Analytics (lední hokej) - Analytics (ice hockey)

v lední hokej, analytika je analýza charakteristik hokejových hráčů a týmů pomocí statistik a dalších nástrojů k lepšímu porozumění účinkům jejich výkonu. Tři běžně používané základní statistiky v analýze ledního hokeje jsou "Corsi" a "Fenwick ", které oba používají výstřel pokusy o přibližné držení puku a „CHOP“, které se často považuje za měřítko štěstí. Každý rok se však vytvářejí nové statistiky, přičemž v souvislosti s hokejem se velmi nedávno vytvářejí očekávané cíle „RAPM“, regularizované upravené plus-minus a „xG“, i když v jiných sportech již dříve byly. RAPM se snaží izolovat řidičské schopnosti hráčů na základě více faktorů, zatímco xG se snaží ukázat, kolik gólů by měl hráč očekávat, že do svého týmu přidá nezávisle na střelbě a brankářském talentu.

Hokejová síň slávy trenér Roger Nielson je považován za jednoho z prvních průkopníků v oblasti analytiky a opatření svého vlastního vynálezu využil již při svém působení v agentuře Peterborough Petes koncem šedesátých let.[1] V moderním použití jsou analytiky tradičně doménou hokejových bloggerů a amatérských statistiků. Stále více si je osvojuje Národní hokejová liga Samotné organizace (NHL),[2] a dosáhl hlavního proudu, když NHL uzavřela partnerství SAP SE vytvořit "vylepšený" statistický balíček, který se shodoval se spuštěním nové webové stránky s analytickými statistikami během EU Sezóna 2014–15.[3]

Společné statistiky

Corsi

Corsi, volala pokusy o výstřel (SAT) NHL,[4] je součet střely na branku, zmeškané střely a blokované střely.[5] Je pojmenován po trenérovi Jim Corsi, ale byl vyvinut blogerem a fanouškem Edmonton Oilers, který vyvinul statistiku pro lepší měření pracovní zátěže a brankář během hry.[6] Dnes se však Corsi používá k přiblížení rozdílu pokusů o střelu jak pro týmy, tak pro hráče, který lze poté použít k předpovědi budoucích gólových rozdílů. Pokud tým v polovině sezóny prohrává v brankovém rozdílu, ale má vysoký Corsi, vytváří si více šancí než jeho soupeři, což by mělo mít za následek, že se gólový diferenciál zlepší, protože tým hraje více her.[7] Corsi se používá k přiblížení držení puku - doba, po kterou tým hráče ovládá puk - a obvykle se měří buď jako poměr (jako Plus mínus ) pokusů o výstřel za méně pokusů o výstřel proti nebo v procentech.[5] Podle blogera Kenta Wilsona bude mít většina hráčů procento Corsi For (CF%) mezi 40 a 60. Hráč nebo tým nad 55% je často považován za „elitu“.[5]

Fenwick

Fenwick, volala odblokované pokusy o výstřel (USAT) NHL[4] je varianta Corsi, která počítá pouze střely na branku a zmeškané střely; nejsou zahrnuty blokované střely, ať už pro nebo proti. Je pojmenována po blogerovi Mattovi Fenwickovi a je považována za silnější korelaci s šancemi na skórování.[5] Fenwick se používá k tomu, aby pomohl posoudit výkony týmu a hráčů, kteří strategicky využívají blokování střel jako součást své hry. Hráč, který blokuje velké množství střel, bude mít pravděpodobně nižší Corsi, protože umožňuje více pokusů o střelu, než je průměr. Fenwick sám o sobě je méně spolehlivý než Corsi, ale je základem pro většinu modelů Expected Goals. [8]

CHOP

CHOP, volala SPSV% NHL,[4] je součet procenta střelby týmu a procenta jeho uložení.[9] Součet se pak vynásobí 10 a celkový součet je týmový CHOP. Součet se také používá samostatně, aby se zjistilo, zda by tým měl očekávat regresi nebo zlepšení. Kombinované% SPSV všech 31 týmů NHL se bude vždy rovnat 100%.[10] PDO se obvykle měří při dokonce síla, a na základě teorie, že většina týmů nakonec ustoupí směrem k součtu 100, je často považována za zástupce toho, jak šťastný je tým. Podle Wilsona je hráč nebo tým s CHOP nad 102 „pravděpodobně ne tak dobrý, jak se zdá“, zatímco hráč nebo tým pod 98 let je pravděpodobně lepší, než se zdá.[5] PDO může také sledovat jednotlivé hráče tím, že vezme součet jejich procenta střelby a procenta uložení týmu a poté vynásobí součet 10.[11]

PDO není ve skutečnosti zkratkou pro nic. Vychází z online rukojeti Briana Kinga, prvního, který to navrhl, pro fóra a Protiúder.[12]

Zóna začíná

Zóna začíná je poměr kolik vhazování hráč je v útočném pásmu vzhledem k obrannému pásmu. Hráč, který má vysoký startovní poměr zóny, bude mít často zvýšený počet Corsi kvůli startu v útočné zóně, zatímco hráč s nízkým startovacím poměrem bude mít často snížená Corsi čísla.[5] Strategicky mohou trenéři dát svým nejlepším útočníkům více útočných zón, aby se pokusili vytvořit další šance na skórování, zatímco nejlepší defenzivní hráči týmu budou mít obvykle více začátků obranných zón.[4] Vzorec pro spuštění zóny je: SZ% = začíná útočná zóna / (začíná útočná + obranná zóna).[13] V poslední době se využití zónových startů v analýze snížilo. Bylo zjištěno, že směny „za běhu“ tvoří více než polovinu (58%) všech směn.[14]

Nové statistiky

RAPM

RAPM je nová hokejová statistika založená na statistice RAPM používané v basketbalu. Namísto sledování hráčských bodů sleduje hráčovy střely, protože k nim dochází častěji než k cílům, které jsou nutné k tomu, aby statistika získala vysokou kvalitu vzorků. RAPM používá matematický model s hřebenovou regresí, který bere v úvahu tvorbu surového snímku, Corsi a xG, a vnější vlivy, jako jsou: Shot VolumeShot Location (pouze xG RAPM) Teammate Impact Competition ImpactScore EffectsZone StartsSchedule Shot Type (pouze xG RAPM) Rovnoměrný stav Existuje Model Corsi RAPM , který používá raw shot diferenciál a Model xG RAPM že faktory pro umístění a typ střely. Cílem RAPM je pokusit se izolovat řidičské schopnosti hráčů a kvantifikovat je pomocí hodnoty.[15]

xG

xG modely používají UTSA a dát každému pokusu o výstřel hodnotu v závislosti na umístění a typu výstřelu. Výstřel z automatu může získat skóre 0,30, zatímco výstřel z bodu může získat pouze skóre 0,02. Model také bere v úvahu, zda tyto střely přicházejí z odskoků nebo šancí na rush. Tato metrika odpovídá na problémy Corsi, které spočívají v tom, že si každý snímek váží stejně. Modely xG v zásadě sledují, kteří hráči pořizují vysoce kvalitní snímky. Čím více vysoce kvalitních střel hráč vytvoří, tím větší je pravděpodobnost, že skórují.[16]

Efekty skóre a situační modifikátory

I když lze hokejové analytické statistiky použít k měření v jakékoli situaci na pracovní síle, jsou nejčastěji vyjádřeny v poměru ke hře na rovnoměrnou sílu.[17] Statistiky lze zobrazit také ve vztahu k „efektům skóre“. Například Corsi blízko a Corsi nerozhodně jsou omezeni na to, když jeden tým vede o jeden gól, nebo když je hra nerozhodná.[5] Použití „blízkých“ statistik má odrážet skutečnost, že tým, který vede hru, bude mít tendenci hrát defenzivněji, což znamená, že konající tým bude často provádět více pokusů o výstřel.[4]

Corsi close byl podroben důkladnému prozkoumání, že nepředpovídá budoucí cíle ani neupravené corsi, čímž snižuje jeho hodnotu. Metody vážení každého výstřelu podle skóre (úprava skóre) převzala metodu úpravy efektů skóre.[18]

Viz také

Reference

  1. ^ Staples, David (08.05.2011). „Rozpis tajných statistik NHL“. Národní pošta. Citováno 2015-02-21.
  2. ^ Stinson, Scott (10.10.2014). „Velká analytická válka„ starých “versus„ nových “statistik mezd v NHL“. Národní pošta. Citováno 2015-02-21.
  3. ^ „NHL, partnerství SAP povede statistickou revoluci“. Národní hokejová liga. 2015-02-20. Citováno 2015-02-21.
  4. ^ A b C d E Cullen, Scott (2015-02-20). „Základy pokročilých statistik NHL“. Sportovní síť. Citováno 2015-02-21.
  5. ^ A b C d E F G Wilson, Kent (04.10.2014). "Neznáš Corsi? Tady je šikovný základ pro pokročilé statistiky NHL". Calgary Herald. Citováno 2015-02-21.
  6. ^ McKenzie, Bob (06.10.2014). „Skutečný příběh o tom, jak Corsi dostal své jméno“. Sportovní síť. Citováno 2015-02-21.
  7. ^ O'Connor, Charlie. „Advanced stat primer: Understanding basic hockey metrics“. Athletic. Athletic. Citováno 16. listopadu 2020.
  8. ^ O'Connor, Charlie. „Advanced stat primer: Understanding basic hockey metrics“. Athletic. Athletic. Citováno 16. listopadu 2020.
  9. ^ Stinson, Scott (2015-02-19). „Vydání pokročilých statistik NHL a potvrzení jejich hodnoty, zásadní posun v tom, jak liga poskytuje data“. Národní pošta. Citováno 2015-02-21.
  10. ^ „Corsi? PDO? Vysvětlení některých analytických pojmů z hokeje“. Sportsnet. Sportsnet. Citováno 16. listopadu 2020.
  11. ^ „Corsi? PDO? Vysvětlení některých analytických pojmů z hokeje“. Sportsnet. Sportsnet. Citováno 16. listopadu 2020.
  12. ^ https://twitter.com/Kinger999/status/456146515270975489
  13. ^ Gao, Emerald. „Představujeme začátek zóny“. NHL. Chicago Blackhawks. Citováno 16. listopadu 2020.
  14. ^ „Shift začíná a končí, část 1“. hokejviz.com. Archivovány od originál dne 2016-01-20. Citováno 2016-01-30.
  15. ^ O'Connor, Charlie. „Hokejové pokročilé statistiky, část 2: Jak můžeme (a měli bychom) měřit schopnost řídit vozidlo?“. Athletic. Athletic. Citováno 16. listopadu 2020.
  16. ^ O'Connor, Charlie. „Hokejové pokročilé statistiky, část 2: Jak můžeme (a měli bychom) měřit schopnost řídit vozidlo?“. Athletic. Athletic. Citováno 16. listopadu 2020.
  17. ^ Matisz, John (2014-09-24). „Nadcházející sezóna NHL je první od doby, kdy se hokejová analýza stala mainstreamem“. Toronto Sun. Citováno 2015-02-21.
  18. ^ „Burtch: Hodnota 5v5 skóre blízké vs. skóre upravené metriky pro předpověď - hokejový prospekt“. www.hockeyprospectus.com. Citováno 2016-01-30.

externí odkazy