Sobre a calibração: bater a média do campeão (76 contra 76) diz menos do que parece, porque dá pra acertar a média com campeonatos todos iguais entre si. Eu olharia também a dispersão entre temporadas, tipo em quantas o campeão passou de 80 ou ficou abaixo de 70, e quantas vezes o elenco mais forte não leva o título.

E com 60 mil jogos por rodada de teste, fixar a seed ajuda bastante a separar o que mudou por causa do código do que mudou só pelo sorteio.