Προηγμένα στατιστικά εργαλεία στην ανάλυση δεδομένων καλαθοσφαίρισης - παραδείγματα και εφαρμογές στην Α1 γυναικών 2016-2017

Πέρδικος, Δημήτρης; Perdikos, Dimitris

dc.contributor.author	Πέρδικος, Δημήτρης	el
dc.contributor.author	Perdikos, Dimitris	en
dc.date.accessioned	2018-09-12T09:18:15Z
dc.date.available	2018-09-12T09:18:15Z
dc.date.issued	2018-09-12
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/47565
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15716
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Καλαθοσφαίριση	el
dc.subject	Basketball	en
dc.subject	Analytics	el
dc.subject	Αθλητισμός	el
dc.subject	Sports	en
dc.subject	Αθλητική στατιστική	el
dc.subject	Sports statistics	en
dc.subject	Sports data	en
dc.subject	Nba	en
dc.subject	Data	en
dc.title	Προηγμένα στατιστικά εργαλεία στην ανάλυση δεδομένων καλαθοσφαίρισης - παραδείγματα και εφαρμογές στην Α1 γυναικών 2016-2017	el
heal.type	bachelorThesis
heal.classification	Μαθηματικά	el
heal.classificationURI	http://data.seab.gr/concepts/da4b9237bacccdf19c0760cab7aec4a8359010b0
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-02-23
heal.abstract	Η διπλωματική εργασία καταπιάνεται με την χρήση των μαθηματικών και της στατιστικής στην καλαθοσφαίριση και το πως βοηθούν στην ανάλυση και την πρόβλεψη του παιχνιδιού. Αρχικά, συστήνονται κάποιες μέθοδοι που χρησιμοποιούνται όπως η Θεωρία Δικτύων και η ανάλυση με βάση τις κατοχές. Στη συνέχεια επικεντρωνόμαστε στη 2η, η οποία ουσιαστικά εκμεταλλεύεται τη δυική φύση του αθλήματος ώστε να αξιολογεί τις ομάδες κάτω από το ίδιο πρίσμα συστήνοντας μέτρα υπολογισμού της αποτελεσματικότητας της άμυνας και της επίθεσης μιας ομάδας. Έπειτα, χρησιμοποιούμε τους δείκτες που ορίστηκαν και αναφέρουμε τις κορυφαίες ομάδες σε επιδόσεις, σύμφωνα με αυτούς τους δείκτες σε μελέτες, οι οποίες έγιναν από τους επιστήμονες που τους επινόησαν. Αυτό μας βοηθά να κατανοήσουμε τη σημασία τους με παραδείγματα γνωστών ομάδων. Επίσης, συστήνουμε τη σύγκριση μεταξύ επιδόσεων με τη χρήση της τυπικής απόκλισης και παρουσιάζουμε ένα παράδειγμα ελέγχου σημαντικότητας για την επιρροή ενός παίκτη στην ομάδα. Στο Κεφάλαιο 6 συστήνουμε, τη μέθοδο Bell Curve, η οποία ουσιαστικά είναι μια προσαρμογή του ποσοστού νικών μιας ομάδας στην κανονική κατανομή με βάση τις επιδόσεις τους και εξηγούμε πως θα μπορούσαμε να εφαρμόσουμε αυτή τη μέθοδο στη στρατηγική μας και τι συμπεράσματα θα μπορούσαμε να εξάγουμε χρησιμοποιώντας την. Στη συνέχεια περνάμε στα ατομικά στατιστικά ενός παίκτη και το πώς μπορούμε να αναλύσουμε και να αξιολογήσουμε την παρουσία του. Συνεχίζοντας, εξηγούμε τι συμπεράσματα θα μπορούσαμε να εξάγουμε από ένα boxscore κατά τη διάρκεια ή αμέσως μετά το τέλος ενός αγώνα, κάτι εξαιρετικά σημαντικό για έναν προπονητή. Έπειτα, παρουσιάζεται μια νέα μέθοδος αξιολόγησης της ατομικής άμυνας, το Φύλλο Αμυντικής Αξιολόγησης, το οποίο επινόησε ο D.Oliver, με σκοπό την καλύτερη καταγραφή των αμυντικών επιδόσεων ενός παίκτη. Τελειώνοντας με τη μέθοδο με βάση τις κατοχές, αναλύουμε τους ατομικούς δείκτες των παικτών όσον αφορά το συνολικό αντίκτυπο που είχαν στα αποτελέσματα των ομάδων τους. Από το κεφάλαιο 11 και μετά, αναλύεται μια διαφορετική μέθοδος ατομικής αξιολόγησης χρησιμοποιώντας τα ατομικά στατιστικά του παίκτη αλλά και τα συνολικά στατιστικά της ομάδας του όταν αυτός αγωνίζεται και όταν όχι ώστε να αποκτήσουμε μια πληρέστερη εικόνα για την ικανότητά του και τη συνεισφορά του. Στην προσπάθειά μας να κατασκευάσουμε το Δείκτη Προσεγγιστικής Αξίας συστήνονται νέα μέτρα ατομικής αξιολόγησης σε άμυνα και επίθεση. Στο τελευταίο κεφάλαιο, επιχειρείται μια εφαρμογή των μεθόδων που παρουσιάστηκαν στο επαγγελματικό πρωτάθλημα καλαθοσφαίρισης Α1 Γυναικών της περιόδου 2016-2017. Έγιναν αναλύσεις παικτριών και ομάδων χρησιμοποιώντας όλα τα διαθέσιμα στατιστικά από την επίσημη στατιστική υπηρεσία. Σε κάποια σημεία έγινε χρήση παλινδρόμησης ώστε να προσδιορίσουμε τη σημασία κάποιων παραγόντων στα αποτελέσματα των ομάδων.	el
heal.abstract	This thesis, is about the use of mathematics and statistics in basketball and how we can analyze and predict the game based on their help. At the beginning, we introduce some methods that are used in this context such as Network Theory and Possession Based Analysis. Then we focus on the 2nd, which basically takes advantages of the dual nature of the sport, in order to evaluate the teams under the same point of view, introducing metrics that calculate the efficiency of the defense and the offence of a team. Afterwards, we use the metrics that were defined, and we present the top teams according to these metrics throughout history as they were presented by the inventors of those metrics. This helps us understand their importance by using well known teams as examples. Moreover, we introduce the comparison between performances through the use of standard error and we present a significance test of how a player could influence his team. In Chapter 6, we introduce the Bell Curve method, which essentially is an approximation of the winning percentage of a team, based on its performance, to the normal distribution and we show how we could implement this method in our game strategy and what conclusions we could get through its use. Then, we move on to the individual statistics of a player and deal with how we could analyze and evaluate his presence in the game. Moreover, we explain what conclusions we could get from a box score during or right after a game, which could be extremely important for a coach. Consequently, we present a new method of evaluating individual defense, the Project Defensive Scoresheet, which was invented by D. Oliver to keep better record of the defensive performance of a player. At the end of Possession Based Analysis, we analyze the individual metrics of the players, in connection to the total impact they had on their team’s results. From Chapter 11 and afterwards we analyze a different method of individual evaluation using the individual statistics of a player and also the total statistics of his team while he was on the floor and not, in order to get a better reflection about his abilities and his contributions. In our effort to define the Approximate Value Metric, we introduce new metrics of evaluation in defense and in offence. In the last chapter we are implementing the methods introduced on the Greek Women’s Professional League of 2016-2017. We analyzed players and teams, using all the available statistics from the official statistics agency. In certain instances we used regression to define the significance of some factors to the teams’ results.	en
heal.advisorName	Βόντα, Φιλία	el
heal.committeeMemberName	Βόντα, Φιλία	el
heal.committeeMemberName	Καρώνη, Χρυσιής	el
heal.committeeMemberName	Κουκουβίνος, Χρήστος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Τομέας Μαθηματικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	152 σ.
heal.fullTextAvailability	true