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.