先说一点背景：
我是一名大学彩弹教练，我有两类球员：
I. 在加入球队之前有很多经验/技能的球员，例如为业余非大学球队效力，但由于各种原因不经常一起比赛的球员。
二、不是很有经验/技术但最近有很多练习时间与该人群中的其他玩家一起玩的玩家。
我最近还阅读了 Michael Lewis 撰写的关于 Shane Battier 的这篇文章。总之，它讲述了他如何拥有非常低或根本不存在的传统篮球“数据”，但他的“正负值”却非常高，每当他在场上时，他都会限制对方球队的得分。这将我引向问题。
问题：
如果经验/技能或最近的比赛经验可以更好地预测胜利，那么量化（从统计和/或概率意义上）的最佳方法是什么？
在与其他玩家一起比赛时，我如何识别个人技能较差但对赢得比赛做出巨大贡献的玩家？
到目前为止我所拥有的：
一个。多项个人技能测试结果，例如您能否在反复跑步时击中目标
湾。1 对 1 的比赛记录让我可以这样说：球员 A 在 1 对 1 比赛中以 66% 的几率击败球员 B
C。n 与 n 次相遇的记录（n 最多为 5 次）
每周的练习也为我提供了额外的数据供我使用。
我的想法是，在进行了足够多的 1 对 1 比赛后，每个球员都会与其他球员多次交手。这将允许我在个人级别上对每个人进行排名（例如使用 ELO）。
接下来，我将获取 ELO 排名并将它们结合起来，看看个人技能（来自 a 组和 b 组的数据）是否与高胜率（来自 c 组的数据）相关。我也不太确定合并 ELO 排名的最佳方法，例如求和、平均、取最小值、取最大值等。
有没有办法以一种更容易的方式来构建 nvn 匹配？例如，如果轮询所有可能的 3 对 3 组合，这会增加样本量并给我更好的最终结果吗？
作为附带的好处，如上所述，如果我能找到个人技能得分低和/或 ELO 排名低但在 nvn 比赛中与胜利高度相关的球员（n 大于 1）。
如果需要更多详细信息，请告诉我。
提前致谢。
更新 2012-02-11
所以我们现在花了几周时间来跟踪每个玩家在 1v1 和 3v3 比赛中的表现。我根据每个类别创建了两个 ELO 排名（一个用于 1v1，一个用于 3v3）。我使用了与此页面相同的公式和重量。对于 3v3，我采用与双打链接相同的方式取平均值。
对于 1v1，我们平均有 6 场比赛，而对于 3v3，我们平均有 9 场比赛，所以 ELO 排名可能有点为时过早，尤其是因为我们开始每个类别的每个人都是 1500。
这是一个散点图，显示了每个点是一个玩家的两个类别：
我的下一个问题是关于如何最好地计算 3v3 ELO 的想法，例如，取平均值、最大值、最小值、最小值和最大值的平均值等是否更好。我正在跟踪 ELO 预测获胜者的准确度为那么希望数据也能回答这个问题。