Tính thống nhất bắn súng NBA


10

Điều gì sẽ là cách thích hợp để đánh giá / xác định tính nhất quán bắn 3 điểm của một cầu thủ NBA? Chẳng hạn, tôi có một người chơi bắn 37% từ phạm vi 3 điểm và mất 200 lần thử cả năm.

Tôi đang xem xét lấy% trung bình 3 điểm của một số lần chụp tùy ý (giả sử 20). Sau đó, sử dụng các giá trị trung bình đó để xác định độ lệch chuẩn so với giá trị trung bình 37%. Sử dụng cỡ mẫu 20 cuộn chỉ cho phép độ chính xác 5% về tỷ lệ chụp, nhưng tôi lo ngại rằng sử dụng quá nhiều ảnh sẽ không tiết lộ sự không nhất quán trong hiệu suất.

Có một cách tiếp cận tốt hơn để xác định tính nhất quán?


Bạn sẽ sử dụng phép đo này để làm gì? ví dụ bạn có muốn so sánh người chơi với nhau không? Bạn chỉ muốn xem ai là người kiên định nhất? Hoặc bạn có một số câu hỏi cụ thể hơn như tính nhất quán cao hơn khi nhóm của bạn đi trước hoặc một cái gì đó tương tự?
Peter Flom - Tái lập Monica

Tôi đang sử dụng phép đo để xác định mức độ phù hợp của từng game bắn súng 3 điểm trong một đội (trong số những người chơi có số lần thử tối thiểu). Tôi sẽ muốn so sánh tính nhất quán giữa các người chơi, hiểu rằng họ sẽ có số lần thử không đồng đều trong mùa.
Sẽ

Tôi nghĩ rằng ý tưởng cơ bản của bạn là tốt. Nhưng tại sao một trung bình cán? Tại sao không "10 lần chụp đầu tiên", "ngày 11 đến ngày 20" vv? Bạn có thể thử số lượng ảnh khác nhau. Bạn cũng có thể nên giới hạn điều này với những người chơi có ít nhất một số lần bắn tối thiểu trong mùa
Peter Flom - Tái lập Monica

1
Suy nghĩ của tôi là bằng cách lấy dữ liệu theo từng khối thay vì trung bình, tôi có thể bỏ lỡ các khoảng thời gian chụp không nhất quán. Một ví dụ cực đoan là nếu người chơi thực hiện cú sút 1-5, bỏ lỡ cú sút 6-15 và thực hiện cú sút 16-20. Sử dụng các nhóm 10 lần bắn dẫn đến hai nhóm bắn 50%, nhưng trung bình cán 10 lần bắn sẽ cho thấy độ sụt 0% khi chụp.
Will

1
Làm một phân tích về chạy . Ngoài ra, bạn cần phải hiểu rõ ý của bạn là gì khi bạn nói "nhất quán" - Tôi sẽ giải thích điều đó có nghĩa là xác suất thực hiện một cú đánh là không đổi đối với mỗi lần chụp (nghĩa là nó hoàn toàn độc lập với bất kỳ và tất cả các kết quả trước đó). Đồng ý? Tuy nhiên, do an analysis of runs...
Steve S

Câu trả lời:


1

Như một người dùng khác đã nêu trong các nhận xét ở trên, kiểm tra chạy là cách để phân tích dữ liệu chụp của bạn. Nó kiểm tra giả thuyết rằng các yếu tố của chuỗi là độc lập lẫn nhau. Nếu giả thuyết bị bác bỏ, thì bạn có thể nói rằng bắn 3 điểm của người chơi không nhất quán.

Tôi cũng muốn hướng bạn đến bài viết này vì nó liên quan trực tiếp đến phân tích của bạn.


Thật tốt khi bao gồm các liên kết nhưng thậm chí tốt hơn để giải thích những gì chúng chứa.
rolando2

1

Tôi nghĩ rằng một bài kiểm tra chạy là một ý tưởng tốt. Đối với tôi, bằng cách phân tích dữ liệu theo "khối", ý định của bạn là tạo một proxy cho hoặc kiểm soát "bàn tay nóng" trong tính nhất quán của người chơi. Có một tài liệu khổng lồ về hiện tượng này ngoài kia. Một trong những bài báo hay nhất đã được Gelman thảo luận trên blog của anh ấy vào tháng 7 năm 2015. Tiêu đề của bài đăng của anh ấy là, "Hey - đoán xem? Thực sự có một bàn tay nóng!" ( http://andrewgelman.com/2015/07/09/hey-guess-what-there-really-is-a-hot-hand/ ). Gelman báo cáo trên là một phản bác của phần lớn các tài liệu trước đây vì nó nêu chi tiết các lỗi được thực hiện bởi các phân tích trước đây về hiện tượng bàn tay nóng. Các công việc trước đó tập trung vào tổng thể trái ngược với xác suất có điều kiện. Bài viết này đưa ra một mô hình xác suất tuần tự mới (xem liên kết để tham khảo bài báo).

Một chỉ số thống nhất tốt cần kiểm soát sự khác biệt về, ví dụ, số lượng ảnh chụp, là hệ số biến đổi. CV là thước đo bất biến tỷ lệ, không thay đổi tỷ lệ và được tính bằng cách chia độ lệch chuẩn cho giá trị trung bình. Vấn đề mà nó cố gắng giải quyết là độ lệch chuẩn được thể hiện trong thang đo của đơn vị được đo, nghĩa là nó không phải là bất biến tỷ lệ. Điều này có nghĩa là các số liệu có giá trị trung bình cao cũng sẽ có xu hướng có độ lệch chuẩn cao hơn so với số liệu có giá trị trung bình thấp. Vì vậy, ví dụ, do sự khác biệt về giá trị trung bình của chúng, các biện pháp về sự thay đổi trong huyết áp tâm trương và huyết áp tâm thu không thể so sánh trực tiếp. Bằng cách lấy CV, sự thay đổi của họ trở nên tương đương. Điều tương tự cũng xảy ra với nhiều số liệu khác như giá cổ phiếu,

Do đó, CV có thể được tính cho nhiều loại số liệu và tỷ lệ, không bao gồm thông tin phân loại và các biện pháp có giá trị âm.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.