L'ultima volta che ci siamo interrotti, ti avevo (si spera) sedotto un’esplorazione delle “città d’oro” e come hanno raccontato una storia della storia olimpica. Mi ero prefissato l'obiettivo di cercare correlazioni geografiche nelle prestazioni atletiche, con un ultimo ostacolo di geocodificazione rimasto da superare. Bene, sono felice di annunciare che la geocodificazione è stata completata e ora tutti gli atleti olimpici (o almeno quelli con informazioni sul luogo di nascita) possono trascorrere il loro tempo al sole.
Un mondo pieno di stelle
Innanzitutto, iniziamo con una mappa di tutti gli atleti presenti nel set di dati. Dopotutto, la pratica migliore è visualizzare prima i dati.
Alcune cose mi sono saltate all'occhio guardando questa mappa.
- Anche se le Olimpiadi si vantano di essere globali, la densità dei luoghi di nascita degli atleti è piuttosto eurocentrica. Un buon modo per spiegarlo è colorare i luoghi di nascita per anno di partecipazione. Si noti che negli anni successivi vi è una maggiore partecipazione globale, il che riflette accuratamente il fatto che le Olimpiadi sono state prevalentemente un esercizio euro-americano per la prima parte degli anni 20. th secolo.
- Come ci si potrebbe aspettare, la distribuzione degli atleti tende a seguire abbastanza fedelmente la distribuzione della popolazione mondiale.
- Se l’elenco di cui sopra è vero, per gran parte dell’emisfero meridionale, la maggior parte della popolazione si trova ai margini dei continenti, al contrario dell’emisfero settentrionale, che tende ad essere più “riempito”. Immagino che questo abbia qualche relazione con la storia della colonizzazione, ma ho già iniziato a divagare….
A questo punto mi sono ritrovato in un piccolo enigma. Come potrei esplorare al meglio la mia domanda sulla correlazione geografica nelle prestazioni degli atleti?
Quanto è grande la pala di cui hai bisogno?
Per prima cosa ho provato a utilizzare l'analisi predittiva quando ho vinto una medaglia o una medaglia d'oro: alberi di regressione di base, alberi potenziati, alberi impacchettati, reti neurali, macchine vettoriali di supporto, Bayes ingenuo, vicini k-nearest... praticamente tutti i meravigliosi strumenti di analisi predittiva JMP aveva da offrire. Il mio obiettivo, per quanto folle possa sembrare, era provare a utilizzare le coordinate geografiche e l'anno della competizione per prevedere le prestazioni recenti, utilizzando i giochi successivi al 2000 a scopo di convalida.
Sebbene sia stato bello vedere alcuni risultati coerenti tra tutti questi metodi, ho notato che tutti tendevano semplicemente a ripetere ciò che potevo vedere nei dati stessi. Inoltre, i modelli risultanti non vincerebbero necessariamente alcun concorso sui dati per la migliore capacità predittiva (ho avuto la fortuna di ottenere un R ^ 2 superiore a 0,2). Ma volevo davvero, davvero, davvero che funzionassero, quindi ho trascorso diverse settimane provando e riprovando ogni metodo per vedere se produceva nuove intuizioni.
Alla fine, sono finalmente giunto a una realizzazione sorprendente: S a volte semplice è meglio!! Non fraintendermi; L'analisi predittiva è uno strumento potente e il fatto che ogni metodo che ho provato abbia dato quasi gli stessi risultati che non contraddicono ciò che ho visto nei dati grezzi dovrebbe essere la prova della loro validità. È semplicemente successo che, per quanto mi riguarda, stavo cercando di utilizzare una terna per scavare in cerca di informazioni quando tutto ciò di cui avevo bisogno era una semplice cazzuola.
Il brivido dell'esplorazione!
Quindi, a questo punto, potrei dedicare i prossimi paragrafi a spiegare in dettagli avvincenti le intuizioni che ho trovato su quali atleti, da quali luoghi, hanno ottenuto buoni risultati in quali sport. Potrei... ma dove sarebbe il divertimento? Invece, ho pensato di sfruttare la potenza dei dashboard JMP e di lasciare che tu, impavido lettore, esplori da solo! Lo troverai nella tabella Medalists_Summary nel file zip allegato. Insieme al dashboard è presente un'altra mappa interattiva che utilizza la nuova funzionalità di densità JMP15 esplorare la densità dei vincitori di medaglie per sport ed evento. Sentiti libero di esplorare o addirittura iniziare le tue indagini!
Questo non vuol dire che non fornirò alcune informazioni sintetiche. Ci sono stati alcuni sport in cui l'origine dei migliori atleti era quella prevista (ad esempio, hockey su ghiaccio, baseball e sci alpino), alcuni in cui l'origine era un po' una sorpresa (ad esempio, sollevamento pesi e pallanuoto), e alcuni altri dove non c'erano sembrava non esserci una vera origine definitiva (ad esempio, Triathlon e Calcio). Ma non credermi sulla parola. Vai a esplorare tu stesso!
Punteggi alti, elogi
In un precedente post sul blog , ho scritto sui pericoli derivanti dall'utilizzo di una statistica grezza perché è molto sensibile al denominatore (rappresentato dalla popolazione). Ho derivato una metrica del punteggio che cercava di compensare le statistiche sui tassi inutilmente gonfiati moltiplicando il tasso grezzo per un punteggio di probabilità, ponderando essenzialmente il tasso in modo che piccole popolazioni non distorcano i risultati. Ho pensato di provare qualcosa di simile qui, con la tariffa grezza che rappresenta la proporzione di medaglie o medaglie d'oro. Il punteggio che ho calcolato qui consisteva nel tasso grezzo moltiplicato per il punteggio di probabilità del numero di atleti per evento all'anno.
In un'altra tabella nel file zip allegato, etichettata Birthplace_Medalists_Summary, vedrai i conteggi e le percentuali delle medaglie riepilogati per ciascuna città di nascita nella tabella Medalists_Summary. Con quella tabella, c'è ancora un'altra trama interattiva che ti consente di esplorare i punteggi delle medaglie e delle medaglie d'oro in vari sport ed eventi. Ti incoraggio a provarlo e a confrontare i tuoi risultati con ciò che vedi nella dashboard dei medagliati (speriamo che non siano lontani...).
Come puoi vedere, qui c'è un grande tema di trame e mappe interattive. Questa è la bellezza della struttura grafica di JMP, una struttura che mi è sempre piaciuta e sulla quale imparo sempre di più.E ora, con la gratificazione grafica immediata di JMP 15, continua a migliorare!
Il sogno che non sapevo di avere
Dalla mia discussione sull'analisi predittiva sopra puoi vedere che non esiste sempre una forte correlazione tra posizione geografica e prestazioni atletiche. Ovviamente c'è molto di più in gioco. Un aspetto chiave che spero di esplorare in un post successivo è il ruolo dei club sportivi nelle prestazioni atletiche. C'è una storia straordinaria dietro a ciò che vorrei condividere con te ora!
Come probabilmente puoi immaginare, questo argomento mi entusiasma e sono stato felice di condividerlo con il mio manager, che apprezzo molto per avermi ascoltato e incoraggiato a riguardo. Si dà il caso che lei fosse in riunione con un altro manager che conosceva un dipendente della SAS di nome Mirko Mueller-Goulsby. Cosa c'è di così speciale in questo ragazzo che potresti chiedere? Beh, solo il semplice fatto che fosse un ex atleta olimpico! Esatto, SAS ha il suo atleta olimpico che lavora tra le sue mura. Mirko era un pattinatore artistico che ha gareggiato per la Germania ai Giochi Olimpici Invernali di Nagano del 1998. E la parte migliore di tutto questo? Grazie alla connessione del mio manager, ho potuto sedermi e pranzare con lui! Quanto è fantastico?! Come ho detto ai miei follower su Twitter ( @ckingstats , perdonate la mia spudorata spina), ho potuto realizzare un sogno che non sapevo di avere. È stato suo il suggerimento di esaminare i club di atletica, quindi non vedo l'ora di condividere con lui e voi i miei risultati su questo fronte nel prossimo futuro!
