Documentation
Comprendre les stats UFC
et le modèle Sharp MMA
Chaque statistique d'un combattant, chaque coefficient du modèle et chaque indicateur de résultat, expliqués une page à la fois. 31 pages, du SLPM au calcul de l'edge.
Comment Sharp MMA transforme les statistiques officielles UFC en probabilité de victoire, et comment cette probabilité se compare aux cotes du marché.
Des statistiques brutes à la probabilité de victoire : les trois étapes du calcul, la normalisation, le score pondéré et la transformation logistique.
Pourquoi les stats UFC doivent être ramenées sur une échelle commune avant d'être comparées, et quelles valeurs de référence Sharp MMA utilise.
Comment les dix statistiques normalisées d'un combattant UFC sont pondérées et additionnées pour produire un score unique, et ce que ce score signifie.
Comment Sharp MMA convertit un écart de score en probabilité via une fonction logistique, et pourquoi un simple ratio de scores ne fonctionnait pas.
Les dix pondérations qui définissent votre lecture d'un combat UFC : frappe, lutte, allonge, âge, record, activité. Rôle et réglage de chacune.
Ce que mesure le SLPM (Significant Strikes Landed per Minute) à l'UFC, les valeurs de référence par catégorie, et les pièges d'interprétation de cette stat.
Ce que mesure le pourcentage de frappes significatives réussies, pourquoi il compte davantage dans les combats longs, et ses limites d'interprétation.
Ce que mesure la moyenne de takedowns réussis par combat, comment la lire avec la précision de takedown, et pourquoi elle décide souvent du lieu du combat.
Pourcentage de tentatives de takedown réussies à l'UFC : ce qu'il révèle sur l'efficacité d'un lutteur et le risque des tentatives ratées.
Ce que mesure la moyenne de tentatives de soumission par combat à l'UFC, pourquoi elle compte les tentatives et pas les finitions, et comment l'interpréter.
Ce que l'envergure des bras apporte à l'UFC, pourquoi son effet varie fortement selon la catégorie de poids et le style, et comment la pondérer.
Comment l'âge entre dans le modèle Sharp MMA, pourquoi il est valorisé à l'inverse des autres stats, et ce que le déclin recouvre réellement en MMA.
Ce que le ratio victoires/défaites d'un combattant UFC dit réellement, pourquoi un record flatteur peut cacher un parcours facile, et comment le pondérer.
Ce que mesure le ratio de victoires par KO ou soumission à l'UFC, pourquoi finir réduit la dépendance aux juges, et comment lire cette statistique.
Comment Sharp MMA pénalise l'inactivité d'un combattant UFC sur une fenêtre de 24 mois, ce que la rouille recouvre, et les cas où elle ne s'applique pas.
Les trois chiffres que produit Sharp MMA pour chaque combat UFC — probabilité implicite, value et edge — et comment les lire ensemble.
Comment convertir une cote de bookmaker en probabilité, pourquoi la somme dépasse toujours 100 %, et ce qu'est la marge du bookmaker (vig).
Qu'est-ce qu'un value bet en paris sportifs ? Définition, formule, exemple chiffré sur un combat UFC, et pourquoi c'est la seule approche rentable à long terme.
Définition de l'edge, différence avec la value, seuils utiles, et pourquoi un edge très élevé est presque toujours le signe d'une erreur de modèle.
Ce que disent tous vos modèles en même temps sur un combat UFC : accord, dispersion, marge retirée, et les limites de l'exercice.
Ce qu'apporte la lecture simultanée de plusieurs modèles sur un même combat UFC, par rapport à la consultation d'un modèle isolé.
Pourquoi les combats UFC sans cotes renseignées restent affichés dans le consensus, et ce qui change dans leur lecture.
Pourquoi l'edge affiché sur la page Consensus est plus élevé qu'ailleurs dans l'app : la marge du bookmaker est retirée avant comparaison.
L'accord (k/n) compte les modèles qui désignent le même vainqueur ; la dispersion (σ) mesure la largeur du désaccord. Ce n'est pas la même chose.
Pourquoi l'accord entre vos modèles de prédiction est en partie mécanique, et ce qu'il faudrait pour qu'un consensus ait une vraie valeur.
Le modèle automatique qui porte les paris issus du croisement de vos modèles : comment il est construit, et pourquoi il ne vote pas pour lui-même.
Les règles pratiques d'utilisation d'un modèle de prédiction MMA : normalisation des coefficients, profils de risque et discipline de mise.
Pourquoi ramener la somme de ses coefficients à 1 rend les modèles comparables entre eux, et ce que la normalisation change (ou non) au calcul.
Ce que filtrent réellement les trois profils de risque de Sharp MMA, leur impact sur la variance, et comment choisir selon sa bankroll.
Les règles pratiques pour utiliser un modèle de prédiction MMA : seuil d'edge, flat staking, taille de mise et situations où il vaut mieux s'abstenir.