Analyse bayésienne des succès au bâton de la Ligue majeure de baseball à l’aide d’une distribution a priori de Dirichlet imbriquée
Les méthodes bayésiennes et les analyses sportives sont devenues des domaines de recherche populaires, mais leur intersection est sous-estimée en statistique. Même si la distribution a priori de Dirichlet imbriquée a été proposée comme a priori conjuguée aux données multinomiales couramment produites dans un contexte sportif, plusieurs propriétés de cette distribution et sa généralisabilité n’ont pas été étudiées. Nous proposons une paramétrisation différente de la distribution de Dirichlet imbriquée et expliquons comment celle-ci peut être utilisée pour dériver les distributions a posteriori et prédictives a posteriori du modèle multinomial de Dirichlet imbriquée. Nous montrons également la généralisabilité de notre paramétrisation, une amélioration importante par rapport aux approches qui figurent dans la littérature. Nous concluons en présentant notre façon d’appliquer ce modèle à l’analyse des données de succès au bâton de la Ligue majeure de baseball de 2023 afin de produire des mesures au bâton avec une quantification appropriée de l’incertitude. Il a été constaté que notre modèle fournit un ajustement adéquat aux données au bâton.
Date and Time:
Lundi, 3 juin, 2024 - 13:45 - 14:00
Langue de la présentation:
English / Anglais
Langue des supports visuels:
English / Anglais
Type de présentation:
Présentation orale