Die Teamkürzel aller Teams für die ein Spieler gespielt hat stehen nun vor jedem Spielernamen. Damit lassen sich schneller alle Spieler eines Teams finden
http://stats-for-the-nba.appspot.com/bbl
Laut dieser Methode sind die besten Verteidiger der Liga:
-Darius Hall
-Clif Brown
-Tim Ohlbrecht
-JasonGregory Boone
-Greg Jenkins
Sind diese Spieler als gute Verteidiger bekannt? Gibt es in der BBL All-Defense-Teams oder Defensive Player of the Year Awards?

Auffällig ist, dass hier Bigman rauskommen, die z.T. sehr wenig spielen.
Gerade Hall ist alles andere als ein Guter Verteidiger, ist inzwischen viel zu langsam. Auch Ohlbrecht ist kein guter Verteidiger, er ist vor allem im 1gg1 schwach, hat aber auch defizite beim Ausboxen und beim Spacing zum Gegenspieler. 
Ohlbrecht sollte hier durch seine “libero” Blocked Shots einen Bonus bekommen, der aber durchaus wieder draufgeht wenn man sich schlechtes Spacing daraus resultierend berachtet.
Bei Hall: Fouls haben wohl hier einen zu geringen Einfluss (und eine Statistik kann ja auch nicht entscheiden ob ein Spieler ein gutes oder dummes Foul begeht, was mMn für einen guten Defender durchaus ein Markenzeichen ist.) Hall begeht für seine Spielzeit extrem viele und dann z.T. auch noch sehr dumme Fouls.

Auffällig ist auch, dass keine Spieler von 1-3 dabei sind, was aber auch dadurch leicht zu erklären ist, dass sich hier eine gute Verteidigung sehr wenig auf die Statistik niederschlägt, da da wenig geblockt wird und auch weniger Rebounds “hinfallen”

Auch wird mMn immer noch die Leistung des Teams als ganzes sehr stark gewertet, da in der Liste die Spieler kleinerer Teams zu deutlich abfallen. Auch wird in der Methode völlig vernachlässigt (so weit ich das sehen kann) wie schnell eine Mannschaft spielt, das Team mit den wenigsten Gegenkörben wird auch selber nicht sonderlich viele Körbe machen, d.h. hier werden die offensivspieler systematisch benachteiligt. Hier müsste die Anzahl der (kontrollierten) Ballbesitze eine große Rolle spielen.

Um an die Verteidigungsleistung eines Spielers ran zu kommen (geht natürlich nur bei Startern am besten mit vielen Minuten) ist es mMn am Sinnvollsten, die Scoutungs der einzelnen Spiele durchzugehen und zu schauen, wie sich ein direkter Gegenspieler schlägt ( der natürtlihc am besten auch viel gespielt hat). Ist hier regelmäßig eine größere Abweichung hin zu schlechteren Punktausbeuten, Wurfquoten oder weniger Würfen, merh TO zu sehen (bei einzelereignissen kann einfach der dazugehörige Angreifer eine schlechten Tag erwischt haben). Ein Beispiel wessen starke Verteidigung so nachvollzogen werden kann ist z.b. Bayreuths Brandon Hunter, dessen Centergegner meist deutlich unter Schnitt agieren (btw, hab den Spieler auch schon oft genug gesehen um zu sagen, dass er ein hervorragender lowpost defender ist)

Wer sich die Awards anschauen will muss auf der BBL Seite auf “interaktiv” und dann auf “Awards”, des zweite von rechts. Bekommste die Stats der Saison dieser Spieler gleich mit hinterher geschmissen.

Wenn dein System bei den besten Defensivspielern übrigens so Namen wie Tim Ohlbrecht ausspuckt, würde ich mich schleunigst nach nem neuen Hobby umsehen. Das ist doch lächerlich.

Immanuel McElroy
In den Saisons 2006/2007 , 2007/2008 und
2008/2009 wurde er jeweils als Defensive Player of the Year ausgezeichnet

Elvir Ovcina unter den 20 schlechtesten Spielern der Liga der letzten Jahre?

Werfen wir mal einen Blick auf Gießen in den letzten Jahren.

Offense, mehr ist besser, Liga-Durchschnitt 1.102

Punkte mit Ovcina 1.044
Punkte ohne Ovcina 1.033

Gießen hatte also eine ziemlich schlechte Offense, ca. 6 Punkte pro 100 Angriffe schlechter als der Durchschnitt. Die Offense wurde leicht besser, wenn Ovcina auf dem Feld stand, aber eben nur leicht. In einer offensiv so schlechten Mannschaft sollte ein wirklich guter Spieler einen größeren Unterschied machen.

Defense, weniger ist besser, Durchschnitt 1.102
Gegenpunkte mit Ovcina 1.155
Gegenpunkte ohne Ovcina 1.126

Gießen hat zusätzlich eine schlechte Defense. Diese war ohne Ovcina ca. 2 Punkte pro 100 Angriffe schlechter als der Schnitt, mit Ovcina sogar 5 Punkte. Es scheint also als wäre er in einer schwachen Defensivmannschaft einer der schlechtesten Verteidiger.

Natürlich kann es sein, dass er recht oft gegen gegnerische Starter spielt und es damit etwas schwerer hat ein gutes reines +/- zu bekommen als ein Bankspieler der selber wiederum gegen Bankspieler spielt, aber genau deswegen berechnet man ja Adjusted +/- und benutzt nicht nur reines +/-.

Interessehalber hab ich mir mal Malte Schwarz angesehen, da ein so extrem schlechtes Adj +/- Rating in so wenig Minuten recht selten ist.

Hagen

Ohne Malte Schwarz

Punkte 1.097
Gegenpunkte 1.159

Offensiv ist Hagen ohne Schwarz beinahe Liga-Durchschnitt, defensiv is man ziemlich schlecht. Aber nun ein Blick auf Hagen

Mit Malte Schwarz

Punkte 1.0
Gegenpunkte 1.27

Offensiv knapp 10 Punkte schlechter und defensiv sogar mehr als 10 Punkte schlechter (alles pro 100 Angriffe). Sobald er auf dem Feld stand war Hagen ein defensiv total unterirdisches Team, und offensiv sah die Sache nicht viel besser aus.

Stellen wir uns jetzt vor, die vier Allstars spielen alle durch und mit uns beiden zusammen und wir bekommen jeder 20 Minuten. Wir würden beide immer noch ein super +/- haben, dass auch nach unserer Auswechlung nicht schlechter wird (wenn wir mal annehmen, dass wir beide gleich schlecht sind). Somit wären wir dann beide super Spieler?

Das ist korrekt. Wenn die 4 Allstars aber mal mit jemand anderem als uns spielen, oder wir mit jemand anderem als den Allstars “erkennt” die Methode irgendwann, dass wir nicht so gut sind und dass unser positives reines(!) +/- nur auf die Allstars zurückzuführen ist. In der Praxis ist es fast immer so, dass viele verschiedene Spielerkombinationen miteinander spielen. Das ist insbesondere dann der Fall, wenn man mehrere Jahre an Daten zu Hilfe nimmt. Man nimmt gerade deswegen mehrere Jahre an Daten um den von dir genannten Effekt zu vermeiden oder zumindest einzudämmen.

Nach einem kurzen Blick auf die Liste scheint es mir doch sehr so zu sein, dass das Ranking mehr mit dem Ranking der Teams korreliert, in dem die Spieler tätig sind, als mit der individuallen Klasse.

Die Spielerrankings korrelieren natürlich deswegen mit dem Ranking ihrer Teams aufgrund der Tatsache dass ein gutes Team deswegen gut ist weil es mehrere(!) gute Spieler besitzt. Genausogut sind schlechte Teams schlecht weil dort mehrere schlechte Spieler spielen. Absolute Top-Teams haben eigentlich nie nur einen oder zwei gute Spieler, sondern meistens mehrere, auch wenn davon manchmal nur einer oder zwei im Rampenlicht stehen

Normales +/- gibt für jeden Spieler an, wie gut sein Team abschnitt während er auf dem Feld war. Angenommen ich spiele nur einen Angriff und mein Team macht einen 3er ist mein +/- 3.
‘Adjusted’ heißt hier dass die Methode versucht das Können der Mitspieler miteinzubeziehen. So kann auch ein guter
Spieler eines schlechten Teams einen positiven RAPM Wert erhalten, obwohl sein normales +/- negativ ist, und umgekehrt.
Einfaches Beispiel: Wenn ich ständig mit 4 AllStars auf dem Feld stehe habe selbst ich wahrscheinlich ein positives +/-, weil
mein Team mehr Punkte als der Gegner macht während ich auf dem Feld stehe. Die Methode sollte allerdings erkennen
dass die 4 AllStars+(normaler Spieler) besser abschneidet als 4 Allstars+JE___ und ich erhalte somit einen negativen RAPM-Wert.

Stellen wir uns jetzt vor, die vier Allstars spielen alle durch und mit uns beiden zusammen und wir bekommen jeder 20 Minuten. Wir würden beide immer noch ein super +/- haben, dass auch nach unserer Auswechlung nicht schlechter wird (wenn wir mal annehmen, dass wir beide gleich schlecht sind). Somit wären wir dann beide super Spieler? Nach einem kurzen Blick auf die Liste scheint es mir doch sehr so zu sein, dass das Ranking mehr mit dem Ranking der Teams korreliert, in dem die Spieler tätig sind, als mit der individuallen Klasse.

Folgende Doppelnennungen sind mit aufgefallen:

Jeka,Lee
Jeka,L

Greene,Demond
Greene,D

Diestelhorst,Frieder
Diestelhorst,F

Danke schön.
Was ich noch vergessen habe zu erwähnen: Ein Offensivwert von +1.0 für einen bestimmten Spieler bedeutet, dass dieser Spieler die Angriffseffizienz seines Teams pro 100 Angriffe um 1 Punkt erhöht.
Ein Team mit lauter Durchschnittsspielern (+/- 0) erzielt pro Angriff 1.10 Punkte (zuhause etwas mehr als auswärts).
DeShaun Wood, welcher ein Offense Rating von 4.3/100 hat, und vier Durchschnittsspieler sollten 1.10+(4.3/100) Punkte pro Angriff erzielen, also 1.143.

Die Daten wurden so gesammelt, dass alle Spiele analysiert wurden in denen beide Mannschaften mind.1 aus den letzten 4 Jahren in der BBL gespielt haben. Kann also sein, dass Leute gelistet sind die nur ProA gespielt haben. Dann sollte deren Team allerdings irgendwann mal in der BBL gewesen sein, und der ProA Gegner des betrachteten Spiels auch. Ich denke das verzerrt die Zahlen nicht sonderlich.

Folgende Doppelnennungen sind mit aufgefallen:

Jeka,Lee
Jeka,L

Greene,Demond
Greene,D

Diestelhorst,Frieder
Diestelhorst,F

Welche Daten hast du denn ausgewertet? Da sind einige Spieler dabei, die nie BBL gespielt haben.