Für diejenigen, die solche Dinge verfolgen, erweist sich das professionelle Radfahren als faszinierend. Und Juli ist der beste Monat von allen, da es drei Wochen lang ist Tour de France , eine wunderbare Extravaganz von Athletik, Ausdauer und Marketing-Hype.
Zum ersten Mal preisen Experten einen Fahrer aus Großbritannien - Bradley Wiggins - als möglichen, sogar wahrscheinlichen Gewinner an. Kann die Datenanalyse Bradley also einen Rat geben, um seine Chancen zu maximieren, das legendäre Gelbe Trikot in Paris anzuziehen?
Wie bei vielen Sportarten stehen Daten zu vergangenen Leistungen zur Verfügung, wenn Sie nachschauen möchten. In diesem Fall waren jedoch einige relevante Daten leicht zu finden, da eine Analyse der Tour 2005 in dem ausgezeichneten Buch von Theus und Urbanek enthalten ist Interaktive Grafiken für die Datenanalyse . Sie können die Daten über herunterladen die Website für das Buch oder alternativ können Sie die Daten bereits als JMP-Tabelle aus dem JMP File Exchange (Download erfordert ein kostenloses SAS-Profil).
Abbildung 1 zeigt die Teams und das Alter der Fahrer, die das Rennen begonnen haben. Beachten Sie, dass der Fahrer, der das Rennen nach Paris gewonnen hat, als gelber Punkt und seine Teamkollegen als rote Punkte dargestellt werden (diese Farbe wird auch in nachfolgenden Grafiken verwendet).
Abbildung 2 zeigt die Gesamtwertung jedes Fahrers nach jeder Etappe in Form von a Parallele Darstellung . Für diejenigen, die mit diesem Display nicht vertraut sind, wurde es von entwickelt Alfred Inselberg , und es ist eine großartige Möglichkeit, um Struktur und univariate und multivariate Ausreißer anzuzeigen, wenn Sie viele Variablen haben. Obwohl man Farben, Größen und Formen verwenden kann, um die traditionelle Streudiagrammdarstellung von Daten zu erweitern, ist diese Idee bald völlig aus dem Ruder gelaufen.
Der Parallel-Plot löst dieses Problem auf einfache Weise, indem Koordinatenachsen in vertikaler Anordnung nebeneinander gestapelt werden. Abbildung 2 zeigt, dass die Tour 2005 aus 21 Etappen bestand. Mit dieser Darstellung können Sie eine große Anzahl von Variablen verwenden, bevor das Diagramm unhandlich wird und Beobachtungen als Linien und nicht als Punkte dargestellt werden. Dies bedeutet, dass die parallele Darstellung einige enthält interessante Funktionen , aber auch einige Unzulänglichkeiten, so dass die allgemeinere Vorstellung veranschaulicht wird, dass keine einzelne Visualisierung alles über Ihre Daten enthüllen kann.
Die Bezeichnungen auf der horizontalen Achse in Abbildung 2 zeigen, was Radsportfans bereits wissen, nämlich dass die Etappen der Tour in bestimmte Typen fallen, für die bestimmte Fahrertypen physiologisch besser geeignet sind. In diesem Fall gibt ein (TT) eine Zeitfahrphase an (in der die Fahrer einzeln konkurrieren und nicht mit Teammitgliedern oder Verbündeten kooperieren können) und ein (M) eine Bergetappe (oft Höhenunterschiede von 3.000 Metern oder mehr) Mehr). Es ist zu beachten, dass solche Stufen, wie zu erwarten ist, oft ein "Mischen" der Fahrer beinhalten (wie die Linien kreuz und quer zeigen).
Das Gelbe Trikot wird natürlich an den Fahrer in Paris vergeben, der die schnellste Rennzeit hat. Ränge erzählen also nur einen Teil der Geschichte. Mit der möglichen Ausnahme des Geburtsjahres in Abbildung 1 ist zu beachten, dass "kleiner ist besser" bei der Betrachtung der vertikalen Skalen in den Figuren. Abbildung 3 zeigt die Zeit des Fahrers für jede Etappe und gibt ein allgemeines Gefühl dafür, wie die Route aufgebaut wurde. Beachten Sie, dass in den parallelen Diagrammen Transparenz kleiner als 1 verwendet wurde (klicken Sie mit der rechten Maustaste in das Diagrammfeld, um diesen Wert festzulegen), und wir haben auch alle Fahrer im Team des Gewinners ausgewählt. Die Verwendung von Transparenz und das Auswählen von Zeilen (über den Datenfilter oder eine andere Ansicht) kann sehr informativ sein, wenn Sie viele Variablen haben.
Abbildung 4 zeigt die Gesamtzeit jedes Fahrers nach jeder Etappe. Beachten Sie, dass weder Abbildung 4 noch Abbildung 3 aufgrund der vertikalen Skalierung viel Einblick in die einzelnen Leistungen gibt. Obwohl Parallel Plot über einige integrierte Skalierungsoptionen verfügt, können manchmal informativere Anzeigen erstellt werden, indem Hilfsformelspalten definiert und geplottet werden. In diesem Fall ist es hilfreich, die kumulativen Zeiten in einer bestimmten Phase zu nehmen und die mittlere kumulative Zeit in diesem Stadium von allen Werten abzuziehen. Daraus ergibt sich Abbildung 4. Abbildung 4 zeigt eine schöne visuelle Darstellung der gesamten Renngeschichte und zeigt, wie die einzelnen Fahrer in jeder Etappe relativ gut abschneiden.
Theus und Urabek haben eine weitere Analyse der Daten. Welche allgemeinen Hinweise können wir Bradley als Ergebnis bieten? Die einfache und naheliegende Antwort lautet "am schnellsten nach Paris"! Dies beinhaltet eine Reihe von Aspekten, unter anderem, die nicht gezwungen werden, aufgrund eines Absturzes (wie in 2011) aufzugeben, und dass Teammitglieder dabei helfen können, zu jeder Etappe zu kommen und zu beenden (natürlich sind Zeitfahren ausgeschlossen). Was auch immer passiert, es wird sicherlich interessant sein zu sehen, wie sich die Dinge entwickeln. Am ersten Ruhetag (nach Stufe 9) war Bradley gelb. Komm schon, Brad!
Und wer das Radfahren verfolgt, wird wissen, dass der Tour-Gewinner 2005 Lance Armstrong für den Discovery Channel gefahren ist. Die Abbildungen 2 und 5 zeigen deutlich eine überragende, sogar übermenschliche Leistung. Diejenigen, die daran interessiert sind, möchten vielleicht etwas über das lesen letzte Anklage gegen Armstrong .
