La dernière fois que nous nous sommes arrêtés, je vous avais (espérons-le) séduit avec une exploration des « villes d’or » et comment ils ont raconté une histoire de l'histoire olympique. Mon objectif était de rechercher des corrélations géographiques dans les performances sportives, avec un dernier obstacle à surmonter : le géocodage. Eh bien, je suis heureux d'annoncer que le géocodage est terminé et que désormais tous les athlètes olympiques (ou du moins ceux disposant d'informations sur leur lieu de naissance) peuvent désormais passer du temps au soleil.
Un monde plein d'étoiles
Tout d’abord, commençons par une carte de tous les athlètes figurant dans l’ensemble de données. Après tout, la meilleure pratique consiste à visualiser d’abord les données.
Certaines choses m'ont sauté aux yeux en regardant cette carte.
- Alors que les Jeux olympiques se targuent d’être mondiaux, la densité des lieux de naissance des athlètes est plutôt eurocentrique. Une bonne façon d’expliquer cela est de colorer les lieux de naissance par année de participation. Il convient de noter qu’il y a une participation plus mondiale au cours des années suivantes, ce qui reflète fidèlement le fait que les Jeux olympiques étaient principalement un exercice euro-américain au début du XXe siècle. ème siècle.
- La répartition des athlètes a tendance à suivre assez près la répartition de la population mondiale, comme on pouvait s’y attendre.
- Si le point ci-dessus est vrai, pour une grande partie de l’hémisphère Sud, la majeure partie de la population vit à la périphérie des continents, par opposition à l’hémisphère Nord, qui a tendance à être plus « rempli ». Je suppose que cela a un rapport avec l'histoire de la colonisation, mais j'ai déjà commencé à m'éloigner du sujet….
À ce stade, je me suis retrouvé dans une sorte d’énigme. Comment pourrais-je explorer au mieux ma question de la corrélation géographique dans la performance des athlètes ?
De quelle taille de pelle avez-vous besoin ?
J'ai d'abord essayé d'utiliser l'analyse prédictive pour remporter une médaille ou une médaille d'or : arbres de régression de base, arbres boostés, arbres en sac, réseaux de neurones, machines à vecteurs de support, Bayes naïfs, k-voisins les plus proches… essentiellement tous les merveilleux outils d'analyse prédictive JMP avait à offrir. Mon objectif, aussi fou que cela puisse paraître, était d'essayer d'utiliser les coordonnées géographiques et l'année de compétition pour prédire les performances récentes, en utilisant les jeux après l'an 2000 à des fins de validation.
Même s’il était bon de constater des résultats cohérents entre toutes ces méthodes, j’ai remarqué qu’elles avaient toutes tendance à simplement répéter ce que je pouvais voir dans les données elles-mêmes. De plus, les modèles résultants ne remporteraient pas nécessairement les concours de données pour la meilleure capacité prédictive (j'ai eu la chance d'obtenir un R^2 supérieur à 0,2). Mais je voulais vraiment, vraiment, vraiment que cela fonctionne, et j'ai donc passé plusieurs semaines à essayer et réessayer chaque méthode pour voir si elle donnait de nouvelles informations.
En fin de compte, je suis finalement arrivé à une réalisation étonnante : S parfois simple c'est mieux !! Ne vous méprenez pas ; L'analyse prédictive est un ensemble d'outils puissants, et le fait que chaque méthode que j'ai essayée a donné presque les mêmes résultats, sans contredire ce que j'ai vu dans les données brutes, devrait être la preuve de leur validité. Il se trouve que, pour mes données, j'essayais d'utiliser une pelle rétrocaveuse pour creuser à la recherche d'informations alors que j'avais simplement besoin d'une simple truelle.
Le frisson de l'exploration !
Donc, à ce stade, je pourrais passer les prochains paragraphes à expliquer de manière détaillée les informations que j'ai trouvées sur quels athlètes de quels endroits ont bien réussi dans quels sports. Je pourrais… mais où serait le plaisir là-dedans ? Au lieu de cela, j'ai pensé utiliser la puissance des tableaux de bord JMP et vous laisser, lecteur intrépide, explorer par vous-même ! Vous le trouverez dans le tableau Medalists_Summary dans le fichier zip ci-joint. Outre le tableau de bord, il existe une autre carte interactive qui utilise la nouvelle fonctionnalité de densité dans JMP15 pour explorer la densité des médaillés par sport et par événement. N'hésitez pas à explorer ou même à lancer vos propres enquêtes !
Cela ne veut pas dire que je ne fournirai pas d’informations récapitulatives. Il y avait certains sports où l'origine des athlètes de haut niveau était comme prévu (par exemple, le hockey sur glace, le baseball et le ski alpin), d'autres où l'origine était un peu surprise (par exemple, l'haltérophilie et le water-polo), et quelques autres où il y avait ne semblait pas y avoir de véritable origine définitive (par exemple, le triathlon et le football). Mais ne me croyez pas sur parole. Allez explorer par vous-même !
Des scores élevés, des éloges
Dans un précédent article de blog , j'ai écrit sur les dangers de l'utilisation d'une statistique de taux brut car elle est très sensible au dénominateur (représenté par la population). J'ai dérivé une mesure de score qui tentait d'atténuer les statistiques de taux inutilement gonflées en multipliant le taux brut par un score de probabilité, pondérant essentiellement le taux afin que les petites populations ne biaisent pas les résultats. J'ai pensé essayer quelque chose de similaire ici, le taux brut représentant soit la proportion de médailles, soit la proportion de médailles d'or. Le score que j'ai calculé ici consistait en ce taux brut multiplié par le score de probabilité du nombre d'athlètes par événement et par an.
Dans un autre tableau du fichier zip ci-joint, intitulé Birthplace_Medalists_Summary, vous verrez le nombre de médailles et les pourcentages résumés pour chaque ville de naissance dans le tableau Medalists_Summary. Avec ce tableau, il existe encore un autre tracé interactif qui vous permet d'explorer les scores de médailles et de médailles d'or dans divers sports et événements. Je vous encourage à l'essayer et à comparer vos résultats avec ce que vous voyez dans le tableau de bord des médaillés (j'espère qu'ils ne sont pas loin...).
Comme vous pouvez le voir, il y a ici un grand thème de tracés et de cartes interactifs. C'est la beauté de la structure graphique de JMP, une structure que j'ai toujours appréciée et que j'apprends toujours davantage.Et maintenant, avec la gratification graphique instantanée de JMP 15, il ne cesse de s'améliorer !
Le rêve que je n'aurais jamais cru avoir
Vous pouvez voir dans ma discussion ci-dessus sur l’analyse prédictive qu’il n’y a pas toujours une forte corrélation entre la situation géographique et les performances sportives. De toute évidence, cela implique bien plus encore. Un aspect clé que j’espère explorer dans un article de suivi est le rôle des clubs sportifs dans la performance sportive. Il y a une histoire incroyable derrière tout cela que j'aimerais partager avec vous maintenant !
Comme vous pouvez probablement le constater, ce sujet me passionne et j'étais heureux de le partager avec mon manager, que je remercie beaucoup de m'avoir écouté et encouragé sur ce sujet. Il se trouve qu'elle était en réunion avec un autre manager qui connaissait un employé de SAS du nom de Mirko Mueller-Goulsby. Qu'y a-t-il de si spécial chez ce type, pourriez-vous demander ? Eh bien, le simple fait qu’il était un ancien athlète olympique ! C'est vrai, SAS a son propre athlète olympique qui travaille dans ses murs. Mirko était un patineur artistique qui a représenté l'Allemagne aux Jeux olympiques d'hiver de Nagano en 1998. Et le meilleur dans tout ça ? Grâce à la connexion de mon manager, j'ai pu m'asseoir et déjeuner avec lui ! C'est vraiment génial ?! Comme je l'ai dit à mes abonnés sur Twitter ( @ckingstats , pardonnez mon plug sans vergogne), j'ai pu réaliser un rêve que je n'avais jamais imaginé avoir. C'était sa suggestion de se pencher sur les clubs d'athlétisme, j'ai donc hâte de partager avec lui et avec vous mes résultats dans ce domaine dans un avenir proche !
