顯示廣告
隱藏 ✕
※ 本文轉寄自 ptt.cc 更新時間: 2023-05-06 13:23:29
看板 NBA
作者 henry87927 (科大港仔)
標題 進攻選擇跟罰球數的相關性
時間 Fri May  5 01:45:07 2023


ratzeial: 那你要不要順便看一下場均罰球高的球員出手距離跟罰球,跟你的公式有沒
有match?

問得好!

最喜歡這種想要進行學(筆)術(戰)交流的朋友了!

我們先不要把範圍限縮在場均高罰球次數的球員上,我首先比較好奇的是這個「出手距離跟
獲得罰球」的相關性,如果再細分到一個一個球員上,會不會也成立呢?

首先,如果是用所有球員(我們算有出賽超過20場的)例行賽的數據去比較,那會長這樣:

https://i.imgur.com/21BoZjf.png
[圖]

欸怎麼變正相關?因為會有一堆低出手數低罰球數的球員堆在左下角那邊,整個分析就沒意
義了。

所以找出「場均出手多少次以上的球員才是有參考價值的樣本」就很重要了。

這邊歡迎各位版友提出更好的方法,我自己是用了帕雷托法則(就是鼎鼎大名的80/20法則
)去做假設。

為了讓文理組都不得罪,這邊解釋一下80/20法則。大致上的意思是說80%的結果,都是源自
 20% 的成因。

換句話說,小比例的原因就能帶來結果帶來巨大的影響。比如公司80%的營收大多來自前20%
的客戶、國家80%的GDP來自前20%的企業等等。

上NBA版還能學統計學,想不到吧。


回到主題,NBA的出手次數雖然沒有集中到80/20,但70/30卻是有的。

本季例行賽,NBA官網登錄539名球員,全聯盟出手了217220次。

而出手次數前30%的球員(前162名)的加總出手數是142926次,佔了全NBA的出手數的66%。

所以拿出手次數前30%的球員作為樣本,來比較「球員出手距離跟獲得罰球數量」的相關性
,應該很有代表意義了吧:
https://i.imgur.com/HeDrGir.png
[圖]

嗯…還是正相關,我想了一下,發現我忽略了一個簡單的事實:

越常出手的球員,本來就越容易有罰球啊。

所以我再用這前30%的球員資料比較了場均出手數跟罰球數的關係:

https://i.imgur.com/peXXGwp.png
[圖]
果然有夠相關。

但仔細觀察圖表之後,發現隨著出手次數的增加,資料點開始逐漸發散,尤其以出手數15次
附近為分水嶺。

場均出手15次以上的「罰球數跟出手次數」相關性減弱了。代表有其他的變數在影響這個相
關性。


那我們把場均出手15次以上的數據(其實是14.7次以上因為我想把Poole也擺進來XD)拿來
比較,於是就得到了這張圖:

https://i.imgur.com/NiJvay2.png
[圖]

能場均出手14.7次以上,應該可以說是各隊主力球員(共58位),大家應該都認得就加了名
字上去。

順手標了幾個大家會感興趣的球員給大家當吵架素材,請珍惜帳號。


所以分析完數據之後下個結論:

1. 出手次數越多,就越有拿到罰球的機會(廢話

2. 球隊「主力球員」的攻擊選擇,則會受到出手距離的影響。出手距離越遠,得到的罰球
數越少。

有不少推文有提到相關係數太低的問題,的確這篇拿來當論文應該會被教授洗臉洗到翻過去

與罰球多寡有相關性的變數應該非常多,之後有空的話打算再抓多點數據做多變量分析。

這篇就當拋一個想法給大家討論,研究方式不嚴謹請見諒。

也附上這篇跟上一篇回歸線公式的比較:

上一篇回歸線:
https://i.imgur.com/IjizhdM.png
[圖]

這一篇回歸線:
https://i.imgur.com/TIc7CZx.png
[圖]


上一篇推文有人說要附上P value證明顯著性,好啦都來啦:
https://i.imgur.com/XD5l4jZ.png
[圖]

最後應你要求,「順便看一下場均罰球高的球員出手距離跟罰球,跟你的公式有沒有match?


我就抓場均最高的10位球員,自己看:
https://i.imgur.com/kLnrWhu.png
[圖]

商科算文組的話我文理組都待過啦。大家聊球就好。不要亂開戰場:)

以上一點小分享,感謝大家。有看到推文說想看太陽46罰的分析,要是最後西決湖人打太陽
我就做XD

數據都這裡抓的,有興趣歡迎各位多多利用[Teams Traditional | Stats | NBA.com](http
s://www.nba.com/stats/teams/traditional?SeasonType=Regular+Season)

--
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.239.48.62 (香港)
※ 作者: henry87927 2023-05-05 01:45:07
※ 文章代碼(AID): #1aK-yb6P (NBA)
※ 文章網址: https://www.ptt.cc/bbs/NBA/M.1683222309.A.199.html
larry780109 : 太神啦...1F 05/05 01:51
jay228      : 有些球員是投很多中距離,有些是切入+外線2F 05/05 01:52
jay228      : 單純用出手距離來看,似乎不太精確?
love1500274 : 其實有太多因素影響罰球4F 05/05 01:57
love1500274 : 球員會不會惡意萊犯規 和團隊是否為加分狀態
jay228      : 或許該用三種出手距離各自取得的罰球數來判斷球商6F 05/05 02:01
kasugamaru  : 怎麼不把罰球數/出手數7F 05/05 02:03
fish0414    : 不用理那個人浪費自己時間其實8F 05/05 02:06
linchw      : 他還能回你嗎 沒被水桶也太瞎9F 05/05 02:06
darren2586  : 我大半夜看版不是為了看到統計課本的QAQ10F 05/05 02:12
star1234    : 弱弱問,戰場是哪篇阿11F 05/05 02:15
rayisgreat  : 未看先推 戰起來戰起來12F 05/05 02:18
allse1032   : 太神啦看NBA版學統計13F 05/05 02:18
jgps61203   : 勇湖G2快開打了 這裡還在打G1 OT5 77777714F 05/05 02:21
obeyxxxx    : 以後一定要讓孩子好好讀書再去網路筆戰15F 05/05 02:26
abc32521    : 推統計學16F 05/05 02:29
ccs100203   : 推統計17F 05/05 02:32
willyhsuan  : Y軸放罰球數/出手數 X軸放出手距離加權18F 05/05 02:33
ymsc30102   : 推 戰場在前面同一個作者 跳投大隊vs切入大隊那篇19F 05/05 02:33
DonDonFans  : 推20F 05/05 02:33
Liability   : 推統計,比起只會留言跳針球商罰球好多了=_=21F 05/05 02:33
romeomonkey : 超屌欸 課文應該寫這個有趣多了22F 05/05 02:45
wpd         : 他的前提是"場均罰球高的球員"23F 05/05 02:51
e8e88       : MVP的球商好高24F 05/05 02:51
wpd         : 所以圖表裡不能列入場均低於大約3~4次的25F 05/05 02:51
wpd         : 你做的應該叫"出手數高的球員 出手距離跟罰球關係"
wpd         : 而不是"場均罰球高的球員 出手距離跟罰球關係"
canlest     : G1 OT打不完呀28F 05/05 02:57
wpd         : 你好像有點刻意繞一圈用出手數高 罰球數高的"相關"29F 05/05 02:57
wpd         : 去把這兩個前提直接替代掉
wpd         : 你要有你自己的篩選標準可以 不過跟別人問的就有差
Aether13    : 用腳想也知道有相關 重點是有沒有合理 公平吹判每個32F 05/05 02:59
Aether13    : play
wpd         : 異34F 05/05 02:59
wpd         : https://i.imgur.com/NiJvay2.png  就這張表
wpd         : 場均罰球數低於3.5/4/4.5的拿掉  看看趨勢線如何
wpd         : 後來看到你在結論完以後補充地方才做 後面那圖可以
wpd         : 不過抓到TOP10 7.9罰 有點標準太高  多幾個篩選門檻
wpd         : 不如抓個5  剛好有Curry Poole   比較多人想看
Delirious15 : 幫結論:nba捧77買飯 鉛筆罰球賺分洗到MVP40F 05/05 03:27
hschian     : 結論,普爾今年領多少?41F 05/05 03:37
hschian     : 線上面那票領多少?
hschian     : 最靠近普爾那個是不是欠噴?
w25707693   : 不用浪費時間理某小丑欸44F 05/05 04:04
orthogonal  : 推 其實我建議把 場均罰球次數/場均出手次數 當作45F 05/05 04:46
orthogonal  : 罰球比例 去和出手平均距離算相關性
orthogonal  : 精確地說是 (罰球+出手次數)/出手次數 因為會獲得
orthogonal  : 罰球那幾乎都是有要出手被犯掉
orthogonal  : 不過還有and 1跟三分罰球的問題...其實場均罰球次數
orthogonal  : 還真不好精算
badangel0000: 簡單的事實 本來就不用理那個悲憤宅 超逗51F 05/05 05:43
Dino14124   : 請問龜龜在哪QQ52F 05/05 06:03
ken720331   : 推  比什麼感覺文好太多了....53F 05/05 06:10
ljk476820   : 好猛…54F 05/05 06:10
NWAHSEF     : 出手距離越近 防守球員越多 被犯規機會越高55F 05/05 06:16
azlbf       : 不想做就直說 大腸已經55556F 05/05 06:24
xeriom22576 : 結論就是勇士罰球少到靠北不是?57F 05/05 06:26
tim12345682 : 太神啦 大數據分析58F 05/05 06:39
SagaLin     : 自己也是統計背景推一下。我對紀錄的記錄方式不太59F 05/05 06:40
SagaLin     : 熟,想問出手距離是不是只計算成功出手的球?如果
SagaLin     : 獲得罰球的回合沒有算出手的話,這裡也許有一點樣
SagaLin     : 本選擇的偏誤在(雖然影響可能不會太多)。如果有
SagaLin     : 獲得罰球該次的出手距離,也許可以嘗試用距離解釋
SagaLin     : 獲得罰球與否試試看。
killuaz     : Curry出手距離遠  防守球員有比較少嗎?XD65F 05/05 06:54
palapalanhu : 推66F 05/05 06:54
ic09410     : 所以結論是什麼?67F 05/05 07:01
ken720331   : 掩護後三分出手  不就是抓瞬間空檔嘛 要什麼罰球68F 05/05 07:05
ken720331   : 圓柱體?
baller0allen: 結論就是沒有結論,數據太離散70F 05/05 07:18
baller0allen: 我知道basketballstate 可以抓到 出手形態,可以以
baller0allen: 出手形態為主做分析 可能比出手距離有用
baller0allen: 還可以加入柴犬的影響(每個柴犬整場比賽吹罰的數
baller0allen: 量與平均吹罰的偏離正負差)
kitoik5427  : 不要不要 我現在就想看太陽46罰75F 05/05 07:25
ken720331   : 阿銀是有可能把柴犬亂吹數據化嘛  他不是不想公開76F 05/05 07:25
Dickys200092: 有解決內生問題給推77F 05/05 07:25
hschian     : 聽君一席話,如同一席話~78F 05/05 07:28
ChrisPaul03 : 相關係數0.1  就不要用統計學觀點了79F 05/05 07:30
ChrisPaul03 : 很明顯不是這兩個變因在決定
edwinrw     : 推81F 05/05 07:33
tasimichael : 好了啦老哥82F 05/05 07:50
s8900117    : 專業推83F 05/05 08:05
p890089     : 推上面  R平方0.1這篇直接end84F 05/05 08:07
skywings1984: 認真!專業 !85F 05/05 08:11
BioJacob    : 推大大分析,但怕有人看不懂只想吵XD86F 05/05 08:11
y800122155  : 做出來結論跟想像不一樣就猛篩樣本數,那就不叫統計87F 05/05 08:12
y800122155  : 欸
ScarYao     : 不是 統計內容跟結論對不起來呀89F 05/05 08:13
ScarYao     : 就是一路解釋到自己要的結果
rolandgjh   : 相關係數只有0.1的統計結果可以說一點意義都沒有吧91F 05/05 08:24
rolandgjh   : …前面一堆推的可以說一下你們看懂了啥嗎
heartbeaz   : 推 但一大早起來看這個應該沒人看的下去93F 05/05 08:26
Presentation: 你的相關係數0.1太低,表示兩個變數是低度線性相關94F 05/05 08:29
Presentation: ,另外xy的比例差異過大,導致你覺得線畫起來很有
Presentation: 相關,實際上兩個軸的scale拉到一樣的話,回歸線應
Presentation: 該幾乎是水平線了
受教了,沒有考慮到XY軸Scale的問題,所以圖誤導性太強了。我補個內文
ruokcnn     : R方0.1連社科院的論文都不會過啦XD98F 05/05 08:37
※ 編輯: henry87927 (14.0.157.122 香港), 05/05/2023 08:37:39
ruokcnn     : 你商科484沒修過統計 補噓99F 05/05 08:39
hschian     : 刪文算了~ 獻醜而已~100F 05/05 08:41
MK47        : BioJacob    : 推大大分析,但怕有人看不懂只想吵XD101F 05/05 08:42
MK47        : 這個就是看不懂相關係數0.1的人吧
wainkid     : 有p先給推 但R沒有0.995的話...103F 05/05 08:43
※ 編輯: henry87927 (14.0.157.122 香港), 05/05/2023 08:47:54
JH4748      : 這幾篇知識含量有點高餒104F 05/05 08:49
※ 編輯: henry87927 (14.0.157.122 香港), 05/05/2023 08:49:34
hschian     : 出手距離/進攻方式 是兩馬子事 硬要綁在一起105F 05/05 08:49
hschian     : 攻擊籃框 容易獲得罰球 這基本常識
hschian     : 你要硬把出手距離拉近來講
hschian     : 就莫名其妙而已
hschian     : 最蠢就是那球星去套
hschian     : 每個球星有不同的攻擊方式
hschian     : 硬要抓球星來完美你的說法
Billbehappy : 給牡蠣112F 05/05 08:52
hschian     : 你怎麼不去查,發生犯規的區域在那邊最多?113F 05/05 08:53
hschian     : 硬要套欸~ 笑死~
chordate    : 你可以參考一下那些做進階數據的怎麼做115F 05/05 08:57
chordate    : 通常是分切入跳投去看,參考人家已經有的作法
chordate    : 可以少很多冤枉路
chordate    : 不是單純的用距離
Larry0806   : 他這麼認真, 怎麼噓的這麼兇, 這要給鼓勵阿!!119F 05/05 09:15
Presentation: 這種大學基礎統計學的回歸章節功課,圖跟數據解釋120F 05/05 09:18
Presentation: 成這樣,要怎麼給推?
Larry0806   : 有做功課就給推了~ 不滿意可以另闢新文推翻他阿122F 05/05 09:21
a12124477   : 你要國中小看懂這個太強人所難了吧123F 05/05 09:22
MK47        : 確實 國中小看圖多就推了 根本沒在管你推導過程、相124F 05/05 09:29
MK47        : 關係數跟結論的關係
Presentation: 推文不就說了,結論的正相關(出手距離、罰球數)126F 05/05 09:32
Presentation: 數據的相關係數只有0.1,表示低度線性相關,至於圖
Presentation: 為什麼看起來正相關是因為xy 軸的scale 差異過大,
Presentation: 如果調整scale,圖看起來應該會接近水平線,就不會
Presentation: 覺得很正相關了
Larry0806   : 來來來  你各位專業的學碩博  生一篇讓我增長見聞131F 05/05 09:33
Presentation: 我還正好真的是統計碩士呢,已經回覆的推文我想不132F 05/05 09:35
Presentation: 必再爭論下去,原po 也已經知道自己的結論過於粗糙
Presentation: ,等看看他修正後的文再說吧
jk10134     : 看完就覺得難怪我薪水漲很慢QQ135F 05/05 09:57
DonDonFans  : 結果兩天過去了 也只有原po在分析136F 05/05 10:07
DonDonFans  : 老哥辛苦了==
eugene7983  : 樣本數篩成這樣結果相關.1老實說啥都沒證明到……138F 05/05 10:29
e2167471    : 因為認真的誤導沒什麼好推的  這麼愛看認真製圖139F 05/05 11:51
e2167471    : 外面有很多地方都有在做這種製圖工程  專門把數據弄
a4326981    : 好猛141F 05/05 11:52
e2167471    : 得好像很顯著一樣  是哪些我就不說了142F 05/05 11:52
e2167471    : 座標軸比例就一個最基本的玩法
e2167471    : 或是改變座標軸起點  讓只差平移的看起來像倍數差的
e2167471    : 如果是在這種地方認真  不值得給予掌聲吧(非指本文)
gamania11234: 嗯,看不懂。有沒有大神認真解釋一下這篇的名詞跟146F 05/05 12:31
gamania11234: 重點QQ
duck329     : 反駁的要不要把你想要的條件直接用數據算出來148F 05/05 12:47
duck329     : 起碼人家有算出東西給你看,別又在那憑感覺在討論
Presentation: 統計數據圖表不是已經說明原po 解釋的問題點了,哪150F 05/05 13:12
Presentation: 裡看不懂?
TheOneisNEO : 上面講的製圖工程哈哈哈152F 05/05 13:29
y800122155  : 上面提scale的論述,我認為也是錯誤的,因為XY軸的153F 05/05 19:18
y800122155  : 單位根本不一樣,就沒有所謂哪一種scale才是正確的
y800122155  : 畫法,還是要回到回歸分析本身來評判解釋力夠不夠、
y800122155  : 相關性高不高
TheOneisNEO : 上面講的應該是同樣的數據 分不同的球員群體(CFG)157F 05/05 21:48
TheOneisNEO : 圖的長寬就不一樣 顯得好像某球員特別離群
TheOneisNEO : 不是單純的xy長度比
Presentation: 你都知道scale 單位不一樣,不就是我說的不能直接160F 05/06 09:24
Presentation: 畫出來看起來是正的斜率就說正相關嗎?哪裡論述有
Presentation: 問題
y800122155  : 你用錯誤的論述去批評另一個錯誤的論述,就會變成一163F 05/06 10:56
y800122155  : 個無毫意義的討論
Presentation: 笑了,我說原po沒考慮到兩軸的scale不一樣,所以畫165F 05/06 13:05
Presentation: 出來的圖才會像是很有正相關的回歸線,如果兩軸調
Presentation: 整,可能就不會覺得很有正相關,這句話根本跟你說
Presentation: 的單位毫無關係
Presentation: btw,通常這種scale 差異過大的狀況,會透過標準化
Presentation: 等方式來讓不同單位的資料可以盡量的比較,所以也
Presentation: 不是沒有方法可以來觀察

--
※ 看板: NBA 文章推薦值: 0 目前人氣: 0 累積人氣: 15 
分享網址: 複製 已複製
r)回覆 e)編輯 d)刪除 M)收藏 ^x)轉錄 同主題: =)首篇 [)上篇 ])下篇