Calcolo della coerenza di tiro NBA

Quale sarebbe il modo corretto di valutare / determinare la coerenza di tiro in 3 punti di un giocatore NBA? Ad esempio, ho un giocatore che spara il 37% da 3 punti e fa 200 tentativi tutto l'anno.

Stavo considerando di prendere la media mobile a 3 punti% di un numero arbitrario di scatti (diciamo 20). Quindi usando quelle medie per determinare la deviazione standard dalla media del 37%. L'uso di una dimensione di campionamento a rotazione di 20 scatti consente solo una precisione del 5% nella percentuale di scatto, ma sono preoccupato che l'utilizzo di troppi scatti non rivelerà le incoerenze nelle prestazioni.

Esiste un approccio migliore per determinare la coerenza?

Come affermato da un altro utente nei commenti sopra, un test di corsa è il modo di analizzare i dati di scatto. Verifica l'ipotesi che gli elementi della sequenza siano reciprocamente indipendenti. Se l'ipotesi viene respinta, allora potresti dire che il tiro a 3 punti del giocatore è incoerente.

Vorrei anche indicarti questo articolo poiché è direttamente correlato alla tua analisi.

Penso che un test di corsa sia una buona idea. Per me, analizzando i dati in "blocchi", la tua intenzione è quella di creare un proxy o controllare le "mani calde" nella coerenza del giocatore. C'è un'enorme letteratura su questo fenomeno là fuori. Uno dei migliori lavori è stato discusso da Gelman sul suo blog nel luglio 2015. Il titolo del suo post era: "Ehi, indovina un po '? C'è davvero una mano calda!" ( http://andrewgelman.com/2015/07/09/hey-guess-what-there-really-is-a-hot-hand/ ). L'articolo di Gelman riporta è una confutazione a gran parte della letteratura precedente in quanto dettaglia gli errori commessi da precedenti analisi del fenomeno delle mani calde. Il lavoro precedente si è concentrato sulle probabilità complessive anziché su quelle condizionate. Questo documento propone un nuovo modello di probabilità sequenziale (vedere il collegamento per un riferimento al documento).

Una buona metrica di coerenza che dovrebbe controllare le differenze, ad esempio il numero di scatti, è il coefficiente di variazione. Il CV è una misura invariante di variabilità senza scala e viene calcolata dividendo la deviazione standard per la media. Il problema che tenta di risolvere è che le deviazioni standard sono espresse nella scala dell'unità sotto misura, cioè non è invariante per scala. Ciò significa che anche le metriche con valori medi elevati tenderanno ad avere deviazioni standard più elevate rispetto alle metriche con valori medi bassi. Quindi, ad esempio, a causa delle differenze nei loro valori medi, le misure della variabilità della pressione diastolica e sistolica non sono direttamente comparabili. Prendendo il CV, la loro variabilità diventa comparabile. Lo stesso vale per molte altre metriche come i prezzi delle azioni,

Pertanto, il CV può essere calcolato per molte metriche e tipi di scala, escludendo informazioni categoriche e misure con valori negativi.