การคำนวณความสม่ำเสมอในการถ่ายภาพของ NBA

อะไรคือวิธีที่เหมาะสมในการประเมิน / กำหนดความสอดคล้องในการถ่ายภาพ 3 จุดของผู้เล่น NBA? ตัวอย่างเช่นฉันมีผู้เล่นที่ยิง 37% จากช่วง 3 จุดและใช้เวลา 200 ครั้งตลอดทั้งปี

ฉันกำลังพิจารณาที่จะถ่ายภาพ 3% โดยเฉลี่ยของจำนวนนัดโดยพลการ (พูด 20) จากนั้นใช้ค่าเฉลี่ยเหล่านั้นเพื่อกำหนดค่าเบี่ยงเบนมาตรฐานจากค่าเฉลี่ย 37% การใช้ขนาดตัวอย่างที่หมุนได้ 20 นัดจะช่วยให้ความแม่นยำ 5% ในอัตราการถ่ายภาพ แต่ฉันกังวลว่าการใช้ภาพมากเกินไปจะไม่แสดงให้เห็นถึงความไม่สอดคล้องของประสิทธิภาพการทำงาน

มีวิธีที่ดีกว่าในการพิจารณาความสอดคล้องหรือไม่

standard-deviation consistency

— จะ
แหล่งที่มา

คุณจะใช้การวัดนี้เพื่อทำอะไร เช่นคุณต้องการที่จะเปรียบเทียบผู้เล่นกับแต่ละอื่น ๆ ? คุณแค่ต้องการดูว่าใครที่สอดคล้องกันมากที่สุด? หรือคุณมีคำถามเฉพาะเจาะจงเช่นความมั่นคงนั้นสูงกว่าเมื่อทีมของคุณอยู่ข้างหน้าหรืออะไรทำนองนั้น

— Peter Flom

ฉันกำลังใช้การวัดเพื่อกำหนดความสอดคล้องกันระหว่างนักกีฬา 3 จุดในทีม (ของผู้เล่นที่มีจำนวนครั้งต่ำสุดที่พยายาม) ฉันจะต้องการเปรียบเทียบความสอดคล้องกันระหว่างผู้เล่นเข้าใจว่าพวกเขาจะมีจำนวนครั้งที่ไม่เท่ากันในฤดูกาล

— จะ

ฉันคิดว่าความคิดพื้นฐานของคุณดี แต่ทำไมค่าเฉลี่ยรีด ทำไมไม่ "10 ภาพแรก", "11-20" ฯลฯ คุณสามารถลองจำนวนช็อตที่แตกต่างกัน คุณควร จำกัด สิ่งนี้ไว้เฉพาะผู้เล่นที่มีจำนวนนัดน้อยที่สุดในฤดูกาล

— Peter Flom

ความคิดของฉันคือการใช้ข้อมูลเป็นชิ้นแทนที่จะเป็นค่าเฉลี่ยฉันอาจพลาดช่วงเวลาที่ไม่สอดคล้องกันในการถ่ายทำ ตัวอย่างที่ดีที่สุดคือหากผู้เล่นทำการยิง 1-5, พลาดนัดที่ 6-15, และทำการยิง 16-20 การใช้การจัดกลุ่ม 10 นัดจะทำให้เกิดกลุ่มการถ่ายภาพ 50% สองกลุ่ม แต่ค่าเฉลี่ยการหมุน 10 นัดจะเผยให้เห็นการตกต่ำของการถ่าย 0%

— จะ

ดำเนินการวิเคราะห์ของวิ่ง นอกจากนี้คุณต้องมีความชัดเจนเกี่ยวกับสิ่งที่คุณหมายถึงเมื่อคุณพูดว่า "สอดคล้อง" - ฉันจะตีความมันว่าหมายถึงความน่าจะเป็นของการยิงเป็นค่าคงที่สำหรับทุกนัดเดียว (เช่นมันเป็นอิสระอย่างสมบูรณ์จาก ผลลัพธ์ก่อนหน้าใด ๆ และทั้งหมด) ตกลง? อย่างไรก็ตามdo an analysis of runs...

— Steve S

คำตอบ:

ตามที่ผู้ใช้รายอื่นระบุไว้ในความคิดเห็นข้างต้นการทดสอบการวิ่งคือวิธีการวิเคราะห์ข้อมูลการถ่ายภาพของคุณ มันทดสอบสมมติฐานที่ว่าองค์ประกอบของลำดับนั้นเป็นอิสระต่อกัน หากสมมติฐานถูกปฏิเสธคุณสามารถพูดได้ว่าการยิง 3 จุดของผู้เล่นไม่สอดคล้องกัน

ฉันอยากจะชี้ให้คุณไปที่บทความนี้เพราะมันเกี่ยวข้องโดยตรงกับการวิเคราะห์ของคุณ

— KT12
แหล่งที่มา

มันเป็นการดีที่จะรวมลิงค์ แต่ดีกว่าที่จะอธิบายสิ่งที่พวกเขามี

— rolando2

ฉันคิดว่าการทดสอบรันเป็นความคิดที่ดี สำหรับฉันโดยการวิเคราะห์ข้อมูลใน "ชิ้นส่วน" ความตั้งใจของคุณคือสร้างพร็อกซีสำหรับหรือควบคุม "มือร้อน" ในความสอดคล้องของผู้เล่น มีวรรณกรรมมากมายเกี่ยวกับปรากฏการณ์นี้ที่นั่น Gelman หนึ่งในเอกสารที่ดีที่สุดถูกกล่าวถึงในบล็อกของเขาในเดือนกรกฎาคม 2558 ชื่อของโพสต์ของเขาคือ "เฮ้เดาอะไรจริง ๆ มีมือที่ร้อนแรง!" ( http://andrewgelman.com/2015/07/09/hey-guess-what-there-therally-is-a-hot-hand/ ) รายงานของ Gelman เป็นข้อโต้แย้งต่อวรรณคดีก่อนหน้านี้มากเนื่องจากรายละเอียดข้อผิดพลาดที่เกิดขึ้นจากการวิเคราะห์ก่อนหน้านี้ของปรากฏการณ์มือร้อน งานก่อนหน้านี้มุ่งเน้นไปที่ภาพรวมซึ่งต่างจากความน่าจะเป็นตามเงื่อนไข บทความนี้วางตัวแบบจำลองความน่าจะเป็นแบบใหม่ (ดูที่ลิงก์สำหรับการอ้างอิงถึงกระดาษ)

หนึ่งตัวชี้วัดที่ดีของความมั่นคงซึ่งควรควบคุมความแตกต่างเช่นจำนวนนัดที่ถ่ายคือค่าสัมประสิทธิ์ของการเปลี่ยนแปลง CV เป็นตัวชี้วัดความแปรปรวนแบบไม่คงที่และไร้มิติและคำนวณโดยการหารค่าเบี่ยงเบน std ด้วยค่าเฉลี่ย ปัญหาที่พยายามแก้ไขคือการเบี่ยงเบนมาตรฐานในหน่วยของหน่วยที่อยู่ภายใต้การวัดนั่นคือไม่ใช่ค่าคงที่ ซึ่งหมายความว่าตัวชี้วัดที่มีค่าเฉลี่ยสูงมักจะมีค่าเบี่ยงเบนมาตรฐานสูงกว่าตัวชี้วัดที่มีค่าเฉลี่ยต่ำ ตัวอย่างเช่นเนื่องจากความแตกต่างในค่าเฉลี่ยของพวกเขามาตรการของความแปรปรวนใน diastolic และความดันโลหิตซิสโตลิจะไม่เทียบเท่าโดยตรง โดยการใช้ CV ความแปรปรวนของพวกเขาจะกลายเป็นที่เปรียบเทียบ สิ่งเดียวกันถือเป็นตัวชี้วัดอื่น ๆ เช่นราคาหุ้น

ดังนั้น CV สามารถคำนวณได้สำหรับตัวชี้วัดและมาตราส่วนหลายประเภทยกเว้นข้อมูลเชิงหมวดหมู่และมาตรการที่มีค่าลบ

— ไมค์ฮันเตอร์
แหล่งที่มา