Comparaciones estadísticas y elaboración de rankings de rendimiento de jugadores de baloncesto

  1. Jose Antonio Martínez García 1
  1. 1 Universidad Politécnica de Cartagena
    info

    Universidad Politécnica de Cartagena

    Cartagena, España

    ROR https://ror.org/02k5kx966

Revista:
Retos: nuevas tendencias en educación física, deporte y recreación

ISSN: 1579-1726,  1988-2041

Año de publicación: 2024

Número: 55

Páginas: 170-176

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Retos: nuevas tendencias en educación física, deporte y recreación

Resumen

Esta investigación ha propuesto un método para realizar rankings de jugadores de baloncesto en base a métricas estadísticas normalizadas provenientes del box-score. Por medio de la consideración del error de cada estimación, tomando como población finita el número de partidos de la temporada regular, este método es mucho más robusto y riguroso que las simples comparaciones de valores promedio puntuales. A través del análisis de cada partido de la temporada regular de la NBA 2020/21 se registraron los 72 partidos de cada uno de los 30 equipos de la competición, obteniendo 22989 registros diferentes, los cuales a su vez estaban ligados a decenas de indicadores de rendimiento en el partido. Los resultados muestran que, efectivamente, el método basado en estadística inferencial y elaboración de rankings usando métricas normalizadas provee ventajas para realizar una comparación mucho más rigurosa del rendimiento de jugadores.

Referencias bibliográficas

  • Abbas, N. M. (2019, agosto 13). NBA data analytics: Changing the game.
  • Arkes, J. & Martínez, J. A. (2011). Finally, Evidence for a Momentum Effect in the NBA. Journal of Quantitative Analysis in Sports, 7(3), 1–14. https://doi.org/10.2202/1559-0410.1304
  • Berri, D. J., & Bradbury, J. C. (2010). Working in the land of metricians. Journal of Sports Economics, 11(1), 29-47. https://doi.org/10.1177/15270025093548
  • Berri, D. J., & Schmidt, M. B. (2010). Stumbling on wins: Two economists expose the pitfalls on the road to victory in professional sports. FT Press
  • Berri, D. J. (2012). Measuring performance in the National Basketball Association. InStephen Shmanske, S. and Kahane, L. (Eds): The Handbook of Sports Economics. Oxford University
  • Casals, M. & Martínez, J. A. (2013). Modelling player performance in basketball through mixed models. International Journal of Performance Analysis in Sports, 13 (1), 64-82. https://doi.org/10.1080/24748668.2013.11868632
  • Deeks, M. (2022, diciembre 31). Have Shooting Specialists Become Overvalued In The NBA?. Descargado desde: https://www.forbes.com/sites/markdeeks/2022/12/31/have-shooting-specialists-become-overvalued-in-the-nba/?sh=3a638f1f2e65
  • Deshpande, S. & Jensen, S. (2016). Estimating an NBA player’s impact on his team’s chances of winning. Journal of Quantitative Analysis in Sports, 12(2), 51-72. https://doi.org/10.1515/jqas-2015-0027
  • Dowsett, B. (2023, octubre 20). ‘An exciting next few years’: will Hawk-Eye spark an NBA data revolution?
  • Duque Ramos, V. H., Reina Román, M., Mancha Triguero, D., Ibáñez Godoy, S. J., & Saenz Lopez, P. (2021). Relación de la carga de entrenamiento con las emociones y el rendimiento en baloncesto formativo (Relation of training load with emotions and performance in formative basketball). Retos, 40, 164–173. https://doi.org/10.47197/retos.v1i40.82441
  • Ertug, G. &. Castellucci, F. (2013). Getting what you need: How reputation and status affect team performance, hiring, and salaries in the NBA. Academy of Management Journal, 56 (2), 407–431. https://doi.org/10.5465/amj.2010.1084
  • Grenha, P., Moura, J., Guimarães, E., Fonseca, P., Sousa, F., & Janeira, M. (2022). Efectos de un programa de autoentrenamiento sobre el rendimiento y cinemática de tiro en jóvenes jugadores de baloncesto: un caso de estudio (Effects of a self-training program on shooting performance and kinematics in young basketball players: a case stu. Retos, 43, 256–263. https://doi.org/10.47197/retos.v43i0.87380
  • Hollinger J. (2005). Pro Basketball Forecast, 2005–06. Washington, DC: Potomac
  • Katris C. (2023). Investigation of FIBA World Cup 2019 Evidence Using Advanced Statistical Analysis and Quantitative Tools. Engineering Proceedings, 39 (1), 85. https://doi.org/10.3390/engproc2023039085
  • Kubatko, J., Oliver, D., Pelton, K. & Rosenbaum, D. (2007). A Starting Point for Analyzing Basketball Statistics. Journal of Quantitative Analysis in Sports, 3(3). https://doi.org/10.2202/1559-0410.1070
  • Kula, F. & Koçer, R. G. (2020). Why is it difficult to understand statistical inference? Reflections on the opposing directions of construction and application of inference framework, Teaching Mathematics and its Applications: An International Journal of the IMA, 39(4), 248-265. https://doi.org/10.1093/teamat/hrz014
  • Lamas, L., Santana, F., Heiner, M., Ugrinowitsch, C. & Fellingham, G. (2015) Modeling the Offensive-Defensive Interaction and Resulting Outcomes in Basketball. PLoS ONE 10 (12): e0144435. https://doi.org/10.1371/journal.pone.0144435
  • Lewis, M. M. (2003). Moneyball: The art of winning an unfair game. W.W. Norton & Company Inc.
  • Martínez, J. A. (2012). Factors determining production (FDP) in basketball. Economic & Business Letters, 1(1), 21-29. https://doi.org/10.17811/ebl.1.1.2012.21-29
  • Martínez, J. A. (2019). A more robust estimation and extension of factors determining production (FDP) of basketball players. International Journal of Physical Education, Sports and Health, 6(3), 81-85.
  • Martínez, J. A. & Martínez, L. (2010). Un método probabilístico para las clasificaciones estadísticas de jugadores en baloncesto. Revista Internacional de Ciencias del Deporte. 18(6), 3-36.
  • Papadaki, I. & Tsagris, M. (2022). Are NBA Players’ Salaries in Accordance with Their Performance on Court?. In: Terzioğlu, M.K. (eds) Advances in Econometrics, Operational Research, Data Science and Actuarial Studies. Contributions to Economics. Springer, Cham. https://doi.org/10.1007/978-3-030-85254-2_25
  • Pradhan, S. (2018). Ranking regular seasons in the NBA’s Modern Era using grey relational analysis. Journal of Sports Analytics, 4(1), 31-63. https://doi.org/10.3233/JSA-160165
  • Pradhan, S. & Chachad, R. (2021) Re-ranking regular seasons in the National Basketball Association’s modern era : A replication and extension of Pradhan (2018). Journal of Statistics and Management Systems, 24 (7), 1503-1522. https://doi.org/10.1080/09720510.2020.1848040
  • Sigler, K. J. & Sackley, W. H. (2000), NBA players: are they paid for performance? Managerial Finance, 26 (7), 46-51. https://doi.org/10.1108/03074350010766783
  • Tener, Z. & Franks, A. (2021). Modeling Player and Team Performance in Basketball. Annual Review of Statistics and Its Application, 8(1), 1-23. https://doi.org/10.1146/annurev-statistics-040720-015536
  • Wilson, F. (2018, noviembre 14 ). Why don’t we understand statistics? Fixed mindsets may be to blame
Fuente de los datos: Dialnet