지난 1편에서는 조별리그 3차전에서 발생할 수 있는 '경우의 수'를 수학적 트리 구조로 분석하는 방법을 알아보았습니다. 단순한 시나리오 계산을 끝냈다면, 이제 데이터 분석가로서 한 단계 더 나아갈 차례입니다. "과연 각 시나리오가 실제로 일어날 확률은 얼마나 될까?"를 정량적으로 예측해 보는 것입니다.
경우의 수에 객관적인 ‘발승 확률’을 부여하기 위해 가장 흔하게 인용되는 지표가 바로 피파(FIFA) 랭킹입니다. 하지만 축구 통계학을 깊게 연구하는 전문가들은 피파 랭킹보다 'Elo 레이팅(Elo Rating)' 시스템을 훨씬 더 신뢰하곤 합니다. 이 두 지표의 결정적인 차이와 이를 활용한 승률 예측법을 분석해 보겠습니다.
1. 피파 랭킹(FIFA Ranking)의 산정 원리와 한계
피파 랭킹은 국제축구연맹(FIFA)이 회원국들의 성적을 바탕으로 순위를 매기는 공식 지표입니다. 과거에는 계산 방식이 허술해 친선 경기를 많이 치르면 점수가 깎이는 등 왜곡이 심했지만, 2018년 러시아 월드컵 이후 피파도 체스(Chess)에서 유래한 'SUM 알고리즘' 기반의 새로운 방식으로 전면 개편했습니다.
현재 피파 랭킹은 다음과 같은 공식을 따릅니다.
새로운 포인트 = 기존 포인트 + 중요도(I) * (경기 결과(W) - 기대 결과(We))
여기서 핵심은 '중요도(I)'와 '기대 결과(We)'입니다. 월드컵 본선 경기는 친선 경기보다 가중치(중요도)가 훨씬 높게 책정되며, 상대 팀과의 랭킹 점수 차이에 따라 '당연히 이겨야 하는 경기'와 '비기기만 해도 잘한 경기'가 구분됩니다.
하지만 피파 랭킹은 여전히 '대륙별 격차'를 완벽히 반영하지 못한다는 비판을 받습니다. 유럽이나 남미 팀들끼리 자주 부딪히며 쌓은 점수와, 비교적 전력이 낮은 대륙에서 승수를 쌓아 올린 점수의 실제 무게감이 다르기 때문입니다.
2. 통계학자가 더 신뢰하는 'Elo 레이팅 시스템'
Elo 레이팅은 물리학자 아르파드 엘로(Arpad Elo)가 고안한 실력 측정 시스템으로, 현재 축구 통계 사이트나 예측 시뮬레이션(예: World Football Elo Ratings)에서 가장 애용하는 지표입니다.
피파 랭킹과 Elo 시스템의 가장 큰 차이점은 '점수의 이동이 완전히 맞물려 있다는 것(Zero-Sum)'과 '스코어(득실차) 반영 여부'입니다.
제로섬 구조: 내가 얻은 점수는 곧 상대가 잃은 점수입니다. 따라서 조 내에서 전력 이동이 훨씬 실시간으로, 정밀하게 반영됩니다.
홈 이점 및 골득실 반영: Elo 시스템은 경기가 열린 장소(홈앤어웨이)와 경기 결과의 점수 차이(1-0 승리와 5-0 승리의 차이)까지 공식에 포함합니다. 강팀을 상대로 원정에서 크게 이겼을 때 상승하는 점수의 폭이 피파 랭킹보다 훨씬 직관적입니다.
따라서 월드컵 3차전 경우의 수를 분석할 때, 두 팀의 피파 랭킹 순위 차이만 보는 것은 초보적인 접근입니다. 데이터 라이터라면 두 팀의 'Elo 레이팅 점수 차이'를 확인하는 것이 훨씬 정확한 예측의 기반이 됩니다.
3. 두 팀의 점수 차이로 승리 확률(We) 직접 계산하기
Elo 레이팅 공식에 따르면, A팀과 B팀의 점수 차이를 통해 A팀이 승리(또는 무승부 포함)할 기댓값(We)을 다음과 같은 시그모이드 함수 형태로 도출할 수 있습니다.
여기에서 $dr$은 두 팀의 레이팅 점수 차이(A팀 점수 - B팀 점수)입니다.
예를 들어 대한민국의 Elo 점수가 1800점이고 상대 팀이 1900점이라면, 점수 차이($dr$)는 -100점입니다. 이 값을 공식에 대입하면 대한민국의 기대 승률은 약 36%로 계산됩니다.
이렇게 도출된 승, 무, 패 확률을 1편에서 짜두었던 3차전 경우의 수 트리 각각의 가지에 곱해주면, "대한민국이 승리하고 가나가 비겨서 우리가 16강에 진출할 최종 확률"이 몇 %인지 최종적으로 산출할 수 있게 됩니다.
4. 예측 데이터 해석 시의 주의사항
레이팅 시스템은 과거의 누적 데이터를 기반으로 작동하기 때문에, '현재 시점의 급격한 변화'를 포착하는 데 한계가 있습니다. 감독이 갑자기 교체되었거나, 팀의 핵심 전술을 담당하는 에이스 선수가 직전 경기에서 퇴장을 당해 출전하지 못하는 변수는 반영되지 않습니다.
따라서 통계 데이터를 글로 풀어낼 때는 숫자를 맹신하기보다 "통계적 기대 확률은 36%이지만, 상대 핵심 수비수의 결장 변수를 고려할 때 실제 확률은 이보다 높게 형성될 수 있다"와 같은 입체적인 해석을 덧붙이는 것이 고품질 EEAT 콘텐츠를 만드는 비결입니다.
[핵심 요약]
피파 랭킹은 대륙별 대회 가중치와 경기 중요도를 반영하지만, 여전히 대륙 간 전력 격차를 완벽히 정량화하지 못하는 한계가 있다.
Elo 레이팅 시스템은 제로섬 원리와 골득실, 홈 이점까지 반영하여 축구 통계학자들 사이에서 더 신뢰도 높은 지표로 통한다.
두 팀의 Elo 점수 차이를 공식을 통해 확률로 환산하면, 경우의 수 시나리오별 발생 가능성을 구체적인 퍼센트(%)로 도출할 수 있다.
[다음 편 예고]
다음 글에서는 단순 승패 점수를 넘어, 경기 경기 내부의 질적 데이터를 분석하는 현대 축구 통계의 핵심 지표, xG(Expected Goals, 기대 득점) 데이터의 개념과 이를 활용한 경기력 해석법을 알아보겠습니다.
[댓글로 의견을 남겨주세요]
여러분은 전력을 예측할 때 피파 랭킹이 더 체감에 와닿으시나요, 아니면 최근 기세를 잘 반영하는 통계 사이트의 예측치가 더 정확하다고 느끼시나요? 의견을 남겨주세요!
0 댓글