| Segmento |
Descrizione |
Chi è in onda |
benvenuto
|
Il monologo |
@julian
|
| Programma in primo piano |
Cosa possono dirci i dati del baseball su noi stessi?
Quando pensi all'analitica nel baseball, pensi immediatamente alle misure tradizionali come colpi, corse e sulla percentuale base. Se sei un appassionato di baseball, potresti conoscere metriche avanzate, come FIP, wOBA e altri termini Sabermetrici. In questa sessione, Sig Mejdal, uno dei primi analisti del baseball professionale, condivide con noi alcune metriche meno ovvie o insolite che influenzano il successo dei giocatori di baseball professionisti. Scopri come fenomeni come il boom immobiliare della California; la proliferazione di aria condizionata in Florida; e verso ovest e verso sud negli Stati Uniti l'espansione ha interessato dove le squadre della grande lega hanno cercato i giocatori per le loro organizzazioni. Lungo la strada Sig ci mostrerà anche come la posizione media dei principali leaguer è cambiata nel tempo, usando un grafico a bolle animato ed esamina l'analisi dell'osservazione del "limite di età" resa famosa da Malcom Gladwell Valori anomali. Scopri in che modo il mese di nascita può influenzare lo sviluppo precoce e continuo di giocatori forti e in che modo può influire sui principali trader attuali (e forse futuri). Sig termina il suo discorso mostrandoci ancora un'altra "noiosa tabella di dati", in particolare l'altezza del giocatore, e notando ciò che questi dati ci dicono sugli attuali principali leaguer.
|
@Sig |
| Programma in primo piano |
Mamba Magnificence: uno sguardo alla carriera di Kobe Bryant
Il basket ha sempre dominato il mondo dello sviluppatore dello statistico della ricerca principale Clay Barker. Da giovane si innamorò degli Atlanta Hawks e la sua passione per il gioco si intensificò solo quando si trasferì da Atlanta alla Mecca del basket di Chapel Hill, nella Carolina del Nord. Quindi, naturalmente, quando è arrivato il momento di scegliere una carriera, tutti quegli anni studiando il retro delle sue carte da basket hanno reso la decisione di perseguire statistiche facili. In questa presentazione, Clay guarda al punteggio nel corso della carriera ventennale di Kobe Bryant per vedere se la sua performance è davvero calata in queste ultime fasi della sua carriera, come sostengono molti dei suoi critici. Utilizzando la piattaforma di regressione generalizzata di JMP, Clay usa il lazo per cercare punti di cambio insieme ad altre caratteristiche come l'indicatore del campo di casa, l'avversario, le notti libere (per stagione) e l'indicatore dei playoff per analizzare e visualizzare come le prestazioni di Kobe sono cambiate nel tempo. Clay nota alcune ovvie conclusioni, in particolare quando si guarda al primo decennio contro il secondo, e come bonus, esamina come la traiettoria di carriera di Kobe si confronta con Michael Jordan, che molti credevano essere il miglior giocatore di basket nella storia della NBA.
|
@clay_barker |
| Programma in primo piano |
JMP in Sports Analytics
Il dott. Tim Chartier è professore di matematica e informatica al Davidson College, dove dirige un gruppo di analisi dello sport composto da 100 membri che fornisce analisi agli allenatori del college in vari sport. Il team fornisce inoltre analisi alle organizzazioni di tutto il mondo dello sport per mostrare loro come l'analisi dello sport può migliorare le prestazioni dei loro team. In questo segmento, il Dr. Chartier mostra come la sua squadra abbia usato JMP per prevedere quali giocatori sarebbero diventati MLB All-Stars e quali squadre avrebbero partecipato al torneo annuale di basket del college noto come March Madness. Utilizzando l'analisi delle partizioni in JMP, Chartier e il suo team hanno determinato il miglior predittore per diventare un All-Star MLB era una base totale, con RBI come statistica predittiva secondaria. Ma non era tutto, il suo team ha anche stabilito che anche i follower di Twitter erano un forte predittore - in particolare, se hai oltre 100.000 follower su Twitter, probabilmente sarai un All-Star, anche se le tue statistiche non sono abbastanza il segno! Nella seconda metà del suo discorso, Chartier mostra come il suo team è stato in grado di utilizzare quattro anni di log di gioco, analisi JMP e di partizioni per spiegare la tempesta perfetta di fattori che hanno permesso a un perdente di proporzioni storiche, il seme UMBC # 16, di sconfiggere # 1 seme, Università della Virginia, nel torneo NCAA 2018.
|
@julian |
| Programma in primo piano |
Statistiche per Fantasy Football
Con circa 60 milioni di persone in tutto il mondo che giocano ogni settimana, il calcio fantasy è diventato popolare quasi quanto gli stessi giochi NFL stessi. In questo segmento di JMP On Air, Joseph Bryan, fondatore / creatore di Koalaty Statistics ci mostra come usa l'analisi (insieme a JMP e R) per produrre una previsione settimanale su come si esibiranno i giocatori. Ad esempio, Joseph dimostra come ha usato una serie di metriche, inclusa la metrica critica di "iarde aeree" (iarde che la palla viaggia in aria), per aiutare a migliorare le possibilità dei suoi seguaci di scegliere il ricevitore largo giusto durante la maggior parte recente stagione NFL. Attraverso la presentazione, Joseph ti dà anche pepite aggiuntive per aiutare il tuo gioco, inclusa la sua osservazione che ogni giocatore della NFL si sta sempre pentendo loro significa che i buoni giochi non implicano altri buoni giochi e allo stesso modo per i cattivi giochi. Vuoi vincere il tuo campionato di calcio fantasy quest'anno? Inizia guardando questa presentazione.
|
@julian |
| Programma in primo piano |
Qual è il valore di un tiro in hockey?
In che modo un sudista del Tennessee, che ora vive in Georgia, diventa consulente dei dirigenti della National Hockey League? Scrivi un blog sulla mappa di Kobe Bryant con 30.699 scatti di carriera. Almeno è così che il consulente analitico SAS Sam Edgemon è arrivato al concerto. Combinando il suo amore per l'analisi e lo sport e un sacco di dati play-by-play forniti dalla NHL, Sam ha aiutato il team della NHL a comprendere meglio l'importanza del "valore di tiro". In particolare, Sam ha scoperto che ci sono punti chiave sul ghiaccio in cui la probabilità di segnare è molto più alta. Utilizzando la percentuale di goal segnati in base alla posizione sul ghiaccio in cui è stato effettuato il tiro, ha creato una metrica del "valore del tiro" per ogni tiro. La metrica e le visualizzazioni che Sam ha creato a supporto di essa ora aiuta il team in molti modi: come attaccano la rete, come disegnano, come hanno perseguito agenti liberi e altro ancora.
|
@samedgemon |
| Programma in primo piano |
Dove nascono i campioni olimpici
Lo statistico della ricerca JMP Caleb King si unisce a noi per darci un'occhiata a dove nascono i campioni olimpici. Usando JMP e i dati di Olympic Reference, Caleb ha esplorato i dati sulla provenienza delle medaglie d'oro, i dati sul luogo di nascita geocodificati per tutti gli olimpionici e condivide le sue intuizioni. I giocatori di basket e beach volley provengono principalmente dagli Stati Uniti? Il baseball tende a venire da Cuba? Gli sciatori alpini sono davvero delle Alpi? Utilizzando semplici filtri di dati in JMP, la mappa del mondo e le serie temporali animate vedono di persona. Avviso spoiler: le animazioni di Clay mostrano la storia in azione e potresti essere sorpreso dalle prime due città a produrre vincitori di medaglie d'oro e da quanto portano ancora tenere il resto del mondo.
|
@calking |
| Consiglio del giorno |
Graphlets in Graph Builder
Mary e Pete sono appassionati di calcio rispettivamente dei New York Giants e dei Denver Broncos, quindi non si sono divertiti molto sul campo successo per festeggiare di recente. Ma che dire di quando si tratta della bozza della NFL: le loro organizzazioni hanno almeno redatto con successo? In questo episodio del JMP Consiglio del giorno Pete e Mary esplorano i dati della NFL per vedere quanto spesso i loro team (e tutti gli altri franchise della NFL) raccolgono i 5 esimo anno opzioni per il loro 1 st scelte di bozze rotonde. (Se una squadra esercita il 5 esimo opzione annuale, che di solito è un indicatore di un giocatore prezioso che vogliono nella squadra per un altro anno.) Utilizzando Graphlets in JMP Graph Builder, Pete mostra a Mary se i dati dicono che i loro team stanno “vincendo” fuori dal campo, se non su di esso!
|
@phersh |
| Chiusura |
Gli ultimi 5 |
@julian |
