Fw: [專欄] 《快思慢想》作者也略懂 NBA !?

看板Timberwolves (明尼蘇達 灰狼)作者 (C'est la vie~)時間11年前 (2014/01/28 00:47), 編輯推噓0(000)
留言0則, 0人參與, 最新討論串1/1
※ [本文轉錄自 NBA 看板 #1IvdN_6s ] 作者: nypgand1 (恩歪批居) 站內: NBA 標題: [專欄] 《快思慢想》作者也略懂 NBA !? 時間: Mon Jan 27 23:06:30 2014 ReckonBox 圖文好讀版: http://reckonbox.herokuapp.com/2014/01/26/thinking-fast-slow/ January 26, 2014 《快思慢想》作者也略懂 NBA !? 2013 年度全球暢銷書《快思慢想》的作者 Daniel Kahneman 原來也是個 NBA 迷。 長年研究人類行為經濟的諾貝爾得主,他對 NBA 球迷這個嚴苛的族群又有什麼獨特的見 解呢? 兩分鐘搞懂《快思慢想》 基本上,我跟我的同事 Amos Tversky 為人類的決策過程建立了一套理論:我們的腦袋分 為兩個系統,「系統一」依照直覺快速下決定「系統二」則是需要長時間的理性推演。 你或許會以為「系統二」是我們的英雄,但實際上當人類面臨困難的抉擇之時,懶惰的我 們常常依賴腦袋裡的直覺「系統一」去做決定。 舉例來說,人類行為嚴重傾向「風險規避(risk averse)」,導致時常做出多想兩秒就知 道不合理的決策。我們來看下面這個實驗,假設你參加尾牙的時候有兩個選擇: 1. 90% 的機會得到 $10000,但 10% 的機會得到 $0 2. 100% 保證得到 $2500 我們的研究顯示:即便是選項一的期望值明顯高出很多,大部分人都還是會選擇「保險起 見拿 $2500」。 球迷眼裡的「不穩定(inconsistent)」射手 仔細想想「風險規避(risk averse)」怎麼影響 NBA 分析員和球迷是一件非常有趣的事, 也是我正在細心研究的主題。 我們以 Klay Thompson 為例,他是個高產出的射手,也是 Jerry West (按編:現為金州 勇士隊總顧問) 眼中的金童。但是,我卻常在 twitter 等等其他網路平台上看到球迷抨 擊他的表現「不穩定(inconsistent)」。這讓我開始思考這個詞到底是什麼意思,為什麼 球迷會讓認為他「不穩定」,以及這個詞在心理學上代表的意義。 結果非常有趣,Klay Thompson 是這個題目中完美的例子,就好像我一輩子鑽研人類決策 就是為了這一刻一樣。 同樣表現,各自表述 首先,我們訪問了包括來自 Grantland 和 ESPN 的數個 NBA 專家,把他們分成兩組,並 分別給他們以下的敘述,請專家們在 1~10 之中給予 Klay Thompson 的穩定度一個分數 1. Klay Thompson 本季三分命中率 40%,過去兩季他投進 5+ 個三分的比賽共有 15 場 2. Klay Thompson 本季三分命中率 40%,過去兩季他投進 0 個三分的比賽共有 20 場 我想你已經猜到結果,第一組給予 Klay Thompson 的穩定度平均高達 7.5 分第二組則 是只給出平均 4.5 的分數。 這是一個很清楚的「錨定效應(anchoring effect)」範例,只需要輕輕推一把,人們很容 易往數值的某一個方向偏移。 從「出手數」看「不穩定」 我本身不是統計學家,不過球迷所謂的「不穩定(inconsistent)」,很像是懶惰的「系統 一」腦袋會得出的結論 (而且通常都只是基於近期的表現來下結論)。畢竟對多數人來說 ,這不是個容易處理的問題。為此我請教了一些統計學同事,協助我作了一點資料研究。 一開始,我們為 Klay Thompson 約150場先發比賽中的三分球出手數 (3PTA) 建立了一個 簡單的模型,假設其屬於常用於運動離散事件分析的 Poisson 分佈。再把實際上這些比 賽的平均三分球出手數 6 作為 λ 參數,以下是此模型跑出的模擬分佈: (按編:簡單說,這張圖的 x, y 告訴我們:在每場平均三分球出手 6 次、出手事件隨機 發生的狀況之下,三分球出手 x 次的比賽有 y 場) 圖:[隨機模型] 3PTA vs 場數 http://tinyurl.com/m4z9zgl 對比真實歷史數據中,Klay Thompson 三分出手次數的場次如下圖: 圖:[真實數據] 3PTA vs 場數 http://tinyurl.com/mvajzau 這個隨機模型跟現實分佈並沒有完全相符,實際上,Klay Thompson 的三分球出手次數比 起隨機模型更為集中「穩定(consistent)」。這個現實分佈跟大家的預期可能大致上差不 多,大部分時間 Klay Thompson 的出手次數都在平均附近,偶爾多一點點,偶爾少一點 點。 從「命中數」看「不穩定」 知道了基本觀念後,接著我們用一樣的方法把注意力轉到三分球命中數 (3PTM)。我們依 照前段模擬結果的出手次數,再假設每一場比賽的出手結果符合二項式分配,隨機模型產 生出的結果如下圖: (按編:簡單說,這張圖的 x, y 告訴我們:在每場平均三分球出手 6 次、出手事件隨機 發生、再給定出手命中率的狀況之下,三分球命中 x 次的比賽有 y 場) 圖:[隨機模型] 3PTM vs 場數 http://tinyurl.com/k5wros4 同樣的來比對真實歷史數據: 圖:[真實數據] 3PTA vs 場數 http://tinyurl.com/kdp8dvu 又一次,我們可以看到隨機模型雖然並沒有完全符合現實,不過看起來也相差不遠。如果 你是藝術愛好者,你或許會稱作他「印象派莫內模型」。言歸正傳,這裡的想法其實很簡 單:創造一個隨機模型,我們等於得到一個「不穩定(inconsistency)」的三分能力。 結果卻發現當處理像三分球一樣每場只有少少幾個樣本的問題,你根本無法期望一個球員 真的能表現「穩定(consistency)」。 想像一下這代表什麼,比如說:你會期待有一個射手每一場在三分線外都給你 8 投 3 中 嗎?如果辦得到那是蠻厲害的,但這可以說是超自然的「穩定(consistency)」。如果球 迷期待的是這個,那他們肯定要失望了。 另一個值得注意的是:球迷只有在球員打差的時候抱怨他「不穩定(inconsistency)」。 如果今天 Klay Thompson 投 8 中 7 的話你不會聽到球迷說出類似的話。 無法理解隨機,球迷就期待天天火燙 基本上這得出一個事實:球迷對於比起「今天誰得了幾分、抓幾個籃板」要難只怕是一點 點的統計學都沒轍,「穩定(consistency)」這種統計概念就會掉入懶惰的「系統一」腦 袋去處理,靠著簡單的直覺來看待一場的表現而忽略更複雜的現實。 有些概念沒有這麼直觀,我們不能期待所有人都懂 Poisson 分佈,不過希望有更多球迷 能試著跟其他人解釋這個觀點,讓大家下次使用一些模稜兩可的詞彙像是「不穩定 (inconsistency)」之前能多想兩秒。 我猜想如果要求別人在斷言之前拿出資料作為證據,他們也許會意識到自己太快下決定了 。事實上,好好的討論一下如何找到佐證資料、依據資料能做出什麼樣的分析,大家可能 就會發現這真的很有趣。 -- ReckonBox | 睿啃盒子 https://www.facebook.com/ReckonBox 防守側翼擋拆—圖解灰熊「堵藍」 http://reckonbox.herokuapp.com/2014/01/18/blueing-pnr/ -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 220.136.1.61 ※ 編輯: nypgand1 來自: 220.136.1.61 (01/27 23:07)

01/27 23:09, , 1F
頭推
01/27 23:09, 1F

01/27 23:09, , 2F
洪蘭表示:
01/27 23:09, 2F

01/27 23:11, , 3F
紅藍把這本書翻得有夠差
01/27 23:11, 3F

01/27 23:11, , 4F
LINconsistant
01/27 23:11, 4F

01/27 23:14, , 5F
希望我翻得還可以XD
01/27 23:14, 5F

01/27 23:15, , 6F
投七中八 那是神 不是穩不穩定的問題
01/27 23:15, 6F

01/27 23:15, , 7F
投 7 中 8 的話 我就跪下來朝拜了
01/27 23:15, 7F
馬上被抓到打錯 XD ※ 編輯: nypgand1 來自: 220.136.1.61 (01/27 23:16)

01/27 23:17, , 8F
大概贏洪蘭版兩個車身吧...XD 對了 那有存在感這個詞
01/27 23:17, 8F

01/27 23:18, , 9F
相關的文章嗎??
01/27 23:18, 9F

01/27 23:19, , 10F
意思是討論場上遊魂嗎? 有機會的話我可以找找看
01/27 23:19, 10F

01/27 23:20, , 11F
紅藍看不到你車尾燈
01/27 23:20, 11F
※ 編輯: nypgand1 來自: 220.136.1.61 (01/27 23:22)

01/27 23:22, , 12F
出版社應該請你去翻譯阿
01/27 23:22, 12F

01/27 23:24, , 13F
是說3分球命中率無法用數學去算嗎?因為每場的出手數
01/27 23:24, 13F

01/27 23:24, , 14F
太少了?手感的影響太大?
01/27 23:24, 14F
最近一場的表現影響判斷 「錨定效應(anchoring effect)」 單場的樣本數太少 一輪只丟6次銅板,很難保證每輪的「人頭數量」會很穩定 如果一輪丟個兩萬次,幾乎每一輪都會很接近一半一半

01/27 23:24, , 15F
不是贏幾個車身的問題 直接輾過啦!
01/27 23:24, 15F

01/27 23:25, , 16F
推: 球迷只有在球員打差的時候抱怨他「不穩定」
01/27 23:25, 16F

01/27 23:25, , 17F
比某藍強太多了
01/27 23:25, 17F

01/27 23:29, , 18F
大推你的文章 讓nba板總算有文可以看
01/27 23:29, 18F

01/27 23:33, , 19F
好文推!!
01/27 23:33, 19F

01/27 23:33, , 20F
紅藍真的翻很爛 還有整個翻相反的 真的很丟臉
01/27 23:33, 20F
※ 編輯: nypgand1 來自: 220.136.1.61 (01/27 23:35)

01/27 23:39, , 21F
原po發文的頻率也不穩定
01/27 23:39, 21F

01/27 23:42, , 22F
果然,不是只有我有翻譯有問題的感覺
01/27 23:42, 22F

01/27 23:42, , 23F
y大連這也略懂
01/27 23:42, 23F

01/27 23:43, , 24F
01/27 23:43, 24F

01/27 23:44, , 25F
01/27 23:44, 25F

01/27 23:46, , 26F
人類本就是不理性動物
01/27 23:46, 26F

01/27 23:47, , 27F
推統計分配 也推湯神
01/27 23:47, 27F

01/27 23:47, , 28F
01/27 23:47, 28F

01/27 23:58, , 29F
這有什麼好難理解的,一場球迷本就多的很啊
01/27 23:58, 29F

01/27 23:59, , 30F
棒球殺豬公思維:全壘打可遇不可求 也是這樣的
01/27 23:59, 30F

01/28 00:02, , 31F
Korver=穩定 
01/28 00:02, 31F

01/28 00:04, , 32F
得推
01/28 00:04, 32F

01/28 00:04, , 33F
尾牙選項一翻錯了? XD
01/28 00:04, 33F

01/28 00:10, , 34F
可以指正一下嗎? 如果是指數字不一樣的話是因為原文
01/28 00:10, 34F

01/28 00:10, , 35F
為美金 純看數字很小 所以就灌水個一百倍
01/28 00:10, 35F

01/28 00:14, , 36F
01/28 00:14, 36F

01/28 00:22, , 37F
選錢我會選第一個
01/28 00:22, 37F

01/28 00:30, , 38F
01/28 00:30, 38F

01/28 00:38, , 39F
內容的統計推論在假設成立下真的很不錯
01/28 00:38, 39F

01/28 00:41, , 40F
Poisson 很經典
01/28 00:41, 40F

01/28 00:46, , 41F
推!!
01/28 00:46, 41F
※ 發信站: 批踢踢實業坊(ptt.cc) ※ 轉錄者: newest (118.168.202.207), 時間: 01/28/2014 00:47:14
文章代碼(AID): #1IvesJex (Timberwolves)
文章代碼(AID): #1IvesJex (Timberwolves)