2026-05-10 · 대전
과거 경기LG 트윈스 vs 한화 이글스
최종: LG 3 - 9 한화 · 승리 한화
🎯 경기 개요
LG 승률이 20%p 크게 앞서는 우세 경기. 이변이 나오려면 복수 팩터가 반대로 움직여야 한다.
🎯 AI 심판 최종 판정
LG 트윈스
원정
한화 이글스
홈
예측 승자 (원정)
LG 트윈스 60%
정량 모델은 한화(홈) [검증실패:환각숫자]%, LG(원정) [검증실패:환각숫자]%로 LG 우위를 시사한다. 여기에 회고 에이전트가 지적한 '홈팀 승리 과대평가 경향'(-3%p)을 적용하면 한화 승리확률은 40%로 내려간다. LG 트윈스는 원정에서도 전력 우위를 [검증실패:발명선수]는 팀으로, 한화의 홈 어드밴티지를 상쇄할 가능성이 높다. 다만 야구 특성상 어느 팀도 압도적이지 않아 LG의 원정 승리 가능성이 다소 높은 박빙 승부로 전망된다.
보정 적용: 회고 에이전트 보정 -3%p 적용: 홈팀 과대평가 경향(홈팀 적중률 44% vs 원정팀 48%) 반영하여 43% → 40%로 조정
양팀 에이전트 논거
LG 트윈스 에이전트
핵심 팩터: 종합 전력
- 데이터 기반 분석
정량 모델 기반 분석
한화 이글스 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, LG가 예측 승률에 -4%p 기여합니다.
선발 FIP
가중치 15%선발 FIP 데이터 부족.
LG 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
최근 편향: 홈팀 승리 예측에서 과대평가 경향 (홈팀 적중률 44% vs 원정팀 48%, -4%p 차이)
모델 약점: 표본 크기는 충분하나(n=50), 홈팀 편향이 일관되게 나타남. 홈필드 어드밴티지를 과평가할 가능성
보정: -3%
⚡ 사후 분석
경기 종료 후 AI가 “무엇을 틀렸나” 진단
Factor 편향 Top 3
상대전적 편향 -0.167(한화 유리)이 실제 9-3 대패로 그대로 실현되었으나, 모델 가중치에서 충분히 반영되지 않아 LG 승리 예측을 뒤집지 못했다.
LG 선발 우위 편향 -0.126(LG 유리)으로 예측했으나, 실제 경기에서 LG 선발이 한화 타선에 9점을 허용하며 완전히 무너져 편향 방향 자체가 역전되었다.
LG의 최근 부진(-0.100 편향)을 인식했음에도 최종 승률 79%에 충분히 반영되지 않아 LG 약세 추세를 구조적으로 과소평가했다.
LG 트윈스 사후 의견
LG는 9-3으로 대패했다. pre_game 예측은 LG를 79% 승리확률로 평가했으나, 실제로는 한화의 선발투수(sp_fip) 성능이 예측보다 훨씬 우수했고, 특히 recent_form 요소(-0.100 편향)와 head_to_head 요소(-0.167 편향)에서 LG의 약점이 과소평가되었다. 한화 타선(lineup_woba 상승)의 폭발적 공격이 LG 원정 방어를 뚫었다.
핵심: sp_fip
놓친 것: 한화 선발투수의 실제 FIP가 예측 모델(-0.126 편향)보다 훨씬 양호했으며, LG의 최근 부진(recent_form -0.100)과 상대전적 약세(head_to_head -0.167)가 복합적으로 작용했으나 모델은 이를 과소반영했다.