Models for Olympic Medal Tables（2025 美赛 MCM C 题）
历年真题解法库 · 本题为公开赛题要点整理，完整原题请到官方渠道获取（链接见下）；
下方「练习数据」说明仅列官方来源，本站合成练习数据集与真源脚本将随优秀范文一并发布，避免断裂链接。
一、赛题要点
- 赛事：2025 年美赛 MCM · C 题（真实题名「Models for Olympic Medal Tables」）。
- 问题实质：围绕奥运会奖牌榜建模：①预测未来奥运会各国奖牌数 / 排名（数据型 C 题，给历史奖牌、经济、人口、运动员等数据）；②构建与比较不同的奖牌榜排名口径（金牌优先、总数优先、加权积分榜），讨论哪种更"公平"；③量化预测与排名的不确定性。核心是「用可解释模型把历史与国别特征映射到奖牌表现，并诚实给出误差与情景」。
二、需要产出什么
- 奖牌预测模型：以历史奖牌（自回归）、GDP / 人均 GDP、人口、体育投入、主办国效应、参赛人数等为特征，预测各国奖牌数（计数型）。
- 历史趋势组件：用时间序列外推刻画各国奖牌的届际演化与"主办国红利"。
- 排名口径模型：定义加权积分榜（金×a + 银×b + 铜×c）等，比较不同口径下排名的一致性（相关 / 一致性指标）。
- 不确定性与稳健性：给预测区间 / 爆冷概率（蒙特卡洛、贝叶斯），用滚动回测（用往届预测往届）验证外推能力。
- 结论与局限：哪些特征最显著、模型在大小国上的表现差异、数据缺口与偏差。
三、数据说明（官方来源）
- 官方数据/赛题：https://www.comap.com/undergraduate/contests/mcm（请以当年发布为准）。赛题通常给多届奥运会各国奖牌明细、经济 / 人口统计、参赛运动员数、主办国标识等。
- 练习数据说明：本题的合成练习数据集与真源生成脚本（
tools/gen_mcm2025c.py）将在对应优秀范文发布时一并放出，确保正文 / 配图 / 附录 / 真源四路数字一致。当前请先用官方数据练手。
四、可用解法 → 对应手册
题型：预测 / 回归类（奖牌数预测）
先看选型 👉 🧭 预测选型指南 · 🧭 时间序列选型指南
题型：时间序列类（历史趋势外推）
题型：评价 / 决策类（奖牌榜排名口径、模型比较）
先看选型 👉 🧭 评价类选型指南
题型：不确定性 / 鲁棒类
先看选型 👉 🧭 不确定性选型指南
五、建模思路提示
- 奖牌是计数且大量为零（小国常 0 牌），先用 Poisson / 负二项或分位数视角理解，再上回归；评估要分「奖牌大国」与「小国」两组看误差。
- 预测应结合自回归与特征：历史奖牌是强 predictor（竞技惯性），再加入 GDP / 人均 GDP / 人口 / 投入刻画潜力，主办国效应作为哑变量显著。
- 时间序列组件处理届际趋势与"主办国红利"：用 ARIMA / 指数平滑外推单列趋势，作为回归的基线特征更稳。
- 排名口径差异很大：金牌优先榜、总数榜、加权积分榜（金×a+银×b+铜×c）结果可能完全不同；用肯德尔 / 斯皮尔曼秩相关或 TOPSIS/VIKOR/GRA 比较口径一致性，讨论"公平"取决于权重立场。
- 诚实给不确定性：奖牌受临场、禁赛、抵制等影响，用蒙特卡洛 Bootstrap 残差或贝叶斯给预测区间与爆冷尾概率，并用滚动回测（用第 t 届前数据预测第 t 届）验证外推而非只拟合。
六、常见坑与规避
- 只用单年截面回归：忽略国家自身历史趋势与主办国红利，跨届波动大、外推差；应结合时间序列组件与特征。
- 指标共线 / 量纲：GDP 与人口高度相关，直接多元回归易共线；做人均化、标准化或用树模型 / 正则。
- 普通回归硬套计数：大量 0 牌国家使 OLS 失真；考虑 Poisson / 负二项或对"是否获奖牌"与"获奖牌数"分层建模。
- 排名口径误导：只报一种榜会掩盖分歧；应比较多口径并用一致性指标，明确"公平"的相对性。
- 只报点预测：不给区间与爆冷概率，结论过于肯定；用蒙特卡洛 / 贝叶斯量化不确定性。
- 过拟合 / 伪回测：特征多、国家少易过拟合；必须用交叉验证或滚动回测（往届预测往届）检验外推能力。
七、优秀范文（本站手写，非生成器）
本题范文将逐题手写发布（≥2500 字 · 4 张 SVG 配图 · 可运行 Python 附录，正文 / 配图 / 附录 / 真源四路数字一致）。
| 视角 | 链接 | 字数 · 配图 · 附录 |
|---|---|---|
| 范文一：对数线性计数模型 + 滚动回测 + 三口径排名 + 混合 Bootstrap（R²=0.980、回测 MAE=4.66 枚、金vs总 τ=0.870、纯残差区间 0.4 枚假精度 vs 混合区间宽 37.0 覆盖✓） | Models for Olympic Medal Tables（优秀范文一） | 2673 字 · 8 图 · 1 附录 |
| 范文二：贝叶斯层级模型 + 后验预测 + 多口径决策（Gibbs 纯 stdlib、OLS 四系数全落入后验 90% 可信区间、样本外 MAE=4.21 覆盖 23/24、C06 金牌榜 83.3% vs 加权榜 33.4%、前三集合一致率仅 5.6%） | Models for Olympic Medal Tables（优秀范文二） | 3126 字 · 8 图 · 1 附录 |
| 范文三：爆冷概率蒙特卡洛 + 三层次事件 + 杠杆实验（S=2000、跳级率 U 型 头2.8%/中2.7%/尾3.6%、P(C11登顶)=37.0%、前三换血 78.0%、主办 CRN 实验 C08 P(前5) 50.1%→94.0%、增速杠杆仅+0.3pp） | Models for Olympic Medal Tables（优秀范文三） | 2667 字 · 8 图 · 1 附录 |
八、配套资源
- 回到 📚 历年真题解法库首页
- 总入口：🗺️ 专题手册库
- 论文怎么写：📝 论文模板使用说明专区
- 避坑总览：⚠️ 建模避坑指南专区
- 真源模型与配图脚本将在对应优秀范文发布时一并放出（见第七节）。