Στατιστικά μοντέλα για την ανάλυση της απόδοσης στο ευρωπαϊκό μπάσκετ συλλόγων κατά την τελευταία δεκαετία
| dc.contributor.advisor | Πολίτης, Κωνσταντίνος | |
| dc.contributor.author | Καραβασίλης, Δημήτρης | |
| dc.date.accessioned | 2026-03-12T07:38:07Z | |
| dc.date.available | 2026-03-12T07:38:07Z | |
| dc.date.issued | 2026-03 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/18988 | |
| dc.description.abstract | Στη σύγχρονη εποχή, τα δεδομένα αποτελούν έναν από τους σημαντικότερους πόρους για την κατανόηση πολύπλοκων συστημάτων και διαδικασιών. Η συστηματική συλλογή και ανάλυσή τους καθιστούν δυνατή την εξαγωγή χρήσιμων πληροφοριών και τη λήψη τεκμηριωμένων αποφάσεων σε ένα ευρύ φάσμα εφαρμογών, από την οικονομία και τη βιομηχανία μέχρι τον αθλητισμό. Στον χώρο της καλαθοσφαίρισης, η αξιοποίηση στατιστικών δεδομένων έχει μετασχηματίσει τον τρόπο με τον οποίο οι ομάδες σχεδιάζουν την αγωνιστική στρατηγική τους, αξιολογούν την απόδοσή τους και προετοιμάζονται απέναντι στους αντιπάλους τους. Η ανάλυση δεδομένων προσφέρει πλέον ένα προηγμένο επίπεδο κατανόησης του παιχνιδιού, ενισχύοντας την ανταγωνιστικότητα των συλλόγων σε κορυφαίες διοργανώσεις. Στην παρούσα διπλωματική εργασία μελετάται η απόδοση των ομάδων της EuroLeague κατά την τελευταία δεκαπενταετία. Εκτός από τις κλασικές στατιστικές μεταβλητές, αξιοποιούνται και προχωρημένοι δείκτες, όπως ο ρυθμός παιχνιδιού (Pace), το ποσοστό επιθετικών ριμπάουντ (OR%) και οι δείκτες αποτελεσματικότητας eFG% και TS%, με σκοπό τη βαθύτερη κατανόηση των παραγόντων που επηρεάζουν την επιτυχία. Αρχικά παρουσιάζεται περιγραφική ανάλυση των δεδομένων μέσω πινάκων και γραφικών απεικονίσεων για τις κανονικές περιόδους και τα Playoffs. Στη συνέχεια πραγματοποιούνται έλεγχοι κανονικότητας και συσχέτισης και εφαρμόζονται γενικευμένα γραμμικά μοντέλα, με στόχο τον εντοπισμό των σημαντικότερων μεταβλητών που επηρεάζουν την πρόκριση στα Playoffs, την κατάκτηση μίας θέσης στην πρώτη τετράδα της κανονικής περιόδου (Top-4), καθώς και την πιθανότητα ανατροπής πλεονεκτήματος έδρας στις σειρές των Playoffs (upset). Επιπλέον, εφαρμόζονται τεχνικές μηχανικής μάθησης για την ανάπτυξη μοντέλων ταξινόμησης και ομαδοποίησης, προκειμένου να διερευνηθεί σε ποιον βαθμό είναι εφικτή η πρόβλεψη της πρόκρισης των ομάδων στα Playoffs. Τέλος, παρουσιάζονται τα τελικά συμπεράσματα της εργασίας. | el |
| dc.format.extent | 147 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Στατιστικά μοντέλα για την ανάλυση της απόδοσης στο ευρωπαϊκό μπάσκετ συλλόγων κατά την τελευταία δεκαετία | el |
| dc.title.alternative | Statistical models for the analysis of performance in European club basketball over the last decade | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης | el |
| dc.description.abstractEN | In the modern age, data constitute one of the most important resources for understanding complex systems and processes. Their systematic collection and analysis make it possible to extract useful information and to support evidence-based decision making across a wide range of applications, from the economy and industry to sports. In the field of basketball, the use of statistical data has transformed the way teams design their game strategies, evaluate their performance, and prepare against their opponents. Data analysis now offers an advanced level of understanding of the game, enhancing the competitiveness of clubs in top-level competitions. The present thesis examines the performance of EuroLeague teams over the last fifteen years. In addition to classical statistical variables, advanced indicators are also employed, such as game pace (Pace), offensive rebounding percentage (OR%), and shooting efficiency metrics eFG% and TS%, with the aim of gaining a deeper understanding of the factors that influence success. A descriptive analysis of the data is first presented through tables and graphical representations for both the regular seasons and the Playoffs. Subsequently, normality and correlation tests are conducted, and generalized linear models are applied in order to identify the most important variables that affect qualification to the Playoffs, finishing in the top four of the regular-season standings (Top-4), as well as the probability of home-court advantage upsets in the Playoff series. Furthermore, machine learning techniques are employed to develop classification and clustering models, in order to investigate the extent to which the qualification of teams to the Playoffs can be predicted. Finally, the main conclusions of the thesis are presented. | el |
| dc.contributor.master | Εφαρμοσμένη Στατιστική | el |
| dc.subject.keyword | Μπάσκετ | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.date.defense | 2026-03-05 |
Files in this item
This item appears in the following Collection(s)
-
Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα