Lautsprecher | Transkript |
| Chi-feng Ho | Einfluss der Alterung in der NBA und Benchmarking-Analyse. |
| Mason Chen ist der Co-Autor des Projekts. Der Hauptgrund, warum wir uns für dieses Produkt entschieden haben, ist, dass unser NBA-Idol Kobe Bryant letztes Jahr bei einem Hubschrauberabsturz ums Leben kam. |
| Viele Menschen beginnen, auf sein Renteneintrittsalter zu achten. Viele Medien und Fans sind der Meinung, Kobe könnte noch mehr spielen, anstatt die NBA-Liga zu verlassen. |
| Wir möchten wissen, ob diese historischen Spieler noch zwei bis drei Jahre weitermachen können. |
| Das Team könnte die Höchstvertragshöhe eines Spielers aufgrund seines Wertes, seiner aktuellen und künftigen Leistung, seines Alters und seiner früheren Verletzungsgeschichte in Betracht ziehen. |
| Es gibt keinen Unterschied zwischen einem Superstar und einem Ersatzspieler. Eines Tages werden sie mit Sicherheit mit einem altersbedingten Leistungsabfall konfrontiert sein. |
| Wenn der Superstar ihres Teams bereits mit einem Datenrückgang konfrontiert war, sollten sich die Teamtickets dann immer noch auf ihn konzentrieren? |
| Natürlich nicht. Die NBA ist eine Wirtschaftsallianz, deren Manager nur ein starkes Team aufbauen wollen, um die NBA-Meisterschaft zu gewinnen, anstatt zu verlieren, ohne selbst einen Vorteil daraus zu ziehen. |
| In unserem Projekt möchten wir Trainern, Trainern und Ärzten dabei helfen, herauszufinden, welche Bedeutung der Alterungsfaktor für NBA-Spieler hat. |
| Aus unserer Sicht werden wir prüfen, ob der Zeitpunkt für Kobes Abschied gut genug ist. Zweitens berücksichtigen wir Spieler, die zu spät und einige, die zu früh aus unseren Daten ausgeschieden sind. |
| Zuletzt haben wir daran gearbeitet, welche Rolle das Alter für NBA-Basketballspieler spielt, und einige Hinweise gegeben. |
| Im Rahmen unserer Ziele möchten wir zunächst statistische Modelle erstellen, um zu zeigen, dass das Alter ein wichtiger Faktor für NBA-Spieler ist. Anschließend werden wir anhand der Karriereverläufe ehemaliger Spieler die Leistung aktiver Spieler vorhersagen. |
| Im Datenauswahlteil berücksichtigen wir nur die Topspieler, die mindestens 1.200 Spiele und 15 Saisons absolviert haben. Und jede Saison nach den Saisons 1979-1980 sollte gezählt werden. |
| Wir schließen die Rekorde der kurzen Saison aus und entfernen dann alle Saisons, in denen die Spieler weniger als 20 Spiele spielen. |
| Gesamtminuten, erzielte Punkte und Punkte pro Minute. Drei Kategorien. Durch die Standardisierung der Jahresstatistiken jedes Spielers im Vergleich zum Karrieredurchschnitt. Schließlich haben sich 36 Spieler qualifiziert. |
| Der Karriereindex erstellt und verwendet den Standardisierungslogarithmus. |
| Obwohl diese Spieler qualifiziert sind und in unserem Datensatz gezählt werden, können wir nicht einfach ihre Punktzahlen und Minuten auf der Bühne zum Vergleich heranziehen. |
| Nach der Standardisierung wurde das Gruppenverhältnis der drei Kategorien ermittelt und daraus der Peak Career Index abgeleitet. |
| das ist gleich Z TM plus Z PP plus Z PM. Z TM ist gleich der Gesamtminutenzahl eines Spielers minus dem Gruppendurchschnitt. Und dann dividieren wir durch die Standardabweichung der Gesamtminutenzahl. Die Methode für drei Kategorien ist dieselbe. |
| Sie fragen sich vielleicht, warum wir die Z-Standardisierung durchführen? Weil Z-Statistiken zwei Vorteile haben. Erstens werden dadurch alle Standardabweichungsverzerrungen beseitigt und außerdem wird sichergestellt, dass der Karrieredurchschnitt der Spieler gleich gewichtet wird. |
| Dies ist das Muster für die Positionsverteilung von 36 Spielern anhand eines Balkendiagramms. Es zeigt den historischen Datensatz von 36 Power-Forward-Spielern mit der höchsten Qualifikation (11), und von Small-Forward-Spielern mit der geringsten Qualifikation (nur drei von ihnen waren qualifiziert). |
| Rechts oben zeigt das Diagramm, wie wir die Kombinationskurve berechnen, und das untere Diagramm zeigt die Kurve der drei besten Spieler (Kobe Bryant über LeBron James bis Michael Jordan) im Vergleich zur Kombination. |
| Warum haben wir uns entschieden, drei Spieler einzusetzen? Weil diese Spieler gut in Form bleiben und die besten Spieler aller Zeiten sind. |
| Indem wir den Durchschnitt der Punkte pro Minute und die Gesamtpunktzahl pro Minute in jeder Alterskategorie verwenden, kombinieren wir sie |
| als Kombinationskurve, die zum Vergleich der einzelnen Daten verwendet wird. Es ist leicht zu erkennen, dass der Spitzendurchschnitt im oberen Diagramm bei 27 Jahren liegt. Und jede Kategorie weist auf den höchsten Wert hin. Kobe Bryant ist ein gutes Beispiel, um das zu erklären. |
| In der unteren Grafik ist LeBron James ein Ausreißer, dessen Höchstalter bei 21 Jahren zu liegen scheint und dessen Kombinationskurve im Alter von 27 Jahren auf einen neuen Tiefpunkt fiel. |
| Die Positionsabhängigkeit in der Hochsaison soll das goldene Alter von Spielern auf unterschiedlichen Positionen ermitteln. Wir verwenden den ANOVA-Test, um die Abhängigkeit von fünf Positionen vom Alter zu ermitteln, gleich oder nicht. |
| Die abhängige Variable sind acht Faktoren. Wir wollen wissen, ob es Unterschiede gibt. Dann führen wir eine einfaktorielle ANOVA durch. |
| In der Abbildung links ist zu sehen, dass es zwischen den einzelnen Positionen der Basketballspieler Unterschiede gibt. Shooting Guard und Small Forward sind auch jünger als andere Spieler. |
| Die andere Art der ultimativen Strategie konzentriert sich am meisten auf Small Forward und Shooting Guard. Wenn der Neuling für das Training auf diesen beiden Positionen ausgewählt wurde, wird er viele Chancen und Zeit haben. |
| Obwohl die Run-and-Gun-Strategie in diesem Jahr beliebt ist, sind Small Forward und Shooting Guard auch früher in ihr goldenes Zeitalter eingetreten. Auf der Unterseite |
| Aus der ANOVA-Tabelle geht hervor, dass der P-Wert unter 0,5 liegt. Dies bedeutet, dass die Wahrscheinlichkeit die Nullhypothese ablehnen und daraus weiter geschlossen werden kann, dass mindestens eine der Positionen ein anderes Spitzenalter aufweist. |
| In der rechten Grafik liegt das MVP-Alter etwa zwei Jahre nach dem Höhepunkt des Spieleralters. Zu dieser Zeit erlebten die Spieler ihre goldene Altersspanne. Wir verwenden MVP normalerweise, um die Leistung eines Spielers zu vergleichen. |
| Mit zunehmendem Alter lassen ihre Körperfunktionen nach und die Verletzung kann ihre Bewertung bei der MVP-Auswahl beeinflussen. |
| Wir verwenden einen gepaarten T-Test entlang der Kurve der Altersstudie. Wir möchten den Zusammenhang zwischen dem Spitzenalter der Spieler und ihrem MVP-Alter sehen. |
| Wir möchten überprüfen, ob die Differenz zwischen zwei Maßwerten der Statistik ungleich Null ist. |
| Unsere Ergebnisse zeigen einen Spieler, der sein bestes Alter erreicht und im Durchschnitt nach zwei Jahren seinen MVP-Titel erhält. |
| Zwischen dem Spitzenalter und dem MVP-Durchschnittsalter ergab sich ein signifikanter Unterschied. Ein Vorhersagemodell kann die Hypothese jedoch nicht ablehnen, was darauf hindeutet, dass eine Vorhersage zutreffend ist. |
| Ja, wir haben die Urteile getroffen, die uns sagten, wenn die Leistung des Spielers weniger als 60 Prozent des Karrieredurchschnitts beträgt, könnten wir denken, dass, ob das |
| Person muss sich entscheiden, aufzuhören. Wenn jemand im letzten Jahr auch Leistungswerte von 80 % hatte, könnten wir davon ausgehen, dass Spieler noch zwei bis drei Jahre länger spielen könnten. |
| Kobe Bryant verließ die Liga mit 37 Jahren. Wir haben gesehen, dass er im letzten Jahr bei etwa 80 % seiner Leistungsfähigkeit geblieben ist. |
| Rechts...links ist eine Grafik zu sehen, die eine Gruppe von Spielern zeigt, die früher in den Ruhestand gehen sollten, dies aber nicht tun, insbesondere wenn man sich Juwan Howards |
| Die Leistung nach dem 34. Lebensjahr beträgt etwa 20 bis 40 % seines Karrierepotenzials. Wir könnten darauf hinweisen, dass Kobe mehr spielen kann und Juwan früher in den Ruhestand gehen sollte. |
| Unser Ziel beim Clustering ist, dass wir die Clustering-Ergebnisse nutzen möchten, um Trainern und Teams dabei zu helfen, die zukünftige Leistung ihrer Spieler vorherzusagen. |
| Wir haben JMP verwendet und 36 Spieler in sieben Cluster mit sechs verschiedenen Kategorien aufgeteilt. Die Objekte der Datensammlung werden einander ähnlich sein. |
| Schauen wir uns die Grafik an. Diese Grafik vergleicht Gary Payton und Derek Fisher in einigen Fällen. Auch der R-Quadrat-Wert ist ziemlich hoch |
| ihre eigenen Cluster, was bedeutet, dass eine starke Korrelation zwischen ihnen besteht. Basierend auf dem R-Quadrat-Wert könnte uns die Grafik deutlich zeigen, dass sie sich irgendwie ähneln. |
| Gary Payton zog sich 2007 aus der Liga zurück und Derek Fisher 2014. Ein Unterschied von sieben Jahren. Wir könnten Gary Paytons Karriereverlauf genauso gut nutzen, um die zukünftige Tendenz von Derek Fisher vorherzusagen. |
| Das Alter ist einer der wichtigsten Faktoren für NBA-Spieler. Mit zunehmendem Alter stehen die Spieler möglicherweise kurz vor dem Ruhestand. |
| Dieses kombinierte Kurvenmodell verwendet die Clusterung und Korrelation multivariater Statistiken, um zu zeigen, wie sich die Leistung der Spieler aufgrund der Altersunterschiede und der Leistungsentwicklung mit dem Alter verändert hat. Und die Modellierungsmethoden könnten auch auf andere Profisportarten angewendet werden. |
| Danke schön. |
