2026-05-09 · 잠실
과거 경기SSG 랜더스 vs 두산 베어스
최종: SSG 4 - 9 두산 · 승리 두산
🎯 경기 개요
SSG vs 두산 — 승률 격차 2%p의 접전. 초반 득점이 승부를 가를 가능성. 올 시즌 상대전적은 SSG가 100% 승률로 강세.
🎯 AI 심판 최종 판정

SSG 랜더스
원정

두산 베어스
홈
예측 승자 (홈)
두산 베어스 51%
두 에이전트 모두 구체적 논거 없이 정량 모델에만 의존했고, 모델 자체도 적중률 48%로 무작위 수준에 가깝습니다. 홈팀 두산의 어드밴티지를 소폭 인정해 51%를 유지하지만, 사실상 동전 던지기에 가까운 매치업입니다. 양 팀 전력 차이가 미미하므로 당일 선발 투수 컨디션·불펜 운용·날씨 등 변수가 결과를 가를 가능성이 높습니다.
보정 적용: 회고 에이전트의 모델 신뢰도 경고(전체 적중률 48%, 샘플 50건 부족) 반영 — 양방향 확률 조정 없이 중립 유지
양팀 에이전트 논거
SSG 랜더스 에이전트
핵심 팩터: 종합 전력
- 데이터 기반 분석
정량 모델 기반 분석
두산 베어스 에이전트
핵심 팩터: 종합 전력
- 데이터 기반 분석
정량 모델 기반 분석
📊 팩터별 정량 해설
정량 모델 v1.8의 10개 팩터를 가중치 순으로 분석합니다. 가장 영향력 큰 팩터는 선발 FIP으로, 두산이 예측 승률에 +4%p 기여합니다.
선발 FIP
가중치 15%선발 FIP 데이터 부족.
두산 우위 · 예측 기여 +4%p
타선 wOBA
가중치 15%양 팀 wOBA가 근접해 타격 화력은 비슷한 수준.
비슷
Elo 레이팅
가중치 10%Elo 레이팅 격차 작음, 전력 대등.
비슷
불펜 FIP
가중치 10%불펜 안정성에서 큰 격차 없음.
모델 메타 정보
정량 모델: v2.0-debate · 토론 버전 v2-persona4
🔄 회고 보정
모델 약점: 전체 적중률 48%로 무작위 수준(50%)에 근접. 홈팀/원정팀 예측력 차이 미미(4%p)하여 특정 방향 편향 없음. 다만 샘플 크기 50건은 통계적 신뢰도 부족 - 더 많은 데이터 필요
보정: 0%
⚡ 사후 분석
경기 종료 후 AI가 “무엇을 틀렸나” 진단
Factor 편향 Top 3
상대전적 편향 -0.500(SSG 압도적 우위)이었으나 실제 경기에서 두산이 9-4 대승, 상대전적이 당일 경기력을 전혀 반영하지 못함.
sfr 편향 -0.332로 두산의 승률 우위를 크게 저평가했으나, 실제 9득점 화력으로 모델의 원정팀 편향이 틀렸음이 증명됨.
선발 우위 편향 +0.130은 방향성이 맞았으나, 실제 득점 차(9-4)를 감안하면 그 우위가 모델 예측보다 훨씬 결정적으로 작용함.
SSG 랜더스 사후 의견
두산의 선발투수 우위(sp_fip 0.630)가 예측을 초과 달성하며 SSG 타선을 억제했고, 특히 sp_fip 편향 +0.130이 실제 경기에서 구체화되었다. SSG의 sfr 0.168(편향 -0.332)이 보여주듯 작은 볼 전술이 기능하지 못했으며, 두산 타선(lineup_woba 0.502)이 안정적으로 9득점을 기록하면서 원정팀으로서 극복 불가능한 격차를 벌렸다.
핵심: sp_fip
놓친 것: SSG의 sfr이 예측치보다 -0.332 낮게 편향되었으나, 원정 환경에서 두산 선발의 sp_fip 우위(+0.130 편향)가 SSG의 타격 전술을 완벽히 무력화시켰다는 점을 제대로 반영하지 못함.