Ekspertanalyser av sportskamper presenteres gjerne som en oppramsing av faktorer, der form, skader, motivasjon og hjemmebane nevnes ved siden av hverandre uten at noen sier hvor mye hver av dem faktisk veier. En kampanalyse blir først etterprøvbar når faktorene omregnes til ett tall, nemlig hvor mange mål hvert lag forventes å skape, og når det tallet føres videre til sannsynligheter. Nedenfor går vi gjennom hvordan den regningen gjøres, hvor mye et kort utvalg kamper egentlig sier, og hva som skiller en analyse fra en påstand.
Hva en kampanalyse faktisk måler
Utgangspunktet for enhver seriøs analyse er at resultatet av en fotballkamp inneholder mye tilfeldighet. Mål er sjeldne hendelser, og et enkelt avvisningsuhell eller en stolpetreff kan snu et resultat uten å si noe om hvilket lag som spilte best. Derfor måler man heller sjanseskapingen, altså hvor mange og hvor gode muligheter et lag skaper og slipper til, siden den størrelsen varierer langt mindre fra kamp til kamp enn selve resultatet gjør.

Forventede mål er den vanligste måten å tallfeste dette på. Hver avslutning gis en verdi mellom null og én ut fra hvor ofte tilsvarende avslutninger historisk har endt i mål, og summen for en kamp er lagets forventede antall mål. Visst har metoden svakheter, blant annet at ulike dataleverandører verdsetter den samme avslutningen ulikt, og at modellen ikke ser hvem som står i mål. Den er likevel et bedre utgangspunkt enn måltallet, av den enkle grunn at den bygger på mange flere observasjoner per kamp.
Neste steg er å justere for motstanderen. Et lag som skaper 1,8 forventede mål mot bunnlagene og 0,9 mot toppen, har ikke en form som svinger, det har møtt ulik motstand. Uten den justeringen måler man terminlisten og ikke laget, og en analyse som ikke sier noe om hvem motstanderne har vært, er i praksis ikke justert i det hele tatt.
Utvalgsstørrelsen og støyen i korte serier
Den vanligste feilen i kampanalyser er ikke gal metode, men for lite materiale. Mål følger tilnærmet en poissonfordeling, og det gir en enkel måte å regne ut hvor presist et snitt er: usikkerheten i et lags målsnitt er kvadratroten av snittet delt på antall kamper. Med et snitt på 1,5 mål per kamp blir tallene som følger.
- 5 kamper: usikkerhet på 0,55 mål per kamp
- 10 kamper: usikkerhet på 0,39 mål per kamp
- 38 kamper: usikkerhet på 0,20 mål per kamp
Forskjellen mellom to jevne lag er ofte mindre enn 0,3 mål per kamp. Etter fem kamper er usikkerheten altså nesten dobbelt så stor som forskjellen du forsøker å måle.
Konsekvensen er at en formkurve på fem kamper sjelden inneholder noe signal. Et lag som over tid vinner 40 prosent av kampene sine, vinner minst tre av fem så ofte som i 31,7 prosent av alle femkampsperioder, altså uten at noe som helst har endret seg. Nesten hver tredje slik periode ser dermed ut som en oppadgående kurve som ikke finnes, og den kurven blir like fullt beskrevet som form i analyser hver uke.
Dette er også grunnen til at analyser bør oppgi hvor mange kamper de bygger på. Et tall uten utvalgsstørrelse kan ikke etterprøves, og det er verdt å behandle med den skepsisen enhver upresis måling fortjener.
Fra forventede mål til sannsynligheter
Når begge lag har fått et anslag for forventede mål, kan utfallene regnes ut. Tenk deg at hjemmelaget forventes å skape 1,6 mål og bortelaget 1,1, der hjemmebanefordelen allerede ligger inne i tallene. Antar man at målene fordeler seg poissonfordelt og uavhengig av hverandre, kan sannsynligheten for hvert mulige resultat summeres til de tre utfallene.
| Utfall | Sannsynlighet | Rettferdig odds | Markedsodds med 5 % margin |
|---|---|---|---|
| Hjemmeseier | 49,0 % | 2,04 | 1,95 |
| Uavgjort | 24,9 % | 4,02 | 3,83 |
| Borteseier | 26,2 % | 3,82 | 3,64 |
Den samme modellen gir også andre markeder. Med disse anslagene ender 49,4 prosent av kampene på to mål eller færre, mens 50,6 prosent gir tre eller flere. Poenget med tabellen er ikke tallene i seg selv, men at hvert av dem kan spores tilbake til to anslag og én fordeling. En analyse som konkluderer uten å vise den kjeden, gir deg en mening, mens en som viser den, gir deg noe du kan være uenig i på et konkret punkt.
Legg samtidig merke til avstanden mellom rettferdig odds og markedsodds i tabellen. Marginen på fem prosent er nok til å flytte hjemmeoddsen fra 2,04 til 1,95, og den forskjellen er større enn det de fleste analyser klarer å påvise i form av faktisk feilprising. Det er en nyttig målestokk når man vurderer hvor mye en analyse egentlig må treffe for å ha vært verdt noe.
Faktorene som får mer plass enn de fortjener
Listene i typiske ekspertanalyser inneholder som regel ni eller ti punkter, og de behandles som om de veier like mye. Det gjør de ikke. Skader på en enkeltspiller flytter sjelden et lags forventede mål med mer enn noen tiendedeler, og effekten er størst når spilleren står for en uvanlig stor andel av lagets sjanseskaping. Hjemmebanefordel er reell, men den er en parameter som allerede ligger inne i anslaget, ikke et argument som kommer i tillegg til det.
Motivasjon, trenerens innflytelse og historiske trender hører til den kategorien som er lettest å fortelle om og vanskeligst å måle. De kan alle ha betydning i enkelttilfeller, men de har det til felles at de sjelden lar seg tallfeste før kampen, og at de nesten alltid lar seg fortelle i etterkant. En analyse som lener seg tungt på slike faktorer, forklarer heller enn den forutsier, og de to tingene er ikke i nærheten av hverandre i verdi.
Innbyrdes oppgjør langt tilbake i tid er det tydeligste eksempelet. Et oppgjør fra 2018 er spilt av andre spillere, under en annen trener og med et annet lag rundt seg, og det inngår likevel rutinemessig i analyser som et argument. Regelen er den samme her som ellers: jo eldre observasjonen er, desto mindre veier den, og en analyse bør si hvor grensen går.
Ordet ekspert og hva det er verdt
Det finnes ingen beskyttet tittel her, og ordet ekspert sier derfor ingenting i seg selv. Det som sier noe, er om analysen oppgir tallgrunnlaget sitt, hvor mange kamper det bygger på, hvilken modell som er brukt og hvor stor usikkerheten er. Like viktig er det om den som analyserer forteller når grunnlaget er for tynt til å konkludere, for et datagrunnlag som alltid rekker til en konklusjon, er et grunnlag som ikke blir vurdert.
En sannsynlighet på 70 prosent betyr at det motsatte inntreffer i tre av ti tilfeller, og en analyse som fremstiller et utfall som sikkert har forlatt matematikken. Vær også oppmerksom på integriteten i idretten: Lotteritilsynet arbeider mot manipulering av idrettskonkurranser og ønsker tips om kampfiksing. Kjenner du at analyser blir en grunn til å spille mer enn planlagt, tar Hjelpelinjens selvtest opp nettopp det mønsteret.
Etterprøvbarhet er den siste testen. En analyse som publiseres med anslåtte sannsynligheter kan måles i ettertid mot hva som faktisk skjedde, over mange kamper og ikke over noen få. En analyse som bare publiseres som en anbefaling, kan aldri måles, og det er sjelden tilfeldig hvilken av de to formene som velges.
Rammene analysene skrives i
I Norge har bare Norsk Tipping og Norsk Rikstoto tillatelse til å tilby pengespill, og markedsføring av selskaper uten slik tillatelse er forbudt etter pengespilloven § 6 andre ledd. Analysene her handler derfor om sannsynlighet og metode, ikke om hvor noe kan spilles, og siden lenker ikke til, rangerer ikke og anbefaler ikke spillesteder. Norsk Tippings egne spilleregler slår for øvrig fast at odds kan endres underveis, mens et allerede innlevert spill beholder oddsen det ble levert til.
- Oppgir antall kamper tallene bygger på
- Justerer for motstandernes styrke
- Viser veien fra anslag til sannsynlighet
- Sier fra når grunnlaget er for tynt
- Lister faktorer uten å vekte dem
- Bygger på fem kamper og kaller det form
- Trekker inn oppgjør flere år tilbake
- Konkluderer like skråsikkert hver gang
Spørsmål og svar om ekspertanalyser
Hva bygger en kampanalyse på?
På et anslag for hvor mange mål hvert lag forventes å skape, justert for motstanderen, som deretter regnes om til sannsynligheter for de ulike utfallene. Faktorer som skader og hjemmebane inngår i anslaget i stedet for å komme i tillegg til det.
Hvor mange kamper trengs for at et snitt skal bety noe?
Med et målsnitt på 1,5 er usikkerheten 0,55 mål per kamp etter fem kamper og 0,20 etter 38. Siden forskjellen mellom to jevne lag ofte er under 0,3 mål, sier fem kamper i praksis svært lite.
Hvordan regnes forventede mål om til odds?
Ved å anta at målene er poissonfordelte og summere sannsynligheten for hvert mulige resultat. Med 1,6 mot 1,1 forventede mål gir det 49,0 prosent hjemmeseier, 24,9 prosent uavgjort og 26,2 prosent borteseier.
Betyr innbyrdes oppgjør noe?
Lite, og stadig mindre jo eldre de er. Et oppgjør fra noen år tilbake er spilt av andre spillere under en annen trener, og det veier derfor langt mindre enn nyere tall om sjanseskaping.
Kan en ekspertanalyse garantere gevinst?
Nei. En sannsynlighet er ikke et løfte, og selv et godt kalibrert anslag bommer ofte på enkeltkamper. Analyser som fremstiller et utfall som sikkert, sier mer om avsenderen enn om kampen.
Hva bør en analyse oppgi for å kunne etterprøves?
Utvalgsstørrelse, hvilken periode tallene er hentet fra, om de er justert for motstand og hvilken usikkerhet som gjelder. Uten disse opplysningene kan verken du eller den som skrev analysen vurdere om den traff.
