데이터를 사용하여 모델을 작성하는 것과 관련된 회사와상의하면서 필자는 항상 자신의 데이터가 시간이 지남에 따라 어떻게 차별화 될 수 있는지에 대해 이야기합니다. 예를 들어, 하루에 독감 케이스가 증가 할 것으로 예상되는 계절이 있습니까? 아니면 평상시보다 더 많은 부도를 기대할 수있는 경제 환경이 있습니까? 다음은 도전 과제와 함께 제공되는 핵심 정보의 예입니다. 변경이 발생한 데이터에서 이러한 기간을 어떻게 식별합니까? 그리고 그 변화를 설명 할 수 있습니까?
이 주제는 고객과 함께 일할 때 항상 염두에 둡니다. 이번 주에 야구 게임도 내 마음에 듭니다. 시즌이 시작됩니다.
야구 팬인 친구들과의 최근 토론은 게임의 역사와 시간이 지남에 따라 다양한 규칙과 이벤트가 게임에 어떤 영향을 미치는지에 집중되었습니다. 아니면 게임에 영향을 받았습니까? 어떤 사람들은 규칙이 바뀌고 이벤트가 중대한 영향을 줄 수 없다고 생각하는 반면, 다른 것은 비추력적이라고 생각했습니다.
그것을 분석 할 데이터와 도구를 가진 통계 학자로서 나는 약간의 연구를하기로 결정했다. 사건, 정책 또는 규칙의 영향을받은 기간을 어떻게 식별 할 수 있는지 설명 할 수있는 좋은 기회였습니다. 우리는 같은 접근법이 다른 산업 분야의 기업에도 적용될 수 있음을 명심하면서 야구 데이터를 재미있게 배울 수있었습니다.
내 접근 방식
MLB (Major League Baseball)는 Sean Lahman (SeanLahman.com)을 통해 공개적으로 데이터를 제공합니다. 그의 강력한 파일 세트에서 야구 데이터를 특징으로하는 SAS 데이터 세트의 포괄적 인 데이터베이스를 구축했습니다.
각기 다른시기 (또는 야구, 시대의 경우)를 식별하는 접근 방식은 두 가지가있었습니다. 첫째, 나는 전문가의 의견에 의존합니다. 둘째, 결과가 일치하고 전문가의 의견을 뒷받침 할 수있는 분석 기술을 탐구 할 것이며 또한 관심의 대상이 될 것입니다. 후속 게시물에서 두 번째 부분을 볼 수 있습니다.
SAS 데이터 스텝을 사용하여 데이터를 개발하고 싶습니다. SAS 엔터프라이즈 가이드 . 그렇게하면서, 나는 규칙 변화를 시간이 지남에 따라 나타 내기 위해 사용할 수있는 척도가 될 것이라고 생각하면서 RPG (Runs Per Game)를 나타내는 간단한 통계를 개발했습니다. "달리기는 야구의 화폐입니다"라고 말했고 규칙이나 사건으로 인해 정상적인 경기가 중단되면 시간을두고 논의해야합니다! 데이터 세트를 작성한 후 JMP .
그래프가 토론을 촉진합니다.
JMP에서 그래프 빌더를 사용하여 필자는 내가 좋아하는 분석 통신 수단 인 산점도 (scatterplot) 중 하나를 신속하게 만들었습니다. 이 게임은 평균 RPG 대 연도를 특징으로했습니다. 그리고 그래프를 작성하고 공유하자마자 친구의 질문과 관찰이 흐르기 시작했습니다.
1900 년 이전에 왜 그렇게 많은 달리기가 있었습니까?왜 1900 년에서 1920 년 사이에 거의 달리기가 없었습니까?왜 1940 년대 초반에 낙도가 떨어 졌습니까?실행은 내가 2000 년대에 예상했던만큼 많이 올라가지 않았다 ...지금 우리 시대는 언제입니까?그래프는 우리가 이러한 질문을 논의 할 때 약간 진화했습니다. 이 질문들과 더 많은 것을 촉발시킨 야구의 역사를 통한 Mean Pers of Game의 산란계가 있습니다.
우리의 토론에서 게임의 시대가 차별화됨에 따라 색상과 참조 선을 추가했습니다. 야구 역사가들에 의해 밝혀진 시대와 직접적으로 관련된 질문의 대부분.
몇 가지 질문 (및 답변)은 다음과 같습니다.
왜 1900 년 이전에 많은 득점이 있었습니까?
1887 년까지 배터는 본질적으로 피치 (즉, "높거나 낮음")를 말할 수 있었고 투수는 준수해야했습니다.1885 년까지 "평평한"박쥐가 사용되었습니다.1883 년까지, 피치는 허리 아래에서 시작되었고 속도가 떨어졌습니다.1877 년까지, "공정한 파울 히트"가 있었는데 인바운드를 치고 첫 번째 또는 세 번째베이스에서 "킥 아웃"한 볼을 히트로 간주했습니다 (오늘은 파울 볼이라고합니다).이 시대는 "19 일 세기 시대. "1900 년에서 1920 년 사이에 득점이 거의 없었던 이유는 무엇입니까?
많은 제조업체들이 불량하고 일관성없는 사양의 야구를 제작했습니다.팀이 덮개가 벗겨 질 때까지 똑같은 공을 사용했습니다. 더럽고보기가 어려워졌습니다.이 시대는 "Dead Ball Era"로 알려졌습니다.1920 년 이후에 생산량을 늘리려 한 이유는 무엇입니까?
Ray Chapman이 타격을 당하고 피치로 살해당한 후, 야구는 깨끗한 공을 사용하기 시작했습니다. 목격자들은 채프먼이 도피하지 않았다고 말하면서 대부분의 사람들이 공을 보지 못했다고 믿게했다.베이브 루스와 같은 홈런 타자가 등장했습니다.(일관된 고무 코어로) 일관된 제조로 인해 야구는 박쥐에서 더 쉽게 떨어졌습니다.이 시대는 "라이브 볼 시대"로 알려졌습니다.1940 년대 초에 무슨 일이 일어 났습니까? 달리기가 다시 시작된 것처럼 보입니다.
교체 선수들은 제 2 차 세계 대전 중 "정규군"이 군대에 합류하면서 게임을했습니다.이시기가 항상 시대라고 부르는 것은 아니지만 "전쟁의 해"라고도합니다.질문이 거품을 계속 ...
토론은 다음과 같이 많은 흥미로운 방향으로 계속되었습니다.
Jackie Robinson이 1947 년 4 월 15 일 Dodgers에 합류하면서 1947 년에서 1962 년의 시대를 "통합의 해"라고합니다.1963 년에 시작된 시대는 아직도 야구 역사가들이 그것을 무엇이라고 부르는지, 심지어 1963 년부터 현재까지 몇 시대가 존재할지 모른다고 혼란 스럽습니다. 다음은 1963 년 이후로 게임에 영향을 미친 이벤트 및 규칙 변경 사항입니다.리그는 16 개에서 30 개 팀으로 확장되어 팀 사이에서 효과적으로 재능을 희석 시켰고 1963 년부터 지금까지 "확장 시대"로이 기간 전체를 참조하도록 유도했습니다.아메리칸 리그는 1973 년에 "Designated Hitter"라는 게임을 시작하여 1973 년부터 현재까지의 "Designated Hitter Era"를 가리킨다.성과 향상 약물을 사용하는 선수들의 소문은 1990 년대 중반에 나타나서 1995 년에서 2009 년까지는 "스테로이드 시대"라고 불렀습니다.이 모든 "발견"에 대한 멋진 점은 최초의 산점도에서 발생한 것이고, 유사한 RPG를 가진 몇 년 동안의 클러스터로 보이는 것의 식별이라는 것입니다. 우리는 비슷한 생산 과정을 거친 몇 년 동안의 클러스터를 확인하면서 클러스터 뒤에있는 이유를 설명하거나 알 수없는 원인으로 인해 변경된 시간으로 간주했습니다 (그리고 더 자세히 조사하기를 기대했습니다).
다음 주에는 분석을 통해 게임의 시대를 확인하고 조사 할 가치가있는 기간을 더 많이 확보 할 것입니다.
더 많은 것을보고 싶습니까? 이 단계별 비디오는 그래프 작성기에서 그래프를 작성한 방법을 보여줍니다.
https://youtu.be/gi1bn5qd79g
