是什么 Per-36 Minutes Calculator?
▾
每 36 分钟统计数据将球员的计数统计数据预测为他们每场比赛打满 36 分钟的平均数据，该标准用于比较因角色、犯规问题、伤病或教练决策而导致上场时间不同的球员。该指标回答了一个关键的评估问题：如果该玩家玩得更多，他们的产量会相应扩大吗？ 在每 36 人的统计数据广泛普及之前，休闲篮球分析通常会低估高效的替补球员和替补贡献者。一名在 20 分钟内平均得到 10 分的替补球员实际上与一名在 36 分钟内平均得到 18 分的先发球员的产出速度相同，而每 36 分钟的统计数据使这种等价性立即可见。该指标使球员比较民主化，允许球迷和分析师以与首发球员相同的标准来评估角色球员。 选择 36 分钟作为标准化基准是实用的：36 接近首发球员的平均分钟负荷（通常每场比赛 32-38 分钟），并且足以整除以产生干净的数字。一些分析师使用每 40 分钟的统计数据（预测接近整场比赛的负荷）或每 48 分钟的统计数据（整场比赛），但每 36 分钟的统计数据已成为篮球惯例，就像 9 局是棒球惯例一样。 每 36 岁球员揭示隐藏价值的最引人注目的例子出现在那些在有限的时间里茁壮成长的大个子的故事中。尼古拉·约基奇在新秀赛季和大二赛季每 36 场的数据显示他将成为一名 20/10/7 的球员——几乎是他最终的全明星平均水平——在丹佛给予他首发上场时间之前。丹尼斯·罗德曼在芝加哥夺得冠军的巅峰时期，场均上场时间很少超过 25 分钟，但他每 36 分钟的篮板总数超过 18 个篮板，比任何现代先发球员的场均篮板数都多。了解每 36 场比赛的统计数据是识别如果给予更多机会就能创造更多表现的球员的第一步。
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
公式
▾
每 36 分钟统计数据 =（原始统计数据 / 总比赛分钟数）× 36
对于每个单独的统计数据：
PPG（每 36 场）=（总得分 / 总分钟数）× 36
篮板数（每 36）=（总篮板数/总分钟数）× 36
APG（每 36 场）=（总助攻数/总分钟数）× 36
抢断、盖帽、失误、投篮得分等也类似。
工作示例 — 丹尼斯·罗德曼 1995-96 芝加哥公牛队：总篮板数 = 952，总上场时间 = 2,088。每 36 分钟的篮板数 = (952 / 2,088) × 36 = 每 36 分钟 16.4 个，而他在约 32.7 分钟内每场比赛的原始平均篮板数为 14.9 个。他的每 36 个篮板率甚至比他本已惊人的原始数据显示的还要出色。变量说明
▾
| 符号 | 名称 | 单位 | 描述 |
|---|---|---|---|
| Stat | 原始统计总计 | varies (points, rebounds, etc.) | 球员在测量期间的累计计数统计数据（例如总得分、总篮板数） |
| MP | 比赛时间 | minutes | 测量期间的总比赛分钟数；比率计算的分母 |
| 36 | 归一化常数 | minutes | 每 36 标准化的标准游戏长度参考；选择近似 48 分钟比赛中典型首发时间 |
| Per36 | 每 36 分钟费率 | varies (per 36 min) | 任何统计数据的速度中性、分钟数标准化比率，可以在首发球员和替补球员之间进行公平比较 |
如何 Per-36 Minutes Calculator
▾
- 1收集球员每个统计类别的原始赛季总计：总得分、总篮板、总助攻、总抢断、总盖帽、总失误和总上场时间。
- 2对于每个统计类别，将总数除以播放分钟数即可得到每分钟的费率。
- 3将每分钟的费率乘以 36，即可推算出 36 分钟的比赛时长，从而得出每 36 场比赛的数字。
- 4对每个感兴趣的统计类别重复 — 每个计数统计数据都可以使用相同的计算以每 36 为基础表示。
- 5与现役先发球员每 36 场比赛的数据（而不是每场比赛的数据）进行比较，看看如果给予可比的上场时间，球员的表现会如何排名。
- 6应用批判性评估：per-36 假设生产呈线性扩展，这可能不适用于所有球员 - 一些球员的效率会随着上场时间的增加而降低（疲劳、防守注意力），而另一些球员可能会随着节奏的增加而提高。
例题解析
▾
罗德曼每 36 个篮板率为 16.4 个，如果他打满了首发时间，这几乎是不可能的每场比赛数据——这说明了为什么每 36 个篮板球揭示了那些在较短时间里上场的精英篮板手的真实规模。
约基奇的新秀每 36 场数据在他成为首发两年前就预测了他最终的全明星和 MVP 轨迹——这是教科书般的每 36 场数据揭示了因有限的角色和上场时间而掩盖的未来潜力。
这些每 36 名球员的数据预计将达到首发质量，表明这位替补球员是承担更多责任的候选人——这是分析驱动的球员发展对话中的一个常见发现。
上场时间较长的明星球员的每 36 场比赛数据低于替补球员，因为疲劳、比赛后期的防守计划和投篮创造困难都会抑制每分钟的效率——仅每 36 场比赛的数据就低估了该球员的价值，忽略了在负荷下持续的精英表现。
实际应用
▾
NBA 球员发展教练使用每 36 场比赛的预测向管理层展示球员改进案例，通过表明球员每 36 场比赛的产出将在特定位置上跻身球队最佳之列来主张增加分钟负荷。
广播分析师使用每 36 分钟的比较为球迷提供替补球员贡献的可访问背景，清楚地表明第六人在每分钟的基础上优于先发球员。这代表了每 36 分钟计算在专业和分析环境中的重要应用领域，其中每 36 分钟的准确计算直接支持明智的决策、战略规划和绩效优化
Fantasy 篮球平台显示每 36 场比赛的伤病替补统计数据，帮助 Fantasy 经理快速评估替补球员的小样本产出是否具有真正的每场比赛潜力（如果他们获得更多上场时间）。
国际球探报告通常包括非 NBA 联赛统计数据的每 36 场翻译，根据不同的比赛长度（40 分钟的欧洲比赛与 48 分钟的 NBA 比赛）进行调整，以提供可比较的基线。这代表了每 36 分钟计算在专业和分析环境中的重要应用领域，其中每 36 分钟的准确计算直接支持明智的决策、战略规划和表现优化
特殊情况
▾
在势均力敌的比赛中，在第四节发挥出色的球员将面临
在势均力敌的比赛中，在第四节比赛中表现出色的球员面临着比原始分钟数所显示的系统性更困难的防守任务——每 36 分钟并不区分“困难”分钟（对阵最佳防守球员的关键时间）和“轻松”分钟（对阵替补球员的垃圾时间）。在每 36 分钟计算中，这种情况在解释每 36 分钟结果时需要额外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析，以及当每 36 分钟的计算落入非标准范围时使用替代方法交叉引用结果。
国际球员在第一个赛季经常适应 NBA 赛程
在第一个赛季适应 NBA 赛程的国际球员通常会在赛季后期表现出效率下降，尽管早期每 36 分钟的数据保持一致 - 每 36 分钟隐藏了这些只有在分赛季分析中才能看到的疲劳模式。在每 36 分钟计算中，在解释每 36 分钟结果时需要格外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析，以及当每 36 分钟的计算落入非标准范围时使用替代方法交叉引用结果。
中锋和大前锋每 36 场比赛的篮板率受到以下因素的显着影响
中锋和大前锋的每 36 个篮板率会受到队友前场深度的显着影响——在一名占主导地位的篮板手旁边首发的球员自然会比阵容中唯一篮板手的球员每 36 个篮板球要低。在每 36 分钟计算中，这种情况在解释每 36 分钟的结果时需要格外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析，以及当每 36 分钟的计算落入非标准范围时使用替代方法交叉引用结果。
每 36 场比赛的值得注意的统计数据 — NBA 历史例子
▾
| 玩家 | 季节 | 角色 | 原始 APG/RPG/PPG | 每 36 PPG/RPG/APG |
|---|---|---|---|---|
| 丹尼斯·罗德曼 | 1995-96 | 替补 (32.7 MPG) | 14.9 角色扮演游戏 | 16.4 角色扮演 / 36 分钟 |
| 尼古拉·约基奇 | 2016-17（新秀） | 储备 (20.0 MPG) | 7.0 分 | 12.6 分/36 分钟 |
| 安东尼·戴维斯 | 2017-18 | 启动器 (36.4 MPG) | 28.1 PPG | 27.8 分/36 分钟 |
| 史蒂芬·库里 | 2015-16 | 明星 (34.2 英里/加仑) | 30.1 PPG | 31.7 分/36 分钟 |
| 威尔特·张伯伦 | 1961-62 年 | 启动器 (48.5 MPG) | 50.4 PPG | 37.5 分/36 分钟 |
| 勒布朗·詹姆斯 | 2012-13 | 明星 (37.9 英里/加仑) | 26.8 场均得分 | 25.5 分/36 分钟 |
| 扬尼斯·阿德托昆博 | 2019-20 | 明星（30.4 英里/加仑） | 29.6 PPG | 35.1 PPG / 36 分钟 |
常见问题
▾
为什么使用 36 分钟而不是 40 或 48 分钟？
36 分钟大约代表了现代 NBA 中先发球员的平均分钟负荷，并提供了一个实用的基准，既不会夸大替补球员的表现（40 或 48 分钟会产生夸大的数字），也不会低估先发球员的表现（36 分钟对于大多数贡献者来说是现实的）。它已成为Basketball-Reference 和大多数分析框架所接受的惯例。
每 36 场统计数据对于预测未来表现是否可靠？
对于场均上场时间低于 20 分钟的球员来说，Per-36 比原始场均平均数更能预测比赛质量。然而，当上场时间增加时，许多球员的效率会发生显着变化——有些球员在节奏上表现得更好；有些球员则在比赛中表现出色。其他人则因疲劳和防守注意力的增加而衰退。将 per-36 视为潜在范围，而不是保证。
谁在每 36 分钟篮板数上领先？
丹尼斯·罗德曼以每 36 分钟大约 16-17 个篮板领先现代历史。威尔特·张伯伦（Wilt Chamberlain）和比尔·拉塞尔（Bill Russell）每36人的数据在他们的时代同样是天文数字。在现代大个子中，德安德烈·乔丹和安德烈·德拉蒙德的每 36 个篮板数最高。这在每 36 分钟计算器计算的情况下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠每 36 分钟的精确计算器计算来验证假设、优化流程并确保符合适用标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
我应该使用每 36 个资产还是每 100 个资产？
Per-36 比场均数据更容易理解和比较。每 100 次控球次数在分析上更为优越，因为它消除了速度偏差——快队的球员每 36 分钟比慢队的球员拥有更多的机会。对于认真的分析，首选每 100 个资产； per-36 更适合粉丝进行比较。
为什么一些替补球员的每 36 场比赛数据比首发球员更好？
替补球员经常面对实力较弱的对手替补球员，在简化的角色中在更有利的情况下接球，并在面对疲惫的对手时保持活力。他们每 36 分钟的效率是真实的，但部分取决于具体情况——首发球员在 36 分钟以上的时间里面临着更激烈的竞争和更多的防守注意力。这在每 36 分钟计算器计算的情况下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠每 36 分钟的精确计算器计算来验证假设、优化流程并确保符合适用标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
每 36 人的统计数据可以用来比较不同时代的球员吗？
需要注意的是，per-36 消除了分钟负载差异，但没有消除得分环境差异。 2020 年代的高得分球员自然会比注重防守的 2000 年代的同等天赋球员每 36 场得分更高。跨时代比较需要额外的时代标准化。这在每 36 分钟计算器计算的情况下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠每 36 分钟的精确计算器计算来验证假设、优化流程并确保符合适用标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
per-36 与推断赛季平均值相同吗？
基本上是的，以总分钟数作为分母，而不是比赛场次。关键的区别在于，per-36 会进行标准化，无论球员是否因伤病、负荷管理而缺席比赛，或者只是作为替补，它只关心每分钟实际比赛时间发生的情况。这在每 36 分钟计算器计算的情况下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠每 36 分钟的精确计算器计算来验证假设、优化流程并确保符合适用标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
常见错误注意事项
▾
- !假设当替补球员获得首发机会时，每 36 人的数据将直接转化——当一名球员从替补转为先发球员时，防守注意力的增加、轮班时间的延长和更大的角色要求通常会使每 36 人的产出减少 10-20%。
- !在不考虑角色的情况下使用每 36 次失误——产生助攻和投篮的控球手总是比定点射手有更高的每 36 次失误，但前者的价值使失误成本相形见绌。
- !将 per-36 视为比样本量较小（500 分钟以下）的球员更可靠 - 少于 14 场比赛的数据产生的 per-36 数据非常容易受到热或冷的影响，并且不代表可靠的基线。
专业提示
在评估替补球员的交易价值时，请运行他们每 36 场比赛的数据，并筛选出他们作为主要进攻选择的上场时间（首发球员休息时）的每 36 场比赛数据。第二个过滤器显示了他们真正的上限；组合视图显示了他们的楼层。在这两个角色中表现出色的玩家可以获得更高的交易价值。
你知道吗？
威尔特·张伯伦 (Wilt Chamberlain) 1961-62 赛季场均贡献 50.4 分，而他的场均上场时间却高达 48.5 分钟，整个加时赛他都没有休息。他每 36 分钟的得分约为 37.5，实际上低于他的场均得分，扭转了体育史上最具身体优势的表现之一的每 36 分钟得分调整的通常方向。
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
获取每周数学提示
加入 12,000+ 订阅者，每周都会获得计算器提示。