具有空间同质性的点过程的贝叶斯非参数估计：对 NBA 投篮位置的空间分析
统计方法学
2020-11-24 v1 应用统计
摘要
篮球投篮位置数据为教练、体育分析师、球迷、统计学家以及球员自身提供了有关球员的宝贵概要信息。此类数据以空间点表示，自然可用空间点过程模型进行分析。我们提出了一种新颖的非参数贝叶斯方法，用于学习建立在 Dirichlet 过程与 Markov 随机场结合之上的潜在强度曲面。我们的方法在估计全局异质强度曲面时，具有有效鼓励局部空间同质性的优势。后验推断通过高效的 Markov chain Monte Carlo (MCMC) 算法执行。模拟研究表明推断准确且该方法优于竞争方法。对 2017-2018 常规赛 名代表性 NBA 球员投篮位置数据的应用，提供了关于这些球员投篮模式的有趣见解。与竞争方法的比较表明，所提方法能有效将空间连续性纳入强度曲面的估计中。
引用
@article{arxiv.2011.11178,
title = {Bayesian Nonparametric Estimation for Point Processes with Spatial Homogeneity: A Spatial Analysis of NBA Shot Locations},
author = {Fan Yin and Jieying Jiao and Guanyu Hu and Jun Yan},
journal= {arXiv preprint arXiv:2011.11178},
year = {2020}
}