三个颜色分别是什么意思

设raw vote符合模型：

i表示第i个人，把不同轮中的同一个人物当成不同的人物。因为它们参数不一样，一个玩家会在输掉一轮后支持另一个人。 故数据共有六轮共12人。t为该人物在对应比赛的时间t=1,…,45。因变量v_{it}为raw vote。a为标准化系数， b_i为投票基数系数，M_i为乘子系数，当对应轮受到加成时取某个值，否则取1，T_t为时间系数，处理玩家在越到后面 raw投票数越多以及时区玩家数量差异等因素。epsilon为独立的乘性白噪声，服从某一对数正态分布。
对数化后

直接用OLS估计

这图不写颜色的意思太不亲民了，虽然仔细看能看懂

我只知道哈丁凉了

我连一个标点符号都看不懂
只能说个人感觉现在会投机的人（第一时间不选阵营，看好第一小时数据后再选人少的刷分，赢了最好输了拉到，反正名次有保证）越来越多了，说到底还是一个碰运气的活动罢了。

妈耶，定量分析大佬。完全看不懂，我还是敲碗等大佬的结论好了。

厉害了

上面的系数看起来还符合常识，然后检查模拟曲线，下面是第二轮哈丁（Hardin）对老辛(Sigurd)的情况


用拟合的参数模拟两次的情况分别为




看起来还比较合理

现在不会数据分析已经不能玩游戏了

我觉得随着投票战的次数越多，这种表会越来越没用，变成套路与反套路的循环，最后还是靠运气。

b值在我看来应该是动态的存旗量，毕竟旗子总数有限

这样就可以用对应参数直接模拟（每场模拟2000次）获得从第一轮开始计算的胜率和从中间某时刻开始的胜率了，已知六场的胜率上面已经写出来了。可见看上去悬殊的里昂对艾克
LyonVsIke Lyon 0.05584823620970086 Ike 1.2982073826352867: prob(winner=Lyon) = 0.294
中里昂仍然有0.294的胜率。六场里两场高胜率（也没多高）的赢了，四场低胜率的赢了也算不上多反常。
另外从下面的六场35轮后每轮向后计算胜率可以看出，胜率变化跟随一些关键时点波动影响很大，只有最后几轮来不及随机抵消的才是有意义的：
哈丁对老辛
post hoc win prob of HardinVsSigurd
35:0.402
36:0.408
37:0.366
38:0.432
39:0.423
40:0.411
41:0.676
42:0.845
43:0.858
44:0.959
艾克对小黑
post hoc win prob of IkeVsZelgius
35:0.678
36:0.679
37:0.636
38:0.644
39:0.603
40:0.618
41:0.4
42:0.93
43:0.922
44:0.979
里昂对艾克
post hoc win prob of LyonVsIke
35:0.316
36:0.3
37:0.287
38:0.245
39:0.235
40:0.138
41:0.073
42:0.269
43:0.498
44:0.862
马尔斯对哈丁
post hoc win prob of MarthVsHardin
35:0.517
36:0.532
37:0.521
38:0.565
39:0.532
40:0.697
41:0.824
42:0.886
43:0.603
44:0.0
老辛对阿尔维斯
post hoc win prob of SigurdVsArvis
35:0.687
36:0.653
37:0.696
38:0.743
39:0.652
40:0.845
41:0.803
42:0.861
43:0.989
44:1.0

大佬大佬，看来我数学白学了