11Stat
11Stat เป็นแพลตฟอร์มวิเคราะห์ข้อมูลฟุตบอลและการสร้างแบบจำลองความน่าจะเป็น — ประตูคาดหวัง (xG) โมเดลความน่าจะเป็นแบบหลายเอนจิน และการปรับเทียบย้อนหลังที่ตรวจสอบกับผลการแข่งขันจริง ไม่รับวางเดิมพัน และไม่รับประกันผลลัพธ์หรือรายได้
หน้าแรกบล็อก › วิเคราะห์ครึ่งแรก/เต็มเวลา: โครงสร้างข้อมูลแบบสองช่วงเวลา

วิเคราะห์ครึ่งแรก/เต็มเวลา: โครงสร้างข้อมูลแบบสองช่วงเวลา

การวิเคราะห์ครึ่งแรก/เต็มเวลา คือการแบ่งแมตช์ฟุตบอลออกเป็นสองช่วง — ครึ่งแรกและครึ่งหลัง — แล้วกำหนดความน่าจะเป็นให้แต่ละชุดผสมที่เป็นไปได้ทั้งเก้าแบบระหว่างผู้นำตอนพักครึ่งกับผลเต็มเวลา (1/1, X/1, 2/1 … 2/2) สถานการณ์ทั้งเก้ารวมกันเป็น 100% เสมอ และแม้แต่ช่องที่สูงที่สุด — โดยทั่วไปคือเจ้าบ้านนำและชนะ — ก็แทบไม่เกิน 20-28% ในแมตช์ที่สูสี ส่วนช่องพลิกกลับอย่าง 1/2 และ 2/1 มักอยู่ที่เพียง 2-4% หน้านี้อธิบายว่า 11Stat สร้างตารางจากค่าประตูคาดหวังรายช่วงอย่างไร อ่านการเปลี่ยนมือของผู้นำเป็นข้อมูลอย่างไร และขีดจำกัดของการกระจายอยู่ตรงไหน ทั้งหมดคือการวิเคราะห์ข้อมูลฟุตบอล ไม่ใช่คำแนะนำการพนัน

🎯 วิเคราะห์การแข่งขันเลย →← หน้าแรก

การวิเคราะห์ครึ่งแรก/เต็มเวลาคืออะไรกันแน่

ผลของแมตช์ไม่ใช่เส้นตรงเส้นเดียว แต่คือส่วนผสมของสองช่วงเวลา การวิเคราะห์ครึ่งแรก/เต็มเวลา ตัดแมตช์ที่จุดพักครึ่ง แล้วถามสองคำถามพร้อมกัน: ใครนำตอนพักครึ่ง และผลสุดท้ายเป็นอย่างไร? เมื่อไขว้สามสถานะตอนพัก (เจ้าบ้านนำ / เสมอ / ทีมเยือนนำ) กับสามผลเต็มเวลา จะได้ตาราง 3×3 จำนวนเก้าสถานการณ์: 1/1, 1/X, 1/2, X/1, X/X, X/2, 2/1, 2/X, 2/2 โดยทั้งเก้าช่องรวมกันเป็น 100% ตลอดเวลา

จุดสำคัญคือ: แม้แต่ช่องยอดสูงสุดก็ยังต่ำกว่าที่คิด ในแมตช์สูสี 1/1 มักมีค่า 20-28% และ X/X ราว 8-12% ขณะที่ช่องพลิกกลับถูกบีบเหลือ 2-4% เท่านั้น "สถานการณ์ที่น่าจะเป็นที่สุด" จึงมัก ไม่เกิดขึ้นจริง — ตารางนี้คือภาพถ่ายของการกระจายความน่าจะเป็น ไม่ใช่คำตัดสิน คำศัพท์พื้นฐานอยู่ในอภิธานศัพท์

ประตูคาดหวังรายช่วง: ครึ่งแรกกับครึ่งหลังต่างกันอย่างไร

ประตูไม่กระจายเท่ากันตลอด 90 นาที: ในลีกใหญ่ ประตูราว 44-45% เกิดในครึ่งแรก และ 55-56% เกิดในครึ่งหลัง ความล้า แรงกดดันจากสกอร์ และการเปลี่ยนตัว ล้วนดันจังหวะเกมหลังพักครึ่งให้สูงขึ้นอย่างเป็นระบบ การเอาค่า xG ของ 90 นาทีมาหารสองจึงพลาดความไม่สมมาตรนี้ โครงสร้างที่ถูกต้องคือให้แต่ละช่วงมีค่าประตูคาดหวังของตัวเอง

11Stat แยกการผลิตประตูของแต่ละทีมเป็นอัตรารายช่วง แล้วสร้างเมทริกซ์ปัวซง (Poisson) แยกกันสำหรับแต่ละครึ่ง การปรับแก้แบบ Dixon-Coles ที่ถ่วงน้ำหนักช่องสกอร์น้อยใหม่ ยิ่งสำคัญในเมทริกซ์ครึ่งแรก เพราะ 0-0 คือสถานะพักครึ่งที่พบบ่อยที่สุดของฟุตบอล และปัวซงล้วน ๆ มีอคติเชิงระบบตรงจุดนั้นพอดี

สร้างตารางเก้าสถานการณ์จากสองเมทริกซ์อย่างไร

เมทริกซ์ครึ่งแรกให้การกระจายของสถานะตอนพัก: เจ้าบ้านนำ เสมอ หรือทีมเยือนนำ จากนั้นจึงต่อเมทริกซ์ครึ่งหลังแบบมีเงื่อนไขเข้ากับแต่ละสถานะ แล้วจำลองส่วนผสมของสองช่วงเวลาหลายพันครั้งด้วยการจำลอง Monte Carlo สถานการณ์อย่าง X/1 คือความน่าจะเป็นของเหตุการณ์ประกอบ "ครึ่งแรกจบเสมอ และ เจ้าบ้านขึ้นนำหลังพักจนชนะ"

ผลลัพธ์คือตาราง 3×3 ที่แถวคือสถานะพักครึ่งและคอลัมน์คือผลเต็มเวลา จากตารางเดียวกันยังอ่านค่าอนุพันธ์ได้ เช่น ความน่าจะเป็นของ 0-0 ตอนพัก หรือโอกาสที่ครึ่งหลังจะมีประตูมากกว่า และทั้งหมดต้องสอดคล้องเชิงโครงสร้างกับเมทริกซ์สกอร์ — ความสอดคล้องนี้คือบททดสอบว่าโมเดลไม่ขัดแย้งกับตัวเอง

การเปลี่ยนมือของผู้นำ: ทีมที่นำตอนพักครึ่งชนะบ่อยแค่ไหน

ข้อมูลย้อนหลังชัดเจน: ในลีกใหญ่ ทีมที่นำตอนพักครึ่งจะชนะแมตช์นั้นราว สามในสี่ครั้ง ส่วนการโดนตีเสมอหรือแพ้ทั้งที่นำอยู่แบ่งกันในเศษหนึ่งส่วนสี่ที่เหลือ เมื่อครึ่งแรกจบเสมอ ผลทั้งสามแบบยังเปิดกว้าง — แมตช์ราว 35-40% เข้าสู่ช่วงพักด้วยสกอร์เสมอ นี่จึงทำให้ X/1 และ X/2 เป็นช่องที่น่าสนใจเชิงวิเคราะห์ที่สุดในคู่ที่สูสี

ช่องพลิกกลับ (1/2 และ 2/1) อยู่ในแถบ 2-4% ในลีกส่วนใหญ่: ทีมที่ตามหลังต้องทั้งตีเสมอและแซงนำภายใน 45 นาที — สองเหตุการณ์แบบมีเงื่อนไขซ้อนกัน ความเล็กของช่องเหล่านี้ไม่ใช่จุดอ่อนของโมเดล แต่คือโครงสร้างของฟุตบอลเอง เมื่อเสียงนกหวีดดังขึ้น ตารางนี้จะส่งไม้ต่อให้ความน่าจะเป็นชนะแบบสดที่อัปเดตนาทีต่อนาที

11Stat อ่านตารางนี้บนการ์ดวิเคราะห์อย่างไร

ที่ 11Stat การกระจายรายช่วงไม่ได้ผูกขาดโดยเอนจินเดียว: เอนจินหลัก Poisson/Dixon-Coles เอนจิน Elo-ฟอร์ม และเอนจิน bivariate ขั้นสูง ต่างผลิตการกระจายของตัวเอง แล้วการอ่านสถานการณ์ที่เห็นบนการ์ดวิเคราะห์จะถูกสังเคราะห์จากฉันทามติของเอนจินเหล่านี้ ก่อนปรับเทียบกับผลงานในอดีต

ผลลัพธ์จงใจไม่ประกาศสถานการณ์เดียว แต่แสดงสถานการณ์ที่น่าจะเป็นที่สุด 2-3 รายการพร้อมเปอร์เซ็นต์ เมื่อช่องว่างระหว่างสถานการณ์ที่แสดงมีขนาดเล็ก นั่นคือสัญญาณที่ตรงไปตรงมาว่าแมตช์นี้ไม่แน่นอนจริง ๆ ในระดับสถานการณ์ — หน้าที่ของการวิเคราะห์คือแสดงความไม่แน่นอน ไม่ใช่ซ่อนมัน

ทำไมคำอ้าง "ครึ่งแรก/เต็มเวลาแน่นอน" จึงพังเมื่อเจอข้อมูล

ครึ่งแรก/เต็มเวลาเป็นหนึ่งในผลลัพธ์ประกอบที่มีความแปรปรวนสูงที่สุดของฟุตบอล: จุดตัดของสองช่วงเวลาที่แยกกันแบกความไม่แน่นอนกว้างกว่าผลแมตช์เดี่ยวมาก การใช้ภาษาแบบฟันธงบนการกระจายที่จุดสูงสุดวนเวียนแถว 25% นั้นปกป้องไม่ได้ทางคณิตศาสตร์ — ในโครงสร้างเก้าช่อง "สถานการณ์อื่นสักแบบ" มีโอกาสเกิดมากกว่าอันดับหนึ่งเสมอ

บททดสอบคุณภาพที่ซื่อตรงคือการปรับเทียบ: สถานการณ์ที่ถูกกำหนดไว้ 10% เกิดขึ้นจริงราวหนึ่งในสิบครั้งในระยะยาวหรือไม่? 11Stat วัดตัวเองด้วยไม้บรรทัดนี้และไม่ใช้ภาษาฟันธง ตารางครึ่งแรก/เต็มเวลาคือเครื่องมือวิเคราะห์ ไม่ใช่คำสัญญาเรื่องผลลัพธ์ โมเดลวิเคราะห์ — ไม่รับประกันผลลัพธ์ และไม่ใช่บริการพนัน

คำถามที่พบบ่อย

การวิเคราะห์ครึ่งแรก/เต็มเวลาเป็นคำแนะนำการพนันหรือไม่?

ไม่ใช่ มันคือการวิเคราะห์ข้อมูลที่รายงานการกระจายความน่าจะเป็นของเก้าสถานการณ์ ไม่มีช่องใดเป็นคำแนะนำหรือการรับประกัน 11Stat ไม่ให้บริการพนัน

สถานการณ์ครึ่งแรก/เต็มเวลาแบบไหนพบบ่อยที่สุด?

ในลีกส่วนใหญ่ 1/1 (เจ้าบ้านนำตอนพักและชนะ) เป็นช่องที่สูงที่สุด ราว 20-28% ตามด้วย X/X ที่ราว 8-12% ตัวเลขเปลี่ยนตามลีกและสมดุลความแข็งแกร่งของคู่นั้น

ทำไมสถานการณ์พลิกกลับ (1/2 และ 2/1) จึงหายากมาก?

เพราะทีมที่ตามหลังตอนพักต้องทั้งตีเสมอและแซงนำภายใน 45 นาที — เป็นการซ้อนกันของสองเหตุการณ์แบบมีเงื่อนไข ความถี่ในอดีตอยู่ราว 2-4% ในลีกส่วนใหญ่ หายากแต่ไม่เคยเป็นศูนย์

ครึ่งหลังมีประตูมากกว่าจริงหรือ?

จริง ประตูราว 55-56% ในลีกใหญ่เกิดหลังพักครึ่ง ความล้า แรงกดดันจากสกอร์ และการเปลี่ยนตัวดันจังหวะเกมให้สูงขึ้น ความไม่สมมาตรนี้คือเหตุผลทั้งหมดที่ต้องมีค่าประตูคาดหวังรายช่วง

ตารางครึ่งแรก/เต็มเวลาต่างจากความน่าจะเป็นชนะแบบสดอย่างไร?

ตารางคือการกระจายเก้าสถานการณ์ที่คำนวณก่อนเริ่มเกม ส่วนความน่าจะเป็นแบบสดคือชุดค่าเจ้าบ้าน/เสมอ/ทีมเยือนที่อัปเดตนาทีต่อนาทีด้วยสกอร์ เวลา และ xG สด อันหนึ่งคือแผนที่ก่อนเกม อีกอันคือเข็มทิศระหว่างเกม

ถ้าสถานการณ์ที่น่าจะเป็นที่สุดไม่เกิดขึ้น แปลว่าโมเดลผิดหรือไม่?

ไม่ การที่สถานการณ์ 25% ไม่เกิดขึ้นคือผลที่คาดหมายได้สามในสี่ครั้ง ไม้บรรทัดที่ถูกต้องคือการปรับเทียบระยะยาว: ความน่าจะเป็นที่ประกาศต้องตรงกับความถี่ที่สังเกตได้ ไม่ใช่การทายถูกในแมตช์เดียว

ดูการวิเคราะห์โมเดลของวันนี้ →