Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!Do you love football -- the NFL Draft, fantasy football and football video games? Then, start following Joseph Bryan of Koalaty Statistics on Twitter!你喜欢足球——NFL 选秀、梦幻足球和足球视频游戏吗？ 然后，开始在 Twitter 上关注 Koalaty Statistics 的 Joseph Bryan！
在过去的几年里，我一直在关注考拉统计在 Twitter 上，对足球数据的分析和预测建模感兴趣。 有时探索和分析的数据来自电子游戏，例如 EA Sports 的 Madden 足球，它会发布自己的球员和球队评级。 （我有一个喜欢足球和电子游戏的十几岁的儿子，他教我这些东西。）
随着足球很快重新开始，我向该帐户背后的人发了私信，他在简历中被确定为一位分析专家，拥有乔治亚大学的统计学学士学位。 结果是考拉蒂统计（ @KoalatyStats ) 是 Joseph Bryan，他很友好地告诉我一些关于他自己和他在做什么的事情。
Joseph 在乔治亚州出生长大，热爱足球——无论是大学还是 NFL。 虽然他曾计划在佐治亚大学学习机械工程，但在教授基础统计学课程通过将统计学应用于足球来教授概念后，他转了专业。 快进几年，现在这位拥有统计学本科学位的分析专家有一个追随者，他称之为“基于书呆子回归的足球观”。
在 Caterpillar 质量工程实习期间，他第一次在“实际应用程序”中使用数据。 在过去的一年里，他在乔治亚州的 Masterack 担任质量工程师，在那里他帮助将数据分析引入该设施并领导项目，估计每年节省超过 200,000 美元 (!)。
他于今年夏初结婚，并与正在宾夕法尼亚大学攻读经济学博士学位的妻子搬到费城。 现在他正在他的新城市寻找数据分析师的工作。 同时，他一直在分享对考拉蒂统计的分析。
告诉我们有关考拉蒂统计的信息？ 它是什么，您何时/如何/为什么开始它？
好的，所以几年前，我参加了一门名为应用线性回归的课程，这是我在 UGA 最喜欢的课程。 我的教授 Mark Werner 非常棒，真的让我爱上了回归。 那是一堂春季课，我想把我学到的东西应用到我喜欢的东西（足球）上。 因此，我开始进行回归以预测 NFL 选秀。 选秀是 NFL 的一项大型活动，发生在四月，也是我最喜欢的事情之一。 我想在草稿发生之前预测它，或者至少尝试一下。 我创建了一个回归，它还可以，但没什么了不起的。 我手动收集了所有数据（我现在没有任何技能），并且花了大约 30 个小时才使所有数据都变得可用。
过了一会儿，我的毕业典礼临近了，我想，“我应该开始把我的学位用于足球的东西……也许 Twitter 上的人会关心。”我使用了我更精细的统计技能/方法，并在 2018 年 NFL 选秀中获得了*令人敬畏*的成功。 在它发生之前，我以 0.67 R^2 预测了草稿。 我感到非常自豪，并开始培养一小部分追随者。 特别感谢彼得霍华德（ @pahowdy ) 谁是第一个转发我的作品的人。
从那里开始，我开始将我的方法/技能应用于不仅仅是草稿。 我想我需要一个名字，而我在高中的昵称是考拉……所以考拉统计就成立了。 我开始在 DFS（每日幻想体育）中使用回归，比如 DraftKings 和 FanDuel，我的追随者变得更大了。 现在，我大约有 1,803 名追随者，这对于基于书呆子回归的足球运动来说是一大堆。 刚开始的时候，我从没想过我会超过 100 个追随者。 这一切都始于 NFL 选秀。 但它已经演变成几乎任何基于回归的东西（在足球中）。 我确实喜欢预测 DFS，这基本上是基于逐场比赛的。
Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game.Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game.Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game.Toward the end of 2018, Joseph Bryan made this Bayesian model using JMP. It predicted whether a running back would be “good” or “bad.” Good = above the avg FP (fantasy points) scored & Bad = below the avg FP scored. The goal was to add another variable to a larger ensemble model that predicted weekly success. The X axis is FP scored in a single game. 2018 年底，Joseph Bryan 使用 JMP 制作了这个贝叶斯模型。 它预测了跑卫是“好”还是“坏”。好 = 高于平均 FP（幻想点）得分 & 差 = 低于平均 FP 得分。 目标是在预测每周成功的更大集成模型中添加另一个变量。 X轴是单场比赛的FP得分。
足球迷对考拉蒂统计数据有何反应？
通常，“敬畏”就像“他是如何在事情发生前一个月预测到的？”或者当我预测某个星期内有一名突破球员时，人们会非常高兴。 这真的很有趣！ 最酷的时刻是人们看到我的工作并有足够的兴趣给我发私信以了解更多关于统计方法的信息。
你希望考拉蒂统计的结果是什么？
最终目标是帮助人们以有趣的方式学习统计数据。 每次有人问我上大学是为了什么而我说“统计学”时，他们*总是*说，“Ewwww，这很难/无聊”（或某种变体）。 统计是如此有趣，有趣，一旦你学得足够多，它就会非常有用。
你总是在梦幻足球比赛中获胜吗？
哈哈，有时候。 我的模型不是 100% 完美的——没有模型是完美的。 我仍在为所有事情努力，希望有一天我能做到。 我有几个星期我的模型几乎完美无缺，但我也有几个星期我的模型几乎没有什么正确的。
你最喜欢统计的什么？
我在大学转专业的全部原因是因为我认为，“有了统计数据，我可以预测未来”，在某种程度上这是正确的。 就像超能力一样，不是每个人都想要超能力吗？
您是如何开始使用 JMP 的？ 你为什么现在使用它？
我第一次被介绍给JMP在我在 UGA 的应用线性回归课程中。 在该课程中，我们学习了如何同时使用 R 和 JMP。 我今天仍然使用这两种方法，但主要是因为 JMP 具有出色的可视化和神经网络功能。 JMP 简化了大多数回归工具，使得在短时间内尝试多种不同方法解决问题变得非常容易。
人们还想了解您的哪些信息？
不开足球的时候，我喜欢看 NCAA 垒球和 NBA 篮球。 我在 UGA 的 Redcoat 军乐队中演奏长号。 我也是鹰童军。 最后，在 UGA 大四的时候，我在当地一所学校为幼儿园的孩子们教授了一门编程课，用于课后项目。
多么酷的家伙……以及使用 JMP 和统计数据的巧妙方法。 作为一名足球迷、梦幻足球老板和偶尔的 Madden 球员，这将是 Twitter 上的一个很好的追随者。 只是希望我的梦幻足球伙伴们不要阅读此博客，否则我将失去该优势！ 继续分析@DFF_考拉！
