Nehmen wir hierfür mal ein Standardbeispiel, um Dir aufzuzeigen, dass Deine Aussage nicht unabhängig von der jeweiligen Natur der Daten lebt: Ein Würfel, bei dem man in zwei Würfen jeweils eine 6 wirft, würde statistisch betrachtet eine signifikante Abweichung von der Erwartung aufweisen. Wäre Deine Aussage jetzt zutreffend, müsste man den Würfel als "gezinkt" bezeichnen und müsste davon ausgehen, dass auch in Zukunft bei diesem Würfel die 6 mit einer höheren Wahrscheinlichkeit als 1/6 fällt. Ich hoffe dann sehr, dass Du da gelernt hast, dass die Stichprobe schlichtweg zu klein ist, um eine derartige Aussage zu erlauben.
Bei einem Basketballspiel geht es nicht um die Ergebnisse eines kontrollierten physikalischen Experiments, sondern wir reden hier quasi bei einzelnen Spielern eher von dann tatsächlich "gezinkten" Würfeln. Dabei ist die Varianz ihrer Leistungen so groß, dass selbst der Datensatz eines Titelträgers nicht ausreichend ist, um stabile Ergebnisse zu erhalten. Die Ergebnisse einer Regression auf Basis eines solchen Datensatzes sind statistisch betrachtet valide, aber sie sind nicht zuverlässig. In der Tat gilt das sogar für Ergebnisse die auf Basis einer gesamten Saison errechnet werden. Selbst auf Basis von 2 Jahren ist der Fehler für einen erheblichen Teil der Koeffizienten so groß, dass die Vorhersagequalität prinzipiell nicht besser ist als beispielsweise die von kumulierten Boxscore-Stats wie Win Shares oder neuerdings BPM (boxscore plus/minus).
Wie zuvor angedeutet, liegt das einfach an der Natur der Sache. Es gibt schlichtweg nicht genügend Spielzeit je Spiel, um jedwede Permutation der Spieler ausreichend häufig auf dem Feld zu haben. Ebenso wie das zweimalige Werfen eines Würfels Dir nicht genügend Versuche gibt, um etwaige normale Runs nicht für Abnormalitäten zu halten.
