Free Agents’ & their Individual Offensive Efficinency by Henry Yeh

Our dearest contributor Henry, while at the Utah Summer League did some behind the scenes analysis as the Free Agency market has been booming.

Here is his article that he recently posted up on his own blog:

http://basketball-datascience.com/2017/07/05/free-agents/

With the July moratorium (7/6, 11:00am CT) looming in as teams can begin officially signing players and making trades, I think it’s interesting to take a look into the free agents’ Individual Offensive Efficiency (IOE). I have attached the players’ games played, minutes, and the traditional stats.

 

(Note: UFA = Unrestricted Free Agent; RFA= Restricted Free Agent; *Player Option; **Team Option; ***Early Termination Option; Festus Ezeli’s stats are from last season with the 2015-16 Golden State Warriors )

1.PNG2345.PNG

 

The formula for the IOE is Points Generated (PGEN) divided by Net Possession Terminated (NPT). The formulas are as below:

PGEN = Pts + ((Assisted Points / Player’s Tot Ast) * ( Ast + 2nd Ast + FTAst ))

NPT = FGA + Ast + 2ndAst + FTAst + ( 0.44 x FTA) – ORB + TO

whereas the PGEN measures the amount of points a player produces each time he  terminates a scoring possession while the NPT takes into account of all the possible actions that end a possession ( 1) field goal attempts, 2) assist of any type, 3) shooting fouls, 4) offensive rebounds, and 5) turnovers ). We use the parameter 0.44 for free throws because a player can shoot anywhere between one to three free throws. We subtract offensive rebounds because an offensive rebound extends a possession (it does not terminate the possession). Click here more details about these formulas.

Now we will have a new list ranked by the IOE. Cristiano Felicio has the highest IOE while Jordan Hill has the lowest (because he did not record an assist). Note that this list is not accurate to judge a player’s overall offensive ability since a lot of these free agents are fringe players, meaning they played very few games and minutes, which won’t garner any statistical significance. This is manifested by the fact that eight out of the top ten players are reserves and aside from Andre Iguodala, none of the other nine players have averaged more than 20.1 minutes per game. However, this list is still interesting to look at as it shows where some of the rotation players stand.

 

678910

— J.H. Yeh

(all tables are created by me, and all sources of stats are courtesy of NBA.com as of July 2, 2017)

 

 

{:tr}Kazanma Olasılığı{:}{:en}Win Probability{:}

{:tr}Giriş

Dün akşam NBA Final serisinin sona ermesi ile Şubat ayından bu yana kapsamaya çalıştığım ulusal ligler hakkındaki yazılarım sonlanmış oldu. Bu yazı ile sizlerle özel bir başlık olan kazanma olasılığı hakkında bilgi iletmek istedim. Ben ve diğer basketbol analitik uzmanı arkadaşlarım, istatistik başta olmak üzere bir çok sayısal işlem ve bilgisayar algoritması eşliğinde sayıların kanıtladığı konulara daha derin basketbol bilgisi ile yaklaşarak gerek takımların gerekse oyuncuların galibiyete katkıda bulundukları noktaları sayısal olarak değerlendirmeye çalışarak kazanma olasılığı hesaplamaları üzerine öncelikle hipotezler ardındanda formüllemeler ile yanıt arıyoruz.

Kazanma olasılığı tam olarak nedir?

En yalın haliyle, kazanma olasılığı bir takımın bir maç sırasındaki her an kazanma olasılığının hesaplanabilir kılan ve geçmiş verilere dayalı olarak benzeri takımların benzer durumlardaki koşullarını dikkate alarak yapılan hesaplamalar eşliğinde bir araç olarak görülmelidir.

Özünde Bill James’in beyzbol ve “moneyball” kavramı ile ortaya çıkan bir araç olarak basketbol’a uyarlanan bir kavram olarak geliştirilmeye devam ediliyor.

Mevcut araştırmalar dahilinde şu anda doğruluk hesaplaması ve kazanma olasılığı kapsamında değerlendirme konusu gündemde tutuluyor. Örnek olarak, eğer bir takımın kazanma olasılığı 20% çıktıysa bu geçmişde benzer bir takımın yakaladığı başarının benzeri olarak 20% olarak şu anda biliniyor ancak gelecekte bir takımın yanı pozisyonda 20% oranında kazanma olasılığının değerlendirmesi ve doğruluğu tartışma konusu. Gizli veya öngörülemeyecek veri olarak nitelendirilen verilerin olasılık hesaplamalarına dahil edilmesi sürecinde çapraz doğrulama metodolojisi kullanılsada sapma oranı halen yüksek çıktığından kazanma olasılık değerlerinin yanıltıcı olabilmesi mümkün görünüyor.

Şu anda analitik bilimciler yukarıdaki şartları dikkate alarak özellikle Bayesian processing ile geçmiş verilerin geleceğe olan etkisini de analiz ederek ilerlemeye çalışıyor.

Şubat ayından bu yana özellikle şahsen üzerinde çalıştığım modellerde takımların maç öncesi birbirine oranla kuvveti ve bulundukları ligleri de dikkate alarak hesaplamalarımda ayarlamalarda bulunmaya gayret ediyorum. Tabii ki kuvvet faktörü devreye girdiği zaman değerlendirmelerde değişken durumlar ve güç dengelerinin lig kapsamındaki yerleri de değişim göstermekte ve doğruluk payını da etkilemektedir.

Basketbol kazanma olasılığı ve yeni araştırma kolları

 

Sizlerle yeni gelişmelerden bahsetmeden evvel son bir kaç senedir kat edilen yol hakkında bilgi paylaşmak istedim. Özellikle 2012’de Sloan Sports Analytics Conference sırasında yayımlanan ve kazanma olasılığı hesaplamaları hakkında açıklamalar verildi. Bu araştırmanın video sunumuna şuradan erişebilirsiniz:

Ekli kazanma olasılığı (Win Probability Added)

Kazanma olasılığı alanında özellikle oyuncuların bireysel katkılarını ortaya çıkartabilmek adında ekli kazanma olasılığı kavramına başvurulur. Bir oyuncunun olası katkısını ortaya çıkartmak oldukça zor ve bu nokta antrenörler tarafından da halen hassas bir nokta olarak görülüyor. Değerlendirmeye alınması söz konusu verilerin sahada oluştukça hesaplanabilir oluyor olması ve biz basketbol analitik uzmanlarının zaten antrenörlerin oyuncular ile üzerlerinde sahada çalışmaya uğraştıkları alana girmek istemediğimizden dolayı halen kabul edilir bir çözüm ve veri serisi olarak kabul görmüyor.

Öte yandan Win Share ve Kazanma olasılığı hesaplamasının aynı anlama gelmediğine de dikkatinizi çekmek istiyorum. Her ne kadar iki veri de genelde bir oyuncunun takıma katkısını ortaya çıkartıyor olsa dahi win share kavramında genelleme yapılırken kazanma olasılığı hesaplamasında (belirli bir seri maçların) ortalaması alınarak daha net veri elde edilir.

Mevcut araştırma ve en iyi sahaya yansıtma araçları

Kendi yaptığım çalışmalara yönelik olarak tescilli içeriklerden dolayı maalesef müşterilerimin de datasını ortaya koyamadığım için doğrudan kazanma olasılığı çalışmalarımı paylaşamıyorum ancak şu anda akranlarım arasında en önde gelen ve bu konuda gelişme kayıt etmiş kişi Michael Beuoy bulunuyor. Kendisinin çalışmalarına şu linklerden erişilebilir:

Live NBA Win Probability Game Box Scores

No Description

NBA Win Probability Calculator

No Description

Kazanma olasılığı hakkındaki yanılgılar

Kazanma olasılığını hesaplamada birden çok etken olduğunu yazımın yukarıdaki bölümlerinde belirtmiş olsam da tekrar etmekte fayda olduğu inancındayım. Herkesin düşündüğünün aksine kazanma olasılığı henüz gelişimi tamamlanmış bir süreç değil ve sonuçlar bir belirti amacı taşıyor olsalarda kesin sounç olarak kabul edilmemeli. Kazanma olasılığı hesaplamasında özellikle dış saha, iç saha maçları; yıldız oyuncu ve karşılığında benchden gelen verimli oyuncu; bir maç esnasında kaç defa kimin öne geçtiği, top hakimiyeti ve tempo gibi faktörler önem taşır ve olasılık hesaplamasinın değerini yükseltir. Bu bahsi geçen etkenlerden herhangi birisinin çıkartılması ise veya özellikle odak noktasına dönüşmesi olasılık hesaplaması değildir ve hatalı sonuçlar doğurur.

Basketbol analitiğinde kazanma olasılık hesaplaması bizleri nereye taşıyabilir?

Şu anda devam eden ar-ge ile kazanma olasılığı hesaplamalarının amacı Amerika’da özellikle yaygın olan ana spor dallarında olduğu gibi Avrupa ve Türkiye’de de yol kat etme hedefi bulunuyor. Bu noktada geçmiş bir kaç yazımda da dile getirdiğim üzere özellikle ulusal basketbol yönetim birimlerinin (örk: TBF) maç hareketleri datasını kamuya açık hale getirilmesi gereklidir.

Yazımı sonlandırırken sizlerle NBA Final serisinin son maçı sırasında toparlanan verilerden bir paylaşımda bulunarak canlı tutulan kazanma olasılığı grafiği ve her iki takımın kazanma olasılığı verileri dikkate alınarak çıkartılan gelişmiş istatistikleri paylaşmak istedim:

Screen Shot 2016-06-20 at 13.52.00

Screen Shot 2016-06-20 at 13.52.22{:}{:en}Introduction

With the end of the NBA Finals series last night, the national leagues that I mainly cover are over. With that I wanted to post a special piece that pays homage as well as explains what I had been focusing on since February and the launch of Advance Pro Basketball. To us analytics guys, aside from the statistics, and myriad of other qualitative and quantitative evidence that allows us to delve deeper into how a team wins and how players contribute to the “W”s; win probability calculations, lead tracking and changes as well as elements that relate to how win probabilities shift from one end to the other have been a focus for me.

What is win probability?

Simply put, win probability is a tool that helps calculate a team’s chance of winning a game at any given time, based in historical performance of similar teams in the same instance or situation.

Originally developed by Bill James for baseball and the “moneyball” notion it later on spread to other sports including basketball.

The current research which I too take part in involves the accuracy measurement of win probability estimations. That is, if an independent tool say estimates a 20% win probability because 20% of teams previously won in that situation/instance, do future teams win at the same 20% ratio?

The hard part is estimating from hidden data that makes use of testing/simulation tools like cross-validation.

While most prediction models involve analyzing frequency of past events, other models use Bayesian processing.

Since February along with other anayltics experts have been looking closer at models including a measure of teams’ strength coming into the game, while others assume every team is average. Adding in the strength factor estimates increases the number of probable states, and hence decreases an estimation power while possibly increasing its accuracy.

Recent research and Basketball win probability

Before discussing in depth on how current research is going, I wanted to give a bit more insight on the scope of work that has been done in recent times.

Every year at Sloan Sports Analytics Conference, we see more and more research papers that cover a wide range of topics. In 2012 one research paper that delved into the matter gave lots of weight on win probability calculations, here is a video to the paper explanation during the conference:

Win Probability Added

Within the realm of win probability calculations we also tend to look at players contributions individually and it is at this point that attempting to measure a players probable contributions before they take place are tricky and while most coaches consider this as delivering over-use of data and making their job obsolete. However to the contrary as analytics experts in basketball we can only estimate and calculate as events take place and while live solutions currently do exist taking on the decision making process of acting as a coach is not what we aim to do.

I should be clear that win probability added calculations are not the same as win shares. While both might indicate to a players overall contribution to the team stakes in winning games the win share attribute of say 0 pointing to no contribution whereas with win probability 0 points to the average.

Current Resarch and best field application tools

With regards to the work I do while I would love to share proprietary information my client relations do not allow me to do so however several key peers that do win probability calculations have information up on their websites.

Michael Beuoy by far out of most of our peers has the best site as well as probability calculator which can be reached through:

Live NBA Win Probability Game Box Scores

No Description

 

NBA Win Probability Calculator

No Description

Misconceptions about win probability

With regards to this section of my post, I want to be very open and clear that there are many elements that go into calculating and graphing win probabilities and outcomes that indicate results are not definite. The countability of away games to home games, star players vs. high producing bench players, lead changes during games and possessions as well as pace are all factors that contribute to win probabilities. Taking away any or all of the above or omitting data does create probability miscalculations in my perspective.

Where will win probability and basketball analytics lead us?

Given the scope of current research and the progress that we are heading in the aim is to be able to have win probability calculations more commonly used in Europe as well as in Turkey soon enough. I should point out that at present given that with held data by local basketball government bodies across Europe might hinder the progress as play by play data as well as lead change data are crucial, furthermore the fact that historical data as mentioned earlier are also very important to take into consideration.

To close off here is a graph and table depicting the final NBA game of the season between GSW – CAVS:

Screen Shot 2016-06-20 at 13.52.22 Screen Shot 2016-06-20 at 13.52.00{:}

{:tr}NBA FİNALLERİ: 7. FİNAL MAÇı: CAVS 4 – 3 GSW (LEBRON ZORU BAŞARDI!){:}{:en}NBA FİNALS: GAME 7 THE FINAL GAME: CAVS 4 – 3 GSW (LEBRON OVERCOMES ADVERSITY!){:}

{:tr}NBA Final serisinin 7. ve son maçı dün akşam oynandı ve kazanan taraf CLEVELAND CAVALIERS oldu! NBA tarihinde bir ilki başararak 3-1 geri düştükten sonra NBA Final serisi maçlarını 4-3 ile kazanan ilk takım olma ünvanını elde eden CAVS’de gerek Kyrie Irving gerekse LeBron James’in etkili oyunları ile galibiyet ve NBA Şampiyonluğu +50 sene sonra bir Cleveland takımı tarafından alındı. LeBron James ayrıca NBA Finallerinin MVPsi olarak da tarihe geçmeyi başardı.

Golden State adına Stephen Curry, Klay Thompson, Dramond Green maalesef etkili oynamaya çalıştılarsa dahi, Andrew Bogut’un pas yokluğu, Fetsus Ezeli ve Harrison Barnes’ın vasat oyunları galibiyeti ancak kovalamaları için yeterli oldu.

Genede bu sezon zor bir başarıyı elde eden Golden State’i tekrar kutlamak lazım 73-9’luk inanılmaz bir normal sezon galibiyet serisi ile sezonu tamamladılar.

Analitik olarak her iki takıma bakıldığında gerek sezon boyunca iki takımın çizdiği yol haritası ve playofflar boyunca gösterdikleri mücadele ve direnç kanımca farkın oluşmasında ve GSW’ın playofflarda daha çok direnç kaybı ve mental olarak zayıflamasına sebep oldu. Cleveland gerek playofflar sırasında hem ilk hem de ikinci turda 4-0’lık yakaladıkları avantajı gerek dinlenerek hem de konsantre olarak çok iyi kullanmayı bildiler. Bio-metrik ve direnç ölçümleri sezon boyunca daha çok korumayı başaran CAVS’e oranla 73 maçlık galibiyet serisini gözlerine kestirerek başarılı olan GSW maalesef yorgun düştü. Playofflarda final serisine gelmeden evvel 5 maç kaybeden ve kanımca playoff programının zihinsel ve fiziksel yorgunluğu ve ağırlığı ile başa çıkamadılar.

Aşağıda final maçın video özeti, takımların analitik performansları hakkında görsel bilgi bulabilirsiniz:

Maçın özet görüntüleri:

İlk beşlerin performansı:

Screen Shot 2016-06-20 at 08.50.39

Bench oyuncuların performansı:

Screen Shot 2016-06-20 at 08.50.47

Takımların genel maç istatistikleri:

Screen Shot 2016-06-20 at 08.50.16

Takımların istatistik liderleri:

Screen Shot 2016-06-20 at 08.50.24

Maçın skor dağılımı:

Screen Shot 2016-06-20 at 08.50.08

Screen Shot 2016-06-20 at 08.50.31

Maçın Hustle istatistikleri:

Screen Shot 2016-06-20 at 08.51.27

Screen Shot 2016-06-20 at 08.51.13

Final maçı esnasında (canlı tutulan) maçın kazanılma olasılık grafiği:

Screen Shot 2016-06-20 at 08.52.01{:}{:en}With the 7th and final game of the NBA Finals series being played out last night, we saw an amazing game 7 “that was one for the books” as LeBron stated after the final buzzer was heard and the CAVS lifted up the Larry O’Brian Trophy and LeBron was crowned the Finals MVP as he lifted up the Bill Russell Finals MVP Trophy. After +50 years Cleveland finally got a major sporting championship from one of its teams ending the draught. The CAVS also became the first ever NBA Champions rallying back from a 3-1 deficit to win the title.

While Golden State did their best to over come their own adversity issues, Curry, Thompson and Green combined were not enough to prevent LeBron, Irving, Love and T.Thompson from winning. To me a sad note was the missing presence of Andrew Bogut whom had a good season and was injured during the finals series. Harrison Barnes was also extremely bad on both ends of the floor and was not able to contribute enough when needed.

While GSW did manage to get the illusive 73 win season, I firmly believe that it was a matter of bio-metrical fatigue and mental tiredness that took its tool on the Warriors in the playoffs. Cleveland having swept both their first and second round playoff opponents had more than enough time to rest and while their path to the playoffs were much different than the Warriors in part I strongly feel that having had more chance to rest and prepare mentally gave them the edge in the finals to push themselves on the court much more than Curry and Thompson did.

Below, a highlight of the final game, analytics charts detailing the game and a win probability graph that shows the game can all be found:

Highlights of the game:

Performance of Starters:

Screen Shot 2016-06-20 at 08.50.39

Performance of Bench players:

Screen Shot 2016-06-20 at 08.50.47

General team stats of the 7th game:

Screen Shot 2016-06-20 at 08.50.16

Team Leaders of the game:

Screen Shot 2016-06-20 at 08.50.24

The Score breakdown of the 7th game:

Screen Shot 2016-06-20 at 08.50.08

Screen Shot 2016-06-20 at 08.50.31

Hustle stats of the 7th game:

Screen Shot 2016-06-20 at 08.51.27

Screen Shot 2016-06-20 at 08.51.13

Win probability graph during the seventh game:

Screen Shot 2016-06-20 at 08.52.01{:}

{:tr}NBA FİNALLERİ: 6. MAÇ: CAVS 3 – 3 GSW (Oracle Arena’da son duruş!){:}{:en}NBA FİNALS: GAME 6: CAVS 3 – 3 GSW (The last stand at Oracle Arena!){:}

{:tr}Dün gece oynanan NBA Final serisinin 6. Maçında LeBron James, ipleri eline alarak inanılmaz bir +40sayılık performans daha sergiledi. Maçın başından sonuna kadar Cleveland, Golden State’e öne geçme şansı dahi tanımadı. NBA Tarihinde 3-1 geriden gelerek NBA Finallerini 3-3’e taşıyan 3. takım Cleveland oldu.

Bu yazımda sizlerle 6. Maçın video özeti, maçın analitik grafikler eşliğinde sonuçlarını maç içinde canlı tutulan kazanılma olasılığı grafiği ve 7. Maçın aynı zamanda NBA Final serisinin kazanılma olasılığını iletmek istedim.

Maçın özet görüntüleri:

 

İlk beşlerin performansı:

Screen Shot 2016-06-17 at 09.17.06

Bench oyuncuların performansı:

Screen Shot 2016-06-17 at 09.17.12

Takımların genel maç istatistikleri:

Screen Shot 2016-06-17 at 09.16.42

Takımların istatistik liderleri:

Screen Shot 2016-06-17 at 09.16.52

Maçın skor dağılımı:

Screen Shot 2016-06-17 at 09.16.30

Screen Shot 2016-06-17 at 09.16.59

Maçın Hustle istatistikleri:

Screen Shot 2016-06-17 at 09.17.40

Screen Shot 2016-06-17 at 09.17.53

Altıncı maç esnasında (canlı tutulan) maçın kazanılma olasılık grafiği:

Screen Shot 2016-06-17 at 08.59.07

Yedinci maçın ve NBA Finallerinin kazanılma tahminleri:

Screen Shot 2016-06-17 at 08.58.30{:}{:en}With last nights game 6 being played out in legendary fashion, Cleveland have tied up the series at 3 a piece and take have become the 3rd team to tie the NBA Finals Series coming back from 3-1 deficit. The CAVS did not give GSW any chance to take the lead and played an astonishingly well defended game.

With this post I am sharing highlights of the game, an analytical review of both teams as well as my win probability graphs and probabilities for the final game of the NBA.

 

Highlights of the game:

 

Performance of Starters:

Screen Shot 2016-06-17 at 09.17.06

Performance of Bench players:

Screen Shot 2016-06-17 at 09.17.12

General team stats of the 5th game:

Screen Shot 2016-06-17 at 09.16.42

Team Leaders of the game:

Screen Shot 2016-06-17 at 09.16.52

The Score breakdown of the 5th game:

Screen Shot 2016-06-17 at 09.16.30

Screen Shot 2016-06-17 at 09.16.59

Hustle stats of the 6th game:

Screen Shot 2016-06-17 at 09.17.40

Screen Shot 2016-06-17 at 09.17.53

Win probability graph during the sixth game:

Screen Shot 2016-06-17 at 08.59.07

Seventh Game & NBA Finals Series Win Probability:

Screen Shot 2016-06-17 at 08.58.30{:}

{:tr}NBA FİNALLERİ: 5. MAÇ: CAVS 2 – 3 GSW (LEBRON ve KYRIE DEVREYE GİRDİ){:}{:en}NBA FİNALS: GAME 5: CAVS 2 – 3 GSW (LEBRON & KYRIE IN ACTION){:}

{:tr}Dün gece oynanan NBA Final serisinin 5. maçında Cleveland nihayet Golden State’in hücum silahlarına karşı sert savunması ile cevap vererek seriyi 2-3’e getirdi.

Maçın kritik notları: Andrew Bogut’un 3 çeyrek’de 10:30 dk. kala dizinden sakatlanması (ve muhtemelen gelecek maçta oynayamayacak olması), LeBron ve Kyrie’nin 40’ar sayı üzerindeki performansları ile NBA tarihine isimlerini yazdırmaları oldu.

IMG_3881

Bu yazıda maçın özet kapsamındaki video, maçın analitik olarak tablolarını ve gene bir ilk ile hem 6. hem de olası 7. bir maç için kazanılma tahminleri ve final serisinin genel kazanılma tahmin tablolarını bulabilirsiniz.

Maçın özet görüntüleri:

İlk beşlerin performansı:

Screen Shot 2016-06-14 at 09.18.08

Bench oyuncuların performansı:

Screen Shot 2016-06-14 at 09.18.14

Takımların genel maç istatistikleri:

Screen Shot 2016-06-14 at 09.17.50

Takımların istatistik liderleri:

Screen Shot 2016-06-14 at 09.17.57

Maçın skor dağılımı:
Screen Shot 2016-06-14 at 09.17.37

Screen Shot 2016-06-14 at 09.18.03Maçın Hustle istatistikleri:

Screen Shot 2016-06-14 at 09.41.45

Screen Shot 2016-06-14 at 09.41.57

Beşinci maç esnasında (canlı tutulan) maçın kazanılma olasılık grafiği:

Screen Shot 2016-06-14 at 09.18.47

Beşinci maç sonrası Final serisinin kazanılma olasılıkları:

Screen Shot 2016-06-14 at 09.20.07

Altıncı ve  (olası) yedinci maçın kazanılma tahminleri:

Screen Shot 2016-06-14 at 09.19.41

Screen Shot 2016-06-14 at 09.19.51

{:}{:en}With last nights NBA Finals game 5 Cleveland finally responded to Golden State with the much needed urgency and hard defense against the offensive prowess led by Curry.

The critical notes of the game: Andrew Bogut going down in the 3rd quarter with 10:30 to play and interestingly LeBron and Kyrie both scoring 40+ points as teammates in a playoff games as they make NBA history.

IMG_3881

With this post you will find a highlight of the game (courtesy of the NBA), a breakdown of the analytics with respect to game charts and for the first time a win probability look at both game 6 and (if necessary) game 7 as well as the updated NBA Finals series win probability.

Highlights of the game:

Performance of Starters:

Screen Shot 2016-06-14 at 09.18.08

Performance of Bench players:

Screen Shot 2016-06-14 at 09.18.14

General team stats of the 5th game:

Screen Shot 2016-06-14 at 09.17.50

Team Leaders of the game:

Screen Shot 2016-06-14 at 09.17.57

The Score breakdown of the 5th game:

Screen Shot 2016-06-14 at 09.17.37

Screen Shot 2016-06-14 at 09.18.03

Hustle stats of the 5th game:

Screen Shot 2016-06-14 at 09.41.45

Screen Shot 2016-06-14 at 09.41.57

Win probability graph during the fifth game:

Screen Shot 2016-06-14 at 09.18.47

NBA Finals Series Win Probability after the fifth game:

Screen Shot 2016-06-14 at 09.20.07

Sixth & (if necessary) Seventh Game Win Probability:

Screen Shot 2016-06-14 at 09.19.41

Screen Shot 2016-06-14 at 09.19.51

{:}