Author Topic: • Basketball Statistics Formulas Analysis & Tracking • Análisis & Registro de las Fórmulas Estadísticas del Básquetbol  (Read 546150 times)

BGA Roberto Azar

  • Administrator
  • Hero Member
  • *****
  • Posts: 1506
Basketball Statistics Formulas Analysis & Tracking
Análisis & Registro de las Fórmulas Estadísticas del Básquetbol


• "Wages of Wins" Algoritmo Explicado
• "Wages of Wins" Algorithm Explanation


( for English Translation= See Below )

En primer lugar, permitanos explicar cual es la temática de su pregunta. The Wages of Wins: Taking Measure of the Many Myths in Modern Sport - El Salario de las Victorias: Midiendo muchos de los Mitos en el Deporte Moderno -, es un libro escrito por tres economistas —David Berri, Martin Schmidt, y Stacey Brook— quienes han logrado un algoritmo para establecer el valor de los jugadores profesionales de baloncesto, utilizando métodos econométricos para evaluar objetivamente las estadísticas del baloncesto en términos de su impacto en las victorias de sus equipos.  

La teoría básica de los autores es que las mediciones de la eficiencia del jugador son mejores herramientas  para evaluar jugadores que las estadísticas como por ejemplo "puntos por partido".

Desde el momento en que los equipos tienen un número similar de posesiones en una contienda de baloncesto, el equipo que mejor haga uso de esas posesiones sera muy posiblemente el vencedor.  Perdiendo el balón sin convertir es "malo," mientras que convirtiendo una posesión en puntos es "bueno."  Los autores hicieron la regresión de nueve estadísticas para encontrar su impacto en las victorias.  He aquí una simplificación de sus conclusiones y hallazgos.

"Buenas" estadísticas: Cada punto, rebote, y recupero de balón tienen relativamente igual impacto en las victorias.  Ellos son casi el doble más importantes que cada bloqueo y asistencia.  Entonces, para cuantificar las estadísticas positivas, aquí hay una simple fórmulas: puntos + rebotes + recuperos + 1/2 (bloqueos) + 1/2 (asistencias)

"Malas" estadísticas: lanzamientos intentados de campo y pérdidas de balón tienen igual impacto negativo en las victorias. Ellos son el doble tan malos como   los tiros libres intentados y las faltas personales.  Y aquí está la fórmula simple para las estadísticas "malas": lanzamientos intentados de campo + 1/2 (tiros libres intentados) + pérdidas de balón + 1/2 (faltas personales)

Poniendo todo junto obtenemos lo que los autores llaman un "Win Score - Resultado de la Victoria":

Puntos + Rebotes + Recuperos + 1/2 (bloqueos) + 1/2 (asistencias) - lanzamientos intentados de campo - 1/2 (tiros libres intentados) - pérdidas de balón - 1/2 (faltas personales)

El "Win Score" prueba ser un excelente método para comparar jugadores que juegan en la misma posición.  Pero desde el momento en que los pivotes y los ala-pivotes tienen a obtener promedios más altos que los bases y escoltas, se hace necesario la aplicación de ajustes cuando se comparan ambos tipos de jugadores.

... y ahora sí, estamos listos para contestar a su pregunta.

Dudas ?   Envíenos sus preguntas y comentarios por medio de eBA InterMail !

:)  Prof.Roberto Azar -  
eBA Stats Team - Análisis de las Estadísticas del Baloncesto

Visite: El Gran Debate eBA de las Estadísticas
 




First of all, let explain about what is your question. The Wages of Wins: Taking Measure of the Many Myths in Modern Sport, is a book written by three economists —David Berri, Martin Schmidt, and Stacey Brook— who have come up with an algorithm for assessing the value of professional basketball players, using econometric methods to objectively valuate basketball statistics in terms of their impact on winning games.  

The basic theory of the authors is that measurements of a player's efficiency are better tools for evaluating players than statistics like "points per game."

Since teams have an equal number of possessions in a basketball contest, the team that efficiently uses those possessions is more likely to win.  Turning the ball over without scoring is "bad," while converting a possession into points is "good."  The authors regressed nine statistics to find their relative impact on wins.  Here's a simplification of their findings.

"Good" statistics: Each point, rebound, and steal have relatively equal impacts on winning.  They are about twice as important as each block and assist.  So, to quantify the positive statistics, here's a simple formula: points + rebounds + steals + 1/2 (blocks) + 1/2 (assists)

"Bad" statistics: field goal attempts and turnovers have equally negative impacts on winning.  They are twice as bad as free throw attempts and personal fouls.  Here's a simple formula for the "bad" stats: field goal attempts + 1/2 (free throw attempts) + turnovers + 1/2 (personal fouls)

Putting this all together we get what the authors call a "Win Score":

Points + Rebounds + Steals + 1/2  (blocks) + 1/2(assists) - field goal attempts - 1/2 (free throw attempts) - turnovers - 1/2 (personal fouls)

Win Score proves to be an excellent method of comparing players who play the same position.  But since power forwards and centers tend to have higher average Win Scores than guards, adjustments need to be made when comparing little men to big men.

... and now we are ready to answer your question...


Doubts ? Send us your questions and commentaries by means of eBA InterMail !

:D Translation & Links:
ebastats - the basketball statistics forum



Visit: The Basketball Statistics Blogs

Luis Gomez

  • Jr. Member
  • **
  • Posts: 348
Basketball Statistics Formulas Analysis & Tracking
Análisis & Registro de las Fórmulas Estadísticas del Básquetbol


• El Algoritmo de "Wages of Wins"
• The Wages of Wins Algorithm


( for English Translation= See Below )

Es el algoritmo de "Wages of Wins" una superación con referencia al Sistema de Análisis de las Estadísticas eBA o al Sistema de Eficiencia de la NBA ?


• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •


Is the Wages of Wins algorithm an improvement over the things like the eBA Basketball Statistics Analysis System or the NBA Efficiency System ?

:D  Translation & Links: ebastats - the basketball statistics forum]



Visit: The eBA Stats Group Portal

BGA Roberto Azar

  • Administrator
  • Hero Member
  • *****
  • Posts: 1506
Basketball Statistics Formulas Analysis & Tracking
Análisis & Registro de las Fórmulas Estadísticas del Básquetbol


• Índice Rice-Scott: Fórmula y Nombre  
• Rice-Scott Index: Formula & Name


( for English Translation= See Below )

El Índice Rice-Scott es simplemente la relación - ratio - de lanzamientos de campo intentados por el total de  lanzamientos de campo intentados y tiros libres intentados, como sigue:

IRS = Lanzamientos de Campo Intentados / (Lanzamientos de Campo Intentados + Tiros Libres Intentados)

Esta fórmula fue creada y desarrollada por Bob Bellotti algún tiempo atrás y fue designada para medir cuánto de las conversiones de un jugador vienen del juego perimetral en relación al juego interior.

Origen del Nombre: Durante los primeros tiempos de aplicación de este método en la NBA, Glen Rice y Dennis Scott fueron ambos jugadores con extremadamente altos números, especialmente en los lanzamientos largos, teniendo índices IRS destacables. De esta fuente fue que le quedó "pegado" el nombre de estos jugadores a este Índice.

Fundamento: El índice está basado en la teoría de que es más viable de que los intentos de tiros libres sean otorgados en lanzamientos cercanos al aro más que en jump-shots de largo alcance.  Un jugador con un alto índice IRS está probablemente "acampando" afuera sobre el perímetro, y entrando raramente a la zona pintada. Contrariamente, un jugador con un muy bajo RSI está probablemente convirtiendo la mayoría de sus puntos en la zona pintada.

:) Prof. Roberto Azar -  eBA Stats Team - Análisis de las Estadísticas del Baloncesto

Visite: Los Blogs de las Estadísticas del Grupo eBA Stats




The Rice-Scott Index is just the ratio of field goal attempts to the total of field goal attempts and free-throw attempts, as follows:

RSI = Field Goal Attempts / (Field Goal Attempts + Free-Throw Attempts)

This formula was created and evolved by Bob Bellotti some years ago and  was designed to measure how much of a player's scoring came from perimeter shots vs. interior play.

Name's Source: During the first year applying this method at the NBA, both Glen Rice and Dennis Scott were players with extremely high figures, specially on long range shooting, having remarkable RSI indexes. From this source this Index name.

Fundamental: It is based on the theory that free-throw attempts are more likely to be rewarded on closer shot attempts than on longer jump-shots.  A player with a very high RSI is likely playing out on the perimeter, and rarely entering the paint. In an opposite way, a player with a very low RSI is probably scoring the majority of their points in the paint.

:D Translation & Links:  ebastats - the basketball statistics forum



Visit: The eBA Basketball & Statistics Encyclopedia

ESB Daniel Ferrero

  • Administrator
  • Hero Member
  • *****
  • Posts: 1249
Basketball Statistics Formulas Analysis & Tracking
Análisis & Registro de las Fórmulas Estadísticas del Básquetbol


• What about the called "Magic Metric" ?
• Información sobre el "Magic Metric" ?


( para Traducción al Español: Ver a Continuación )

The Magic Metric uses a linear formula that is designed to account for the relative contribution of all basketball player. The MM is based on a mathematical analysis in which 11 equations are used to solve for eleven unknowns.

In another occasion we'll explain largely why this formula is not included in our revisions. More information at '//magicmetric.com'.

Our "Basketball Statistics Formulas Revision" you can find at Basketball Statistics Formulas with another resources.

:) Daniel Ferrero - eBA Stats Team - Basketball Statistics Analysis

Visit: The eBA Basketball & Statistics Encyclopedia




El Magic Metric usa una fórmula lineal que está designada para representar numéricamente la contribución relativa para todo jugador de baloncesto. El MM está basado en un análisis matemático en el cual 11 ecuaciones son empleados para resolver 11 incógnitas.

En otra ocasión le explicaremos más ampliamente por qué esta fórmula no está incluida en nuestras revisiones. Mayor información en '//magicmetric.com'.

Nuestra "Revisión de Fórmulas de las Estadísticas del Baloncesto" se puede encontrar en Fórmulas de las Estadísticas del Baloncesto junto a otros recursos.


:D Traducción & Enlaces: ebastats - el foro de las estadísticas del baloncesto



Visite: El LIBRO del Sistema eBA de las Estadísticas del Baloncesto

Ruben 221

  • Jr. Member
  • **
  • Posts: 201
Basketball Statistics Formulas Analysis & Tracking
Análisis & Registro de las Fórmulas Estadísticas del Básquetbol


• What about the called "Magic Metric" ?
• Información sobre el "Magic Metric" ?


( para Traducción al Español: Ver a Continuación )

What about the called "Magic Metric" ? Where can I find this formula.... It is not included in your "Basketball Statistics Formulas Revision" by Deborah Telmes...


• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •


Dónde puedo encontrar información sobre el "Magic Metric" ? No está incluida en vuestra "Revisión de Fórmulas de las Estadísticas del Baloncesto" por Deborah Telmes ...

:D Traducción & Enlaces: ebastats - el foro de las estadísticas del baloncesto



Visite: El Grupo eBA Stats CONTIGO en Google PLUS !