Nel consultare le società sulla costruzione di modelli con i loro dati, parlo sempre loro di come i loro dati possano differenziarsi nel tempo. Ad esempio, ci sono stagioni in cui ci si può aspettare un aumento dei casi di influenza al giorno, o c'è un ambiente economico in cui ci si potrebbe aspettare più default del prestito rispetto al normale? Questi sono esempi di informazioni chiave che contengono una sfida: come identificate questi periodi nei vostri dati in cui si verifica il cambiamento? E, puoi spiegare il cambiamento?
Questo argomento è sempre al primo posto quando lavoro con i clienti. Questa settimana, anche il gioco del baseball è nella mia mente, visto che la stagione è in corso.
Le discussioni recenti con alcuni dei miei amici appassionati di baseball si sono concentrati sulla storia del gioco e su come varie regole ed eventi hanno influenzato il gioco nel tempo. O il gioco è stato influenzato? Alcuni pensavano che le regole cambiassero e gli eventi non avrebbero potuto avere un impatto significativo, mentre altri non erano intermedi.
Come statista con dati e strumenti per analizzarlo, ho deciso di fare un po 'di ricerca. Mi è venuto in mente che questa era una buona opportunità per illustrare come possiamo discernere i periodi di tempo che sono stati influenzati da eventi, politiche o regole. Potremmo divertirci con i dati di baseball, tenendo presente che lo stesso approccio potrebbe applicarsi alle imprese di altri settori.
Il mio approccio
Major League Baseball (MLB) rende i suoi dati pubblicamente disponibili attraverso Sean Lahman (SeanLahman.com). Dal suo robusto set di file, ho creato un database completo di set di dati SAS con dati di baseball.
L'approccio al discernere diversi periodi di tempo (o nel caso del baseball, le epoche) era duplice: in primo luogo, mi basavo sull'opinione di esperti di ... me stesso. E in secondo luogo, vorrei esplorare una tecnica analitica per vedere se il risultato sarebbe d'accordo e sostenere l'opinione degli esperti - e inoltre, avrebbe superficie più periodi di interesse? Vedrai questa seconda parte in un post di follow-up.
Mi piace sviluppare i miei dati utilizzando SAS Data Step, e l'ho fatto da dentro Guida Enterprise SAS . In tal modo, ho sviluppato una semplice metrica che rappresenta il Runs Per Game (RPG), ritenendo che sarebbe la metrica che potrei usare per rappresentare i cambiamenti delle regole nel tempo. È stato detto che "le corse sono la valuta del baseball" e se una regola o un evento interrompono la normale produzione di corse nel tempo, allora dovremmo discuterne! Ho creato il set di dati e l'ho inviato senza problemi JMP .
Un grafico stimola la discussione
Usando Graph Builder in JMP, ho rapidamente creato uno dei miei mezzi preferiti di comunicazione analitica: lo scatterplot. Questo ha caratterizzato il gioco di ruolo medio contro Anno. E, non appena ho costruito il grafico (e lo ho condiviso), le domande e le osservazioni dei miei amici hanno iniziato a fluire:
Perché c'erano così tante corse prima del 1900?Perché c'erano così poche corse tra il 1900 e il 1920?Perché le esecuzioni cadono nei primi anni '40?Le corse non sono aumentate quanto mi aspettavo negli anni 2000 ...In che epoca siamo adesso?Il grafico si è evoluto un po 'quando abbiamo discusso queste domande. Ecco il grafico a dispersione di Mean Runs Per Game Through the History of Baseball che ha attivato queste domande e molte altre.
Ho aggiunto i colori e le linee di riferimento come le ere del gioco sono state differenziate nelle nostre discussioni. La maggior parte delle domande riguardava direttamente le epoche identificate dagli storici del baseball.
Alcune delle domande (e risposte) erano le seguenti:
Perché c'erano così tante piste segnate prima del 1900?
Fino al 1887, il battitore poteva essenzialmente chiamare il tono (cioè "alto o basso"), e il lanciatore era obbligato a rispettare.Fino al 1885 vennero usati pipistrelli "piatti".Fino al 1883, i tiri venivano lanciati sotto la vita e avevano meno velocità.Fino al 1877, ci furono "bei colpi" in cui le palle che potevano colpire inbound e "calciare" prima che la prima o la terza base fossero considerate colpi (oggi si chiamano palle di fallo).Questa era era conosciuta come "19 esimo Era del secolo. "Perché c'erano così poche piste segnate dal 1900 al 1920?
Molti produttori hanno prodotto palle da baseball con specifiche scarse e incoerenti.Le squadre hanno usato la stessa palla letteralmente fino a quando il coperchio non si è staccato - è diventato sporco e difficile da vedere.Questa era era conosciuta come "Dead Ball Era".Cosa è successo per aumentare la produzione di tirature dopo il 1920?
Dopo che Ray Chapman è stato colpito e ucciso da un lancio, il baseball ha iniziato a usare palloni puliti. I testimoni hanno affermato che Chapman non ha nemmeno battuto ciglio, il che ha portato a credere che non avesse visto la palla avvicinarsi.I battitori di Home Run come Babe Ruth sono emersi.La produzione costante (con nuclei di gomma consistenti) ha fatto sì che le mazze di baseball si staccassero più facilmente dai pipistrelli.Questa era era conosciuta come "Live Ball Era".Cosa è successo nei primi anni '40? Sembra che le corse siano cadute di nuovo.
I giocatori sostitutivi hanno giocato i giochi come "i regolari" si sono uniti ai militari durante la seconda guerra mondiale.Questo periodo non è sempre definito un'epoca, ma viene chiamato "Gli anni della guerra".Le domande hanno continuato a scoppiare ...
La discussione è proseguita in molte direzioni interessanti, ad esempio:
L'era dal 1947 al 1962 viene chiamata "Integration Years", quando Jackie Robinson si unì ai Dodgers il 15 aprile 1947.L'era che inizia nel 1963 lascia ancora perplessi gli storici del baseball su come chiamarla, o addirittura quante ere potrebbero esistere dal 1963 ad oggi. Ecco alcuni degli eventi e delle modifiche alle regole che hanno interessato il gioco dal 1963:Il campionato si espanse da 16 a 30 squadre, diluendo efficacemente il talento tra le squadre e spingendo molti a riferirsi a questo intero periodo dal 1963 ad oggi come "Era dell'espansione".La lega americana istituì il "Designated Hitter" nel gioco nel 1973, portando alcuni a riferirsi al periodo dal 1973 ad oggi come "Designated Hitter Era".Voci di giocatori che usavano droghe per migliorare le prestazioni sono emerse a metà degli anni '90, con il risultato che alcuni chiamarono dal 1995 al 2009 "Steroid Era".Ciò che è bello di tutta questa "scoperta" è che è successo dallo scatterplot iniziale e dall'identificazione di quelli che sembrano essere gruppi di anni con giochi di ruolo simili. Come abbiamo identificato i cluster di anni con produzione di run simile, abbiamo spiegato il motivo alla base del cluster, o lo abbiamo notato come un periodo di tempo con un cambiamento dovuto a una causa sconosciuta (e non vedevo l'ora di fare ulteriori ricerche!).
La prossima settimana useremo l'analisi per cercare di confermare queste ere del gioco e forse scoprire più periodi che meritano di essere investigati.
Interessato a vedere di più? Questo video passo-passo mostra come ho creato il grafico in Graph Builder:
https://youtu.be/gi1bn5qd79g
