Skip to content

Ciencia sin miedo

José A. Martínez

Menu
  • Sobre mí
  • Blog
  • Papers
  • Impacto
  • Libros
  • CONGRESOS
  • Dirección
  • Apariciones en podcast
  • Proyectos
  • Revisor
  • Productividad en baloncesto
  • CALIDAD AIRE
  • STARS FOR WORKERS
  • PROMETEO GRID
  • MUSEO 1980-2011
Menu

LOS ROOKIES MÁS PRODUCTIVOS DE LA NBA 2018/19

Publicada el 25 de junio de 201925 de marzo de 2025 por martinezjose

Una vez finalizada la temporada regular en la NBA, ya estamos en condiciones de conocer quiénes han sido los rookies más productivos de este curso 2018/19.

En el avance que mostrábamos hace unas semanas, veníamos que Ayton, Robinson y Bagley eran los que mayor contribución por minuto estaban teniendo.

Pese a que todavía tengo que esperar un poco más para poner a la vista mis investigaciones donde se justifica el uso del índice PTC (Player Total Contribution), ya puedo mostrar un ranking en base al rendimiento por partido y por minuto de los jugadores.

Productividad por partido

En la siguiente tabla se muestran los valores de PTC por partido, para aquellos rookies que han jugado más de 1/3 de la temporada (al menos 28 partidos).

Se especifica también el índice Win Score, creado por David Berri, igualmente calculado por partido.

Como se puede apreciar, Ayton y Doncic son los jugadores más destacados.

Productividad por partido (PTC/G), temporada regular NBA 2018/19: ROOKIES

Rk Players Age Tm PTC/G WinScore/G G FG FGA FT FTA ORB DRB AST STL BLK TOV PF FD PTS
1 Deandre Ayton 20 PHX 19.216 11.972 71 509 870 141 189 223 506 125 61 67 126 209 198 1159
2 Luka Doncic 20 DAL 18.439 9.014 72 506 1186 346 485 86 477 429 77 25 247 137 404 1526
3 Trae Young 20 ATL 15.194 5.123 81 525 1256 343 414 64 237 653 72 15 308 140 431 1549
4 Marvin Bagley III 20 SAC 15.13 7.944 62 356 706 181 262 162 309 62 33 59 98 120 224 923
5 Jaren Jackson Jr. 19 MEM 12.963 5.164 58 298 589 151 197 73 199 64 52 82 98 220 205 798
6 Mitchell Robinson 21 NYK 12.636 8.439 66 202 291 81 135 177 246 37 52 161 35 217 114 485
7 Wendell Carter Jr. 19 CHI 11.865 6.545 44 180 371 89 112 87 220 78 26 58 65 152 107 455
8 Collin Sexton 20 CLE 10.925 2 82 519 1206 214 255 57 179 243 44 6 185 186 257 1371
9 Shai Gilgeous-Alexander 20 LAC 9.908 4.055 82 341 716 156 195 57 175 270 96 45 141 175 180 889
10 Mikal Bridges 22 PHX 8.503 4.756 82 242 563 95 118 56 208 173 129 38 70 201 105 684
11 Allonzo Trier 23 NYK 8.494 2.852 64 232 518 179 223 31 166 119 28 14 116 117 182 695
12 Kevin Knox 19 NYK 8.231 2.207 75 338 914 162 226 61 274 82 43 24 114 175 174 963
13 Kevin Huerter 20 ATL 7.985 3.8 75 275 657 41 56 60 185 214 65 25 109 155 59 727
14 Miles Bridges 21 CHA 7.877 4.9 80 237 511 58 77 67 256 95 55 49 50 111 62 597
15 Jalen Brunson 22 DAL 7.796 3.075 73 264 565 87 120 25 144 230 37 4 88 127 158 678
16 Mo Bamba 20 ORL 7.694 4.702 47 117 243 37 63 64 169 39 13 64 43 102 63 292
17 Rodions Kurucs 21 BKN 7.283 3.405 63 202 449 72 92 56 190 52 41 25 77 146 70 534
18 Landry Shamet 22 LAC 6.961 2.918 79 240 557 75 93 21 113 117 37 10 45 155 83 722
19 Kenrich Williams 24 NOP 6.921 4.826 46 107 279 13 19 55 164 83 45 19 36 95 46 279
20 Harry Giles III 20 SAC 6.826 2.983 58 175 348 58 91 66 156 85 31 22 73 150 99 408
21 Josh Okogie 20 MIN 6.711 2.743 74 196 508 118 162 41 177 91 88 33 63 166 166 570
22 Omari Spellman 21 ATL 6.588 4.283 46 98 244 32 45 72 122 47 26 25 31 67 38 272
23 Jonah Bolden 23 PHI 5.829 3.807 44 80 162 13 27 47 118 40 17 39 36 99 21 207
24 Chandler Hutchison 22 CHI 5.739 3.966 44 96 209 23 38 31 154 34 23 6 25 59 46 229
25 Frank Jackson 20 NOP 5.723 1.836 61 194 447 54 73 25 109 69 25 2 48 92 65 495
26 De'Anthony Melton 20 PHX 5.336 2.83 50 100 256 21 28 25 109 159 68 23 75 113 49 250
27 Keita Bates-Diop 23 MIN 4.861 2.767 30 60 142 18 28 16 67 17 18 14 14 29 17 151
28 Robert Williams III 21 BOS 4.796 3.375 32 36 51 9 15 27 54 7 9 40 10 36 12 81
29 Troy Brown Jr. 19 WAS 4.664 2.712 52 97 234 32 47 35 110 80 21 5 30 56 41 248
30 Aaron Holiday 22 IND 4.421 1.4 50 105 262 41 50 5 62 87 21 13 40 70 58 294
31 Elie Okobo 21 PHX 4.144 1.208 53 114 290 37 47 12 86 127 32 7 69 109 44 304
32 Bruce Brown 22 DET 4.123 1.736 74 125 314 45 60 48 137 91 40 36 46 178 55 319
33 Devonte' Graham 24 CHA 3.822 1.554 46 74 216 35 46 10 53 121 23 2 30 48 50 217
34 Moritz Wagner 21 LAL 3.727 1.314 43 71 171 43 53 17 68 24 11 13 39 57 38 207
35 Brad Wanamaker 29 BOS 3.684 1.861 36 50 105 24 28 3 38 56 12 2 19 34 23 140
36 Hamidou Diallo 20 OKC 3.406 1.284 51 75 165 36 59 38 59 17 21 10 23 77 51 190
37 Ryan Broekhoff 28 DAL 3.402 1.905 42 57 126 15 19 8 55 22 6 4 16 35 18 167
38 Gary Clark 24 HOU 3.301 2.373 51 50 151 7 7 24 92 18 20 26 7 47 18 148
39 Jevon Carter 23 MEM 3.208 1.09 39 56 185 26 32 14 52 69 26 11 33 55 28 172
40 Isaiah Briscoe 22 ORL 3.128 1.295 39 55 138 15 26 5 69 87 11 2 31 66 52 136
41 Grayson Allen 23 UTA 2.896 -.237 38 67 178 45 60 3 20 25 6 6 33 47 47 211
42 Jaylen Adams 22 ATL 2.83 1.529 34 38 110 7 9 11 49 65 14 5 28 45 13 108
43 Isaiah Hartenstein 20 HOU 2.496 1.125 28 20 41 11 14 21 26 15 7 12 13 56 14 53
44 Jerome Robinson 22 LAC 2.344 .742 33 44 110 6 9 3 38 19 11 3 13 46 12 112
45 Svi Mykhailiuk 21 DET 1.86 .44 42 46 140 12 20 9 27 37 14 1 21 25 19 133
46 Deonte Burton 25 OKC 1.836 .375 32 33 82 8 12 4 24 9 6 8 9 31 18 82
47 Chimezie Metu 22 SAS 1.269 .414 29 19 58 13 17 9 27 13 6 2 15 14 11 51
48 Jacob Evans 21 GSW .915 .15 30 18 53 0 1 6 19 23 5 3 11 28 5 40

Productividad por minuto

En la siguiente tabla se muestran los valores de PTC por minuto, para aquellos rookies que han jugado más de 500 minutos de la temporada.

Se especifica, además del Win Score por minuto, también el índice PER (Player Efficency Rating), creado por John Hollinger.

Productividad por minuto (PTC/MP), temporada regular NBA 2018/19: ROOKIES

Rk Players Tm PTC/MP PER Winscore/MP MP G
1 Deandre Ayton PHX .625 20.54 .3894 2183 71
2 Mitchell Robinson NYK .6132 22.01 .4096 1360 66
3 Marvin Bagley III SAC .5986 18.93 .3143 1567 62
4 Luka Doncic DAL .5727 19.64 .28 2318 72
5 Jaren Jackson Jr. MEM .4963 16.43 .1977 1515 58
6 Trae Young ATL .4917 17.03 .1658 2503 81
7 Harry Giles III SAC .4828 14.42 .211 820 58
8 Mo Bamba ORL .4721 14.92 .2885 766 47
9 Wendell Carter Jr. CHI .4703 15.28 .2595 1110 44
10 Jonah Bolden PHI .4014 12.75 .2621 639 44
11 Omari Spellman ATL .3765 12.42 .2447 805 46
12 Shai Gilgeous-Alexander LAC .3737 13.45 .1529 2174 82
13 Allonzo Trier NYK .3726 12.19 .1251 1459 64
14 Miles Bridges CHA .3716 13.13 .2311 1696 80
15 Jalen Brunson DAL .3577 12.8 .1411 1591 73
16 Rodions Kurucs BKN .3546 11.01 .1658 1294 63
17 Collin Sexton CLE .3439 12.1 .063 2605 82
18 Aaron Holiday IND .3422 11.99 .1084 646 50
19 Troy Brown Jr. WAS .3322 11.13 .1932 730 52
20 Hamidou Diallo OKC .3303 10.17 .1245 526 51
21 Landry Shamet LAC .3052 10.99 .1279 1802 79
22 Frank Jackson NOP .2986 9.42 .0958 1169 61
23 Kenrich Williams NOP .2951 9.7 .2057 1079 46
24 Kevin Huerter ATL .2923 10.15 .1391 2049 75
25 Keita Bates-Diop MIN .2899 9.66 .165 503 30
26 Mikal Bridges PHX .2885 10.78 .1614 2417 82
27 Kevin Knox NYK .2861 8.73 .0767 2158 75
28 Josh Okogie MIN .2826 9.38 .1155 1757 74
29 Chandler Hutchison CHI .2822 8.83 .195 895 44
30 De'Anthony Melton PHX .2711 9.94 .1438 984 50
31 Gary Clark HOU .2626 9.17 .1888 641 51
32 Devonte' Graham CHA .26 10.32 .1058 676 46
33 Elie Okobo PHX .2292 7.65 .0668 958 53
34 Isaiah Briscoe ORL .2182 6.74 .0903 559 39
35 Jevon Carter MEM .2169 7.86 .0737 577 39
36 Bruce Brown DET .2105 6.97 .0887 1449 74

De nuevo Ayton se muestra como el más productivo, junto a Robinson y Bagley III. Tanto el jugador de los Knicks como el de los Kings han mostrado un gran rendimiento, pese a no ser tan mediáticos.

Mitchell Robinson sólo ha jugado 20.6 minutos por partido. Si hubiera llegado a la banda de los 30 minutos, como Doncic, Ayton o Young, probablemente su productividad por partido estaría a nivel cuanto menos equivalente al de las tres primeras elecciones del draft.

Comparación entre jugadores

Ya hemos justificado sobradamente en otros posts la necesidad de considerar la incertidumbre en las estimaciones de los valores medios de las variables de rendimiento.

Esto nos permite comparar a los jugadores usando los intervalos de confianza de las estimaciones, y así tener un criterio para ver si realmente su rendimiento ha sido diferente o no.

He elaborado un programa en Maxima para calcular esos intervalos de confianza basados en el desarrollo en serie de Taylor de la función que se pretenda analizar, ya sea de productividad por partido o productividad por minuto. En los próximos días pondré a la luz pública ese código para que cualquier analista lo pueda emplear.

Comencemos para el caso de la productividad por partido:

Players Age Tm PTC/G 95%IC- 95%IC+ Error relativo
Deandre Ayton 20 PHX 19.216 18.452 19.949 .03819
Luka Doncic 20 DAL 18.439 17.804 19.074 .03445
Trae Young 20 ATL 15.194 14.979 15.409 .01416
Marvin Bagley III 20 SAC 15.13 14.169 16.091 .06351
Mitchell Robinson 21 NYK 12.636 11.799 13.472 .06621

Vemos que los intervalos de confianza al 95% de Ayton y Doncic se solapan con claridad. De este modo, su rendimiento por minuto es equivalente estadísticamente. Ambos compartirían el primer puesto del ranking.  Young y Bagley III, por su parte, empatarían en el tercer puesto de ese ranking por debajo de Ayton y Doncic.

En cuanto a productividad por minuto:

Players Age Tm PTC/MP 95%IC- 95%IC+ Error relativo
Deandre Ayton 20 PHX .625 .604 .646 .0337
Mitchell Robinson 20 DAL .6132 .586 .64 .0442
Marvin Bagley III 20 ATL .5986 .57 .627 .0471
Luka Doncic 20 SAC .5727 .5549 .5906 .03112
Trae Young 21 NYK .4917 .486 .498 .0123

Ayton volvería a liderar el ranking, empatado esta vez con Robinson y Bagley III. Doncic estaría por debajo de Ayton y Young por debajo de Doncic.

Es cierto que tenemos un pequeño inconveniente con los errores relativos de Robinsons y Bagley III, que son un pelín elevados, pero creo que todavía son "asumibles" en el límite de lo que podríamos considerar como una estimación fiable (están por debajo del 5%). Recordemos que a medida que el error relativo se incrementa la estimación se hace más imprecisa y, por ende, más inútil.

¿Quién ha sido el rookie del año?

Nuestros análisis no nos dicen nada acerca de la importancia de cada acción en función de su contribución a la probabilidad de victoria (estamos trabajando en ello ahora mismo), y esa es una limitación, al margen de que un box-score no recoge intangibles ni toda la varianza explicada del margen de victoria (aunque mi índice de productividad sí que supera el 80%).

Teniendo en cuenta estas limitaciones, parece claro que Ayton y Doncic han sido los más productivos, con una ligera ventaja hacia el primero (ya que ambos están igualados en productividad por partido, pero el de los Suns supera al de los Mavs en productividad por minuto).

Trae Young, sin embargo, y pese a arreón final y algunos partidos memorables, no ha llegado al nivel de contribución de Ayton y Doncic. Asimismo, tanto Robinson como BagleIy III han estado a un gran nivel, y su rendimiento por minuto ha sido superior al de Doncic y Young, y equivalente al de Ayton. Habría que preguntarle a sus respectivos entrenadores la razón por la cual han jugado significativamente menos que los 3 rookies más mediáticos, porque, de haberlo hecho más, quizá habrían llegado al mismo rendimiento por partido.

Conclusión

A través de la realización de una aproximación estadística, hemos analizado la productividad de los mejores rookies de la temporada regular de la NBA. Probablemente Doncic gane el galardón al mejor jugador novato, pero lo cierto es que Ayton tiene unos números ligeramente superiores.

Pese a que las canastas imposibles, los triples o las asistencias son muy vistosas, el baloncesto castiga fuertemente los fallos en el tiro y las pérdidas de balón. Ambas variables han sido un pequeño lastre para Doncic y Young, por lo que habrán de mejorar en próximas temporadas.

Próximamente pondré a la vista los detalles de todos los cálculos, con el fin de que otros investigadores y analistas lo puedan emplear si lo estiman oportuno.

 

Category: BALONCESTO Y RENDIMIENTO DEPORTIVO

Navegación de entradas

← AJUSTE DE FUNCIONES (II): CAPACIDAD EXPLICATIVA Y PARTICIÓN DE LA FUNCIÓN
LA UNIVERSIDAD PÚBLICA EN VENTA →

ENTRADAS RECIENTES

  • DESCLASIFICACIÓN DE LA CIA: EFECTO DE LA RADIOFRECUENCIA SOBRE LA HORMONA DE CRECIMIENTO EN RATAS
  • MEDIACIÓN Y MODERACIÓN: PROCESS VS MODELOS DE ECUACIONES ESTRUCTURALES
  • COLORES MENOS SATURADOS PARA QUE EL PRODUCTO PAREZCA MÁS SOSTENIBLE
  • LA REGULACIÓN SOBRE ETIQUETADO Y PUBLICIDAD DE PRODUCTOS AZUCARADOS FUNCIONA EN CHILE
  • ANTENAS DE TELEFONÍA MÓVIL Y ELA

Temáticas del blog

  • BALONCESTO Y RENDIMIENTO DEPORTIVO
  • FÍSICA Y BIOLOGÍA
  • FRAUDE Y EXPLOTACIÓN LABORAL
  • MARKETING Y MANAGEMENT
  • METODOLOGÍA DE INVESTIGACIÓN
  • SALUD Y MEDIO AMBIENTE
  • BALONCESTO Y RENDIMIENTO DEPORTIVO
  • FÍSICA Y BIOLOGÍA
  • FRAUDE Y EXPLOTACIÓN LABORAL
  • MARKETING Y MANAGEMENT
  • METODOLOGÍA DE INVESTIGACIÓN
  • SALUD Y MEDIO AMBIENTE

  • Países al servicio de empresas: 30/06/2019
  • Contaminación electromagnética: efectos sobre la salud e intereses económicos: 19/06/2018
  • Historia de la empresa Alta Gracia Apparel: 08/01/2018
  • Gobiernos contra personas. Los agentes 2,4-D, 2,4,5-T: The Poison Papers: 05/10/2017
  • Disulfuro de carbono: Viscosa, el silencio de la industria: 26/09/2017
  • El efecto placebo: 24/07/2017
  • Glifosato: El veneno mortal de Monsanto: 27/06/2017
  • La historia no contada de Nike. El verdadero rostro de la globalización: 16/05/2017
  • El informe (2016/2140(INI)): El oscuro silencio de las marcas: 02/05/2017
  • La pérdida de identidad: Naming Rights; ¿se puede vender todo?: 07/03/2017
  • Sugargate: El imperio del oro blanco: 30/01/2017
  • Control social y manipulación de masas: 19/12/2016
  • Lo que la industria textil esconde: 23/11/2016

© 2025 Ciencia sin miedo | Funciona con Minimalist Blog Tema para WordPress