close_btn

  • ※ 사이트 내부 통합검색


  • ※ Paypal 기부하기
    ※ 카카오페이로 기부하기
Atachment
첨부 '2'
?

단축키

Prev이전 문서

Next다음 문서

크게 작게 위로 아래로 댓글로 가기 인쇄
?

단축키

Prev이전 문서

Next다음 문서

크게 작게 위로 아래로 댓글로 가기 인쇄

1. 정의

승/패로 나뉘는 시합에 있어서, 선수의 실력을 (승/패, 승률에 따라) 점수화하여 순위를 매기는 방식.


https://en.wikipedia.org/wiki/Elo_rating_system


https://namu.wiki/w/Elo%20%EB%A0%88%EC%9D%B4%ED%8C%85

 

2. 특징

  1. 이기면 레이팅이 오른다.
    레이팅이 자기보다 높은 사람에게 이기면 확 오른다. 
    레이팅이 자기보다 낮은 사람에게 이기면 조금 오른다.
  2. 지면 레이팅이 떨어진다. 
    레이팅이 자기보다 높은 사람에게 지면 조금 떨어진다. 
    레이팅이 자기보다 낮은 사람에게 지면 많이 떨어진다. 
  3. 이기고 레이팅이 떨어진다거나, 지고 레이팅이 올라간다거나 하는 일은 절대 없음!

  1. 레이팅을 기반으로 플레이어간 상대 승률을 추정할 수 있다. 
    TI-Nspire CAS Student Software_2017-10-20_17-24-37.png​​​

 

경기 결과에 따른 레이팅 변화 


ㄴ Ra :  기존 레이팅
ㄴ K : factor
ㄴ Sa : 실제 획득 점수 (승=1, 무승부=0.5, 패=0)
ㄴ Ea : 기대 획득 점수 (=Elo 기반 승률)


512px-Elo_rating_graph.svg.png
<검은 색 곡선은 y축_좌 승률, 브라운(K=32)과 레드(K=16) 곡선은 y축_우 점수변공>

Graphs of probabilities and Elo rating changes (for K=16 and 32) of expected outcome (solid curve) and unexpected outcome (dotted curve) vs initial rating difference For example, player A starts with a 1400 rating and B with 1800 in a tournament using K = 32 (brown curves). The blue dash-dot line denotes the initial rating difference of 400 (1800 - 1400). The probability of B winning, the expected outcome, is 0.91 (intersection of black solid curve and blue line); if this happens, A's rating decreases by 3 (intersection of brown solid curve and blue line) to 1397 and B's increases by the same amount to 1803. Conversely, the probability of A winning, the unexpected outcome, is 0.09 (intersection of black dotted curve and blue line); if this happens, A's rating increases by 29 (intersection of brown dotted curve and blue line) to 1429 and B's decreases by the same amount to 1771.

  • 플레이어 A = 1400, 플레이어 B = 1800, 점수(rating)차이 400.
  • K=32 인 것으로 계산시
    B가 이기면 Expected 해당 (확률 0.91 = 91%)
    A 점수 3점 깍임 = 1400 - 3 = 1397
    B 점수 3점 오름 = 1800 + 3 = 1803

    A가 이기면 Unexpected 해당 (확률 0.09 = 9%)
    A 점수 = 1400 + 29 = 1429
    B 점수 = 1800 - 29 = 1771

 

3. 장/단점

장점

  • 가장 현실적인 비교수단이다

단점

  • rating 인플레이션(디플레이션)이 있을 수 있다? (논란 있음) 논문링크1링크2
  • A vs B 와 B vs C 의 승률을 통해 예측한 A vs C 의 승률이 항상 맞는 것은 아니다.
댓글 '3'
  • profile
    세상의모든계산기 2017.10.21 10:52

    A, B, C 선수만 존재하는 풀을 가정해 보겠습니다.
    C는 A와도 경기를 해 보았고, B와도 경기를 해 보았습니다만, A와 B는 지금까지 직접 경기를 해 본 적이 없습니다.

    1. A의 C에 대한 1:1 승률은 99.959278561331%로 ELO Rating 1356점의 차이가 납니다.
    2. B의 C에 대한 1:1 승률은 91.190530760341%로 ELO Rating 406점의 차이가 납니다.
    3. A는 B보다 Elo Rating 으로 +950 높으므로 승률이 99.580074308528% 가 될 것으로 추정해 볼 수 있지만,  
      막상 A vs B 를 1:1로 붙여보면 A의 승률이 80%에 불과합니다. 
      (B가 A의 특정한 약점을 추궁하여 승률을 올리는 능력이 있어서 그렇습니다.) 

    A, B, C의 Elo Rating 을 각각 4500, 3550, 3144 로 설정해 놓고, 
    같은 비율로 충분히 많은 시합을 시킬 경우에 각각의 레이팅은 몇점이 될까요?

  • profile

    통계적 접근

    • 1라운드당 3경기로 구성하여 각각 1회씩 대결
      (기대 승률에 기반하여 Random 하게 승/패 결정)
    • 매 경기 직후 ELO Rating 변경 (K=16)
    • 100 라운드(=300경기) 진행 후 A, B, C 의 Rating 값 저장
    • 5000 회 반복하여 통계분석

    10-21-2017 Image001.png
    A : 4500에서 4228.47로 (▼271.53)

    10-21-2017 Image002.png
    B : 3550에서 3768.67로 (▲218.67)

    10-21-2017 Image003.png
    C : 3144에서 3196.87로 (▲52.87)

    • 조정 전 합계 : 4500 + 3550 + 3144 = 11194
    • 조정 후 합계 : 4228.47+3768.67+3196.87 = 11194

     

  • profile
    세상의모든계산기 2017.10.21 23:02
    수학적으로는 어떻게 접근해야 할 지 모르겠습니다.
?