¿En qué punto la discrepancia, en la NBA, tiene sentido para la leche del reloj de disparo?

Question

Estoy ciertamente no muy bien, con probabilidades, por lo que estoy solicitando la ayuda de la comunidad. Estoy viendo el juego 3 de las Finales de la NBA y estoy tratando de trabajar en el sentido que tiene para la leche el reloj de tiro.

Empecé tratando de trabajar fuera de Miami, los intentos posibles dado diferentes posesión de veces. por ejemplo, Si San Antonio es capaz de mantener un promedio de 21 segundos por posesión, cómo muchos de los intentos que hace que deje de Miami? Así que me tomé, Tiempo Restante/21 + Miami Promedio de Posesión.

Que es donde me he perdido. ¿Cómo puedo modelar situaciones con múltiples variables? ¿Qué tipo de conocimiento es allí en este problema. Me doy cuenta de que es más difícil de lo que puede ser explicado en un par de párrafos, pero los recursos sería genial.

Answer 1

espero que pueda ser de alguna ayuda. Vi el partido de anoche también fue genial. Los Spurs fueron realmente dominante en la primera mitad.

De todos modos, su cálculo inicial es correcta. Encontrar la cantidad de tiempo que Miami tiene la pelota es una simple resta de 60mins-SpursPossessionTime para todo el juego. Sin embargo, esto no ofrece ninguna pista para ayudar con juega. Tal vez el uso de intervalos más pequeños, como cada trimestre es un mejor comienzo.

Para tu otra pregunta en el modelado de las cosas con múltiples variables, Regresión Lineal es la respuesta. Esta es una técnica de modelado en el que decide qué variables se desea incluir, para tratar de coincidir con los datos existentes.

Así, por ejemplo, decir que tengo una lista de los resultados para la totalidad de los Miami heat de la temporada. Quiero hacer un modelo que permite determinar con precisión cuántos puntos de Miami se anotará en cualquier juego. Quiero usar cada motor de arranque como una variable. Por lo que sería MiamiPoints = intercept + C1*Lebron +C2*Wade + C3*Bosh + C4*Chalmers + C5*Haslem donde cada C es un coeficiente de la variable. Ahora, MiamiPoints sería una lista de puntos para cada juego y cada jugador debería contener una lista de puntos que anotó cada juego. Así que mirando en la última noche de datos,

98 = intercept + C1*22 + C2*22 + C3*9 + C4*2 + C5*0

Una vez que el análisis de regresión se realiza, podemos obtener los coeficientes que nos ayudan a hacer que el lado derecho de llegar lo más cerca posible del lado izquierdo. Ahora, también hay técnicas que te dicen cuando tienes demasiadas variables, no es suficiente variables, datos incorrectos, etc. Pero el análisis de regresión es definitivamente una manera correcta de tratar de modelar cosas con múltiples variables. Pero la elección de las variables es otra historia completamente, lo que requiere de un análisis minucioso del juego. En el ejemplo mostrado es una muy mala manera de determinar los puntos de Miami puntuaciones, ya que ellos son un equipo que dependen de otros jugadores, otros factores. También el uso de la fórmula antes de que el juego iba a ser difícil, porque usted tiene que predecir el número de puntos que cada jugador será la puntuación. Espero que esto ayude de alguna manera!