МЕТОДЫ ПРОГНОЗИРОВАНИЯ БАСКЕТБОЛЬНЫХ МАТЧЕЙ
Кочегаров И.С.
Кочегаров Иван Сергеевич - студент, кафедра системы управления и компьютерных технологий, факультет информационных управляющих систем, Балтийский государственный технический университет им. Д.Ф. Устинова,
г. Санкт-Петербург
УДК 311.41
В докладе обосновывается, что с развитием информационных технологий и постоянно расширяющейся статистической базой возможности для прогнозирования расширяются, и рассматриваются зависимости подсчитываемых показателей на результат. Для оценки показателей проводится статистическое исследование базы данных Национальной Баскетбольной Ассоциации методом корреляционного анализа.
Прогнозирование результатов, баскетбол, статистический анализ.
В сезоне 2017-2018 стала доступна статистика Национальной Баскетбольной Ассоциации по продвинутым показателям. Был проведен корреляционный анализ каждого из показателей на результат игры, а также корреляция каждого из показателей с полезностью для отдельно взятого игрока (таблица 1). С помощью API ресурса stats.nba.com можно получить всю доступную статистику.
Таблица 1. Этапы анализа
№ Название этапа Результат
1 Сбор статистической информации База данных
2 Статистическая сводка и обработка информации Показатели для анализа
3 Анализ результатов Выводы
Для начала необходимо определить название и параметры метода, возвращающего информацию по Hustle Stats - был написан генератор названий на основе описанных в документации методов. Полученные методы leaguehustlestatsteam и leaguehustlestatsplayer возвращают значения показателей бросков с сопротивлением, касаний мяча в защите и отсечений при подборах. Ниже на рисунке 1 представлен график зависимости сопротивления броскам оппонента и показателя «Плюс/Минус».
Г;
• • * /
• * ^
* * * ■ *
• * • » » ф • * / •
• Л ^ * • V- • •
• • « • • * •
* W V-г*^' .....
Рис. 1. Зависимость +/
Из графика можно увидеть, что в большинстве случаев при увеличении количества сопротивления броскам оппонента в среднем за игру показатель «Плюс/Минус» находится правее центрального скопления - можно увидеть положительную корреляцию. Теперь установим коэффициент корреляции Пирсона (формула 1) [3].
С помощью библиотеки SciPy в Python коэффициент корреляции Пирсона можно вычислять, вызвав функцию "pearsonr". В рассматриваемом случае значение параметра r для "Contested Shots" равно 0.2052553847078913. Корреляционный коэффициент для остальных случаев представлен в таблице 2.
Таблица 2. Корреляционные коэффициенты Пирсона
Показатель Корреляционный коэффициент
Contested Shots 0.2052553847078913
Deflections 0.20376961072273456
Loose Balls Recovered 0.23588960345509927
Screen Assists 0.12265581519635879
Box Outs 0.13123551302968636
В результате наиболее коррелирующим с результатом показателем оказалось количество спасенных мячей - прослеживалась наиболее положительная корреляция в правом верхнем углу графика - то есть при значениях данного показателя выше среднего по лиге. Выводы из данного исследования позволят точнее прогнозировать результаты матчей, начиная со следующего сезона.
Список литературы
1. Сайт grandars.ru. [Электронный ресурс]. Режим доступа: http://www.grandars.ru/student/statistika/statisticheskoe-issledovanie.html/ (дата обращения: 29.05.2018).
2. Советов Б.Я., Яковлев С.А. Моделирование систем: Учеб. Для вузов. СПБ., 2001. 343 с.