker du kun at indtaste dit favoritholds kampprogram kan du sortere efter hold
Trin 3: Computeren genberegner og du får en slutstilling hvor dine personlige resultater danner grundlag for beregningerne
Længere forklaring: For at omsætte et forventet resultat til sandsynligheder arbejder vi med statistisk variation. Vi antager, at mål kan beskrives ved en Poisson-fordeling, som er en klassisk statistisk model til at estimere håndboldresultater. I praksis indbygger vi nogle parametre, så variationen matcher det niveau, man realistisk ser i kampene. Det betyder, at vi bevarer det forventede antal mål, men regulerer spredningen, så favoritter hverken bliver for “sikre” eller for ustabile.
Mere teknisk kan man sige, at hjemme- og udeholdets mål simuleres som to uafhængige Poisson-fordelte variable med justeret varians. Forskellen mellem de to følger en Skellam-fordeling, som netop beskriver forskellen mellem to Poisson-fordelinger. Middelværdien for denne forskel er lig forskellen i de to holds forventede mål, mens variansen er summen af deres justerede forventninger. Variansen er afgørende for, hvor stor sandsynligheden er for overraskelser: jo større samlet varians, desto større chance for at underdoggen kan slå favoritten.
For hver kamp simuleres hjemme- og udeholdets mål mange tusinde gange. Efter hver simulation registreres om det blev hjemmesejr, uafgjort eller udesejr. Hvis hjemmeholdet eksempelvis vinder i 7.600 ud af 10.000 simulationer, svarer det til en vinderchance på 76 procent. Metoden fuldstændigt til den måde bookmakere arbejder på, når de fastsætter odds: man kombinerer en vurdering af styrkeforholdet med statistisk usikkerhed og omsætter det til sandsynligheder for hvert udfald.
Med den nuværende parametrisering giver det for eksempel følgende sandsynligheder: Et estimeret resultat på 35–25 svarer til ca. 94,5 % hjemmesejr. Ved 35–30 er det ca. 76 % hjemmesejr. En tæt kamp som 30–29 giver ca. 52 % hjemmesejr, 9 % uafgjort og 39 % udesejr, mens 30–30 giver omtrent 45 % – 10 % – 45 %. Selv estimerede uafgjorte resultater ligger uafgjort omkring 9-10%, da det svarer den reele sandsynlighed for lige kampe, og hjemme-/udesejr deles ligeligt.
Efter de 10.000 simulationer foretages der desuden en intern kalibrering i baggrunden. Det betyder, at procenttallene kan ændre sig en smule for at sikre numerisk stabilitet og konsistens, så summen altid giver 100 %, og så små udsving fra tilfældig simulation ikke påvirker det endelige resultat unødigt. Over tid bidrager denne kalibrering til, at modellen holder sig statistisk robust og realistisk.
Det er vigtigt at understrege, at modellen ikke forudsiger det præcise resultat af én konkret kamp. Den estimerer derimod, hvor ofte hvert udfald vil forekomme, hvis kampen blev spillet mange gange under de samme forudsætninger. Når du ændrer et estimat, ændrer du forudsætningerne – og dermed også sandsynlighederne. På den måde kombinerer modellen ekspertvurdering, matematisk sandsynlighedsregning og simulation på en måde, der både er transparent og fagligt funderet.