既然已经宣布了小组赛阶段，我们处于最佳位置，可以分享《 2017年国际邀请赛》最有可能的《纲要》预测结果。 基于TI7仿真的数据，我们有信心从统计的角度来看，我们的预测毫不逊色。
每个国际组织最激动人心的方面之一是与现有元趋势的背离。 Dota 2中最伟大的头脑将他们最勇敢的英雄策略保存在世界上最大的舞台上，使以前默默无闻的英雄突然崛起。
这个因素造成了英雄特定纲要预测中的高度统计不确定性。 出于这个原因，我们暂不提供针对英雄的预测，同时分享针对球队，球员和锦标赛类别的预测。
团队预测
玩家预测：
比赛预测：
平均预测：
确定平均预测的最简单方法是从最近采样的比赛中获取平均击杀，助攻，最后命中和GPM。 但是，这种方法有一个缺点：面对较弱的对手的实力较强的竞争对手的平均水平会被高估，而近期较不成功的球队的平均水平将被低估。 如果您输掉了很多最近的比赛，那么在任何一个平均属性中都很难获得高分。
为了解决这个问题，我们使用TI7模拟中的数据根据每个团队最有可能获胜或失败的时间将样本分成平均值。 修改后的公式如下所示：
预测平均值 =（ 平均获胜次数*预测获胜次数+ 平均值失去时*预测损失数）/预测总数
最高/最低预测
在数学上，最大预测是最有趣的。 在这种类型的方程式中平均值并不可靠，因此我们类似于骰子掷骰的方式对可能的击杀/辅助/最后击中/等的分布进行了建模，骰子的每一侧都包含上一个游戏结果的值。
尽管这最初看起来很奇怪，但比使用连续概率分布更有意义。 一个很好的例子是当我们分析每分钟黄金（GPM）时。 像炼金术士这样的英雄很可能会生成具有很高GPM的多个数据点的分组。 如果我们使用连续概率分布，则这些数据点看起来像异常值。 但是他们不是。 他们只是炼金术士的比赛。
使用掷骰子模型有助于说明球队/玩家选择的英雄类型。 如果一个团队偏爱炼金术士，那么他们“想象中的骰子”的更多方面将具有很高的GPM。 这样，随机掷骰就有更高的机会登陆700GPM +，这很好地模拟了团队选择重型耕作核心的可能性。
使用掷骰子模型，我们可以使用此处概述的数学方法来计算多个匹配项的预期最大值。
对于一场比赛中获胜的球队来说，诸如击杀或助攻之类的数据最有可能是最高的，因此我们的模型着眼于可能的获胜者。 但是，我们会使用所有匹配项来计算最大GPM和最后匹配，因为这些值更可能随匹配长度而变化而不是结果。 在一场漫长的比赛中，大多数或所有英雄都是6个位置，非常高的GPM值与胜利或失败的联系不太紧密。
不幸的是，该模型确实存在缺陷。 通过将以前的结果视为将来唯一可能的结果，我们假设在一场比赛中最高杀手数是30的团队不会超过该值。 此缺陷的结果是，我们对最大值的所有估计可能都被低估了。
值得庆幸的是，同一问题适用于所有球队，这意味着这并不妨碍我们预测哪个球队或球员最有可能获得最大击杀/最后击球/等得分。
比赛预测
我们已经解释过，我们预测的原始值并未考虑先前未达到的最大值。 但是，还有一个因素使这个问题更加复杂：在TI打球的情感方面。
我们的模型必定基于比TI少而少有名气的事件，这使得很难将这一方面纳入结果中。
例如，在如此高的压力下玩游戏时，玩家更有可能犯更多错误。 这会导致更多潜在客户吗？ 来回摆动程度更大的游戏？ 如果是这样，这将为高杀伤，高助攻和高GPM游戏带来更多机会。
另一个例子是，当球队面临淘汰时，他们可能更倾向于继续战斗直到痛苦的结局，而不是在有0.001％机会回归的情况下进行GG’ing。 这将导致更多的死亡，更多的杀戮和更多的助攻。
这些有趣的问题一经获得TI7的结果，便会在Stratz进行问询，因此我们可以分析如何将其更好地纳入下一个专业的模型中。
因此，对于您的比赛摘要，我们认为您应该将我们的预测作为下限。 建议的策略是，当我们预测大多数死亡人数为16时，请在15-17、17-19或20+之间进行选择，但不要低。
该TI的个人比赛数量将超过之前的Dota 2锦标赛（比TI6比赛多20场，比最近的大满贯比赛多80场），因此对更高预测的对冲赌注肯定是一个明智的策略。
尽管我们对一些预测有必要的保留，但我们认为TI7的统计数据驱动的纲要预测模型使用了扎实的方法，迫不及待想要看到结果。
STRATZ_ThePianoDentist
