\j!SrSSKrSSKrSSKJr SSKrSSKrSSK r SSK r \"\ 5R5RRr\S- S- S- rS\R 4SjrS\4S jr\S :Xa\R*"\"55 gg) u Profili arbitro (Premier League): severità, cartellini, falli, "lascia giocare". Per ogni arbitro con almeno --min-matches partite: - gialli/partita, rossi/partita, falli fischiati/partita - cartellini per falllo (severità a parità di fischi) - bias casa: differenza gialli ospiti - gialli casa vs media lega Include un test di AFFIDABILITÀ split-half: dividiamo le partite di ogni arbitro in due metà (alternate cronologicamente) e correliamo i gialli/partita tra le due metà. Correlazione alta = la severità è un tratto stabile e predittivo; vicina a zero = è rumore e non va usata in un modello. Uso: python scripts/referee_profiles.py python scripts/referee_profiles.py --min-matches 50 Output: data/processed/referee_profiles.csv N)Pathdata processedzreferee_profiles.csvreturnc[R"URURURUR SS9n[ R"SXR4S9nUR5 URRSS/5Hn[ R"X#SS9X#'M US US -US 'US US -US'USUS-US'URS S/S9$)N tigertips)hostportuserpassworddatabasea2 SELECT m.referee, m.match_date, m.home_yellow, m.away_yellow, m.home_red, m.away_red, m.home_fouls, m.away_fouls FROM matches m JOIN leagues l ON l.id = m.league_id WHERE l.code = %s AND m.referee IS NOT NULL ORDER BY m.match_date )paramsreferee match_datecoerce)errors home_yellow away_yellowyellowshome_redaway_redreds home_fouls away_foulsfouls)subset)pymysqlconnectr r r r pdread_sqlleagueclosecolumnsdrop to_numericdropna)argsconndfcs 3C:\wamp64\www\Tigertips\scripts\referee_profiles.pyloadr,#s ??   $(MMK ID  {{n &B JJL ZZ__i6 7 beH58}%=(99ByMJ"Z.0BvJ\"R %55BwK 99Y09 11c [R"SS9nURSSSS9 URS[SS 9 [R "U5 UR 5n[U5nUR(a[S UR35 g US R5n[S URS[U5SUSSUSR5SS3 5 URS5RSSSSSSS9nUSUS-US- US 'US!US"- US#'XDS$UR:R!SS%S&9n[S'[U5S(URS)35 [S*S+S,S-S.S/S0S1S2S1S3S4S5S635 UR#5H7upV[US+US$S7USS8USS9USS:US S;US#S<35 M9 USR%5USR'5- n[S=USR'5SS>USR%5SS?USS@35 /nURS5HupY[U 5UR:aM U R!SA5R)SBSC9n U R*SSSD2U R*S SSD2pUR-XZS R5U S R545 M [.R0"U/SEQSF9n [3[4R6"U SGU SH5SI5nUSJ:a SDU-S U-- O [3SK5n [SLUSMSNU SMS@35 USO:aSPnO USQ:aSRnOSSn[STU35 [8R;SUURSV35nUR=SW5R?U5 [SXU35 gY)ZNzProfili arbitro per lega) descriptionz--leagueE0zCodice lega (default E0))defaulthelpz --min-matches)typer1z(Nessuna partita con arbitro per la lega rzLega z | partite analizzate: z | media lega: z.2fz gialli, rz.1fz falli a partita r)rsize)rmean)rr7)rr7)rr7)rr7)partite gialli_pgrossi_pgfalli_pg gialli_casa gialli_ospitir9r:r;cartellini_per_fallor=r< bias_casar8F) ascendingz === Profili (z arbitri con >= z partite) ===Arbitroz<16nz>5gialliz>8rossiz>7falliz cart/falloz>11z bias osp.z>10z>5.0fz>8.2fz>7.2fz>7.1fz>11.3fz>+10.2fu Spread severità: z -> z gialli/partita (delta )rT)r$)rmeta_ameta_b)r#rHrI)rr5nanu0 Affidabilità split-half (gialli/partita): r = z.3fz" (Spearman-Brown campione intero: g?u:la severità è un TRATTO STABILE: vale la pena modellarlag?zAsegnale reale ma moderato: utile con regolarizzazione (shrinkage)u:quasi tutto rumore: l'identità dell'arbitro aggiunge pocoz Verdetto: referee_profiles_z.csvz Profili salvati in: r) argparseArgumentParser add_argumentintconfig add_db_args parse_argsr,emptyprintr!r7lengroupbyagg min_matches sort_valuesiterrowsmaxmin reset_indexilocappendr DataFramefloatnpcorrcoefOUT_PATH with_nameroundto_csv)parserr'r) league_avgprofnamerspreadhalvesgrpevenoddhdfr_fullverdictout_paths r+mainrx8s3  $ $1K LF  D7QR c2> v    D dB xx 8 FGI##%J E$++5c"gYo  Ibk&6&6&8%==O QR ::i $ $#%!"+- % D%)$5Z8H$HDQ[L\#\D  _-]0CCD Y4#3#33 4 @ @X] @ ^D M#d)$4T5E5E4Fm TU YsOC8HR= WRL # {3/ 12==? c 1Y<.q~e.D:u%a mE%:)*621[>'2JL M# +  " " $tK'8'<'<'> >F k!2!6!6!8 =T +  " " $S ))@ A OPFZZ *  s8d&& & ool+77T7BHHSqSM388ADqD>c t)_113S^5H5H5JKL + ,,v'F GC bkk#h-X7=>A !BQUa!e_E%LF =aWE..4S\ <=3wN TUN Jwi !!!$5dkk]$"GHHJJqM" "8* -. r-__main__)__doc__rNsyspathlibrnumpyrdpandasrrrR__file__resolveparent PROJECT_ROOTrfrbr,rQrx__name__exitr-r+rs(  H~%%'..55 & ; .1G G2",,2*@ c@ F zHHTVr-