Obliczanie spójności strzelania do NBA

10

Jaki byłby właściwy sposób oceny / ustalenia 3-punktowej spójności strzelania przez gracza NBA? Na przykład mam gracza, który strzela 37% z 3-punktowego zasięgu i podejmuje 200 prób przez cały rok.

Zastanawiałem się nad zrobieniem ruchomej średniej 3-punktowej% dowolnej liczby strzałów (powiedzmy 20). Następnie za pomocą tych średnich określ standardowe odchylenie od 37% średniej. Użycie ruchomej próbki o wielkości 20 zdjęć pozwala na uzyskanie jedynie 5% precyzji w procentach strzelania, ale obawiam się, że użycie zbyt wielu zdjęć nie ujawni niespójności w działaniu.

Czy istnieje lepsze podejście do określania spójności?

Będzie
źródło
Do czego zamierzasz użyć tego pomiaru? np. czy chcesz porównać graczy ze sobą? Chcesz tylko zobaczyć, kto jest najbardziej konsekwentny? A może masz jakieś bardziej szczegółowe pytanie, na przykład, że spójność jest większa, gdy Twój zespół jest na czele, czy coś takiego?
Peter Flom
Używam tego pomiaru, aby ustalić, jak spójna jest każda 3-punktowa strzelanka w drużynie (graczy, którzy wykonali minimalną liczbę prób). Chcę porównać spójność między graczami, rozumiejąc, że będą mieli nierównomierną liczbę prób w sezonie.
Czy
Myślę, że twój podstawowy pomysł jest dobry. Ale dlaczego krocząca średnia? Dlaczego nie „pierwsze 10 zdjęć”, „11–20” itd.? Możesz wypróbować inną liczbę zdjęć. Powinieneś również ograniczyć to do graczy, którzy mają przynajmniej pewną minimalną liczbę strzałów w sezonie
Peter Flom
1
Myślę, że biorąc dane w kawałkach zamiast średniej kroczącej, mogę przegapić okresy niespójnego fotografowania. Skrajnym przykładem jest sytuacja, gdy gracz wykonuje strzały 1-5, nie trafia strzałów 6-15 i wykonuje strzały 16-20. Korzystanie z grup 10-strzałowych daje dwie 50% grup strzelania, ale średnia krocząca z 10 strzałów ujawnia 0% załamania strzelania.
Czy
1
Wykonaj analizę przebiegów . Ponadto musisz jasno powiedzieć, co masz na myśli, mówiąc „konsekwentny” - zamierzam interpretować to jako oznaczające, że prawdopodobieństwo wykonania strzału jest stałe dla każdego pojedynczego strzału (tj. Jest całkowicie niezależne od wszelkie poprzednie wyniki). Zgodzić się? Niemniej jednak do an analysis of runs...
Steve S.

Odpowiedzi:

1

Jak stwierdził inny użytkownik w powyższych komentarzach, test przeprowadzany jest sposobem na analizę twoich danych zdjęciowych. Sprawdza hipotezę, że elementy sekwencji są od siebie niezależne. Jeśli hipoteza zostanie odrzucona, możesz powiedzieć, że strzelanie 3-punktowe przez gracza jest niespójne.

Chciałbym również zwrócić uwagę na ten artykuł, ponieważ jest on bezpośrednio związany z twoją analizą.

KT12
źródło
Dobrze jest dołączyć linki, ale jeszcze lepiej wyjaśnić, co zawierają.
rolando2
1

Myślę, że test biegowy to dobry pomysł. Dla mnie, analizując dane w „kawałkach”, Twoim celem jest utworzenie serwera proxy lub kontrolowanie „gorących rąk” w spójności gracza. Istnieje ogromna literatura na temat tego zjawiska. Jeden z najlepszych artykułów został omówiony przez Gelmana na swoim blogu w lipcu 2015 r. Tytuł jego postu brzmiał: „Hej, zgadnij co? Naprawdę jest gorąca ręka!” ( http://andrewgelman.com/2015/07/09/hey-guess-what-there-really-is-a-hot-hand/ ). Artykuł, o którym pisze Gelman, jest obaleniem większości wcześniejszej literatury, ponieważ szczegółowo opisuje błędy popełniane przez wcześniejsze analizy zjawiska gorących rąk. Wcześniejsze prace koncentrowały się na ogólnych, a nie na prawdopodobieństwach warunkowych. W tym artykule przedstawiono nowy model prawdopodobieństwa sekwencyjnego (patrz odnośnik do dokumentu).

Dobrym miernikiem spójności, który powinien kontrolować różnice, np. W liczbie wykonanych zdjęć, jest współczynnik zmienności. CV jest bezwymiarową, niezmienną w skali miarą zmienności i jest obliczana poprzez podzielenie odchylenia standardowego przez średnią. Problem, który próbuje rozwiązać, polega na tym, że odchylenia standardowe są wyrażane w skali mierzonej jednostki, tzn. Nie jest ona niezmienna. Oznacza to, że wskaźniki o wysokich wartościach średnich również będą miały większe odchylenia standardowe niż wskaźniki o niskich wartościach średnich. Na przykład z powodu różnic w ich średnich wartościach miary zmienności rozkurczowego i skurczowego ciśnienia krwi nie są bezpośrednio porównywalne. Biorąc CV, ich zmienność staje się porównywalna. To samo dotyczy wielu innych wskaźników, takich jak ceny akcji,

W związku z tym CV można obliczyć dla wielu wskaźników i typów skali, z wyłączeniem informacji kategorycznych i miar o wartościach ujemnych.

Mike Hunter
źródło