Vorhersage der Leistung von NBA

Jenseits von PER: Wie das Weibull-Gamma-Modell die Zukunft der NBA-Stars vorhersagt

Die Vorhersage der Leistung eines NBA-Spielers ist einer der ältesten und schwierigsten Herausforderungen der Sportanalyse. Trainer, Manager und Fans sehnen sich danach, den „Heiligen Gral“ der Sabermetrics zu finden: ein Modell, das akkurat bestimmen kann, wann ein junger Spieler seinen Höhepunkt erreicht oder wann der unvermeidliche Leistungsabfall eines Stars beginnt.

Während traditionelle Metriken wie PER (Player Efficiency Rating) oder einfache lineare Regressionen in der Vergangenheit hilfreich waren, stoßen sie an ihre Grenzen, wenn sie die komplexe, nicht-lineare Natur einer Athletenkarriere abbilden sollen.

Hier kommt ein ausgeklügeltes Werkzeug aus der statistischen Zeitprognose ins Spiel, das ursprünglich in der Zuverlässigkeitsanalyse eingesetzt wurde: Das Weibull-Gamma-Modell (WGM). Dieses Modell erlaubt es uns, die Dynamik der Leistungsentwicklung – den steilen Aufstieg, das Plateau und den langsamen Niedergang – mit einer Präzision zu messen, die Linearmodelle nicht bieten können.

Das Problem traditioneller Performance-Modelle

Die Leistung eines professionellen Basketballspielers ist keine konstante Messgröße. Sie unterliegt einem Lebenszyklus:

Wachstum: Spieler verbessern sich schnell in ihren frühen Jahren.
Peak: Ein Zeitraum stabiler Höchstleistung (oft Mitte bis Ende 20).
Abfall: Ein allmählicher Leistungsrückgang, oft durch Alter und Verschleiß bedingt.

Einfache Modelle, die nur historische Durchschnittswerte oder lineare Trends verwenden, können diese Phasen nicht angemessen abbilden. Sie neigen dazu, junge Spieler zu unterschätzen (da sie das zukünftige Wachstum nicht sehen) und ältere Spieler zu überschätzen (da sie den unvermeidlichen altersbedingten Rückgang nicht korrekt gewichten).

Für eine robuste Vorhersage benötigen wir ein statistisches Framework, das zwei wesentliche Aspekte der sportlichen Leistung trennen und modellieren kann:

Der strukturelle Karriereverlauf (die erwartete Kurve).
Die inhärente Variabilität (der zufällige Lärm oder „Noise“).

Das Weibull-Gamma-Modell im Detail

Das Weibull-Gamma-Modell ist ein hierarchisches Modell, das ideal ist, um Prozesse zu beschreiben, bei denen sich die Ereignisrate (in unserem Fall: die Leistung) über die Zeit verändert und gleichzeitig eine natürliche Streuung aufweist.

Es kombiniert zwei mächtige statistische Verteilungen:

1. Die Weibull-Verteilung: Die Karrierekurve

Die Weibull-Verteilung ist hervorragend geeignet, um das timing und die Form des Karriereverlaufs zu modellieren. Sie ist typischerweise in der Ingenieurwissenschaft zur Lebensdaueranalyse (z. B. der Ausfallwahrscheinlichkeit von Maschinen) bekannt, aber sie lässt sich perfekt auf die „Lebensdauer“ der Spitzenleistung eines Athleten übertragen.

Der Formparameter (Shape Parameter): Dieser Parameter steuert, ob die Leistung schnell ansteigt und dann langsam abfällt (typisch für Big Men) oder ob sie langsamer wächst, aber länger auf einem hohen Plateau bleibt (typisch für Guards).
Der Skalenparameter (Scale Parameter): Er definiert das allgemeine Niveau der Leistung.

Die Weibull-Komponente liefert die Schätzung des wahren Talentniveaus eines Spielers zu einem bestimmten Zeitpunkt in seiner Karriere.

2. Die Gamma-Verteilung: Die Variabilität

Kein Spieler spielt jeden Abend perfekt. Die Leistung schwankt von Spiel zu Spiel. Die Gamma-Verteilung wird verwendet, um die Heterogenität oder die Varianz im Leistungsoutput zu modellieren.

Sportstatistiken wie Punkte pro Spiel oder Rebounds pro Minute folgen oft nicht einer symmetrischen Normalverteilung; sie sind positiv und häufig rechtsschief. Die Gamma-Verteilung, die nur positive Werte annimmt, fängt diese Form präziser ein als herkömmliche Modelle, die eine Normalverteilung annehmen.

Die Synergie: Das Weibull-Modell prognostiziert den erwarteten Trend (z. B. 25 Punkte pro Spiel in Saison 5), während das Gamma-Modell beschreibt, wie stark die tatsächliche Leistung um diesen Trend herum schwanken wird (z. B. mal 35, mal 18 Punkte).

Anwendung in der NBA-Analyse

Um das WGM anzuwenden, verwenden Statistiker typischerweise fortgeschrittene Metriken, die alters- und kontextbereinigt sind (z. B. Box Plus/Minus oder VORP pro 100 Ballbesitze). Das Modell wird oft im Bayesianischen Rahmen berechnet, was es ermöglicht, Vorwissen (z. B. die durchschnittliche Peak-Leistung in der Liga) in die Vorhersage einzubeziehen und die Unsicherheit der Prognose besser zu quantifizieren.

Was das WGM leisten kann:

1. Präzisere Schätzung des Peak-Alters

Das WGM kann genauer bestimmen, wann Spieler ihren statistischen Peak erreichen werden. Während viele traditionelle Modelle das Peak-Alter pauschal zwischen 27 und 29 ansetzen, kann das WGM basierend auf der individuellen Weibull-Form zeigen, dass athletisch basierte Spieler (häufig Forwards) oft früher ihren Höhepunkt erreichen und früher abfallen, während Skill-basierte Spieler (oft Guards) länger auf ihrem Top-Niveau bleiben.

2. Wert des Langzeitvertrags

Für NBA-Teams ist dies von größter Bedeutung. Bei der Unterzeichnung eines maximal dotierten Vierjahresvertrags ist es entscheidend zu wissen, ob der Spieler in den letzten beiden Vertragsjahren noch nahe seiner Höchstform sein wird. Das WGM liefert hierfür die statistische Grundlage.

3. Identifizierung von „Ausreißern“

Das Gamma-Modell hilft, die Variabilität eines Spielers zu verstehen. Ein Spieler mit geringer Gamma-Varianz ist zuverlässiger und liefert konstantere Leistung (z. B. Chris Paul), während ein Spieler mit hoher Varianz gelegentlich explodieren, aber auch unerwartet abfallen kann (z. B. einige High-Volume-Scorer).

Fazit: Die Evolution der Sportanalyse

Das Weibull-Gamma-Modell repräsentiert einen Sprung nach vorne in der statistischen Modellierung von Athletenkarrieren. Es behandelt die Leistung nicht als einfachen linearen Anstieg oder Abfall, sondern erkennt sie als einen komplexen, distributionsgesteuerten Prozess, der sowohl strukturelle Trends als auch zufällige Schwankungen umfasst.

Für Teams, die im modernen, datengesteuerten NBA-Umfeld bestehen wollen, ist die Nutzung solcher hochentwickelter Zeitprognosemodelle nicht mehr nur ein Vorteil – sie wird zur Notwendigkeit, um teure Fehler bei Vertragsverlängerungen zu vermeiden und das wahre zukünftige Potenzial der Spielerbank zu erkennen. Die Zukunft der NBA-Vorhersage ist nicht linear; sie ist Weibull-Gamma.

→ Verwendung des Naive-Bayes-Modells als Werkzeug zur Vorhersage von Fußballspielen