런 테스트는 좋은 생각이라고 생각합니다. 나에게 "청크"의 데이터를 분석함으로써 플레이어 일관성에서 "핫 핸드"에 대한 프록시를 만들거나 제어 할 수 있습니다. 이 현상에 대한 거대한 문헌이 있습니다. Gelman은 2015 년 7 월 블로그에서 최고의 논문 중 하나를 논의했습니다. 그의 게시물의 제목은 "이봐 요. 무슨 일 이니? ( http://andrewgelman.com/2015/07/09/hey-guess-what-there-really-is-a-hot-hand/ ). Gelman이보고 한 논문은 이전의 핫 핸드 현상에 대한 이전의 분석으로 인한 오류를 자세히 설명하는 한 이전의 많은 문헌에 대한 반박입니다. 초기 연구는 조건부 확률과 달리 전체에 초점을 맞추었다. 이 논문은 새로운 순차 확률 모델을 제시한다 (논문 참조를위한 링크 참조).
예를 들어, 촬영 횟수의 차이를 제어해야하는 일관성의 좋은 지표는 변동 계수입니다. CV는 차원이없고 규모가 변하지 않는 변동성 측정 값이며 표준 편차를 평균으로 나누어 계산합니다. 해결하려는 문제는 표준 편차가 측정중인 단위의 스케일로 표현된다는 것입니다. 즉, 스케일이 변하지 않습니다. 이는 평균값이 높은 메트릭이 평균값이 낮은 메트릭보다 표준 편차가 더 높은 경향이 있음을 의미합니다. 예를 들어 평균값의 차이로 인해 이완기 및 수축기 혈압의 변동성 측정은 직접적으로 비교할 수 없습니다. 이력서를 복용함으로써 그들의 다양성은 비슷해집니다. 주가와 같은 다른 많은 지표에서도 마찬가지입니다.
따라서 음의 값을 갖는 범주 정보 및 측정 값을 제외하고 많은 메트릭 및 스케일 유형에 대해 CV를 계산할 수 있습니다.