Author Topic: • Modern Basketball Scouting & Statistics Discussion • Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno  (Read 456617 times)

eBAstats

  • Administrator
  • Hero Member
  • *****
  • Posts: 2646
Modern Basketball Scouting & Statistics Discussions
Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno


• Nivel de Calidad Global del Baloncesto 
• All Over Basketball Level of Quality


( para Traducción al Español= Ver a Continuación )

This question was moved to the right board: Basketball Statistics Formulas.

Please ! Use the 'Search' option BEFORE posting a message ! Thank you !

Visit: The eBA Basketball & Statistics Encyclopedia




Esta pregunta fue movida al foro correcto: Fórmulas Estadísticas del Básquetbol  .

Por favor ! Utilicen la opción 'Search' ANTES de postear un mensaje ! Muchas Gracias !


Visite: La Enciclopedia eBA del Baloncesto y las Estadísticas

Can_ciller

  • Newbie
  • *
  • Posts: 198
Modern Basketball Scouting & Statistics Discussions
Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno


• Nivel de Calidad Global del Baloncesto 
• All Over Basketball Level of Quality


( for English Translation= See the Previous Message )

Cuales fórmulas o métodos deberíamos intentar y cómo podemos descubrir o decidir si el baloncesto en términos generales es más talentoso ahora que hace 10, 20, 30 o 40 años atrás ?


Shop thousands of officially-licensed NBA items at NBAStore.com


What formulas or methods should we try and how can we discover or decide whether the basketball in general terms has realized talent in it now than 10, 20, 30, or 40 years ago ?

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

Visit: The eBA Stats Group WITH YOU on Twitter !

ESB Mario Sebastia

  • Administrator
  • Hero Member
  • *****
  • Posts: 1296
Modern Basketball Scouting & Statistics Discussions
Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno


Modelos Matemáticos y nuevas técnicas
para Evaluar a los Jugadores de Baloncesto

( for English Translation= See the Previous Message )

Un equipo de investigadores españoles y estadounidenses ha desarrollado un método para evaluar a los jugadores de baloncesto que, según sus creadores, se ajusta más a lo que demandan entrenadores y expertos de este deporte. La técnica emplea modelos matemáticos destinados a medir la productividad.


“La eficiencia y la productividad de las empresas a menudo se mide con la técnica DEA (Data Envelopment Analysis), y lo que hemos hecho es aplicar el mismo método a los jugadores de baloncesto”, explica José Luis Ruiz, investigador de la Universidad Miguel Hernández (UMH) y coautor del trabajo que esta semana publica el European Journal of Operational Research.

“Con la nueva técnica partimos de los mismos datos que emplea la Liga ACB (la liga española de baloncesto) para valorar a los jugadores, pero obtenemos más información, y ésta se ajusta más a lo que demandan los entrenadores y los expertos en basket”, comenta el investigador.

Hasta ahora el índice de evaluación de los jugadores se calcula con indicadores estadísticos de rendimiento. Cada aspecto positivo (conseguir canastas, rebotes o asistencias) se puntúa con +1, y los aspectos negativos, como perder la posesión del balón, restan un punto (-1).

“Esta evaluación tradicional da el mismo valor a todos los factores, pero la gente familiarizada con el baloncesto considera que los fallos no deben restar en la misma proporción que suma el meter una canasta o recuperar un rebote, por lo que hemos tenido en cuenta la opinión de estos expertos”, indica Ruiz.

Los modelos matemáticos que se han aplicado ponderan aspectos como puntos conseguidos, triples, tiros libres, porcentaje de aciertos, rebotes, asistencias, “robos” de balón y otras variables, así como su importancia relativa dependiendo además de si el jugador es, por ejemplo, un pívot o un base.

Los investigadores emplearon el método para analizar todos los jugadores de la liga ACB, por posiciones, de la temporada 2003-2004, aunque se podría aplicar en cualquier otra. Los resultados reflejan, por ejemplo, que de los 41 jugadores analizados en la posición de base, Elmer Bennett y Louis Bullock fueron los más efectivos; y los mejores pívots, Kornel David, Rubén Garcés, K. Kambala, Brent Scott y Kevin Thompson.



Devin Booker analysis | How empty are his stats?
Devin Booker has put up monster numbers in his first four NBA seasons. But he's never played on a team that won as many as 25 games, leading many to think that he's a paper tiger. This detailed film breakdown & scouting report examine the strengths and weaknesses of the Phoenix Suns guard while incorporating analytics & stats to assess his overall impact while laying out areas he can improve. Continue reading!


En general, el DEA clasifica como eficientes a las empresas o, como en este caso, a los jugadores que producen mejores resultados con igual o menos recursos, y los ineficientes son los que muestran un comportamiento que se aleja de los primeros, y para los que se especifica en qué aspectos deben mejorar”, concluye Ruiz. El coautor del estudio destaca que esta técnica también se ha utilizado “satisfactoriamente” en la evaluación de la eficiencia relativa de distintos países en cuanto a su productividad, o en estudios similares sobre universidades u hospitales.

Fuente= Data Envelopment Analysis (DEA)

:)  Mario Sebastiani -  eBA Stats Team - Análisis de las Estadísticas del Baloncesto

Visite: La Colección de Vídeos del eBA loncesto (2nd. y 4to. Foros)

HBC Brian Denver

  • Administrator
  • Hero Member
  • *****
  • Posts: 1334
Modern Basketball Scouting & Statistics Discussions
Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno


New mathematical models to effectively evaluate basketball players

( para Traducción al Español= Ver el Siguiente Mensaje )[/b]

A team of Spanish and American researchers have come up with mathematical models that may enable basketball trainers to evaluate players.

‘Efficiency and productivity in companies is often measured using the Data Envelopment Analysis (DEA) technique, and what we have done is to apply the same method to basketball players,’ Jose Luis Ruiz, a researcher at the Miguel Hernández University (UMH) and co-author of the study.

‘We have based this new technique on the same data used by the ACB League (the Spanish basketball league) in order to assess players, but we obtain more information, and this is better adapted to what basketball trainers and experts are looking for,’ says the researcher.

Thus far, statistical performance indicators have been used for calculating the evaluation index for players. Each positive aspect—shooting, rebounds or assists—is scored as +1, while negative aspects—such as losing possession of the ball—results in a point being removed (-1).

‘This traditional form of evaluation assigns the same value to all the factors, but people from the world of basketball do not believe that all faults merit losing the same amount of points to those gained for scoring or recovering a rebound, and that’s why we’ve incorporated the opinion of these experts,’ says Ruiz.

The researchers have revealed that their mathematical models applied encompass aspects such as points scored, hat tricks, free shots, scoring percentage, rebounds, assists, ‘ball stealing’ and other factors, as well as their relative importance, and also depend upon whether the player is a center or a point guard, for example.

They used the method to analyze all the players in the ACB League, by position, for the 2003-2004 season, although it could be applied to any other.

The research team observed that of the 41 players analyzed in the point guard position, Elmer Bennett and Louis Bullock were the most effective, while the best centers were Kornel David, Ruben Garcés, K. Kambala, Brent Scott and Kevin Thompson.


Counterpoints: Advanced Defensive Metrics for NBA Basketball
Research Paper presentation from the 9th MIT Sloan Sports Analytics Conference, Friday February 27, 2015, Boston, MA

Due to the ease of recording points, assists, and related goal-scoring statistics, the vast majority of advanced basketball metrics developed to date have focused on offensive production. It is straightforward to see who scored the most points in the 1985/86 season (Alex English, with 2414) or took the most 3-point shots in 1991/92 (Vernon Maxwell, with 473).

However, try to look up who had the most points against in 2013/14, or who prevented the most shots from being taken that year, and the history books are, remarkably, empty. Thus we stand in a muddled state where offensive ability is naturally quantified with numerous directly-measured numbers, yet we attempt to explain defensive ability through statistics only loosely related to overall defensive ability, such as blocks and steals. Alternatively, we quote regression-based metrics such as adjusted plus/minus which give no insight into how or why a player is effective defensively.

This paper bridges this gap, introducing a new suite of defensive metrics that aim to progress the field of basketball analytics by enriching the measurement of defensive play. The authors' results demonstrate that the combination of player tracking, statistical modeling, and visualization enable a far richer characterization of defense than has previously been possible. Their method, when combined with more traditional offensive statistics, provides a well-rounded summary of a player’s contribution to the final outcome of a game. Continue reading!


‘In general, the DEA classifies companies or, as in this case players, as efficient if they produce the best results with equal or less resources, and as inefficient if their performance is far behind that of the first group’, Ruiz concludes.

The co-author of the study stresses that this technique has also been used ’successfully’ in evaluations of the relative efficiency of various countries in terms of productivity, and in similar studies on universities and hospitals.

Source= Data Envelopment Analysis (DEA)
 
:) Brian Denver - eBA Stats Team - The Basketball Statistics Analysis

Visit: The eBa sketball Video Collection (2nd. & 4th. Boards)

BGA Roberto Azar

  • Administrator
  • Hero Member
  • *****
  • Posts: 1505
Modern Basketball Scouting & Statistics Discussions
Discusiones sobre Escouting & Estadísticas del Baloncesto Moderno


• Standard deviation of PF/possession 
• Desviación Estándar de FP/posesión


( para Traducción al Español= Ver a Continuación )

Pro Basketball Prospectus 2010 Amazon



... Fouls called by year at the NBA:
2007 finals, 54.6 fouls a game - Playoffs, 51 - Regular Season, 48.5
2006 finals, 51.5 fouls a game - Playoffs  48 - Regular season. 45.5.
2005 finals, 45.5 fouls - 2004, 41.5 -  2003, 49 -  2002, 46 - 2001, 46 -  2000, 48.
  Finals foul average for preceding 7 years: 47.8.
 
1 - Therefore last year it was the highest PF call rate but not a significant difference with the two recent seasons.
2 - 3.6 more fouls called than in playoffs series is no significant.

3 - It looks like the refs were more rigorous in general, not just in this series.
4 - Playoff games have more fouls called per period, about two per game for home teams and three for away teams. The relative importance of these consequences is very small.
5 - Standard deviation of PF/possession is about 0.05. That means about 5 PF per game.
6 - If a team averages 25 PF per game: one in six games they'll have 30 or more PFs, and two games per season they'll have 35 PFs.
7 - There is really some tendency for a ref to call too many fouls on a team that fouls too much. ..."


:)  Prof. Roberto Azar - eBA Stats Team - The Basketball Statistics Analysis

Visite: La Enciclopedia eBA del Baloncesto y las Estadísticas


How to calculate Standard Deviation and Variance
Tutorial on calculating the standard deviation and variance for statistics class. The tutorial provides a step by step
guide. Continue reading!


Pro Basketball Prospectus 2010 Amazon



... Faltas personales sancionadas por año en la NBA:
Finales 2007, 54.6 faltas por partido - Playoffs, 51 - Temporada Regular, 48.5
Finales 2006, 51.5 faltas por partido - Playoffs  48 - Temporada Regular. 45.5.
  Finales 2005, 45.5 faltas - 2004, 41.5 -  2003, 49 -  2002, 46 - 2001, 46 -  2000, 48.
Promedio de faltas sancionadas en la Finales para los últimos 7 años: 47.8.
 
1 - Entonces el último año fue el del número más alto de FP sancionadas pero sin una diferencia significante con las últimas dos temporadas.
2 - La cifra de 3.6 más faltas sancionadas en las series de  los playoffs no es significativa.

3 - Pareciera ser que los jueces fueron mas rigurosos en general, no solamente en esas series.
4 - Los partidos de Playoffs tienen mas faltas sancionadas por período, cerca de dos por partido para los equipos locales y 3 para los visitantes. La magnitud de estos impactos es muy pequeña.
5 - La Desviación Estándar de FP/posesión es aproximadamente 0.05. Esto significa cerca de 5 FP por partido.
6 - Si un equipo promedia 25 FP por partido: uno en seis partidos tendrán 30 o más FPs, y dos partidos por temporada tendrán 35 FPs.
7 - Existe realmente una tendencia  que los jueces sancionan más faltas personales a un equipo que juega agresivamente y 'faulea' más que el oponente. ..."



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

Visit: The eBA Basketball & Statistics Encyclopedia