SI AnTicutos: Julio 2018 91 pp. 33-80, Las estadisticas avanzadas son una forma de estudiar lo {que ocurre en una cancha de baloncesto a través del analiss de datos objetivos. Permiten una mirada mas profunda que las estadisticastradicionales y evaldan de ‘manera ms cetera la aportacién de un jugador ola produccién de un equipo. El baloncesto esté suftiendo tuna pequefia revolucin en este sentido, yen poco mas dde una década hemos pasado de las planillas que no pasaban de una docena de datos por jugador, a un torrente cada vez mayor de estadisticas en espera de ser analizadas. Polabras clove: Deporte, Estadistica, Correlacién, Divulgacidn, Secundaria y Bachillerat. ‘Advanced Statistics in Basketball ‘Advanced stats are @ way to study what happens on @ basketball court through objective analysis. They allow a ‘more-in-depth look than traditional stats, and they evaluate more accurately the contribution of a player or the production of a team. Basketballs undergoing a small revolution inthis way, and in ust over a decade we have gone from a few data in box scores to an increasing. quantity of statistics wating to be analyzed, Keywords: Sport, Statistics, Correlation, Popular science, Middle and High School Las estadisticas avanzadas en el baloncesto PAULO GONZALEZ OGANDO. Statistics are like bikinis, What they reveal is, suggestive, but what they conceal is vital’ es una cita de Aaron Levenstein (Murray, 2010), quien fue profesor en el Baruch College de Nueva York, aunque en el mundillo del balon- cesto suele atribuirse al entrenador Bozidar Malj- kovie (Shell y de Andrés, 2008). Los aficionados, al deporte son con frecuencia consumidores ha- bituales, algunos casi compulsivos, de estadisticas, y mlimeros que contribuyan a mejorar su conoci- miento del juego, de lo que sucede sobre la can- cha, estadio o pista. Las estadisticas tradicionales Uno de los deportes en los que tradicionalmente ‘més patente ha sido este hecho es el baloncesto, yhoy es sencillo encontrar no solo los resultados de los encuentros, sino también estadisticas sen- cillas por jugador como puntos anotados, faltas, cometidas 0 tiros intentados y convertidos, en partidos tan lejanos en el tiempo como la primera final del torneo NCAA? (1939) 0 —solo los pun- tos por jugador— incluso en la final del primer Campeonato de Espafia de 1933°. a and Articulo recbido en Suma en agosto de 2017 y aceptado en diciembre de 201834 sunt, Durante los iiltimos afios, la importancia de las estadisticas en los deportes profesionales ha crecido de forma gradual, y este crecimiento ha llegado al aficionado sobre todo desde la apari- cién de Moneyball (Lewis, 2003), un famoso libro (y posterior pelicula) que narra equipo de béisbol que utiliza enfoques estadisti- cos novedosos e inusuales como ayuda en la toma de decisiones directivas en el camino hacia la consecucién del éxito deportivo. Esta popula~ tizacién de las estadisticas deportivas se ha hecho, de la mano de Internet, accesible hoy en dia para todo el mundo. En baloncesto existen multitud de piginas web en las que datos numéricos y es- tadisticos gozan de especial atencién; algunas de las que mis alcance tienen son, por ejemplo: storia de un www.82games.com ‘www basketballceference.com wow apbrore ‘wwnrkeyhoops.com www.nbastuffercom La NBA (National Basketball Associaton) es la competicién de baloncesto més importante del mundo. Al principio de la década de los 80, mo- mento en el que introduce en el juego los tiros, triples (de 3 puntos), pasé a incluir en sus planillas estadisticas (conocidas por el anglicismo bie score, figura 2) los siguientes apartados: Figura 1. Logotipo de la NBA Pano Gonsiez cao —Tiros de campo (incluyen los de 2 y 3 pun- 10s) intentados (FGA), convertidos (FGM) yen porcentaie de acierto (FG%). —Tiros triples, de 3 puntos, intentados GFGA), convertidos GFGM) y en por- centaje de acierto (3FG%). —Tiros libres, de 1 punto, intentados (FTA), convertidos (FIM) y en porcentaje de acierto (FT%). — Puntos totales anotados (PTS). — Faltas personales cometidas (PF), — Asistencias (AST), —Rebotes defensivos (DREB), ofensivos (OREB) y totales (REB). — Tiros taponados (BLK) — Pérdidas de balén (TO). — Recuperaciones de balén (STL). — Minutos jugados (MIN) ‘ En la actualidad se toman muchos més datos de los que hemos situado en un bas score tradicio- nal. No hace tanto, cada equipo solia disponer de algin entrenador asistente cuya labor era anotar cualquier estadistica que el equipo técnico hubiese decidido que era digna de estudio. Hoy esas esta- disticas se hacen piblicas en la pagina web , hay del orden de 100°. Para poder llevar a cabo una recogida de datos Figura 2. Un box score tradicionalde tal calibre, la NBA usa un sistema llamado Sport VU (Shea, 2014). Son seis cémaras instala- das en la pasarela situada en lo alto de cada pabe- lidn, ademas de un software especifico que realiza, tun seguimiento de todos los jugadores y del balén. 25 veces por segundo®. Este sistema proporciona una cantidad enorme de datos esperando a ser analizados, pudiendo conseguir mas informacién de la que tradicionalmente se disponta Asi, nace el planteamiento de e6mo usar esos datos bisicos —ya sea por partido 0 por tempo- rada— para analizar el desempefio de un jugador (un equipo (Winston, 2009). Existen multitud de parimetros que se basan en los datos incluidos, cen los bax scores tradicionales y que pretenden proporcionar informacién sobre algin aspecto concreto del juego. El anilisis del baloncesto a través de evidencias objetivas y estadisticas se conoce como APBRmetrics (Association for Pro- fessional Basketball Research Metrics). Pace and space Desde que Erik Spoelstra populariz6 el término ‘pace and space’, este se ha extendido y asumido con rapidez, y ¢s ampliamente reconocido entre los analistas que esta es, en la NBA, la era del ritmo y eespacia, como podriamos traducie al cas- tellano esa expresién inglesa*. Las estadisticas avanzadas a nivel de equipo co- ‘mienzan con el conocimiento del ritmo al que se juega. Por poner un ejemplo’, Los Nets, en a tem: porada 2012-13, eran el quinto equipo que menos puntos por partido recibfa, pero eran a la ver el equipo que més lento jugaba, que menos posesio- nes disponia por partido. Basindonos en estadisti- cas por partido, disfamos que eran un buen equipo en el terreno defensivo, pero algunas estadisticas avanzadas nos muestran que, ajustadas a su ritmo, tenian una eficiencia bastante peor. La tasa defen- siva (explicada més adelante), por ejemplo, situaba al equipo como el 17.° de los 30 de la liga. Cuando dos equipos se enfrentan, bisica- mente tendrin el mismo nimero de posesiones cada uno, por tanto para el anilisis del choque, las estadisticas que no se ajusten al ritmo pueden llegar a ser intitiles. Por ello, es crucial saber como hallar el ntimero de posesiones, dato que poste- riormente se utiliza en el calculo de un buen ni- mero de estadisticas avanzadas. Aunque existen distintas formas de calcular el namero de pose- siones, como la propuesta por Kubatko y otros (2007), a dia de hoy la NBA Jo hace asi": posesiones = 0,96-(FGA —OREB + TO +0,44-FTA) El factor 0,44 esti fundamentado en varios motivos: que un jugador anote y reciba una falta, anzando asf un tiro libre que no supone una po- sesién, que se lance un tiro libre por una falta flagrante o técnica, o que cuando se hace una falta sobre un lanzamiento triple, se tiran tres tiros libres. La NBA ha determinado que sobre €l 44% de los tiros libres suponen posesién ®. Igualmente, el factor 0,96 se explica por los llamados rebotes ofensivos de equipo, situaciones en las cuales tras un tio fallado un defensor toca el balén y lo impulsa fuera de banda; la posesién continda pero no se apunta rebote ofensivo a ningin jugador. Algunas estadisticas avanzadas Asi, las estadisticas avanzadas hacen uso de las estadisticas mas basicas, las que podemos llamar tradicionales, para intentar aleanzar una com- prensién mas profunda de lo sucedido durante los partidos. El mimero de estadisticas de este tipo es muy grande, y més que se siguen desa- rollando; en estas paginas no hay espacio para todas ellas, pero vamos a tratar de enumerar al- gunas de las mas habituales, Si no se hace ninguna aclaracién al respecto, Ja definicién de una estadistica esté sacada de . Ade~ mis, los datos especificos de las tablas han sido extraidos de . Effective Field Goal Percentage (EEG), 0 por- centaje efectivo de acierto en los tiros de campo. ara valorat la calidad del tio, mejora al porcen- taje simple de acierto en los tiros de campo, pues da a los triples un 50% mas de importancia ya Eo Ls sans aun ev eoNCESTOque estos suponen un 50% mas de puntos. Se calcula como: FGM+0,5.3FGM BEG = POM TOS TCM FGA True Shooting Percentage (TS%), 0 porcentaje verdadero de tiro, Al igual que el EFG%, trata de medir la eficiencia de un jugador en el tito, pero incluye también los tiros libres, cosa que no hace el EFG. (PTS) Ts =——__) __ 2-(FGA+0,44-PTA) En la tabla 1 podemos ver un ejemplo de las medidas mas habituales para evaluar el acierto en el tiro de los jugadores: el porcentaje de acierto en tiros de campo (FG%), el porcentaje efectivo de acierto en los tiros de campo (EFG%) y el porcentaje verdadero de tito ('S2%). Hemos in- cluido los datos de los cuatro jugadores mas vo- tados en la eleccién del MVP (premio al jugador mis valioso de la temporada) de 2017, Tabla 1. F%, EFG% y TS ‘Vemos cémo hay un jugador que, teniendo FG% y EFG% muy superiores a los demis, tiene un TS% casi igual a otros dos, debido a su menor acierto en los tios libres. O eémo la escasa dife- rencia en FG% entre Harden y Westbrook se ve aumentada en los otros dos porcentajes a causa de Ia gran cantidad de triples anotados por Harden. E ficiency Rating (EFF), indice de eficiencia. Se trata de un sistema muy simple y poco revelador, pues asigna la misma impostancia a datos que tienen claramente pesos diferentes en el juego, lo cual lleva a sobrestimar ciertas tipologias de jugador y a infravalorar otras. En un partido, la éficiencia de un jugador se calcula como: EFP = PIS+REB+ AST +STL—TO— —(PGA—PGM)—(FTA-FTM) Pawo Gonase Ossnoo Player Efficiency Rating (PER) ", 0 indice de efi- ciencia del jugador. Elaborado por el analista John Hollinger (2002), se trata de un indice que mide la productividad de un jugador por minuto dle juego, para lo cual suma todas las aportaciones, positivas de un jugadlor y resta todas las negativas, con pesos distintos de 1. Una caracteristica esen- cial de este valor es que esta ajustado para que la media de los jugadores sea 15 (Winston, 2009). ‘Como apunta David Berri", un fallo impor- tante de este indice es que un jugador con muy malos porcentajes de tiro (menos del 25% en triples, menos del 33% en tiros de campo) puede incrementar su PER... haciendo més tiros; esto procede de los pesos incorrectos asignados en la formula. Y tiene poco sentido el suponer que un. jugador puede mejorar su contribucién aumen- tando aquello que hace mal. Hollinger ha desarrollado otro indice llamado Game Score (GS), 0 marcador del partido, que tiene la misma finalidad que el PER, medi Ia ac- tuacién de un jugador durante un partido. Se trata de una simplificacién del propio PER, y de hecho tiene sus mismos defectos. Se calcula de |a siguiente manera" GS = PIS+0,4-FGM—0,7-FGA— ~0,4-(FTA —FTM)+0,7-OREB + +0,3-DREB+STL+0,7-AST+ +0,7-BLK ~0,4-PF—TO Un método analitico que puede proporcionar informacién para entender la relacién entre dife rentes variables es cl estudio del coeficiente de co- rrelaci6n lineal entre dos variables (Severini, 2015). David Berti ha encontrado", evaluando datos de la temporada 2005-06, fuertes correlaciones (del orden de 0,98) tanto entre el GS y el PER, como entre el GS y la tasa de eficiencia, Esto ‘nos permite sugerir que las propuestas de Ho- llinger son simplemente una recomposicién de la eficiencia, pero que las tres ordenarin Ia ac- tuacién de los jugadores casi siempre de la misma manera. Ademés, con datos de la temporada 2004-05, ha encontrado también una correlacién de 0,95 entre la eficiencia y los puntos anotados (Berri y otros, 2006), mostrando qué jugadores se ven sobrevalorados con estos indices: aquellos que destacan en anotacién.Player Impact Estimate (PIE), 0 impacto esti- mado del jugador. Se trata de una medicién que busca indicar la contribucién gador 0 el equipo respecto de las estadisticas to- tales de los partidos en los que juega. Busca me- jorar la eficiencia antes comentada incluyendo las faltas personales cometidas y afiadiendo un denominador, gracias al cual la NBA cree que tadistica del ju- no es necesario considerar el ritmo empleado, La pagina web oficial de la NBA asegura, sin mis explicacién, que la correlacién entre el PIE de los equipos y el porcentaje de partidos ganados, es de 0,953", lo cual supondria una dependencia bastante fuerte. istica total del jugador equipo par- tido se calcula asi Laes estad, total = PTS + FGM +FTM—FGA — —FTA+DREB+0,5-OREB + AST + +STL+0,5-BLK ~PF—TO Valor que se usa en el célculo del PIE: estadistica total del jugador o del equipo PIE ‘estadistica total del partido En la tabla 2 utilizamos otra vez a los mismos jugadores de la tabla 1 para mostrar sus tasas de eficiencia (EFF), tasa de eficiencia del jugador (PER) ¢ impacto estimado del jugador (PIF). Las tres pretenden medi lo mismo con un valor tinico, la actuacién general de cada jugador. Russell Westbrook James Harden Kewhi Leonard LeBron James Tabla 2. EFF, PER y PIE Usage Percentage (USG® Es el porcentaje de jugadas del equipo tilizadas por un jugador. Se calcula mediante las pos nes terminadas por ese jugador, en funcién del iniimero de posesiones totales mientras el jugador esti en pista. Se calcula asf: FGA +044-FTA+TO posesiones |. poreentaje de uso, usGY En la temporada 2016-17 el jugador con me- jor porcentaje de uso fue Russell Westbrook(i- gura 3"), con un 40,8%" sino que fue el dato mas alto aleanzado desde que se tienen datos al respecto, 1986, lo que nos permite deducir que desde entonces no ha habido en la liga un equipo tan centrado en un solo jugador como los Oklahoma City Thunder Jo estuvieron en Westbrook, quien por otra parte fue premiado con el MVP de la temporada. Pero no solo del afio, Figura 3. Russell Westbrook (0) y John Wall (2) Offensive rating/deffensve rating, o tasa ofensiva/ tasa defensiva, que fueron creadas por Dean Oli- ver (2004). Se hallan de la siguiente forma: tasa ofensiva = puntos anotados/posesiones tasa defensiva = puntos recibidos/posesiones Se trata de un parimetzo a nivel de equipo, pero si se calculan con los puntos logrados mien: tras un determinado jugador e bién puede ser revelador a nivel de jugador. Como comentamos con anterioridad, en ocasio- nes ¢s necesario realizar un ajuste al ritmo em- pleado para poder evaluar con acierto la eficiencia ofensiva 0 defensiva. Los dos siguientes parimetros se pueden cal- cular, si bien no a partir de las estadisticas tradi- cionales que hemos venido usando en los ante~ en cancha, tam- riores, sia partir de lo que solemos lamar play-by-play (que empezd a registrarse en 1986), 2019el desarrollo paso a paso de todo lo que ocurre durante el partido, incluyendo los cambios de ju- gadores; esto Ultimo permite conocer en todo momento cuiles son los quintetos que ambos equipos tienen en cancha. Indice +/-, Esta estadistica se calcula mediante él diferencial de puntos logrado por el equipo cuando el jugador esté en cancha y en el bangquillo. Se puede expresar por 48 minutos (duracién de un partido NBA) o por 36 minutos, para relativizar el tiempo jugado, El mayor problema que presenta para calibrar la actuacién de un jugador concreto, es que depende de la calidad de los demas juga- dores en cancha. Asi, los mejores en este apartado siempre pertenecen a los mejores equipos. Indice +/- ajustado. Resulta una mejor aproxi- macién que el parimetro anterior, pues el +/- se ajusta al resto de jugadores presentes en la cancha ‘en cada momento. Esta estadistica indica con cuin- tos puntos adicionales contribuye un jugador 2 la anotacién de su equipo en comparacién con el ju- gador medio de la liga durante la duracién de un partido tipico, considerado de 100 posesiones (Winston, 2009). Deserito por Dan Rosenbaum, se considera ajustado dado que parte del +/- an- terior y aplica un modelo de regresién lineal para ineluir el impacto de los demas jugadores en pista; Jos resultados han sido centrados para que el juga dor medio de la liga tenga un +/- ajustado de 0. Esta estadistica est limitada en su valor por el ele~ vado tamatio de la muestra necesario para minimi- zat los errores de estimacién o por su incapacidad para discernir los efectos de dos jugadores que ha- bitualmente coinciden en sus minutos de juego. Por iiltimo, citaremos un parimetro bastante usado en una de las webs especializadas en ba- Joncesto que més visitas reciben, Basketball Refé- rence. Es, ademds, una buena muestra de la com- plejidad que pueden llegar a alcanzar los calculos, de este tipo de estadisticas avanzadas. Win Shares (WS), 0 contribucién a la victoria Para calcular la aportacién de un jugador al éxito de su equipo, este indice usa estadisticas del ju- gador, del equipo y de la liga. ¥ esti calculado de forma que la suma de los datos de todos los jugadores de un equipo dado sera aproximada- mente igual al nimero de victorias del equipo en Ia temporada. Fue desarrollado por Bill James Pano Gonzhse Ocanoo (2001) originalmente para el béisbol, y posterior- mente adaptado para el baloncesto por Justin Kubatko, fundador de Basketball Reference. Su célculo es bastante complejo, y hacerlo a mano llenaria varias paginas, aunque podemos encontrarlo pormenorizado en Basketball Refe- rence®, Pasa comprender en qué consiste, el pri- ‘mer paso se encuentra en el célculo de otras es- tadisticas avanzadas més sencillas como la tasa defensiva, los puntos producidos o las posesiones ofensivas (disponibles en Oliver, 2004). Se usan estadisticas del jugador, del equipo y del total de la liga, con ellas se obtienen un dato marginal ofensivo y otto defensivo para cada jugador, una forma de valorar su produccién en telacién con el total de la liga. Por tiltimo, se suman estos dos, datos y se obtiene la WS. Un Ultimo ejemplo Para terminar, vamos a mostrar un ejemplo de ccémo las estadisticas avanzadas pueden ofrecer una visién distinta a las tradicionales Segiin Baskethall-Reference™, durante la tempo- rada 2016-17 Mare Gasol (figura 4”) ha cogido 6,3 rebotes totales (ofensivos y defensivos) por partido, lo que le ha colocado como el 60.° en rebotes por partido, el 32.° en su posicién (la de pivot 0 cenfe). Teniendo en cuenta ademas que €s el 26.° en minutos jugados por partido, parecen datos suficientes para poder calificarle como un mal reboteador. Observando su forma de jugar durante los partidos, da la sensacién de que su entrenador ro le encomienda estar pendiente de los rebotes, ofensivos debido a motivos ticticos (distribucién de juego en el poste alto, balance defensivo). Por ello, nos fijaremos en los rebotes defensivos, que si parecen estar entre las tareas asignadas. Aqui es el 35.°, con 5,5 por partido. Mejor, pero ain asi Icjos de la élite, pues seria el 18.° entre los pi- vots, y son muchos los analistas que le consideran tuno de los candidatos a mejor pivot de la liga. Pero si valoramos las estadisticas avanzadas, podemos dar una vuelta al anilisis. Considerare- mos un parimetro que atin no habfamos tenido en cuenta: el porcentaje de rebotes defensivos (DREBY%), calculado como el porcentaje de vecesFigura 4. Marc Gasol (33) y Blake Grifin (32), que un jugador o equipo coge el rebote, respecto del total de jugadas en las que un rebote esta dis- ponible, Pues bien, segtin datos de ”, el equipo de Marc Gasol, los Grizz- lies, cogen un mayor porcentaje de rebotes defensivos cuando G: en Ia cancha que cuando esta sentado. Y esto ha sido asi durante las siete iiltimas temporadas, y solo en las dos primeras del jugador en la liga no sucedia Una estadistica avanzada muestra asi que, quizas, Mare Gasol no sea tan mal reboteador. Esto se po- ia explicar incidiendo en que destaca impidiendo que €l rival coja el rebote, y aunque no lo coja él mismo si favorece que acabe en manos de un com- pafiero. Y si bien se trata de una estadistica con bastante ruide, pues depende bastante de los com- pafieros y rivales que haya en pista en cada mo- ol es ‘mento, esta nueva estadistica nos obliga, al menos, a revisar nuestra valoracién inicial en base a las es- tadisticas tradicionales, y puede conseguir aportar tuna nueva informacién que estas no transmitian. Algunas propuestas para el aula El articulo apunta hacia diversas posibilidades en cuanto a la utilizacién didéctica que puede darse ala informacién presentada. Si bien puede no ser demasiado adecuado para trabajar en su totalidad, si se pueden extraer algunas ideas de Jas aqui expuestas para trabajar conceptos esta disticos utilizando el deporte como punto de pattida, pues se trata de un drea que conecta muy bien con cierto tipo de alum En 1.° de Bachillerato, tanto en la rama cien tifico-tecnolégica como en la de ciencias sociales, se incluye entre los estindares de aprendizaje evaluables el anilisis del grado de dependencia lineal entre dos variables, extrayendo conclusio- nes a partir del cilculo del coeficiente de corre- laci6n lineal Una posible tarea para el alumnado de este nivel consiste en extraer de la propia pagina web de la NBA los datos necesarios para calcular dicho coeficiente en el caso de la eficiencia y los puntos, anotados (o en alguno de los otros ejemplos men- cionados més arriba). Aparte de reforzar la com- prensin del concepto matemético y ayudar a la ‘mecéinica realizacién de célculos con un objetivo real contextualizado, la tarea se completa con la confrontacién de los datos obtenidos por el alum- nado con los expuestos por David Berti, a los que ya hemos aludido. Si ademas el cilculo se hace tomando los datos de tempotadas diferentes, dla al poder tener en consideracién posibles varia ciones temporales, pudiendo concluir si se trata de un aspecto constante o variable en el tiempo. En este nivel incluso se podria proponer al- guna tarea de investigacién de mayor dificultad, como tratar de encontrar alguna situacién similar ala del ejemplo de Marc Gasol, en la cual las es- tadisticas tradicionales parezcan indicar alguna conclusién que las estadisticas avanzadas maticen en otra direccién. Si bien para un profano en ba- loncesto puede parecer una tatea muy compli- cada, si el alumnado es seguidor habitual de este deporte entonces es perfectamente accesible. En niveles mas bajos de la ESO se incide en Ja estadistica descriptiva unidimensional, lo cual abre la puerta a actividades relacionadas con la organizacién de datos estadisticos en forma de tablas y grificas. La variabilidad de la dificultad cn tareas de este tipo es bastante grande, y son asi més adaptables por niveles. En el primer ciclo proporcionaremos siempre informacién especifica como punto de pattida. Pueden ser pequefias tareas como dar el nimero is del coeficiente se hace mas interesante 39 su2019 de rebotes de Gasol en todos sus partidos para ‘que encuentren su media, o mis elaboradas como mostrar datos tabulados del estilo de la tabla 1 para solicitar que representen grificamente la in- formacién en un diagrama de barras y requerie preguntas del tipo equé jugador tiene peor FGY%/? © zeual de los jugadores piensas que ha estado tirando mejor? En el segundo ciclo el tipo de actividades a proponer son parecidas a las del primer ciclo, pero de mayor complejidad. Aumentar el niimero de parimetros para calcular y analizar (cuartiles, desviacién tipica) 0 proporcionar una gufa para que sea el alumnado quien realice la recoleccién y elabore el tabulado de los datos, serian tareas ‘mis apropiadas a este nivel. En todo caso, hemos de ser euidadosos con €lapartado estadistico escogido, pues el niimero de jugadores en la liga es cercano a 500, cantidad que solo es factible manejar si tecurtimos al uso, por ejemplo, de hojas de céleulo como Excel. En caso de pretender hacer los célculos a mano © con calculadora, recomendamos limitar el es- tudio a los jugadores que hayan obtenido los me- jores valores en dicho apartado estadistico, 1 Una taduccia a eastelano puede ser elas estadstieas son como los bikinis lo que muestran es sugerente, palo que escon- denesuial, 2-chttp://waw.cbssports.com/collegebasketball/ncaa tournament/istory/yearbyyear/1939>. 3--. 4 Un ejemplo de mediadas de lor ochenta: . 5 . 5 . 7 chttp://www.espn.com/blag/truehoop/miamineat/_ post/_id/1176/ietroducing-miamis-pace-orspace-offense> 8 ‘9 10. 11. Alolargodelterto, en las frmulas usaremas los porcenajes ‘entanto por uno, aloe pardmetros que devuelven un porcentaje tendremos que multiplicarlos por 100i queremos conocer el tanto por cient, 12_chts://www nbastuffercom/analties101/possession/> 13 - Puno Gora Ocano0 Referencias bibliograficas Bera, D.}, M. B. ScHMMDT y S. L. BROOK (2006), The anages of wins: Taking measure of the many mths in mo- dern spor, Stanford University Press, Palo Alto. HOLLINGER, H. (2002), Pro basketball prospect, Poto- mac Books. {Jaws B.y J. HENZLER (2001), Win shares, Free Press, New York. Kvsarko, J, D. Ouver, K. PELTON, K. y D. ROsEN- BAUM 2087), 4A Starting Point for Analyzing Bas- ketball Statistics», Journal of Quantitative Anais in Sports, Nol. 3: Iss. 3, Article 1. Leswts, M. M, (2003), Moneyball Tbe at of wining an un _fair same, WW, Norton & Company Ine., New York. ‘MURRAY, A. (2010), The Wall Stet Journal essential guide 0 management, HarperBusiness, New York. OuiveR, D. (2004), Bavketball on paper. Rales and tok for performance anabsis, Brassey's INC., Washington DC. SCHELL, E. y E. DE ANDRES (2008), Basuéetobora, ESIC Editorial, Pozuelo de Alarcén, SEVERIN, T. A. 2015), Antic metbods in sports, CRC Press, Boca Ratén, Sua, S. 2014), Basketball anaisties: Createspace, Scotts Valley. Winston, WL. (2009), Mathletics, Princeton Univer- sity Press, New Jersey. Spatial tracking, Pawo Goneitez Osan oben Carbine Bnew) 15_- 16. , 17 -etp:/wagesofwinscom/2006/11/17/a-comment-on-the player-fficency-rating/> 18 -. 19 Fota de Keith Alison, . 20 chttpi//stats.nba.com/players/advanced/#!?sort= USG_PCTRUl=-1ECF=MIN'GE*IS> 21 chttp://www.nba.com/article/2017/04/14/playotts ‘numbers-prevewhoustor-rockets-klahomaclythunder> 22 ehttp://www.B2games.com/comm30.htm> 23 ehtts:/nw-basketbal-eference.com/about/ws.htmb. 24 chttps://www.basketball-reference.com/leagues/ 'NBA_2017_per_game.htm>. 25” Foto de Verse Photography. hitps://www fick com/photos/ 77366588@N03/10953607126> 26. Por ejemplo: 0 también http://www sportingnews.com/us/nba/ ews playecrankingscontr-2017-kat-anthony-touns-Semarcs- ‘cousins mare gasol/sD wup2ySeimoe4gStSb4y>.Cualauir bis ‘queda en Internet de emare gasol best center in nba» devuelve ‘ulitud de articulosen esta nea, 27-ehtpl/wew.82games.com/1617/16MENI7 HTM.