Moneyball e além dos questionários & Respostas – Coursera

Bem -vindo a uma exploração imersiva de Moneyball e Além, onde a tomada de decisões informadas está revolucionando o mundo do esporte e muito mais. Descubra nossos testes envolventes e respostas especializadas que esclarecem o impacto revolucionário da análise e da inovação no gerenciamento de esportes e além. Esses testes servem como uma porta de entrada para entender os princípios do uso de dados e tecnologia para gerar sucesso, inspirado por Moneyball's Estratégias inovadoras.

Se você é um entusiasta esportivo interessado na interseção de dados e esporte, ou um profissional de negócios buscando insights sobre a tomada de decisão estratégica, Esta coleção fornece informações valiosas sobre o poder da análise para moldar os resultados. Junte -se a nós em uma jornada de descoberta enquanto exploramos estratégias além Moneyball Isso desbloqueia oportunidades para tomada de decisão orientada a dados e vantagem competitiva entre os setores.

Questionário 1: Semana 1 - Questionário 1

T1. Which season had the highest median number of team wins?

• 2000
• 2003
• 2002
• 2001

Q2. Agregar (sum) the number of home team hits for every individual season in the data. Which season did the minimum aggregate home team hit count occur?

• 1999
• 2003
• 2000
• 2001

3º T. Rank the seasons from highest to lowest average number of at bats for the away teams aggregated over the entire season.

• 2002, 2000, 2003, 2001, 1999
• 2001, 2003, 1999, 2002, 2000
• 2003, 1999, 2000, 2002, 2001
• 2000, 1999, 2003, 2001, 2002

Questionário 2: Semana 1 - Questionário 2

T1. Find the team with the maximum single season WPCT diff in the dataframe. What was this team’s away winning percentage for the season?

• .383
• .309
• .481
• .320

Q2. Create a variable AVG Diff = Batting Average For – Batting Average Against. What was the minimum (most negative) single season team AVG Diff in the dataframe?

• -.051
• -.046
• -.033
• -.037

3º T. How many teams in the data frame did not play 162 jogos?

• 28
• 20
• 16
• 24

Questionário 3: Semana 1 - Questionário 3

T1. What are the coefficients on batting average for and batting average against in the regression from part 1?

• AVGFOR = 3.786
• AVGAGN = -4.812
• AVGFOR = 3.942
• AVGAGN = -4.169
• AVGFOR = 3.942
• AVGAGN = -4.812
• AVGFOR = 3.786
• AVGAGN = -4.169

Q2. Qual é o coeficiente para a média de rebatidas para a regressão restrita em parte 2?

• 4.01
• 4.07
• 4.04
• 4.16

3º T. Qual é o R-quadrado para a regressão em parte 1?

• 72.0%
• 71.9%
• 71.8%
• 71.7%

Q4. Qual é o R-quadrado ajustado para a regressão em parte 2?

• 72.0%
• 72.2%
• 71.8%
• 71.6%

Semana 2: Moneyball e além de Coursera Quiz Respostas

Questionário 1: Semana 2 - Questionário 1

T1. Qual era o salário médio do jogador em 1999? Qual era o salário médio do jogador em 2006?

• 1999: $2223975
• 2006: $3942977
• 1999: $2590626
• 2006: $3689305
• 1999: $2223975
• 2006: $3942908
• 1999: $2223975
• 2006: $3689305

Q2. Calcule o jogador médio OBP e SLG para cada temporada no período. Qual temporada teve o maior jogador médio OBP e qual era o seu valor? Qual temporada teve o mais alto jogador médio SLG e qual era o seu valor?

• Avg mais alto. OBP: 0.348 (2000)
• Avg mais alto. SLG: 0.443 (2006)
• Avg mais alto. OBP: 0.337 (2003)
• Avg mais alto. SLG: 0.440 (2004)
• Avg mais alto. OBP: 0.349 (1999)
• Avg mais alto. SLG: 0.444 (2000)
• Avg mais alto. OBP: 0.342 (2004)
• Avg mais alto. SLG: 0.444 (1999)

3º T. Soma hr por jogador em todo o prazo. Qual foi o home run mais alto agregado ao longo do prazo 1998-2006?

• 400
• 361
• 367
• 420

Questionário 2: Semana 2 - Questionário 2

T1. Qual era a posição mais bem paga em média em 1999? Qual era a posição mais bem paga em média em 2004?

• 1999: 1B, $3014788
• 2004: DE, $4067223
• 1999: DE, $3214643
• 2004: Dh, $4067223
• 1999: DE, $3014788
• 2004: Dh, $4211004
• 1999: Dh, $3214643
• 2004: 1B, $4211004

Q2. Qual a porcentagem de observações no conjunto de dados é sinalizada como arbitragem elegível ou elegível para agente livre?

• 78.81%
• 81.24%
• 80.02%
• 79.15%

3º T. Sum years of experience by team for 2002. What is the highest and lowest aggregate years of experience for teams in 2002 dados?

• A maioria: 114
• Fewest: 36
• A maioria: 110
• Fewest: 37
• A maioria: 116
• Fewest: 39
• A maioria: 115
• Fewest: 38

Questionário 3: Semana 2 - Questionário 3

T1. What was the coefficient and corresponding p-value for batting average in regression model 1?

• Coefficient: -2.2090
• P-value: 0.013
• Coefficient: 0.0031
• P-value: 0.029
• Coefficient: 2.9532
• P-value: 0.000
• Coefficient: 1.5595
• P-value: 0.027

Q2. Comparing the results from the regression model in part 1) and the regression model in part 2), determine the metric (OBP, SLG, or batting average) which appeared to have the greatest increase in determining a player’s salary. What is the difference in coefficient size between the Post-Moneyball period and Pre-Moneyball period for this metric?

• 5.4668
• 3.9073
• 3.1603
• 2.9302

3º T. Which season had the largest coefficient for each metric (OBP, SLG, and batting average)?

• OBP: 2003
• SLG: 2004
• AVG: 2001
• OBP: 2004
• SLG: 2005
• AVG: 2002
• OBP: 2006
• SLG: 2003
• AVG: 2002
• OBP: 2005
• SLG: 2002
• AVG: 2000

Semana 3: Moneyball e além de Coursera Quiz Respostas

Questionário 1: Semana 3 - Questionário 1

T1. What is the highest single season “Eye” measure for a player across all seasons in the data?

• 0.385
• 0.391
• 0.389
• 0.387

Q2. Calculate the average “ISO” by team for all seasons in the data. What season does the maximum average “ISO” by team value occur in?

• 2003
• 1995
• 2008
• 1996

3º T. Calculate the median batting average for every season in the data. Which season had the highest median?

• 1999
• 2006
• 2000
• 1996

Questionário 2: Semana 3 - Questionário 2

T1. Determine the season with the largest “ISO” coefficient in each era.

• Pre-MB: 2000
• Moneyball: 2005
• Post-MB: 2011
• Pre-MB: 1996
• Moneyball: 2001
• Post-MB: 2012
• Pre-MB: 1995
• Moneyball: 2008
• Post-MB: 2014
• Pre-MB: 1998
• Moneyball: 2007
• Post-MB: 2013

Q2. How many times is “Eye” significant at the .05 level in each era respectively?

• Pre-MB: 1
• Moneyball: 2
• Post-MB: 3
• Pre-MB: 2
• Moneyball: 3
• Post-MB: 4
• Pre-MB: 1
• Moneyball: 3
• Post-MB: 4
• Pre-MB: 0
• Moneyball: 1
• Post-MB: 1

3º T. What is the largest “AVG” coefficient across all seasons?

• 7.9516
• 6.2201
• 9.3959
• 7.6219

Q4. Which season has the highest model R-squared across all seasons?

• 2007
• 2001
• 1999
• 2005

Questionário 3: Semana 3 - Questionário 3

T1. How many observations are there in the new dataframe?

• 2835
• 2914
• 2891
• 2841

Q2. What is the coefficient for AVG in the Post-MB publication period?

• 2.1509
• 3.7615
• -0.9981
• 2.981

3º T. What is the Pre-MB*Eye coefficient? How should this be interpreted?

• -0.9981
• A métrica "olho" foi avaliada significativamente menor no período pré-MB em comparação com o período pós-MB.
• -0.6327
• A métrica "olho" foi valorizada menos no período pré-MB, mas não significativamente diferente do que no período pós-MB.
• -2.4039
• A métrica "olho" foi avaliada significativamente menor no período pré-MB em comparação com o período pós-MB.
• -2.4039
• A métrica "olho" foi valorizada menos no período pré-MB, mas não significativamente diferente do que no período pós-MB.

Semana 4: Moneyball e além de Coursera Quiz Respostas

Questionário 1: Semana 4 - Questionário 1

T1. Qual a porcentagem de aparências de placas resultou em fios 2017?

• 10.1%
• 10.3%
• 10.7%
• 10.5%

Q2. Quantas aparições de placas tinham um estado base inicial em que as bases foram carregadas (Todas as bases foram ocupadas)?

• 4364
• 4185
• 4249
• 4331

3º T. Calcule strikeouts agregados pela posição do jogador (isso é, agregar (sum) dados no nível posicional e não no nível do jogador). Qual foi o total de strikeout agregado mais alto por posição?

• 4417
• 4399
• 4374
• 4317

Questionário 2: Semana 4 - Questionário 2

T1. Qual a porcentagem de aparências de placas resultou em acabamentos em 2016?

• 18.49%
• 18.51%
• 18.39%
• 18.45%

Q2. Quantas aparições de placas tinham um estado base inicial em que pelo menos uma base foi ocupada?

• 80253
• 80387
• 79539
• 81054

3º T. Calcule home runs agregados por posição do jogador (isso é, agregar (sum) dados no nível posicional e não no nível do jogador). What was the highest aggregate home run total by position?

• 804
• 827
• 797
• 815

Questionário 3: Semana 4 - Questionário 3

T1. What was the highest player run value in 2017?

• 67.65
• 63.04
• 65.95
• 62.28

Q2. What was the lowest player run value in 2016?

• -33.41
• -31.80
• -34.04
• -32.14

3º T. For each event, calculate the difference in run value between 2017 e 2016 (RV 2017-RV 2016). Which event saw the largest change (in absolute value) de 2016 para 2017?

• Batter Interference
• Catcher Interference
• Sac Fly DP
• Triple Play

Q4. Calculate the difference in player run value between 2017 e 2016 for players that accumulated run values in both seasons. According to this calculation, what was the largest improvement in run value from 2016 para 2017?

• 63.66
• 60.93
• 62.41
• 61.26

Semana 5: Moneyball e além de Coursera Quiz Respostas

Questionário 1: Semana 5 - Questionário 1

T1. Which two seasons have the strongest correlation between run values?

• 2016 & 2017
• 2015 & 2016
• 2014 & 2015
• 2014 & 2016

Q2. Which event has the highest sum of squares value?

• Batter Interference
• Catcher Interference
• Sac Fly DP
• Triple Play

3º T. What was the average run value of a “Flyout” in 2014?

• -0.2409
• -0.2292
• -0.2625
• -0.2479

Questionário 2: Semana 5 - Questionário 2

T1. What was the correlation in player run values between 2014 e 2016?

• 0.5101
• 0.4266
• 0.5461
• 0.4663

Q2. What is the R-squared for the regression model run in step 4?

• 0.301
• 0.308
• 0.303
• 0.305

3º T. What is the regression coefficient of RV15 when used as an independent variable in the regression?

• 0.0472
• 0.2673
• 0.3509
• 0.062

Questionário 3: Semana 5 - Questionário 3

T1. What was the correlation in team-run values between 2014 e 2017?

• 0.0652
• 0.2618
• 0.1931
• 0.3571

Q2. What is the R-squared for the regression model run in step 5?

• 0.127
• 0.123
• 0.130
• 0.118

3º T. What is the regression coefficient of RV16 when used as an independent variable in the regression?

• -0.4437
• 0.3788
• 0.0706
• -0.0553

Q4. Which independent variable(s) had coefficients that were significant in the player-level regression but insignificant in the team-level regression (no .05 significance level)?

• RV15
• RV15 & RV16
• RV16
• RV14 & RV15