Jak wiek i początkowa ocena korelują ze spadkiem siły gry z wiekiem?

18

Obecny skandal związany z oszustwami telefonicznymi Rausisa spowodował, że gracz z początkową oceną około 2500 lat 50-tych poprawił się o około 200 punktów ratingowych w ciągu 6 lat. Ta poprawa była niezwykła, ponieważ oczekuje się, że starsi gracze będą słabnąć z wiekiem.

Zwrócono na to uwagę kilka tygodni temu, zanim wybuchł skandal, z sugestią, że włamał się do systemu, grając głównie o wiele słabszych graczy i wykorzystując zasadę 400 punktów .

Czy była jakaś analiza wykazująca korelację między wiekiem a oceną z jednej strony a oczekiwanym spadkiem z drugiej?

Na przykład mam 60 lat, a moja ocena FIDE wynosi około 1700. Jakiego spadku mogę się spodziewać w ciągu najbliższych 10 lat? Czy byłoby inaczej w przypadku mistrza 2200 w wieku 60 lat? Za 2500 GM? Dla 1500 graczy?

Jest artykuł na blogu chess.com, który analizuje dane tylko przez miesiąc, co jest niezadowalające pod wieloma względami. Pokazuje wykres średniej oceny w 5-letnich przedziałach, ale bez analizy obserwujących graczy z podobnym wiekiem początkowym i ocenami, aby zobaczyć, jaki jest spadek w danym okresie.

Dane są tam. FIDE publikuje ponad 18 lat danych oceny, które są dostępne do pobrania. Olimpbase ma dane do pobrania wstecz o kolejne 30 lat, chociaż wtedy tylko silni (mistrzowscy) gracze mieli oceny.

Brian Towers
źródło

Odpowiedzi:

10

Przejrzałem krótko dane i wyciągnąłem ciekawe wnioski.

Korzystałem z danych ze strony FIDE w styczniu w latach 2006-2019.

Obliczyłem zmianę oceny każdego gracza w kolejnych latach i wykorzystałem wiek gracza w pierwszym z dwóch jako wiek, w którym nastąpiła ta zmiana oceny. Potem po prostu obliczyłem średnią. Rezultat jest następujący:

Jak widać, gracze średnio zdobywają ocenę dopiero w wieku 27 lat, a następnie powoli tracą ocenę.  Dzieci zdobywają najwięcej ocen rocznie, co jest bardzo intuicyjne. Jak widać, gracze średnio zdobywają ocenę dopiero w wieku 27 lat, a następnie powoli tracą ocenę. Dzieci zdobywają najwięcej ocen rocznie, co jest bardzo intuicyjne.

Zakres oceny 19-90 z bliska:

Wzrost strat ratingowych wygląda liniowo. Wzrost strat ratingowych wygląda liniowo.

Łączna zmiana oceny:

Jest to oczywiście skumulowana zmiana od 10 roku życia. Jest to oczywiście skumulowana zmiana od 10 roku życia.

Po drugie, zrobiłem to samo, ale podzieliłem graczy na grupy. Przyjrzałem się każdemu ich wpisowi w danych i umieściłem je w odpowiednich kategoriach zgodnie z maksymalną oceną osiągniętą w nim: która może nie być ich faktyczną oceną szczytową, ale powinna być dobrym wskaźnikiem ich najwyższej siły.

Zyski są tutaj znacznie większe.  Być może wynika to z faktu, że nie uwzględniono ujemnego wkładu sub-1500 graczy. Zyski są tutaj znacznie większe. Być może wynika to z faktu, że nie uwzględniono ujemnego wkładu sub-1500 graczy. Intuicyjnie, wyżej oceniani gracze mają wyższe średnie zyski, ale wskaźnik spadku wydaje się być podobny niezależnie od siły.

Zasięg liniowy z bliska. Zasięg liniowy z bliska.

Łącznie ponownie.  Co ciekawe, dwie grupy środkowe mają bardzo podobne krzywe.  Nie zastanawiałem się nad tym. Łącznie ponownie.

Ardweaden
źródło
2
Doskonała odpowiedź. Nie wspominasz o rozwoju w przedziale 70+ lat (odwrócenie trendu), które, jak sądzę, można łatwo wytłumaczyć znacznie zmniejszoną liczbą gier rocznie (a zatem mniejszą szansą na utratę oceny).
Annatar,
W rzeczy samej! Zdecydowanie nie pomyślałem o tym wyjaśnieniu, więc wygodnie go unikałem ... Szczerze mówiąc, można by wykonać o wiele bardziej dogłębną pracę na ten temat, jest to raczej przybliżony przegląd ogólnego obrazu.
Ardweaden,
4

Jak zasugerowałem w pytaniu, wziąłem dane oceny FIDE od 1992 r. (Kiedy wprowadzono flagi aktywne / nieaktywne) do września 2019 r. Pobrane z Olimpbase i FIDE i załadowałem je do bazy danych, która pozwoliła mi uruchamiać zapytania SQL względem danych uzyskaj odpowiedzi na to pytanie. Patrzyłem na średni spadek siły gry dla graczy w przedziałach wiekowych 5 lat od 15 do 85 i w 100 punktach siły grania od 1500 do 2700.

Najpierw przedstawię wnioski z analizy danych, a następnie krótki opis mojej metody, a następnie dane.

Wnioski

Po pierwsze, powinienem podkreślić, że mówię tutaj o średnich. Poszczególne osoby będą się oczywiście różnić, prawdopodobnie szalenie od średnich.

  • Młodzi, słabi gracze poprawiają się szybciej niż starsi, silniejsi gracze. Gracze w dwóch najsłabszych zespołach, 1500 - 1700, doskonalili się do wczesnych lat 30-tych.
  • Gracze o średniej sile (1700 - 2200) zaczynają spadać jako pierwsi, pod koniec lat 20. W tym wieku słabsi gracze wciąż się poprawiają, a silniejsi gracze utrzymują swój poziom.
  • Gracze o średniej sile spadają szybciej w średnim i wczesnym wieku niż zarówno słabsi, jak i silniejsi gracze.
  • Słabsi gracze są bardziej zmienni (mają wyższe odchylenie standardowe) niż silniejsi gracze, aż dojdziesz do lat 80-tych, kiedy myślę, że wszyscy zaczynają się rozpadać.
  • Wreszcie, aby odpowiedzieć na pytanie o moje perspektywy. Jestem w przedziale 60–65 i 1700–1800, więc mogę „spodziewać się” oczekiwanego spadku 139 punktów w ciągu następnych 10 lat ze standardowym odchyleniem wynoszącym 118. Oczywiście oczekuję, że tak się nie stanie. Obwiniam moją obecną niską ocenę za to, że w ubiegłym roku zostałem „napadnięty” przez kilku bardzo niedocenianych juniorów i obiecuję, że będę się uczył więcej (kciuki za plecami).

metoda

Dla każdego przedziału wiekowego i ratingowego wybrałem średni spadek oceny w okresie 10 lat i odchylenie standardowe dla każdego gracza w zespole, który był aktywny na początku i na końcu okresu 10 lat. Ograniczyłem te obliczenia do miejsca, w którym miałem co najmniej 50 punktów danych, stąd luki w poniższych danych dla starszych grup wiekowych. Uruchomiłem to zapytanie na wszystkich danych w bazie danych.

Dla każdego wieku / punktu oceny istnieją dwie liczby. Pierwszy to średni spadek. Jeśli jest to liczba ujemna, oznacza to średni wzrost oceny. Druga liczba w nawiasach to odchylenie standardowe. W przypadku rozkładu normalnego 95% wyników mieściłoby się w zakresie +/- 2 odchyleń standardowych. Jednak średnia poprawa / spadek prawie na pewno nie rozkłada się normalnie. Niemniej jednak liczba ta jest użytecznym wskaźnikiem zmienności.

Na przykład pierwszy punkt danych dla przedziału wiekowego 15–20 lat i przedziału oceny 1500–1600 to –161 (174). Oznacza to, że średni wzrost oceny w ciągu 10 lat dla graczy w tym paśmie wynosi 161 punktów, a odchylenie standardowe wynosi 174. To wysokie odchylenie standardowe wskazuje, że niektórzy gracze poprawią się kilka razy więcej niż średnia, a niektórzy mogą pozostać mniej więcej taki sam, a nawet spadek.

Porównaj to z danymi dla przedziału wiekowego 50–55 lat i przedziału ocen 2600–2700. Średni spadek wynosi 43, a odchylenie standardowe wynosi tylko 28. Sugeruje to, że większość, jeśli nie wszyscy zawodnicy w tym paśmie, nieznacznie spadają w rankingu.

Wyniki

AgeBand = 15-20
1500 -     1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -  2400 -   2500 -    2600
-161 (174) -137 (169) -123 (152) -99 (141) -87 (132) -84 (118) -94 (112) -94 (107) -94 (9) -103 (8) -101 (65) -93 (47)

AgeBand = 20-25
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400 -   2500 -    2600
-89 (158) -58 (151) -34 (130)   -28 (123) -21 (109) -15 (95) -23 (82)   -32 (79)  -30 (76) -35 (64) -35 (55) -28 (52)

AgeBand = 25-30
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400 -   2500 -    2600
-71 (149) -19 (142)  2 (124)    20 (122)  29 (102) 16 (88)    7 (75)   -2   (69)    -1 (65) -4 (55)   0 (51)    1 (40)

AgeBand = 30-35
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400 -   2500 -    2600
-53 (144) -18 (147)  21 (121)   37 (102)  48 (87)   35 (79)   29 (75)   16 (62)   17 (59)  14 (51)  16 (47)   18 (59)

AgeBand = 35-40
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400 -   2500 -    2600
3 (125)   22 (123)  41 (116)    58 (100)  63 (93)   51 (79)   44 (69)   30 (60)   29 (56)  25 (47)  25 (48)   33 (38)

AgeBand = 40-45
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400 -   2500 -    2600
25 (113)  22 (110)   70 (120)   73 (108)  80 (91)   66 (78)   57 (68)   42 (61)   38 (57)  35 (51)  38 (44)   38 (37)

AgeBand = 45-50
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400 -   2500 -    2600
22 (135)  54 (121)   73 (111)   93 (100)  91 (93)   80 (80)   69 (70)   54 (66)   48 (57)  41 (51)  38 (43)   49 (34)

AgeBand = 50-55
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400 -   2500 -    2600
23 (123)  85 (116)   91 (120)   106 (99)  109 (89)  95 (82)   81 (73)   66 (70)   57 (63)  53 (57)  43 (40)   43 (28)

AgeBand = 55-60
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400 -   2500 -    2600
66 (127)  84 (103)   117 (106)  129 (106) 126 (103) 108 (89)  92 (76)   73 (72)   70 (67)  54 (54)  55 (47)   44 (38)

AgeBand = 60-65
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400 -   2500 -    2600
93 (123)  123 (126)  139 (118)  146 (106) 136 (95)  117 (90)  105 (78)  87 (76)   82 (79)  70 (72)  93 (77)   

AgeBand = 65-70
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400 -   2500 -    2600
96 (111)  123 (122)  144 (120)  141 (107) 152 (102) 124 (89)  112 (80)  108 (87)  91 (82)  81 (81)  69 (37)   

AgeBand = 70-75
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400 -   2500
96 (115)  119 (131)  147 (128)  153 (124) 161 (104) 135 (93)  125 (84)  115 (91)  93 (74)  63 (65)     

AgeBand = 75-80
1500 -    1600 -     1700 -     1800 -    1900 -    2000 -    2100 -    2200 -    2300 -   2400
119 (207) 156 (180)  171 (123)  167 (141) 173 (101) 156 (101) 138 (94)  126 (96)  134 (92)       

AgeBand = 80-85
1700 -     1800 -    1900 -     2000 -    2100 -    2200 -    2300
75 (167)   148 (186)  156 (169) 179 (102) 177 (118) 92 (174)       
Brian Towers
źródło