La última vez que lo dejamos, (con suerte) te había atraído con una exploración de las “ciudades doradas” y cómo contaron una historia de la historia olímpica. Me había fijado el objetivo de buscar correlaciones geográficas en el rendimiento deportivo, y aún quedaba por superar un último obstáculo de codificación geográfica. Bueno, me complace informarles que la codificación geográfica se ha completado y ahora todos los atletas olímpicos (o al menos aquellos con información sobre su lugar de nacimiento) pueden disfrutar de su tiempo bajo el sol.
Un mundo lleno de estrellas
Primero, comencemos con un mapa de todos los atletas en el conjunto de datos. Después de todo, la mejor práctica es visualizar los datos primero.
Algunas cosas me llamaron la atención al mirar este mapa.
- Si bien los Juegos Olímpicos se enorgullecen de ser globales, la densidad de los lugares de nacimiento de los atletas es más bien eurocéntrica. Una buena manera de explicar esto es colorear los lugares de nacimiento por año de participación. Tenga en cuenta que hay una mayor participación global en los años posteriores, lo que refleja con precisión el hecho de que los Juegos Olímpicos fueron predominantemente un ejercicio euroamericano durante la primera parte del siglo XX. th siglo.
- La distribución de los atletas tiende a seguir bastante cerca de la distribución de la población mundial, como era de esperar.
- Si el punto anterior es cierto, en gran parte del hemisferio sur, la mayor parte de la población se encuentra en los márgenes de los continentes, a diferencia del hemisferio norte, que tiende a estar más "lleno". Supongo que esto tiene alguna relación con la historia de la colonización, pero ya comencé a desviarme….
En este punto, me encontré en un enigma. ¿Cómo podría explorar mejor mi cuestión de la correlación geográfica en el rendimiento de los atletas?
¿Qué tamaño de pala necesitas?
Primero intenté usar análisis predictivo para ganar una medalla o una medalla de oro: árboles de regresión básicos, árboles potenciados, árboles en bolsas, redes neuronales, máquinas de vectores de soporte, Bayes ingenuo, k-vecinos más cercanos... básicamente todas las maravillosas herramientas de análisis predictivo. JMP tenía que ofrecer. Mi objetivo, por loco que parezca, era intentar utilizar las coordenadas geográficas y el año de competición para predecir el rendimiento reciente, utilizando los juegos posteriores al año 2000 con fines de validación.
Si bien fue bueno ver algunos resultados consistentes entre todos estos métodos, noté que todos tendían a repetir lo que podía ver en los datos mismos. Además, los modelos resultantes no necesariamente ganarían ningún concurso de datos por su mejor capacidad predictiva (tuve suerte de obtener un R^2 superior a 0,2). Pero realmente quería que funcionaran, así que pasé varias semanas probando y volviendo a intentar cada método para ver si arrojaba nuevos conocimientos.
Al final, finalmente llegué a una conclusión sorprendente: S ¡¡A veces lo simple es mejor!! No me malinterpretes; El análisis predictivo es un conjunto de herramientas poderoso, y el hecho de que cada método que probé dio casi los mismos resultados que no contradicen lo que vi en los datos sin procesar debería ser una prueba de que son válidos. Simplemente sucedió que, según mis datos, estaba tratando de usar una retroexcavadora para excavar en busca de información cuando todo lo que necesitaba era una simple paleta.
¡La emoción de la exploración!
Entonces, en este punto, podría dedicar los siguientes párrafos a explicar con fascinante detalle las ideas que encontré sobre qué atletas de qué lugares obtuvieron buenos resultados en qué deportes. Podría... pero ¿dónde estaría la diversión en eso? En lugar de eso, pensé en utilizar el poder de los paneles de JMP y permitirle a usted, lector intrépido, explorar por sí mismo. Lo encontrará en la tabla Medalists_Summary en el archivo zip adjunto. Junto con el tablero, hay otro mapa interactivo que utiliza la nueva función de densidad en JMP 15 explorar la densidad de medallistas por deporte y evento. ¡Siéntete libre de explorar o incluso comenzar tus propias investigaciones!
Eso no quiere decir que no proporcionaré información resumida. Había algunos deportes en los que el origen de los mejores atletas era el esperado (p. ej., hockey sobre hielo, béisbol y esquí alpino), otros en los que el origen era un poco sorprendente (p. ej., levantamiento de pesas y waterpolo), y en algunos más había No parecía haber un origen real y definitivo (por ejemplo, triatlón y fútbol). Pero no confíes en mi palabra. ¡Ve a explorar por ti mismo!
Puntajes altos, grandes elogios
en un anterior entrada en el blog , escribí sobre los peligros de utilizar una estadística de tasa bruta porque es muy sensible al denominador (representado allí por la población). Derivé una métrica de puntuación que intentaba amortiguar las estadísticas de tasas innecesariamente infladas multiplicando la tasa bruta por una puntuación de probabilidad, esencialmente ponderando la tasa para que las poblaciones pequeñas no sesguen los resultados. Pensé en probar algo similar aquí, donde la tasa bruta representa la proporción de medallas o de medallas de oro. La puntuación que calculé aquí consistió en esa tasa bruta multiplicada por la puntuación de probabilidad del número de atletas por evento por año.
En otra tabla en el archivo zip adjunto, denominada Lugar de nacimiento_Resumen_medalistas, verá el recuento de medallas y los porcentajes resumidos para cada ciudad de nacimiento en la tabla Resumen_medalistas. Con esa tabla, hay otra trama interactiva que te permite explorar los puntajes de medallas y medallas de oro en varios deportes y eventos. Te animo a que lo pruebes y compares tus hallazgos con lo que ves en el Panel de Medallistas (con suerte, no están muy lejos...).
Como puede ver, aquí hay un gran tema de gráficos y mapas interactivos. Esa es la belleza de la estructura gráfica de JMP, una que siempre he disfrutado y sobre la que siempre estoy aprendiendo más.Y ahora, con la gratificación gráfica instantánea de JMP 15, ¡sigue mejorando!
El sueño que nunca supe que tenía
En mi discusión anterior sobre el análisis predictivo se puede ver que no siempre existe una fuerte correlación entre la ubicación geográfica y el rendimiento deportivo. Obviamente, hay mucho más involucrado. Un aspecto clave que espero explorar en una publicación de seguimiento es el papel de los clubes deportivos en el rendimiento deportivo. ¡Hay una historia increíble detrás de esto que me gustaría compartir con ustedes ahora!
Como probablemente podrás ver, este tema me entusiasma y me alegró compartirlo con mi gerente, a quien aprecio mucho por escucharme y alentarme. Da la casualidad de que estaba en una reunión con otro gerente que conocía a un empleado de SAS llamado Mirko Mueller-Goulsby. ¿Qué tiene de especial este chico, te preguntarás? Bueno, ¡el simple hecho de que fuera un ex atleta olímpico! Así es, SAS tiene su propio atleta olímpico trabajando entre sus paredes. Mirko era un patinador artístico que compitió con Alemania en los Juegos Olímpicos de Invierno de Nagano en 1998. ¿Y la mejor parte de todo esto? ¡A través de la conexión de mi gerente, pude sentarme y almorzar con él! ¡¿Qué tan maravilloso es eso?! Como les dije a mis seguidores en Twitter ( @ckingstats , perdón por mi descarado), pude cumplir un sueño que nunca supe que tenía. Fue su sugerencia buscar clubes deportivos, así que espero compartir con él y con ustedes mis resultados en ese frente en un futuro cercano.
