WBT98 tilastoja

Aineisto on koottu Suomen Koripalloliiton palvelusta.

Aineistoa jouduin hieman korjailemaan, mm. muutama pelaaja oli pelanut kahdella pelinumerolla.

Analyyseissa käytettiin seuraavia muuttujia:

• o2p : 2p onnistuneet heitot
• h2p : 2p yritykset
• o3p : 3p onnistuneet heitot
• h3p : 3p yritykset
• o1p : 2p onnistuneet heitot
• h1p : 1p yritykset
• hl : hyökkäys lp
• pl : puolustus lp
• syo : syötöt
• vteh : tehdyt virh.
• vkoh : kohdistuneet virh.
• men : menetykset
• rii : riistot
• teh : teho
• pist : tehdyt pisteet
• pm : plus/miinus
• Min.num : pelatut minuutit

Yhteenveto pelaajien suorituksista

Tässä aggrekoituna data jolle alla olevat analyysit perustuvat. Analyysin perustuvat pääosin ottelukohtaisiin tietoihin.

Tähtikuvio esittää saman datan.

Keskiarvo ja varianssi

Tarkastellaan pelaajien eri parametrien keski-arvon ja varianssin suhdetta. Tämä näyttää missä määrin vaihtelu lisääntyy keskiarvon suhteen. Odotetusti varianssi eli vaihtelu lisääntyy keskiarvon kasvaessa.

Korrelaatioita pelaajien suoritusten välillä

Taulukoista voidaan lukea missä määrin pelaajien suorituksien välillä on riippuvuutta, ja mihin suuntaan. Vain korrelaatiot jotka perustuvat viiteen tai useampaan havaintoon on esitetty, muut on merkitty “X”:llä. Tämä perustuu ottelukohtaiseen dataan.

Esimerkiksi ensimmäisen taulukon toinen rivi (pist.05) kertoo korrelaatiokertoimet (ovat aina välillä -1.00-1.00) pelaajan nro 5 ja muiden pelaajein pisteiden välillä. Todetaan keskivahva negatiivinen korrelaatio (-0.68) pelaajien nro 5 ja nro 9 ottelussa tekemien pisteiden välillä.

Kahden pisteen yritykset ja onnistumiset

Kuviot ja korrelaatiot näyttävät yllätyksettömästi että 2p heittoyritysten määrän ja onnistuneiden heittojen välillä on vahva korrelaatio. Sekä Wartilla että vastustajilla n. 0.70.

Korrelaatio yritysten ja onnistumisten välillä, Wartti II[1] 0.7367

Pelaajien klusterointi

Klusteroidaan pelaajat seuraavien muuttujien perusteella:
o2p h2p o3p h3p o1p h1p hl pl syo vteh vkoh men rii teh pist pm Min.num

Tämä hierarkinen klusterointi jakaa pelajat ryhmiin aloittaen koko joukkueesta ja lopettaen siihen kun jokainen on omassa ryhmässään yksin.

Ensimmäinen on tehty ottamatta huomioon peliaikaa, toisessa on laskettu kaikki muuttujat suhteessa pelattuun aikaan, esim. pisteet on jaettu peliminuuteilla.

Ensimmäisessä kuvassa esim. pelaajat 10 ja 40 näyttävät olevan hyvin samanlaisia, he ovat vain yhden haarauman päässä toisistaan, samoin voidaan löytää muutkin samanlaset pelaaja parit ja ryhmät.

Kun otetaan pelatut minuutit huomioon kuvio on hieman erilainen.

Tässä pelaajat on klusteroitu kahden dimension suhteen kahteen klusteriin. Tulostus kertoo kunkin pelaajan todennäköisyyden kuulua klusteriin 1 tai 2.

## <hr><h4>Klusterointi kahteen osaan</h4>

## Fuzzy Clustering object of class 'fanny' :                   
## m.ship.expon.     2
## objective     535.1
## tolerance     1e-15
## iterations       13
## converged         1
## maxit           500
## n                19
## Membership coefficients (in %, rounded):
##    [,1] [,2]
## 04   87   13
## 05   38   62
## 06   80   20
## 07   23   77
## 09   20   80
## 10   29   71
## 11   24   76
## 12   50   50
## 13   43   57
## 14   86   14
## 15   22   78
## 16   86   14
## 19   25   75
## 20   82   18
## 21   73   27
## 25   20   80
## 30   73   27
## 40   27   73
## 43   86   14
## Fuzzyness coefficients:
## dunn_coeff normalized 
##     0.6479     0.2958 
## Closest hard clustering:
## 04 05 06 07 09 10 11 12 13 14 15 16 19 20 21 25 30 40 43 
##  1  2  1  2  2  2  2  2  2  1  2  1  2  1  1  2  1  2  1 
## 
## Available components:
##  [1] "membership"  "coeff"       "memb.exp"    "clustering"  "k.crisp"    
##  [6] "objective"   "convergence" "diss"        "call"        "silinfo"    
## [11] "data"

## Fuzzy Clustering object of class 'fanny' :                   
## m.ship.expon.     2
## objective     2.682
## tolerance     1e-15
## iterations       42
## converged         1
## maxit           500
## n                19
## Membership coefficients (in %, rounded):
##    [,1] [,2]
## 04   66   34
## 05   33   67
## 06   72   28
## 07   44   56
## 09   32   68
## 10   28   72
## 11   42   58
## 12   56   44
## 13   36   64
## 14   66   34
## 15   39   61
## 16   58   42
## 19   46   54
## 20   37   63
## 21   36   64
## 25   29   71
## 30   69   31
## 40   32   68
## 43   67   33
## Fuzzyness coefficients:
## dunn_coeff normalized 
##    0.54630    0.09261 
## Closest hard clustering:
## 04 05 06 07 09 10 11 12 13 14 15 16 19 20 21 25 30 40 43 
##  1  2  1  2  2  2  2  1  2  1  2  1  2  2  2  2  1  2  1 
## 
## Available components:
##  [1] "membership"  "coeff"       "memb.exp"    "clustering"  "k.crisp"    
##  [6] "objective"   "convergence" "diss"        "call"        "silinfo"    
## [11] "data"

Alla oleva kuvio osoittaa mainiosti kuinka 2p heittojen onnistumisten määrä riippuu suoraviivaisetiyritysten määrästä.

## 
## Call:
## lm(formula = o2p ~ h2p - 1, data = WBTBII.2012, subset = WBTBII.2012$NRO != 
##     "VAST")
## 
## Coefficients:
##   h2p  
## 0.353

## Analysis of Variance Table
## 
## Response: o2p
##                                      Df Sum Sq Mean Sq F value Pr(>F)    
## rcs(h2p, parms = c(2, 4, 7, 9, 12))   4   1461     365     182 <2e-16 ***
## Residuals                           171    343       2                   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Heittoprosentti

Alla olevassa kuviossa ovat pelaajien heittoprosentteja ja 95% luottamusvälit (viivat). Luottamusväli kertoo kuin tarkasti heittoprosentti pystytään arvioimaan. Se on sitä kapeampi mitä enemmän on heittoyrityksiä. Jos kahden pelaajan 95%-luottamusvälit ovat limittäin ei voida tehdä eroa heittoprosenttien välillä.

1-pisteen heitot

2-pisteen heitot

3-pisteen heitot