Obliczanie spójności strzelania do NBA

Jaki byłby właściwy sposób oceny / ustalenia 3-punktowej spójności strzelania przez gracza NBA? Na przykład mam gracza, który strzela 37% z 3-punktowego zasięgu i podejmuje 200 prób przez cały rok.

Zastanawiałem się nad zrobieniem ruchomej średniej 3-punktowej% dowolnej liczby strzałów (powiedzmy 20). Następnie za pomocą tych średnich określ standardowe odchylenie od 37% średniej. Użycie ruchomej próbki o wielkości 20 zdjęć pozwala na uzyskanie jedynie 5% precyzji w procentach strzelania, ale obawiam się, że użycie zbyt wielu zdjęć nie ujawni niespójności w działaniu.

Czy istnieje lepsze podejście do określania spójności?

Jak stwierdził inny użytkownik w powyższych komentarzach, test przeprowadzany jest sposobem na analizę twoich danych zdjęciowych. Sprawdza hipotezę, że elementy sekwencji są od siebie niezależne. Jeśli hipoteza zostanie odrzucona, możesz powiedzieć, że strzelanie 3-punktowe przez gracza jest niespójne.

Chciałbym również zwrócić uwagę na ten artykuł, ponieważ jest on bezpośrednio związany z twoją analizą.

Myślę, że test biegowy to dobry pomysł. Dla mnie, analizując dane w „kawałkach”, Twoim celem jest utworzenie serwera proxy lub kontrolowanie „gorących rąk” w spójności gracza. Istnieje ogromna literatura na temat tego zjawiska. Jeden z najlepszych artykułów został omówiony przez Gelmana na swoim blogu w lipcu 2015 r. Tytuł jego postu brzmiał: „Hej, zgadnij co? Naprawdę jest gorąca ręka!” ( http://andrewgelman.com/2015/07/09/hey-guess-what-there-really-is-a-hot-hand/ ). Artykuł, o którym pisze Gelman, jest obaleniem większości wcześniejszej literatury, ponieważ szczegółowo opisuje błędy popełniane przez wcześniejsze analizy zjawiska gorących rąk. Wcześniejsze prace koncentrowały się na ogólnych, a nie na prawdopodobieństwach warunkowych. W tym artykule przedstawiono nowy model prawdopodobieństwa sekwencyjnego (patrz odnośnik do dokumentu).

Dobrym miernikiem spójności, który powinien kontrolować różnice, np. W liczbie wykonanych zdjęć, jest współczynnik zmienności. CV jest bezwymiarową, niezmienną w skali miarą zmienności i jest obliczana poprzez podzielenie odchylenia standardowego przez średnią. Problem, który próbuje rozwiązać, polega na tym, że odchylenia standardowe są wyrażane w skali mierzonej jednostki, tzn. Nie jest ona niezmienna. Oznacza to, że wskaźniki o wysokich wartościach średnich również będą miały większe odchylenia standardowe niż wskaźniki o niskich wartościach średnich. Na przykład z powodu różnic w ich średnich wartościach miary zmienności rozkurczowego i skurczowego ciśnienia krwi nie są bezpośrednio porównywalne. Biorąc CV, ich zmienność staje się porównywalna. To samo dotyczy wielu innych wskaźników, takich jak ceny akcji,

W związku z tym CV można obliczyć dla wielu wskaźników i typów skali, z wyłączeniem informacji kategorycznych i miar o wartościach ujemnych.