Cálculo de la consistencia de tiro de la NBA

¿Cuál sería la forma correcta de evaluar / determinar la consistencia de tiro de 3 puntos de un jugador de la NBA? Por ejemplo, tengo un jugador que dispara 37% desde un rango de 3 puntos y toma 200 intentos durante todo el año.

Estaba considerando tomar el promedio móvil de 3 puntos porcentuales de un número arbitrario de disparos (digamos 20). Luego, usando esos promedios para determinar la desviación estándar de la media del 37%. El uso de un tamaño de muestra de 20 disparos solo permite una precisión del 5% en el porcentaje de disparo, pero me preocupa que el uso de demasiados disparos no revele las inconsistencias en el rendimiento.

¿Existe un mejor enfoque para determinar la consistencia?

standard-deviation consistency

— Será
fuente

¿Para qué vas a usar esta medida? por ejemplo, ¿quieres comparar jugadores entre sí? ¿Solo quieres ver quién es el más consistente? ¿O tiene alguna pregunta más específica, como que la consistencia es mayor cuando su equipo está adelante o algo así?

— Peter Flom - Restablece a Monica

Estoy usando la medición para determinar qué tan consistente es cada tirador de 3 puntos en un equipo (de jugadores que tienen un número mínimo de intentos). Querré comparar la consistencia entre los jugadores, entendiendo que tendrán un número desigual de intentos en la temporada.

— Será

Creo que tu idea básica es buena. ¿Pero por qué un promedio móvil? ¿Por qué no "primeros 10 disparos", "11th-20th", etc.? Puedes probar diferentes números de disparos. Probablemente también deberías limitar esto a los jugadores con al menos un cierto número mínimo de tiros en la temporada

— Peter Flom - Reincorporar a Monica

Mi opinión es que al tomar los datos en fragmentos en lugar de un promedio móvil, podría perder períodos de disparos inconsistentes. Un ejemplo extremo es si un jugador realiza tiros 1-5, falla tiros 6-15 y realiza tiros 16-20. El uso de agrupaciones de 10 disparos da como resultado dos grupos de disparos del 50%, pero un promedio de 10 disparos revelaría la caída del disparo del 0%.

— Será

Haz un análisis de carreras . Además, debe ser claro acerca de lo que quiere decir cuando dice "coherente": voy a interpretar que significa que la probabilidad de hacer un disparo es constante para cada disparo (es decir, es completamente independiente de cualquiera y todos los resultados anteriores). ¿De acuerdo? Sin embargo, do an analysis of runs...

— Steve S

Respuestas:

Como dijo otro usuario en los comentarios anteriores, una prueba de ejecución es la forma de analizar sus datos de disparo. Prueba la hipótesis de que los elementos de la secuencia son mutuamente independientes. Si se rechaza la hipótesis, se podría decir que el tiro de 3 puntos del jugador es inconsistente.

También me gustaría señalarle este artículo, ya que está directamente relacionado con su análisis.

— KT12
fuente

Es bueno incluir los enlaces, pero aún mejor explicar lo que contienen.

— rolando2

Creo que una prueba de carrera es una buena idea. Para mí, al analizar los datos en "fragmentos", su intención es crear un proxy o control para "manos calientes" en la consistencia del jugador. Hay una gran literatura sobre este fenómeno por ahí. Uno de los mejores artículos fue discutido por Gelman en su blog en julio de 2015. El título de su publicación fue: "¿Adivina qué? ¡Realmente hay una mano caliente!" ( http://andrewgelman.com/2015/07/09/hey-guess-what-there-really-is-a-hot-hand/ ). El documento sobre el que informa Gelman es una refutación de gran parte de la literatura anterior en la medida en que detalla los errores cometidos por análisis previos del fenómeno de las manos calientes. El trabajo anterior se centró en las probabilidades generales en lugar de las condicionales. Este documento presenta un nuevo modelo de probabilidad secuencial (consulte el enlace para obtener una referencia al documento).

Una buena métrica de consistencia que debería controlar las diferencias en, por ejemplo, el número de disparos realizados, es el coeficiente de variación. El CV es una medida de variabilidad invariante de escala y sin dimensiones y se calcula dividiendo la desviación estándar por la media. El problema que intenta resolver es que las desviaciones estándar se expresan en la escala de la unidad bajo medida, es decir, no es invariante de escala. Esto significa que las métricas con valores promedio altos también tenderán a tener desviaciones estándar más altas que las métricas con valores promedio bajos. Entonces, por ejemplo, debido a las diferencias en sus valores promedio, las medidas de la variabilidad en la presión arterial diastólica y sistólica no son directamente comparables. Al tomar el CV, su variabilidad se vuelve comparable. Lo mismo ocurre con muchas otras métricas, como los precios de las acciones,

Por lo tanto, el CV se puede calcular para muchas métricas y tipos de escala, excluyendo información categórica y medidas con valores negativos.

— Mike Hunter
fuente