Calcul de la cohérence du tir NBA

10

Quelle serait la bonne façon d'évaluer / déterminer la cohérence de tir à 3 points d'un joueur de la NBA? Par exemple, j'ai un joueur qui tire 37% de la plage de 3 points et prend 200 tentatives toute l'année.

J'envisageais de prendre la moyenne mobile de 3 points% d'un nombre arbitraire de prises de vue (disons 20). Ensuite, en utilisant ces moyennes pour déterminer l'écart type par rapport à la moyenne de 37%. L'utilisation d'un échantillon tournant de 20 prises de vue ne permet qu'une précision de 5% en pourcentage de prise de vue, mais je crains que l'utilisation de trop de prises de vue ne révèle les incohérences des performances.

Existe-t-il une meilleure approche pour déterminer la cohérence?

Volonté
la source
Pourquoi allez-vous utiliser cette mesure? par exemple, voulez-vous comparer les joueurs les uns aux autres? Voulez-vous simplement voir qui est le plus cohérent? Ou avez-vous une question plus spécifique telle que la cohérence est plus élevée lorsque votre équipe est en avance ou quelque chose comme ça?
Peter Flom - Réintègre Monica
J'utilise la mesure pour déterminer la cohérence de chaque tireur à 3 points d'une équipe (des joueurs qui ont un nombre minimum de tentatives). Je veux comparer la cohérence entre les joueurs, sachant qu'ils auront un nombre inégal de tentatives dans la saison.
Will
Je pense que votre idée de base est bonne. Mais pourquoi une moyenne mobile? Pourquoi pas "10 premiers coups", "11ème-20ème" etc? Vous pouvez essayer différents nombres de prises de vue. Vous devriez aussi probablement limiter cela aux joueurs avec au moins un certain nombre minimum de tirs dans la saison
Peter Flom - Reinstate Monica
1
Je pense qu'en prenant les données en morceaux au lieu d'une moyenne mobile, je risque de manquer des périodes de prise de vue incohérentes. Un exemple extrême est si un joueur effectue des tirs 1-5, manque des tirs 6-15 et fait des tirs 16-20. L'utilisation de groupes de 10 coups donne deux groupes de tir à 50%, mais une moyenne mobile de 10 coups révélerait un affaissement de tir de 0%.
Will
1
Faites une analyse des courses . En outre, vous devez être clair sur ce que vous voulez dire lorsque vous dites "cohérent" - je vais l'interpréter comme signifiant que la probabilité de faire un tir est constante pour chaque tir (c'est-à-dire qu'il est complètement indépendant de tous les résultats précédents). Se mettre d'accord? Néanmoins, do an analysis of runs...
Steve S

Réponses:

1

Comme un autre utilisateur l'a déclaré dans les commentaires ci-dessus, un test de fonctionnement est le moyen d'analyser vos données de prise de vue. Il teste l'hypothèse que les éléments de la séquence sont mutuellement indépendants. Si l'hypothèse est rejetée, vous pouvez dire que le tir à 3 points du joueur est incohérent.

Je voudrais également vous orienter vers cet article car il est directement lié à votre analyse.

KT12
la source
Il est bon d'inclure les liens mais encore mieux d'expliquer ce qu'ils contiennent.
rolando2
1

Je pense qu'un test de course est une bonne idée. Pour moi, en analysant les données en «morceaux», votre intention est de créer un proxy ou un contrôle pour les «mains chaudes» dans la cohérence du joueur. Il existe une énorme littérature sur ce phénomène. L'un des meilleurs articles a été discuté par Gelman sur son blog en juillet 2015. Le titre de son article était "Hé, devinez quoi? Il y a vraiment une main chaude!" ( http://andrewgelman.com/2015/07/09/hey-guess-what-there-really-is-a-hot-hand/ ). Le rapport de Gelman est une réfutation d'une grande partie de la littérature précédente dans la mesure où il détaille les erreurs commises par les analyses précédentes du phénomène des mains chaudes. Les travaux antérieurs portaient sur les probabilités globales par opposition aux probabilités conditionnelles. Cet article propose un nouveau modèle de probabilité séquentiel (voir le lien pour une référence à l'article).

Une bonne métrique de cohérence qui devrait contrôler les différences, par exemple le nombre de prises de vue, est le coefficient de variation. Le CV est une mesure de variabilité sans dimension et invariable à l'échelle et est calculé en divisant l'écart std par la moyenne. Le problème qu'il tente de résoudre est que les écarts std sont exprimés dans l'échelle de l'unité mesurée, c'est-à-dire qu'il n'est pas invariant à l'échelle. Cela signifie que les mesures avec des valeurs moyennes élevées auront également tendance à avoir des écarts std plus élevés que les mesures avec des valeurs moyennes faibles. Ainsi, par exemple, en raison de différences dans leurs valeurs moyennes, les mesures de la variabilité de la pression artérielle diastolique et systolique ne sont pas directement comparables. En prenant le CV, leur variabilité devient comparable. La même chose vaut pour de nombreuses autres mesures telles que les cours des actions,

Ainsi, le CV peut être calculé pour de nombreuses métriques et types d'échelle, à l'exclusion des informations catégorielles et des mesures avec des valeurs négatives.

Mike Hunter
la source