Subpage under development, new version coming soon!
Subject: Juniorzy olch i wyżej
jak to policzyles kolego? bo ja bym to zrobił 30 tygodni podzielić przez ilość skoków czyli 7 i wychodzi 4, 28 :D
trzeba zrobić estymację liniową i odczytać współczynnik kierunkowy funkcji. Najlepiej odpuścić pierwsze 2-3 tygodnie jak jest duża losowość
sens jest taki że początkowe skile często są obarczone błędem
Wszystkie skille sa obarczone bledem. Wiadomo, ze prawdoposobienstwo bledu jest coraz nizsze wraz z wieksza iloscia rozegranych meczow w LJ, ale to nadal tylko prawdopodobienstwo.
A poza tym dlaczego dlaczego 22/6, gdzie uwzgledniasz bledny skok po 1 z [5] na [6]? Jak juz cos to mozemy wziac pod uwage 21/5.
Juz nawet nie wspominam o tym, ze Shirty(L)ad zmienil w trakcie szkolenia trenera, z [14] na [16]. :)
A poza tym dlaczego dlaczego 22/6, gdzie uwzgledniasz bledny skok po 1 z [5] na [6]? Jak juz cos to mozemy wziac pod uwage 21/5.
Juz nawet nie wspominam o tym, ze Shirty(L)ad zmienil w trakcie szkolenia trenera, z [14] na [16]. :)
Panowie trzeba zrobić to tak:
https://calcoolator.pl/regresja_liniowa.html
dodajecie wszystkie tygodnie (jako x) oraz poziom (jako y), *+dodajecie kolejne wiersze do tabeli a - odejmuje.
Klikacie "oblicz".
Zjeżdżacie na dół i patrzycie na "wyniki".
Znajdujecie "a" następnie robicie 1/a. Przykład a=0,20, 1/2= 1/0,2 = 5
a=5 to talent
przy okazji b to poziom juniora jak przyszedł
nie dzielcie różnicy poziomów na początku i na końcu przez czas w szkółce !!! wtedy jeśli trener najpierw nie doceni a przeceni to automatycznie macie lepszy talent, a tak wcale nie jest tylko błąd statystyki się tak ułożył (początek i koniec). Robiąc regresję liniową dla wszystkich punktów otrzymujecie wynik uwzględniający każdy skok powiązany z innymi, a nie jedynie korelacją początku i konca
https://calcoolator.pl/regresja_liniowa.html
dodajecie wszystkie tygodnie (jako x) oraz poziom (jako y), *+dodajecie kolejne wiersze do tabeli a - odejmuje.
Klikacie "oblicz".
Zjeżdżacie na dół i patrzycie na "wyniki".
Znajdujecie "a" następnie robicie 1/a. Przykład a=0,20, 1/2= 1/0,2 = 5
a=5 to talent
przy okazji b to poziom juniora jak przyszedł
nie dzielcie różnicy poziomów na początku i na końcu przez czas w szkółce !!! wtedy jeśli trener najpierw nie doceni a przeceni to automatycznie macie lepszy talent, a tak wcale nie jest tylko błąd statystyki się tak ułożył (początek i koniec). Robiąc regresję liniową dla wszystkich punktów otrzymujecie wynik uwzględniający każdy skok powiązany z innymi, a nie jedynie korelacją początku i konca
Metoda regresja linowej jest przytaczana tu na forum dosyc czesto. Oczywiscie nikt nie uzywa tekstow typu "tak trzeba", "nie dzielcie !!!", wiec daruj sobie takie teksty, miszczu. Ja wlaczylem screena , rzucilem okiem i w sekunde widze talent ok 4.0, czyli sredniawy. Chcesz sie bawic w mozolne wprowadzanie danych? Prosze bardzo - nikt ci tego nie zabrania.
jak chcesz oszacować to spoko, ale nie podasz "na oko" z większą dokładnością niż 0,2 jeśli będzie mowa o graczach, którzy nie byli długo w szkółce
Ale jak ktoś nie był długo w szkółce to i regresja jest do bani, weź sobie policz przykładowo taki talent
5 5 6 6 6 7 7 7
a teraz załóżmy że trener się walnął i masz taki układ
5 7 6 6 6 7 7 7
To jakie wyniki wyjdą z regresji? Ogólnie jestem fanem tej metody ale trzeba być świadomym że nie jest ona doskonała, pojedyncza zmieniona ocena trenera przy liczbie tygodni około 10 może powodować różnice że talent 5,0 albo 4,0 więc o tej dokładności 0,2 przy krótkim okresie to można pomarzyć.
5 5 6 6 6 7 7 7
a teraz załóżmy że trener się walnął i masz taki układ
5 7 6 6 6 7 7 7
To jakie wyniki wyjdą z regresji? Ogólnie jestem fanem tej metody ale trzeba być świadomym że nie jest ona doskonała, pojedyncza zmieniona ocena trenera przy liczbie tygodni około 10 może powodować różnice że talent 5,0 albo 4,0 więc o tej dokładności 0,2 przy krótkim okresie to można pomarzyć.
Dajesz przykład gdzie idealnie widać talent i nie ma błędów trenera, potem dodajesz błąd i mówisz, że regresja nie da lepszego wyniku. To bez sensu, jeśli chcesz porównywać metody to porównuj dla tych samych danych, a nie dla różnych. Jeśli dasz regresji gorsze wyniki to nie porównujesz już metod.
weź 1 pakiet wyników i policz regresją i normalnym dzieleniem i zobaczysz
obecnie podważasz, że nowoczesne metody matematyczne szeroko stosowane w nauce, komputerach, projektach budynków, narzędzi i systemów, jest niepotrzebne bo można po prostu coś podzielić... no jednak nie takie to proste...
(edited)
weź 1 pakiet wyników i policz regresją i normalnym dzieleniem i zobaczysz
obecnie podważasz, że nowoczesne metody matematyczne szeroko stosowane w nauce, komputerach, projektach budynków, narzędzi i systemów, jest niepotrzebne bo można po prostu coś podzielić... no jednak nie takie to proste...
(edited)
Beduin to
Mitx [del]
Weź pod uwagę, że ciężko przy krótszym pobycie w szkółce obliczyć element losowy, ponieważ nie dysponujemy wystarczającą ilością danych, co za tym idzie pomiar tą metodą da nam większy rozrzut przy mniejszej liczbie danych
Regresja fajnie się sprawdza jednak nie w każdym przypadku
Regresja fajnie się sprawdza jednak nie w każdym przypadku
Mitx [del] to
Beduin
"Weź pod uwagę, że ciężko przy krótszym pobycie w szkółce obliczyć element losowy,"
Chciałem spytać czy miałeś kiedykolwiek może zajęcia ze statystyki ? :) bo na moje oko, to nie masz chyba na co dzień nic wspólnego z analizą danych i tego typami spraw... prawda ?
Chciałem spytać czy miałeś kiedykolwiek może zajęcia ze statystyki ? :) bo na moje oko, to nie masz chyba na co dzień nic wspólnego z analizą danych i tego typami spraw... prawda ?
Mitx [del] to
Beduin
Element losowy nie oblicza się w tym przypadku na jednym osobniku, tak jak sugerujesz, tylko na "dostatecznie licznej" próbie. Gdzie "dostateczna" też jest ściśle sprecyzowana. Danymi dysponujemy ogromnymi, każdy junior to gotowa dana, którą można przeanalizować. Tutaj akurat nie rozumiem problemu.
Tak jak napisałeś. Regresja nie sprawdza się oczywiście np. w przypadku, w której nie możemy określić jakiej funkcji się spodziewamy, jednak i to można obejść za pomocą wielomianów. W tym przypadku doskonale wiemy, że funkcja jest bardzo prosta - liniowa. Także ten argument raczej chybiony. Nie rozumiem, na jakiej podstawie matematycznej chcesz stwierdzić, że to co robisz czyli w prostym języku policzenie "pochodnej" z funkcji liniowej przechodzącej przez pierwszą i ostatnią daną (początek i koniec szkolenia) ma być lepszą i dokładniejszą metodą od regresji liniowej z wszystkich danych. Przecież to jest obcinanie wszystkich danych poza krańcowymi. Jednym słowem stosujesz dokładnie tą samą metodę jaką proponuję (matematycznie to jest to samo) tyle, że uwzględniasz zaledwie 2 pkt a nie wszystkie. Także, w jaki sposób w ten sposób wynik ma być lepszy ? To sprzeczne z matematyką i statystyką...
Tak jak napisałeś. Regresja nie sprawdza się oczywiście np. w przypadku, w której nie możemy określić jakiej funkcji się spodziewamy, jednak i to można obejść za pomocą wielomianów. W tym przypadku doskonale wiemy, że funkcja jest bardzo prosta - liniowa. Także ten argument raczej chybiony. Nie rozumiem, na jakiej podstawie matematycznej chcesz stwierdzić, że to co robisz czyli w prostym języku policzenie "pochodnej" z funkcji liniowej przechodzącej przez pierwszą i ostatnią daną (początek i koniec szkolenia) ma być lepszą i dokładniejszą metodą od regresji liniowej z wszystkich danych. Przecież to jest obcinanie wszystkich danych poza krańcowymi. Jednym słowem stosujesz dokładnie tą samą metodę jaką proponuję (matematycznie to jest to samo) tyle, że uwzględniasz zaledwie 2 pkt a nie wszystkie. Także, w jaki sposób w ten sposób wynik ma być lepszy ? To sprzeczne z matematyką i statystyką...