📋 PTT 文章瀏覽
作者henry87927 (科大港仔)
標題進攻選擇跟罰球數的相關性
時間Fri May 5 01:45:07 2023
原文PTT 原始連結 ↗
→ ratzeial: 那你要不要順便看一下場均罰球高的球員出手距離跟罰球，跟你的公式有沒 有match? 問得好！ 最喜歡這種想要進行學（筆）術（戰）交流的朋友了！ 我們先不要把範圍限縮在場均高罰球次數的球員上，我首先比較好奇的是這個「出手距離跟 獲得罰球」的相關性，如果再細分到一個一個球員上，會不會也成立呢？ 首先，如果是用所有球員（我們算有出賽超過20場的）例行賽的數據去比較，那會長這樣： https://i.imgur.com/21BoZjf.png 欸怎麼變正相關？因為會有一堆低出手數低罰球數的球員堆在左下角那邊，整個分析就沒意 義了。 所以找出「場均出手多少次以上的球員才是有參考價值的樣本」就很重要了。 這邊歡迎各位版友提出更好的方法，我自己是用了帕雷托法則（就是鼎鼎大名的80/20法則 ）去做假設。 為了讓文理組都不得罪，這邊解釋一下80/20法則。大致上的意思是說80%的結果，都是源自 20% 的成因。 換句話說，小比例的原因就能帶來結果帶來巨大的影響。比如公司80%的營收大多來自前20% 的客戶、國家80%的GDP來自前20%的企業等等。 上NBA版還能學統計學，想不到吧。 回到主題，NBA的出手次數雖然沒有集中到80/20，但70/30卻是有的。 本季例行賽，NBA官網登錄539名球員，全聯盟出手了217220次。 而出手次數前30%的球員（前162名）的加總出手數是142926次，佔了全NBA的出手數的66%。 所以拿出手次數前30%的球員作為樣本，來比較「球員出手距離跟獲得罰球數量」的相關性 ，應該很有代表意義了吧： https://i.imgur.com/HeDrGir.png 嗯…還是正相關，我想了一下，發現我忽略了一個簡單的事實： 「越常出手的球員，本來就越容易有罰球啊。」 所以我再用這前30%的球員資料比較了場均出手數跟罰球數的關係： https://i.imgur.com/peXXGwp.png 果然有夠相關。 但仔細觀察圖表之後，發現隨著出手次數的增加，資料點開始逐漸發散，尤其以出手數15次 附近為分水嶺。 場均出手15次以上的「罰球數跟出手次數」相關性減弱了。代表有其他的變數在影響這個相 關性。 那我們把場均出手15次以上的數據（其實是14.7次以上因為我想把Poole也擺進來XD）拿來 比較，於是就得到了這張圖： https://i.imgur.com/NiJvay2.png 能場均出手14.7次以上，應該可以說是各隊主力球員（共58位），大家應該都認得就加了名 字上去。 順手標了幾個大家會感興趣的球員給大家當吵架素材，請珍惜帳號。 所以分析完數據之後下個結論： 1. 出手次數越多，就越有拿到罰球的機會（廢話 2. 球隊「主力球員」的攻擊選擇，則會受到出手距離的影響。出手距離越遠，得到的罰球 數越少。 有不少推文有提到相關係數太低的問題，的確這篇拿來當論文應該會被教授洗臉洗到翻過去 。 與罰球多寡有相關性的變數應該非常多，之後有空的話打算再抓多點數據做多變量分析。 這篇就當拋一個想法給大家討論，研究方式不嚴謹請見諒。 也附上這篇跟上一篇回歸線公式的比較： 上一篇回歸線： https://i.imgur.com/IjizhdM.png 這一篇回歸線： https://i.imgur.com/TIc7CZx.png 上一篇推文有人說要附上P value證明顯著性，好啦都來啦： https://i.imgur.com/XD5l4jZ.png 最後應你要求，「順便看一下場均罰球高的球員出手距離跟罰球，跟你的公式有沒有match? 」 我就抓場均最高的10位球員，自己看： https://i.imgur.com/kLnrWhu.png 商科算文組的話我文理組都待過啦。大家聊球就好。不要亂開戰場：） 以上一點小分享，感謝大家。有看到推文說想看太陽46罰的分析，要是最後西決湖人打太陽 我就做XD 數據都這裡抓的，有興趣歡迎各位多多利用[Teams Traditional | Stats | NBA.com](http s://www.nba.com/stats/teams/traditional?SeasonType=Regular+Season) -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.239.48.62 (香港) ※ 文章網址: https://webptt.cc/bbs/NBA/M.1683222309.A.199.html 受教了，沒有考慮到XY軸Scale的問題，所以圖誤導性太強了。我補個內文 ※ 編輯: henry87927 (14.0.157.122 香港), 05/05/2023 08:37:39 ※ 編輯: henry87927 (14.0.157.122 香港), 05/05/2023 08:47:54 ※ 編輯: henry87927 (14.0.157.122 香港), 05/05/2023 08:49:34

推文 (172)

推 larry780109 太神啦... 05/05 01:51
推 jay228 有些球員是投很多中距離，有些是切入+外線 05/05 01:52
→ jay228 單純用出手距離來看，似乎不太精確? 05/05 01:53
推 love1500274 其實有太多因素影響罰球 05/05 01:57
→ love1500274 球員會不會惡意萊犯規 和團隊是否為加分狀態 05/05 01:58
推 jay228 或許該用三種出手距離各自取得的罰球數來判斷球商 05/05 02:01
推 kasugamaru 怎麼不把罰球數/出手數 05/05 02:03
推 fish0414 不用理那個人浪費自己時間其實 05/05 02:06
→ linchw 他還能回你嗎 沒被水桶也太瞎 05/05 02:06
推 darren2586 我大半夜看版不是為了看到統計課本的QAQ 05/05 02:12
推 star1234 弱弱問,戰場是哪篇阿 05/05 02:15
推 rayisgreat 未看先推 戰起來戰起來 05/05 02:18
推 allse1032 太神啦看NBA版學統計 05/05 02:18
推 jgps61203 勇湖G2快開打了 這裡還在打G1 OT5 777777 05/05 02:21
推 obeyxxxx 以後一定要讓孩子好好讀書再去網路筆戰 05/05 02:26
推 abc32521 推統計學 05/05 02:29
推 ccs100203 推統計 05/05 02:32
推 willyhsuan Y軸放罰球數/出手數 X軸放出手距離加權 05/05 02:33
推 ymsc30102 推 戰場在前面同一個作者 跳投大隊vs切入大隊那篇 05/05 02:33
推 DonDonFans 推 05/05 02:33
推 Liability 推統計，比起只會留言跳針球商罰球好多了=_= 05/05 02:33
推 romeomonkey 超屌欸 課文應該寫這個有趣多了 05/05 02:45
推 wpd 他的前提是"場均罰球高的球員" 05/05 02:51
推 e8e88 MVP的球商好高 05/05 02:51
→ wpd 所以圖表裡不能列入場均低於大約3~4次的 05/05 02:51
推 wpd 你做的應該叫"出手數高的球員 出手距離跟罰球關係" 05/05 02:54
→ wpd 而不是"場均罰球高的球員 出手距離跟罰球關係" 05/05 02:55
推 canlest G1 OT打不完呀 05/05 02:57
→ wpd 你好像有點刻意繞一圈用出手數高 罰球數高的"相關" 05/05 02:57
→ wpd 去把這兩個前提直接替代掉 05/05 02:57
→ wpd 你要有你自己的篩選標準可以 不過跟別人問的就有差 05/05 02:59
推 Aether13 用腳想也知道有相關 重點是有沒有合理 公平吹判每個 05/05 02:59
→ Aether13 play 05/05 02:59
→ wpd 異 05/05 02:59
推 wpd https://i.imgur.com/NiJvay2.png 就這張表 05/05 03:01
→ wpd 場均罰球數低於3.5/4/4.5的拿掉 看看趨勢線如何 05/05 03:02
推 wpd 後來看到你在結論完以後補充地方才做 後面那圖可以 05/05 03:14
→ wpd 不過抓到TOP10 7.9罰 有點標準太高 多幾個篩選門檻 05/05 03:17
→ wpd 不如抓個5 剛好有Curry Poole 比較多人想看 05/05 03:18
→ Delirious15 幫結論：nba捧77買飯 鉛筆罰球賺分洗到MVP 05/05 03:27
噓 hschian 結論，普爾今年領多少？ 05/05 03:37
→ hschian 線上面那票領多少？ 05/05 03:38
→ hschian 最靠近普爾那個是不是欠噴？ 05/05 03:38
推 w25707693 不用浪費時間理某小丑欸 05/05 04:04
推 orthogonal 推 其實我建議把 場均罰球次數/場均出手次數 當作 05/05 04:46
→ orthogonal 罰球比例 去和出手平均距離算相關性 05/05 04:47
→ orthogonal 精確地說是 (罰球+出手次數)/出手次數 因為會獲得 05/05 04:47
→ orthogonal 罰球那幾乎都是有要出手被犯掉 05/05 04:48
→ orthogonal 不過還有and 1跟三分罰球的問題...其實場均罰球次數 05/05 04:48
→ orthogonal 還真不好精算 05/05 04:49
推 badangel0000 簡單的事實 本來就不用理那個悲憤宅 超逗 05/05 05:43
推 Dino14124 請問龜龜在哪QQ 05/05 06:03
→ ken720331 推 比什麼感覺文好太多了.... 05/05 06:10
推 ljk476820 好猛… 05/05 06:10
→ NWAHSEF 出手距離越近 防守球員越多 被犯規機會越高 05/05 06:16
推 azlbf 不想做就直說 大腸已經555 05/05 06:24
推 xeriom22576 結論就是勇士罰球少到靠北不是？ 05/05 06:26
推 tim12345682 太神啦 大數據分析 05/05 06:39
推 SagaLin 自己也是統計背景推一下。我對紀錄的記錄方式不太 05/05 06:40
→ SagaLin 熟，想問出手距離是不是只計算成功出手的球？如果 05/05 06:40
→ SagaLin 獲得罰球的回合沒有算出手的話，這裡也許有一點樣 05/05 06:40
→ SagaLin 本選擇的偏誤在（雖然影響可能不會太多）。如果有 05/05 06:40
→ SagaLin 獲得罰球該次的出手距離，也許可以嘗試用距離解釋 05/05 06:40
→ SagaLin 獲得罰球與否試試看。 05/05 06:40
推 killuaz Curry出手距離遠 防守球員有比較少嗎？XD 05/05 06:54
推 palapalanhu 推 05/05 06:54
推 ic09410 所以結論是什麼？ 05/05 07:01
→ ken720331 掩護後三分出手 不就是抓瞬間空檔嘛 要什麼罰球 05/05 07:05
→ ken720331 圓柱體? 05/05 07:05
推 baller0allen 結論就是沒有結論，數據太離散 05/05 07:18
→ baller0allen 我知道basketballstate 可以抓到 出手形態，可以以 05/05 07:20
→ baller0allen 出手形態為主做分析 可能比出手距離有用 05/05 07:20
推 baller0allen 還可以加入柴犬的影響（每個柴犬整場比賽吹罰的數 05/05 07:23
→ baller0allen 量與平均吹罰的偏離正負差） 05/05 07:23
推 kitoik5427 不要不要 我現在就想看太陽46罰 05/05 07:25
推 ken720331 阿銀是有可能把柴犬亂吹數據化嘛 他不是不想公開 05/05 07:25
推 Dickys200092 有解決內生問題給推 05/05 07:25
→ hschian 聽君一席話，如同一席話～ 05/05 07:28
推 ChrisPaul03 相關係數0.1 就不要用統計學觀點了 05/05 07:30
→ ChrisPaul03 很明顯不是這兩個變因在決定 05/05 07:31
推 edwinrw 推 05/05 07:33
噓 tasimichael 好了啦老哥 05/05 07:50
推 s8900117 專業推 05/05 08:05
推 p890089 推上面 R平方0.1這篇直接end 05/05 08:07
推 skywings1984 認真！專業 ！ 05/05 08:11
推 BioJacob 推大大分析，但怕有人看不懂只想吵XD 05/05 08:11
推 y800122155 做出來結論跟想像不一樣就猛篩樣本數，那就不叫統計 05/05 08:12
→ y800122155 欸 05/05 08:12
噓 ScarYao 不是 統計內容跟結論對不起來呀 05/05 08:13
→ ScarYao 就是一路解釋到自己要的結果 05/05 08:14
推 rolandgjh 相關係數只有0.1的統計結果可以說一點意義都沒有吧 05/05 08:24
→ rolandgjh …前面一堆推的可以說一下你們看懂了啥嗎 05/05 08:24
推 heartbeaz 推 但一大早起來看這個應該沒人看的下去 05/05 08:26
噓 Presentation 你的相關係數0.1太低，表示兩個變數是低度線性相關 05/05 08:29
→ Presentation ，另外xy的比例差異過大，導致你覺得線畫起來很有 05/05 08:29
→ Presentation 相關，實際上兩個軸的scale拉到一樣的話，回歸線應 05/05 08:29
→ Presentation 該幾乎是水平線了 05/05 08:29
推 ruokcnn R方0.1連社科院的論文都不會過啦XD 05/05 08:37
噓 ruokcnn 你商科484沒修過統計 補噓 05/05 08:39
噓 hschian 刪文算了～ 獻醜而已～ 05/05 08:41
→ MK47 BioJacob : 推大大分析，但怕有人看不懂只想吵XD 05/05 08:42
→ MK47 這個就是看不懂相關係數0.1的人吧 05/05 08:42
推 wainkid 有p先給推 但R沒有0.995的話... 05/05 08:43
推 JH4748 這幾篇知識含量有點高餒 05/05 08:49
噓 hschian 出手距離/進攻方式 是兩馬子事 硬要綁在一起 05/05 08:49
→ hschian 攻擊籃框 容易獲得罰球 這基本常識 05/05 08:49
→ hschian 你要硬把出手距離拉近來講 05/05 08:50
→ hschian 就莫名其妙而已 05/05 08:50
→ hschian 最蠢就是那球星去套 05/05 08:51
→ hschian 每個球星有不同的攻擊方式 05/05 08:51
→ hschian 硬要抓球星來完美你的說法 05/05 08:52
推 Billbehappy 給牡蠣 05/05 08:52
→ hschian 你怎麼不去查，發生犯規的區域在那邊最多？ 05/05 08:53
→ hschian 硬要套欸～ 笑死～ 05/05 08:53
→ chordate 你可以參考一下那些做進階數據的怎麼做 05/05 08:57
→ chordate 通常是分切入跳投去看，參考人家已經有的作法 05/05 08:57
→ chordate 可以少很多冤枉路 05/05 08:58
→ chordate 不是單純的用距離 05/05 08:59
推 Larry0806 他這麼認真, 怎麼噓的這麼兇, 這要給鼓勵阿!! 05/05 09:15
→ Presentation 這種大學基礎統計學的回歸章節功課，圖跟數據解釋 05/05 09:18
→ Presentation 成這樣，要怎麼給推？ 05/05 09:18
推 Larry0806 有做功課就給推了~ 不滿意可以另闢新文推翻他阿 05/05 09:21
推 a12124477 你要國中小看懂這個太強人所難了吧 05/05 09:22
→ MK47 確實 國中小看圖多就推了 根本沒在管你推導過程、相 05/05 09:29
→ MK47 關係數跟結論的關係 05/05 09:29
→ Presentation 推文不就說了，結論的正相關（出手距離、罰球數） 05/05 09:32
→ Presentation 數據的相關係數只有0.1，表示低度線性相關，至於圖 05/05 09:32
→ Presentation 為什麼看起來正相關是因為xy 軸的scale 差異過大， 05/05 09:32
→ Presentation 如果調整scale,圖看起來應該會接近水平線，就不會 05/05 09:33
→ Presentation 覺得很正相關了 05/05 09:33
推 Larry0806 來來來 你各位專業的學碩博 生一篇讓我增長見聞 05/05 09:33
→ Presentation 我還正好真的是統計碩士呢，已經回覆的推文我想不 05/05 09:35
→ Presentation 必再爭論下去，原po 也已經知道自己的結論過於粗糙 05/05 09:35
→ Presentation ，等看看他修正後的文再說吧 05/05 09:35
推 jk10134 看完就覺得難怪我薪水漲很慢QQ 05/05 09:57
→ DonDonFans 結果兩天過去了 也只有原po在分析 05/05 10:07
推 DonDonFans 老哥辛苦了== 05/05 10:11
推 eugene7983 樣本數篩成這樣結果相關.1老實說啥都沒證明到…… 05/05 10:29
→ e2167471 因為認真的誤導沒什麼好推的 這麼愛看認真製圖 05/05 11:51
→ e2167471 外面有很多地方都有在做這種製圖工程 專門把數據弄 05/05 11:51
推 a4326981 好猛 05/05 11:52
→ e2167471 得好像很顯著一樣 是哪些我就不說了 05/05 11:52
→ e2167471 座標軸比例就一個最基本的玩法 05/05 11:53
→ e2167471 或是改變座標軸起點 讓只差平移的看起來像倍數差的 05/05 11:54
→ e2167471 如果是在這種地方認真 不值得給予掌聲吧(非指本文) 05/05 11:55
推 gamania11234 嗯，看不懂。有沒有大神認真解釋一下這篇的名詞跟 05/05 12:31
→ gamania11234 重點QQ 05/05 12:31
推 duck329 反駁的要不要把你想要的條件直接用數據算出來 05/05 12:47
→ duck329 起碼人家有算出東西給你看，別又在那憑感覺在討論 05/05 12:47
→ Presentation 統計數據圖表不是已經說明原po 解釋的問題點了，哪 05/05 13:12
→ Presentation 裡看不懂？ 05/05 13:12
推 TheOneisNEO 上面講的製圖工程哈哈哈 05/05 13:29
推 y800122155 上面提scale的論述，我認為也是錯誤的，因為XY軸的 05/05 19:18
→ y800122155 單位根本不一樣，就沒有所謂哪一種scale才是正確的 05/05 19:19
→ y800122155 畫法，還是要回到回歸分析本身來評判解釋力夠不夠、 05/05 19:19
→ y800122155 相關性高不高 05/05 19:19
推 TheOneisNEO 上面講的應該是同樣的數據 分不同的球員群體(CFG) 05/05 21:48
→ TheOneisNEO 圖的長寬就不一樣 顯得好像某球員特別離群 05/05 21:49
→ TheOneisNEO 不是單純的xy長度比 05/05 21:49
→ Presentation 你都知道scale 單位不一樣，不就是我說的不能直接 05/06 09:24
→ Presentation 畫出來看起來是正的斜率就說正相關嗎？哪裡論述有 05/06 09:25
→ Presentation 問題 05/06 09:25
→ y800122155 你用錯誤的論述去批評另一個錯誤的論述，就會變成一 05/06 10:56
→ y800122155 個無毫意義的討論 05/06 10:56
推 Presentation 笑了，我說原po沒考慮到兩軸的scale不一樣，所以畫 05/06 13:05
→ Presentation 出來的圖才會像是很有正相關的回歸線，如果兩軸調 05/06 13:05
→ Presentation 整，可能就不會覺得很有正相關，這句話根本跟你說 05/06 13:05
→ Presentation 的單位毫無關係 05/06 13:05
→ Presentation btw,通常這種scale 差異過大的狀況，會透過標準化 05/06 13:17
→ Presentation 等方式來讓不同單位的資料可以盡量的比較，所以也 05/06 13:17
→ Presentation 不是沒有方法可以來觀察 05/06 13:17
推 womanloveme 邏輯、條件都合理～給推 05/06 20:39
‹ 回 NBA 列表