Dallas Mavericks - Dinge, die keinen eigenen Thread verdienen

[Steph Curry]

Ich kann den Gedanken schon verstehen, aber kannst du das wirklich eins zu eins so umlegen?
Hier würde mich vor allem mal mystics Meinung interessieren - diese Zahlenspiele sind ja schön und gut und spiegeln die Vergangenheit wider und lassen sicherlich auch in einem gewissen Maße auf die Zukunft schließen aber da spielen doch vermutlich auch noch andere Faktoren eine Rolle wie die Rolle im Team, Umgebung, Teamchemie etc.

Ja, das spielt natürlich auch eine Rolle, allerdings ist das Umfeld in Dallas mMn besser als das der Knicks in der letzten Saison. Das in Verbindung mit der Tatsache, dass Felton's letzte Saison wirklich eine seiner schwächsten insgesamt war, lässt doch hoffen, dass er nächste Saison wieder deutlich verbessert agiert.

 

[Dex989]

Ich teile Steph Currys Meinung. Warum sollte Felton nicht mindestens eine so gute Leistung wie bei den Knicks abrufen können? Und traust du dem sehr guten Trainerstab der Dallas Mavericks nicht eher als den Knicks zu, Felton so einzusetzen, dass er in der Lage ist, seine bestmögliche Leistung abzurufen? Die äußeren Bedinungen sind meiner Ansicht nach in Dallas deutlich besser als bei den Knicks. Ich denke, dass einige Mavericks-Fans überrascht sein werden wie solide Felton ist.

Ich sage ja nicht das ich ihm widerspreche, aber die Frage ist eben wie aussagekräftig ist das Ganze - das Team der Mavericks wird sich mit Parsons und Chandler erst einmal (aus meiner Sicht) grundlegend ändern.
Prinzipiell ist das sicherlich richtig, Dallas ist nicht New York und wenn Felton sich am Riemen reißt kann das Projekt in der Tat klappen.
Ich frage mich nur ob die Zahlen 1 zu 1 hergenommen werden können oder ob der Wert hierbei überschätzt wird.

Das Chandler zwingen ein Upgrade zu Dalembert ist, ist unbestritten. Und wenn wir uns die reinen Zahlen anschauen dann hätten wir mit dem Tausch Harris + Felton vs Calderon, sowie Chandler vs Dalembert und Parsons vs Marion alleine für die Starting Five einen deutlichen Fortschritt gemacht.

 

[mystic]

Hier würde mich vor allem mal mystics Meinung interessieren - diese Zahlenspiele sind ja schön und gut und spiegeln die Vergangenheit wider und lassen sicherlich auch in einem gewissen Maße auf die Zukunft schließen aber da spielen doch vermutlich auch noch andere Faktoren eine Rolle wie die Rolle im Team, Umgebung, Teamchemie etc.

Die Stärke von RPM liegt eher in der Vorhersage als in der Erklärung der Vergangenheit.

Wenn man hier die 2014er RPM-Zahlen zur Vorhersage nutzen möchte, dann sollte man zuerst mal eine Anpassung bezüglich des Alters vornehmen, anschliessend das Ergebnis mit 0.8 multiplizieren (das hatte zumindest mal J.E. bei APBR als besten Wert genannt). Harris+Felton schneiden dabei besser als Calderon ab.

Natürlich sind die errechneten Werte in den jeweiligen Rolle erreicht, aber es ist eher davon auszugehen, dass die Rollen sich nicht gravierend ändern. Und wenn ein Spieler negativen Einfluss auf die "Teamchemie" hat, dann ist das quasi schon in den Werten inkludiert. Bei veränderter Rolle kann grob davon ausgegangen werden, dass "reine Rollenspieler" in größeren Rollen dann schlechtere Werte abliefern, wohingegen Starter in limitierteren Rollen je Poss zumeist "optimaler" genutzt werden und dadurch bessere Werte erreichen. Die Effekte sind für Einzelspieler mitunter größer, aber halten sich im Schnitt im Rahmen dessen, was mit dem Faktor 0.8 relativ locker "korrigiert" wird.

Ich finde es übrigens witzig, dass Du glaubst, es handelt sich nur um "Zahlenspiele". Die Basis von RPM ist die ridge regression. Das ist alles andere als ein "Spiel"! Hier geht es um handfeste Mathematik, die in der Art bei vielerlei Problemstellungen verwendet wird. Ich nutzte das beispielsweise in der Vergangenheit, um geophysikalischen Fragestellungen zu beantworten. Ich hatte mal bei APBR versucht, grob die verwendete Mathematik (inklusive Matrix-Algebra) aufzuzeigen, wenn Du in der englischen Sprache ausreichend bewandert bist, dann sollte es helfen, die "Zahlenspiele" in den richtigen Kontext zu setzen:
Post1: http://www.apbr.org/metrics/viewtopic.php?f=2&t=8239#p15811
Post2: http://www.apbr.org/metrics/viewtopic.php?f=2&t=8232&start=15#p15833

 

[mystic]

Das Chandler zwingen ein Upgrade zu Dalembert ist, ist unbestritten. Und wenn wir uns die reinen Zahlen anschauen dann hätten wir mit dem Tausch Harris + Felton vs Calderon, sowie Chandler vs Dalembert und Parsons vs Marion alleine für die Starting Five einen deutlichen Fortschritt gemacht.

Wenn die Spieler fit bleiben, dann werden die Mavericks mit Sicherheit besser spielen. Mit Lewis hätten sie dann endlich auch mal einen Spieler, der als Backup-PF agieren kann, ohne dass die Mavericks komplett andere Spielzüge laufen müssen. Jefferson wird sicherlich auch für diese Rolle eingeplant sein, um da im Wechsel (nach entsprechend ausgewählten Matchups), sich mit Lewis die Minuten hinter Nowitzki zu teilen.

Je nachdem, ob Felton fit sein wird, aber wahrscheinlich werden die Mavericks mit Felton-Ellis-Parsons-Nowitzki-Chandler starten, um dann flexibel Harris für Felton/Ellis von der Bank zu bringen. Crowder wird wohl eher die Backup-Min hinter Parsons sehen; dann eben Lewis+Jefferson hinter Nowitzki und Wright als Chandler-Backup. Was jetzt eben leider fehlt, ist ein Vince Carter, der flexibel auf dem Flügel von der Bank kommend eingesetzt werden könnte, denn neben Harris hätten die Mavericks keinen weiteren sinnvollen Ballhandler von der Bank. Natürlich könnten sie das mit einem kleineren Spieler wie Mo Williams ausgleichen, aber gerade auch die Defensive war es, die eben mit Carter flexibler und besser agieren konnte, was Mo Williams natürlich überhaupt nicht in seinem Skillset hat.
Da Parsons auch Aufgaben im Spielaufbau übernehmen kann, könnte mit der richtigen Rotation auch ein "3&D"-Spieler auf der 2 als Backup gut funktionieren, aber die gibt es mit nötiger Qualität dann auch nicht wie Sand am Meer ...

 

[Cendoor]

Ich kann absolut verstehen, dass es für viele unverständlich ist für Chandler Parsons 46/3 hinzulegen und dafür auf Born Readys 20/2 zu verzichten - nur brauchten die Mavs einfach einen 3er und kein Guard.

Die Mavs haben mit Harris + Ellis sowieso schon zu kleine Spieler auf ihren Positionen, da kann man es sich nicht erlauben zusätzlich auch noch auf die 3 einen zu kleinen Spieler zu bringen. Der Overpay war aber die einzige Möglichkeit, ihn aus Housten weg zu bekommen.

Was Ariza betrifft: Ich bin sehr froh das Cuban ihn nicht wollte, Ariza war in DC immer nur 4te/5te Option. Vor allem ist es nun schon das zweite Mal in seiner Karriereso , dass er im letzen Vertragsjahr sich richtig rein gehangen hat - was ja nicht verwerflich ist, allerdings sehe ich die "Chance" groß, dass es auch ein zweites Mal so sein wird, dass er es danach erst einmal wieder gemütlicher angehen lässt.

Was man bei den Mavs einfach immer wieder vergisst: durch Carlisle wird das Team schon automatisch besser und rein faktisch hat man sich auf der 3 und der 5 auf jeden Fall verbessert. Dafür hat man jetzt eben leichte Abstriche auf der 1. Die Bank möchte ich erst bewerten, sobald die Offseason vorbei ist. Das VC weg ist, tut aber natürlich sehr weh.

 

[Freeze43]

Am besten soll dieser Wingdefender auch noch den 3er im Repertoire haben und nur das Minimum kosten. Solche Spieler gibt es leider nicht. Dallas sollte versuchen Marion fürs Minimum verpflichten zu können. Was ich aber als schwer empfinde.

Warum genau nimmst du mich mit in deinen Post? Ich habe deine Behauptungen 3er, D and Minimum überhaupt nicht geäußert, obgleich Sie natürlich meinem Wunsch entsprechen würden . wenn Sie Marion fürs Minimum signen könnte wäre das toll, aber ich glaube daran nicht.

 

[Dex989]

Die Stärke von RPM liegt eher in der Vorhersage als in der Erklärung der Vergangenheit.

Wenn man hier die 2014er RPM-Zahlen zur Vorhersage nutzen möchte, dann sollte man zuerst mal eine Anpassung bezüglich des Alters vornehmen, anschliessend das Ergebnis mit 0.8 multiplizieren (das hatte zumindest mal J.E. bei APBR als besten Wert genannt). Harris+Felton schneiden dabei besser als Calderon ab.

Natürlich sind die errechneten Werte in den jeweiligen Rolle erreicht, aber es ist eher davon auszugehen, dass die Rollen sich nicht gravierend ändern. Und wenn ein Spieler negativen Einfluss auf die "Teamchemie" hat, dann ist das quasi schon in den Werten inkludiert. Bei veränderter Rolle kann grob davon ausgegangen werden, dass "reine Rollenspieler" in größeren Rollen dann schlechtere Werte abliefern, wohingegen Starter in limitierteren Rollen je Poss zumeist "optimaler" genutzt werden und dadurch bessere Werte erreichen. Die Effekte sind für Einzelspieler mitunter größer, aber halten sich im Schnitt im Rahmen dessen, was mit dem Faktor 0.8 relativ locker "korrigiert" wird.

Ich finde es übrigens witzig, dass Du glaubst, es handelt sich nur um "Zahlenspiele". Die Basis von RPM ist die ridge regression. Das ist alles andere als ein "Spiel"! Hier geht es um handfeste Mathematik, die in der Art bei vielerlei Problemstellungen verwendet wird. Ich nutzte das beispielsweise in der Vergangenheit, um geophysikalischen Fragestellungen zu beantworten. Ich hatte mal bei APBR versucht, grob die verwendete Mathematik (inklusive Matrix-Algebra) aufzuzeigen, wenn Du in der englischen Sprache ausreichend bewandert bist, dann sollte es helfen, die "Zahlenspiele" in den richtigen Kontext zu setzen:
Post1: http://www.apbr.org/metrics/viewtopic.php?f=2&t=8239#p15811
Post2: http://www.apbr.org/metrics/viewtopic.php?f=2&t=8232&start=15#p15833

Danke für die Erläuterungen!
Werde mir die Posts mal durchlesen in einer freien Minute im Büro - Englisch ist da sicherlich nicht das Problem. Mathe dürfte es schon eher sein

Wenn diese Zahlen offen liegen und man ungefähr abschätzen kann wie gut oder wie schlecht ein Spieler sein sollte, richten sich Teams dann auch nach diesen Werten? Ist davon etwas bekannt? Einige Teams haben ja ihre eigenen Statistiker etc.

 

[mystic]

Wenn diese Zahlen offen liegen und man ungefähr abschätzen kann wie gut oder wie schlecht ein Spieler sein sollte, richten sich Teams dann auch nach diesen Werten?

Ob und in welchem Rahmen die Teams jetzt ausgerechnet RPM nutzen, weiß ich nicht. Einige Entscheidungen deuten zumindest mal darauf hin, dass Teams ähnliche Ansätze zur statistischen Einschätzung der Spieler nutzen. Bei einigen Teams ist auch explizit bekannt, dass Leute, die im Gebiet der Regressionsanalyse sehr erfahren sind, für sie arbeiten.

Zudem sollte auch darauf hingewiesen werden, dass diese Zahlen allein natürlich nicht ausreichend sind, um einen Spieler sehr gut zu beschreiben. Dafür sind dann noch andere Eckdaten notwendig, und eben auch die Einschätzung von professioniellen Scouts. Grundsätzlich funktionieren die Stats aber auch genau deswegen, weil die Entscheidungsträger in der NBA eben auch gut arbeiten; sprich, sie stellen entsprechende Kader zusammen, die auch passen. Seltener werden dabei extreme Fehler gemacht, auch wenn Fans gern solche Fehler herausarbeiten wollen. Hat aber in dem meisten Fällen eher etwas von Dunning-Kruger als von echtem Expertentum ...

 

[Dex989]

:thumb:

Das macht Sinn. Wirklich interessant das Thema an sich.

Mir war Parsons ehrlich gesagt ja zum Anfang der Saison nur aus 2k bekannt, woher kommt denn die Annahme das er ein guter Dreierschütze ist? Seine Werte spiegeln das ja nicht unbedingt wider. Liegt da eine Fehleinschätzung vor oder hat er diesen in der bisherigen Rolle bei den Rockets einfach nicht so bringen können, wie er es vom Potential im Stande wäre?

 

[Smokey2020]

:thumb:

Das macht Sinn. Wirklich interessant das Thema an sich.

Mir war Parsons ehrlich gesagt ja zum Anfang der Saison nur aus 2k bekannt, woher kommt denn die Annahme das er ein guter Dreierschütze ist? Seine Werte spiegeln das ja nicht unbedingt wider. Liegt da eine Fehleinschätzung vor oder hat er diesen in der bisherigen Rolle bei den Rockets einfach nicht so bringen können, wie er es vom Potential im Stande wäre?

33% / 38%/ 37%

Was willst du denn mehr?

 

[Dex989]

Okay, jetzt sehe ich es auch. Hatte nur die 33% aus seiner ersten Saison angezeigt bekommen, damit wäre er ja im unteren Mittelfeld gewesen.
Die Zahlen sehen deutlich besser aus mit 37 und 38%

 

[BlueSteel]

Post1: http://www.apbr.org/metrics/viewtopic.php?f=2&t=8239#p15811

β = (X^(T)X + λI)^(-1)X^(T)y

In die Designmatrix wirst du ja höchstwahrscheinlich die Play-by-Play-Daten reinschmeißen. Kannst du bitte ein kleines Beispiel posten, wie die genau aussieht? Ich kann mir spontan nicht vorstellen, was mit den Daten passiert, wenn ich die Designmatrix mit ihrer Transponierten multipliziere. Wie wirkt sich das auf die Struktur der hereingegeben Daten aus? Der mathematische Grund ist mir klar: ich brauche eine reguläre Matrix, um sie invertieren zu können. Da dieses Problem ill-posed ist, muss ich es regularisieren. Das mache ich, indem ich zur Hauptdiagonalen des Produkts der Designmatrix mit ihrer Transponierten einen Faktor Lamda addiere. Wo bekomme ich die Informationen über dieses Lamda her? Ich nehme an, dass es sich hierbei um einen bayesian Prior handelt, der auf bestimmte Art und Weise über eine A-priori-Verteilung mit bestimmten Parametern bestimmt wird?

Der Responsevektor ist mir gerade auch unklar. Welche Daten verwendest du hierfür?

 

[mystic]

Die nächste Empfehlung ist aus meiner Sicht diese Seite hier: http://mysynergysports.com/

Hier kann man sich beispielsweise anschauen, wie Parsons' Dreierquote in den verschiedenen Spielsituationen aussieht. Auch das sind wertvolle Informationen, statistisch untermauert, die einem bei der Zusammenstellung eines Teams oder einer sinnvollen Rotation helfen können.

Dann gibt es noch SportVU: http://stats.nba.com/playerTracking.html

Das ist letztendlich das, was man aus dem Fußball schon ein paar Jahre kennt.

Der nächste Schritt wird dann die Kombination aus SportVU und SynergySports sein, sodass man dann quasi eine komplette Übersicht bezüglich des Skillsets eines Spielers bekommt, was heute noch etwas mühsam durch die separaten Daten und dann natürlich dem direkten Anschauen der Spieler in Aktion erstellt werden muss. Dazu dann die Daten aus der Boxscore (da haben zumindest ein paar Teams schon erweiterte Varianten) und den Daten aus dem +/- Bereich, um den Effekt der Skills auf das Spielergebnis zu beschreiben.

Sind am Ende eine Menge Zahlen, die sinnvoll interpretiert werden müssen. Leider ist das immer ein Problem, da viele Leute bei Werten, die sortiert werden können, gern dem höchsten (oder niedrigsten) dann das Attribut "bester" geben ...

 

[sonic00]

Wasn das hier? "Mave-mathics"?

Solche Sachen kann man doch auch gern per PM klären, oder?

 

[mystic]

In die Designmatrix wirst du ja höchstwahrscheinlich die Play-by-Play-Daten reinschmeißen. Kannst du bitte ein kleines Beispiel posten, wie die genau aussieht?

Einfach viele Nullen und bei Heimspielern +1, bei Auswärtsspielern -1. Dafür müssen die pbp-Daten in so genannte Matchupfiles umgewandelt werden: http://www.basketballvalue.com/publicdata/matchups20120510040.zip

Wie wirkt sich das auf die Struktur der hereingegeben Daten aus?

Irgendwie verstehe ich die Frage nicht ...

Wo bekomme ich die Informationen über dieses Lamda her?

cross validation.

Ich nehme an, dass es sich hierbei um einen bayesian Prior handelt, der auf bestimmte Art und Weise über eine A-priori-Verteilung mit bestimmten Parametern bestimmt wird?

Wieso sollte aus der zitierten Formel folgen, dass lambda die a-priori-Verteilung ist?

Der Responsevektor ist mir gerade auch unklar. Welche Daten verwendest du hierfür?

Das Spielergebnis. Jedes Spiel wird einfach in einzelne Segmente eingeteilt (kann man beispielsweise jede Possession nehmen oder einfach akkumulierte Daten für die jeweiligen 5 gegen 5 matchups), dabei hast Du dann HCA+Heimspieler-Auswärtsspieler=Spielergebnis

Auf OLS übertragen, bei dem Heimspieler = x und Auswärtsspieler = y:

HCA+x1+x2+x3+x4+x5-y1-y2-y3-y4-y5=Net (Ergebnis per 100 poss wird hier verwendet; also quasi ORTG-DRTG=Net, vom Heimteam aus gesehen)

Der Vektor der "Nets" ist dann der response vector.

Daraus wird dann in Matrix-Schreibweise das:
β = (X^(T)X)^(-1)X^(T)y


Eli Witus (aktuell Vice president of Basketball Operation für die Rockets) hatte mal APM berechnet und einen Weg, um das hinzubekommen, vorgeführt: http://www.countthebasket.com/blog/2008/06/01/calculating-adjusted-plus-minus/

Um diese Anleitung für RAPM zu nutzen, kannst Du dann einfach lm durch lm.ridge ersetzen und via parcor (ridge.cv - cv steht hier einfach für cross validation) das lambda vorher berechnen. Noch besser geht das am Ende mit dem Paket glmnet ...

Solche Sachen kann man doch auch gern per PM klären, oder?

Keine Sorge, viel tiefer kann man bei Sportforen sowieso nicht bei dem Thema gehen ... und schaden wird es Dir sicherlich nicht, das hier zu lesen ...

 

[BlueSteel]

Eli Witus (aktuell Vice president of Basketball Operation für die Rockets) hatte mal APM berechnet und einen Weg, um das hinzubekommen, vorgeführt: http://www.countthebasket.com/blog/2008/06/01/calculating-adjusted-plus-minus/

Um diese Anleitung für RAPM zu nutzen, kannst Du dann einfach lm durch lm.ridge ersetzen und via parcor (ridge.cv - cv steht hier einfach für cross validation) das lambda vorher berechnen. Noch besser geht das am Ende mit dem Paket glmnet ...

:thumb:

Tolle Sache! Diese Beschreibung und deine Ausführungen sollten reichen, damit ich das mal in Ruhe mithilfe von R nachvollziehen kann. Danke dafür!

 

[mystic]

Tolle Sache! Diese Beschreibung und deine Ausführungen sollten reichen, damit ich das mal in Ruhe mithilfe von R nachvollziehen kann. Danke dafür!

Kein Problem, wenn weitere Fragen sind, kann ich die gern versuchen, zu beantworten.

Zu meinen Ausführungen: Ich hätte mal damit starten sollen, dass ein Spiel in einen Satz von linearen Gleichungen auf Basis der 5on5 matchups zerlegt wird. Jede lineare Gleichung sieht dann so aus, wie ich es bei OLS beschrieben habe. Der HCA ergibt sich dabei quasi von selbst als intercept. Wenn dann beispielsweise jedes Spiel ca. 184 Possession hat, dann habe demnach 184 Gleichungen und die Anzahl der eingesetzten Spieler als Anzahl der Variablen, wodurch klar wird, dass das hier ein "schlecht gestelltes Problem" vorliegt. Könnte man jetzt auch iterativ lösen (erzähle ich Dir wahrscheinlich nichts Neues), oder aber eben via Matrix-Algebra ... Witus zeigt dann einen Weg, wie man die design matrix und den response vector erhält. Er hat übrigens auch noch eine "Anleitung" für den Off/Def-Split auf der Webseite ... sicherlich ebenso interessant.

 

[Freeze43]

ich finde die Mavs Math vollkommen in Ordnung!

Ich versteh zwar kein Wort , aber interessant ist es trotzdem zu sehen wie einige Leute hier ihr Wissen auffrischen, begründen, etc.

 

[sonic00]

Keine Sorge, viel tiefer kann man bei Sportforen sowieso nicht bei dem Thema gehen ... und schaden wird es Dir sicherlich nicht, das hier zu lesen ...

Ich sehe nicht was das mit Basketball zu tun hat...das bisschen Wahrscheinlichkeitsrechnung und Statistik haut mich jetzt ehrlich gesagt auch nicht aus den Socken. Zumindest ist es nicht so neu für mich, wie du es vermutest.

Ich habe echt nichts dagegen, aber wegen mir hätte das Thema auch liebend gern einen eigen Thread verdient.
Wenn jemanden eher das Thema Mavs interessiert, dann kann man durch eure Diskussion leicht den Faden verlieren....

 

[Aldis]

Ja, das will ich damit sagen und ich will auch niemanden veräppeln.

Mit Felton auf dem Feld standen die Knicks in der letzten Saison bei +0,91, d.h. er hatte auf 100 Possessions einen positiven Einfluss, wenngleich der auch sehr gering war. Calderon hingegen liegt beim RPM bei -1,70.

Aber in wie weit wird hier berücksichtigt, dass Felton im Osten spielte und somit in der Saison wesentlich öfter auf einfache Gegner traf als Calderon?

Ich kann mir beim besten Willen nicht vorstellen, dass die Mavs mit Felton in der vergangenen Saison ein stärkeres Team gewesen wären als mit Calderon.