Sarrogate data test for MLB atbat data

gistfile1.txt

# サロゲートデータ法の実験をメジャーリーグのデータでやる
library(plyr)
library(MASS)
# データの読み込み
data2011 <- read.csv("all2011.csv")
fields <- read.csv("fields.csv")
names(data2011) <- fields[,"Header"]


# 01データで, 1の連の長さを数える 
streaks <- function(y){
  n <- length(y)
  where <- ( c(0, y, 0) == 0 )
  location.zeros <- (0 : (n+1))[where]
  streak.lengths <- diff(location.zeros) - 1
  streak.lengths[streak.lengths>0]
}

# データをランダムシャッフルして, 0の連の長さの平方和を計算する
random.mix <- function(y){
  clump.stat <- function(sp) sum(sp^2)
  mixed <- sample(y)
  clump.stat(streaks(1-mixed))
}

# 選手のIDから統計量とその分布を計算するclump.test

# 1000-1 回シャッフルして, 統計量の分布を作る
# 元のデータの統計量と比較する
reps <- 1000-1
clump.test <- function(playerid, data){
  player.AB <- subset(data, BAT_ID == playerid & AB_FL ==TRUE)  
  player.AB$HIT <- ifelse(player.AB$H_FL>0, 1, 0)
  player.AB$DATE <- substr(player.AB$GAME_ID,4,12)
  player.AB <- arrange(player.AB, DATE)
  ST <- replicate(reps, random.mix(player.AB$HIT))
  truehist(ST, xlab = "Clumpiness Statistic")
  stat <- sum(streaks(1-player.AB$HIT)^2)
  abline(v=stat, lwd = 3)
  text(stat * 1.08, 0.0015, paste(playerid), cex=1.2)
  frac <- which(sort(c(stat, ST))==stat)[1] / (reps+1)
  return(frac)
}

# イチローで実験
clump.test("suzui001", data2011)
# カノーで実験
clump.test("canor001", data2011)