Re: [討論] 超級賽爾提克人

看板NBA作者TheDream (美夢)時間16年前 (2008/01/02 23:38)推噓52(52推 0噓 89→)

留言141則, 40人參與討論串3/6 (看更多)

juby 27板友我想先問你個問題，你如果棒球跟籃球都有在看的話，那你認為目前棒球統計學發展的比較成熟還是籃球統計學呢？是棒球統計學在解釋棒球場上的問題時解釋的比較清楚還是籃球統計學在解釋籃球場上的問題比較清楚呢？籃球統計學應用在球場上的效力會比棒球統計學應用在球場上的效力來的大嗎？如果你認為籃球統計學的發展還不夠成熟到單獨拿來解釋球場上的問題，為什麼你如此執著在於單單以籃球統計學來解讀比賽呢？我從來不會反對拿籃球統計學來解釋球場上的事件，問題是我不會只拿籃球統計學就來解釋籃球場上的事件，因為我知道籃球統計學這塊領域的成熟度跟棒球統計學比起來還差的很遠，很多事件並沒有在籃球統計學中得到滿意的解答，所以你覺得光用籃球統計學能解釋出多有用的資訊呢？特別是你整篇文章就只秀出籃球統計學的資料時，你認為有多大的說服力呢？如果你是提出看Celtics 比賽時的防守站位與戰術，再搭配籃球統計學的觀點來論證的話，那起碼有一定的說服力，可是你卻只從籃球統計學的角度就直接斷定Celtics 的防守失分一定要再上修，這會讓我感覺你覺得籃球統計學無所不行，甚至可以完美預測未來的離群值走向（Celtics 目前的防守失分），可是籃球統計學真的可以嗎？重申那句話，你要使用這個統計學方法前，要先知道這個統計學方法的效力與限制，你給我的感覺就是籃球統計學無敵，可以完美解釋出籃球場上的事件，問題是籃球統計學的發展真的有你想像的這麼成熟嗎？我寫文章也會引用數據來佐證，但是我不會把籃球統計學的數據就當成真理去相信，因為我知道籃球統計學還有許多不完美之處，籃球統計學要讓我全盤相信前，必須先發展到一個成熟的階段。還有很重要很重要的一點，如果你也熟悉棒球統計學的話，你會發現棒球統計學應用在解釋過去的發生事件有很大的發展，但是應用在預測未來的事件時卻遇到不少瓶頸，尤其尤其是應用在預測那些right tail outliers 時更是屢次出現預測不準的狀況發生。就像你很愛舉的A-Rod 來說好了，他 06 年低潮後，你要不要重新去看看棒球統計學預測他 07 年成績預測成怎樣呢？而 A-Rod 在 07 年的表現又是怎樣呢？除了 A-Rod 之外，棒球統計學在預測鈴木一朗與王建民時又出現什麼樣的問題呢？只要是統計學的 model，在預測離群值時，都會出現很大的落差與不準，所以你認為籃球統計學可以拿來預測目前Celtics 失分這個離群值嗎？最近Yankees 板也有討論到統計學這方面的問題，我下面就引述某版友的文章讓你看看。研究最常見的問題就是用通則去套一個單一例子，研究人員常犯一個錯誤，就是把一個已經存在的model 去套用在一個新的例子上，說一定會打回原形，或是一定不是常態。但一個好的研究人員知道，以前的準則只是以當初的例子去推論，很久以前有研究指出人類100公尺的極限是9.8秒，就是犯了這個錯誤。以上摘錄自 Yankees 板，某版友的文章。所以你知道你犯了什麼錯誤嗎？在 Jordan 還沒出來以前，沒有人會認為一個得分後衛能主宰比賽成這麼誇張的境界；在 Shaq 沒有出來以前，沒有人會認為以後會再出現一個能夠比擬 Chamberlain 宰制禁區能力的中鋒；在 Kobe 沒有出來以前，人們甚至不認為現代的球員能夠單場拿下八十分以上；在 Kobe 沒有出來以前，人們也認為單季當場平均 35 分以上的球員應該不會再出現了。可是上面這些例子不就都活生生在我們眼前發生嗎？看了這麼多的例子，為什麼你還執著去用以前的例子所堆積出來的統計學model 來預測未來的離群值呢？我前面一直在提的就是不要舉特例，因為統計學的效力常常無法涵蓋到右邊與左邊的 outliers，在這種情況下，你要拿統計學來預測一個離群值會有多大的問題發生啊？ Celtics 本季的防守能力是不是統計學裡的離群值啊？而你現在要拿以前的資料所堆積出來的統計模型來預測未來的離群值？恕我說的坦白一點，請你不要濫用統計學，統計學不是這樣用的。雖然我很不喜歡在 NBA 板提到棒球的例子，這一點我在前面幾篇就已經講過了，真正了解棒球的人不會輕易地把籃球與棒球這兩門運動拿來類比，因為光是本質上就有很大的不同。不過你既然又舉了那麼多棒球的例子，那我就來聊聊對於你這些例子的看法。棒球統計學發明出許多數據來衡量一位球員的貢獻與能力，並且把數據經過年代、聯盟、球隊強度的調整，如：Win Shares、 VORP、 WPA、EqA、 BRAA、FRAA、WARP 等數據。而現在的籃球統計學呢？就問你一個問題就好，如果光看數據統計的話，你要怎麼去解釋 Ray Allen 、Paul Pierce、Kevin Garnett等三人的數據在Celtics 為什麼都下滑下來呢？難道是他們三個人都開始退化了？這裡的變化能夠從數據本身解讀出什麼東西嗎？而棒球統計學行不行呢？在這裡舉一個粗淺到不行的棒球統計學例子。今年明星賽前 Dan Haren 的成績是 2.30 ERA，基本上以過去的例子告訴我們美聯要出現低於 2.50 ERA 的投手是相當相當少見的，但是這只是以過去的例子來解釋而已，如果棒球統計學只能做到這樣的話，那就犯了跟 juby27 你前面一樣的錯誤，以過去的統計 model 來預測未來的離群值。很遺憾地，棒球統計學能做到的不僅僅是以過去來預測未來而已，Haren 前半季的好成績有一個很重要的原因是他的 BABIP 低到只有 .234 而已，FB 玩家看到這裡就會知道 Haren 的好成績是基於他異常的 BABIP，而不是他本身的實力表現。在明星賽後，等到 Haren 的 BABIP 升到 .357 之後，他的成績就慢慢又調回來了。而現在的籃球統計學光是看數據統計要如何去解讀 Allen、Pierce、Garnett 三人的數據下滑呢？你不看比賽只看數據看的出來為什麼數據下滑嗎？要先搞清楚籃球統計學的限制，然後再去使用它，而不是動不動就想要用籃球統計學來解釋球場上的任何事件，如果你正在做這種事情，那很抱歉，我覺得你濫用籃球統計學的精神。還有你一直在舉 A-Rod 在 07 年四月的高潮演出來證明他的全壘打數會下修。你是不是搞錯了什麼？A-Rod 今年四月的打數是多少？是 93 個AB ，而他整季是幾個打數啊？583 個AB。才 16 ％的打數而已，這完全就是小樣本的數據啊！任誰都知道這種小樣本的數據拿來預測任何東西都會有很大的偏差。你這個例子就像是拿籃球的例子來舉也是一樣，上個球季 Kobe 曾經連續四場比賽拿到 50 分以上，這四場比賽 Kobe 的總合 FGA 是 140 個（四場平均是一場 35 個 FGA），而他整季下來的 FGA 是 1757 個（一場平均是 22.8 個 FGA），這很顯然也是小樣本數據下的結果，拿這個來預測 2006-07 球季的 Kobe 在未來幾場會得到平均50分以上也是會有相當相當大的誤差，這不是很顯然易見的道理嗎？（我當然知道得分不是光看 FGA 而已，只是這邊我著眼在於提出 Kobe 在那四場球誇張的 FGA 數與整個球季的常態有很大的落差。）所以你反覆提A-Rod的例子是想證明什麼呢？不就是小樣本下的結果嗎？而現在整個賽季的比賽裡，Celtics 已經打超過三分之一的賽季了，這跟你前面舉的小樣本數據有一樣嗎？可以拿來一起比較嗎？我上面的論點簡單總結就是： 1、籃球統計學還有許多發展空間，也還不夠成熟，它還不能夠讓你來完美的詮釋球場上發生的事件，所以千萬不要以為拿出籃球統計學就是真理。 2、統計學是拿以前的資料來做分析並建立模形，在解釋以前發生的事件時會有很不錯的效力，但是拿來預測未來的事件會有相當大的誤差，尤其是你拿來預測未來事件的離群值時會出現更大的偏差。如果你認為今年球季Celtics 的防守失分能力是個離群值，那你還執意要用過去資料所組成的model 來預測今年Celtics 的失分能力，那很抱歉，這個系列我就只回文到這邊，因為我想講的話都在上面說了。 ps：在這邊講太多棒球的例子不太應該，我本身也反對在籃球討論群組談棒球的例子，回文只是針對 juby27 的一些盲點做出回應，對不喜歡在籃球討論群組看到棒球文的板友說聲抱歉。 -- http://blog.pixnet.net/IZXNHSO 個人 Blog，歡迎參觀指教。 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 118.168.15.85

推

iori35i

01/02 23:38, , 1^F

01/02 23:38, 1^F

→

kkjjkkjj

01/02 23:41, , 2^F

01/02 23:41, 2^F

推

oicecnir

01/02 23:41, , 3^F

01/02 23:41, 3^F