Modelo estatístico junta rankings contraditórios sem esconder a incerteza
Investigadores da Rice e Cornell aplicaram um método bayesiano a listas de jogadores de basebol. O resultado estima consensos e mostra onde a ordenação permanece duvidosa.
Cinco fontes podem publicar cinco listas diferentes dos melhores jogadores de uma liga. Fazer a média das posições parece simples, mas deixa questões por resolver: o que significa a ausência de um nome, como comparar anos distintos e quanta confiança merece a primeira posição?
Estatísticos da Rice University e da Cornell University desenvolveram um método para tratar esse problema. Chama-se Bayesian Multivariate Rank Regression (BMRR) e combina classificações incompletas, desacordos entre avaliadores e informação adicional sobre os elementos classificados. A investigação foi divulgada pela Rice a 28 de setembro e publicada no Journal of Quantitative Analysis of Sports.
Um teste com quatro épocas de basebol
A equipa analisou rankings de pré-época da Major League Baseball publicados por ESPN, CBS, Bleacher Report, Yahoo Sports e MLB entre 2021 e 2024. Para uma comparação consistente, selecionou 55 jogadores que apareceram em pelo menos uma das listas em cada um desses anos. O modelo considera ainda variáveis como idade, salário base e wins above replacement, indicador estatístico de contribuição desportiva.
O resultado não se limita a uma lista final. Inclui estimativas de incerteza e permite perguntar se a evidência favorece claramente um jogador face a outro, ou se as posições são demasiado próximas para uma distinção segura. Também mostra quanto cada fonte se afasta do consenso calculado.
Consenso não é verdade absoluta
Uma classificação agregada depende das fontes escolhidas, dos dados disponíveis e dos pressupostos estatísticos. Estar próximo do consenso não prova que um órgão de comunicação acerte mais; pode apenas refletir uma perspetiva mais semelhante à maioria. Os autores testaram o método também em dados simulados e disponibilizaram código para aplicação posterior.
O possível alcance vai além do desporto, pois listas contraditórias surgem em investigação, plataformas digitais e decisões públicas. Essa extensão continua a exigir testes próprios. O contributo imediato é tornar explícita a incerteza que uma ordenação aparentemente definitiva tende a esconder.