JMP 기술 관리자인 Scott Wise가 정기적으로 게시하는 이 블로그에서는 분석을 사용하여 전 세계에서 발생하는 흥미로운 질문에 답하고자 합니다.이번 회에서는 Scrabble 게임에서 발생하는 "기술" 변화가 전문가 및 비전문가 토너먼트 사용자에 의해 어떻게 활용되었는지 살펴보겠습니다.JMP 14(양방향 간격 오차 막대)의 최신 그래프 기능을 사용하면 더 큰 세상이 어떻게 신기술에 적응하는지에 대한 통찰력을 얻을 수 있습니다!
훌륭한 통계 웹사이트의 Oliver Roeder 다섯서른여덟 '라는 제목의 흥미로운 기사를 썼습니다. ““Qi”와 “Za”가 스크래블을 어떻게 변화시켰는가”( https://fivethirtyeight.com/features/how-qi-and-za-changed-scrabble/ ).저자는 새로운 기술이 이용 가능해지면 고숙련 및 고소득(“1%”)이 더 빨리 이점을 누리게 되므로 경제적 불평등의 격차가 더 커진다는 경제 이론의 증거를 찾고 있었습니다. 나머지를 희생하여 새로운 기술을 개발합니다.이를 테스트할 데이터 모집단을 찾기 위해 저자는 인기 있는 단어 타일 게임 Scrabble의 토너먼트 결과를 참조하여 "기술" 변화가 시스템에 도입되었을 때 엘리트 플레이어의 평균 점수가 더 높은 비율로 증가했는지 확인했습니다. 게임.
기사에 언급된 주요 기술 변화는 2006년경에 일어났습니다. 먼저 그들은 큰 점수를 제공하는 "Qi" 및 "Za"와 같은 두 글자 조합을 포함하여 Scrabble Dictionary에 11,000개의 새로운 허용 단어를 추가했습니다. 또한 이 무렵에는 많은 훈련 연구와 인공 지능 도구가 디지털화되어 토너먼트 참가자들이 기술을 연습하고 연마할 수 있는 더 나은 방법을 제공했습니다.그러나 데이터를 통해 저자는 새로운 기술이 모든 평균 플레이어 점수에서 거의 10포인트 증가했다는 것을 알 수 있었지만, 경험이 있는 플레이어와 경험이 없는 플레이어 사이에서 이러한 현상이 더 많이 발생한다는 증거는 볼 수 없는 것 같습니다.운 좋게도 그는 다음의 데이터에 접근할 수 있는 소스를 제공했습니다. cross-tables.com 그리고 다음에서 사용할 수 있게 만들었습니다. Github.com ( https://github.com/fivethirtyeight/data/tree/master/scrabble-games ) 다른 사람들이 더 자세히 조사할 수 있도록 챌린지를 게시하세요!
데이터를 얻은 후 첫 번째 단계는 데이터를 "정리"하는 것이었습니다.점수가 0이어서 정보를 추가하지 않은 게임이 많았습니다(토너먼트 중에 발생한 몰수라고 가정).또한 1990년대 후반부터 디비전과 토너먼트 게임이 확대되었습니다.따라서 우리는 1990년대부터 상위 6개 부문에서 최소 점수가 200점 이상인 게임만 살펴보기 위해 데이터를 부분 집합화했습니다.그런 다음 데이터를 요약하여 각 부문의 연도별 평균 점수를 확인할 수 있었습니다. 마지막으로 우리는 연도를 6년 단위로 세 개의 기간으로 나누었습니다.
- 2000~2005년 – 기술 변화 직전
- 2006~2011 – 기술 변화 직후, 그리고
- 2012~2017년 – 기술 변화가 표준이 된 시기
이제 이 데이터를 시각적으로 분석할 준비가 되었습니다!표본 크기가 해마다, 부서마다 다를 수 있으므로 이 "연도별 평균" 데이터를 표시하는 것은 위험할 수 있습니다.또한, 토너먼트의 인기는 시간이 지남에 따라 증가하며, 이는 매년 사용 가능한 데이터의 양이 더 많아진다는 것을 의미합니다.따라서 우리는 평균의 표준 오차를 계산하여 평균과 평균의 유의성을 더 쉽게 비교할 수 있도록 평균 주위에 95% 신뢰 구간을 구축할 수 있었습니다.이를 그래프에 표시하기 위해 양방향 간격 오류 막대 보기를 허용하는 JMP 14 그래프 빌더의 새로운 기능을 활용할 수 있습니다.
Division 1의 최고 토너먼트 수준에 대한 그래프는 저자가 찾고 있던 파악하기 어려운 기술 변화를 보여주는 것 같습니다.기술 변화 기간 이전의 포인트 클러스터(2000~2005년의 파란색 포인트)는 이후의 다른 클러스터보다 훨씬 낮습니다. 기술 변화 기간(빨간색 점은 2006~2011년, 녹색 점은 2012~2017년).또한, 기술변화 이후 연도별 포인트 평균을 중심으로 95% 신뢰구간 오차바(십자선)가 더욱 촘촘하게 밀집되어 있는 것이 눈에 띈다.마지막으로, 대량의 데이터가 어디에 있는지 파악하기 위해 그래프에 밀도 등고선 플롯을 추가했습니다.
다음 디비전 2와 3을 보면 디비전 간의 구체적인 이야기가 덜 보입니다.기술 변화 이후 기간(빨간색과 녹색 점이 더 촘촘함)에서 연도 간 일관성이 더 높아지는 반면, Division 1에서 했던 연도 기간 간 큰 차이는 보이지 않습니다. 선수들은 하위 디비전보다 더 빠른 속도로 기술을 적응하는 데 더 빨랐습니까?
이것이 최종적인 견해는 아니며 우리가 데이터를 요약하고 표시하기 위해 선택한 방식에 따라 달라질 수 있지만 기술이 어떻게 다른 것보다 더 많은 것을 향상시킬 수 있는지에 대한 생각을 제공합니다.JMP 14 그래프 빌더에서 새로운 "양방향 간격 오차 막대" 및 기타 매력적인 보기를 구축하는 방법에 대한 자세한 내용을 보려면 새로운 JMP 커뮤니티 블로그의 자료를 참조하십시오. “JMP 14 그래프 빌더의 새로운 고급 보기” Xan Gregg와 Scott Wise가 Discovery Europe 2018에서 공개한 내용: ( https://community.jmp.com/t5/Discovery-Summit-Europe-2018/New-and-Advanced-Views-in-JMP-nbsp-14-Graph-Builder-nbsp-EU-2018/ta-p/ 51464 ) .우리가 활용한 "정리된" 데이터 세트(그래프 스크립트가 첨부된 JMP 데이터 테이블로 변환됨)는 JMP Community File Exchange의 다음 링크에서 찾을 수 있습니다. ( https://community.jmp.com/t5/JMP-Sample-Data/Scrabble-Tourney-Data-for-Two-Way-Error-Interval-Bars/ta-p/53661 ).
