这是一篇强调从Hoopdata的APER文章中摘录的段落。

诸位纸上论的统计学家，请考虑一下这个问题:

关于高级统计学，另一件需要注意的重要事情是，统计学并不衡量能力，至少不精确。统计数据可以衡量运动员的表现，在篮球这样的运动中，运动员的表现并不能100%地反映其能力．当你在一个以团队为导向的进攻中菲尔-杰克逊和一个好得离谱的伙伴在一起加索尔，你可能不会每晚竭尽全力(我说的是努力程度，不是贡献)，只是因为进攻不需要你这么做。从能力的角度来看，我认为没有多少人会这么想韦德勒布朗·詹姆斯，或者克里斯-保罗明显优于科比-布莱恩特(即使你在谈话中没有提到防御)。但从表现的角度来看，这些球员在他们的角色中为球队提供了什么?我认为如果你仔细观察的话，在整个常规赛中，其他三人比科比更需要为球队做更多的事情，这是非常合理的。他因此受到处罚是不公平的，但这就是为什么你必须记住统计数据是关于表现的，而不是能力。在这一点上，虽然PER和APER有自己的缺点，但它们在这方面做得很好。

在文章的其他地方:

人们可能仍然对科比的排名远远落后于克里斯-保罗、德维恩-韦德和勒布朗-詹姆斯感到不满，但事实是他们比科比创造更多的投篮机会。甚至罗伊上个赛季，他创造了更多的投篮机会，得分效率更高，助攻率更高，失误率更低。

可以肯定地说，布兰登的能力超越了他的产量——但我也认为可以肯定地说，他的能力在全联盟受到了相当大的尊重，因此他才出现在全明星阵容中。

然而，归根结底，这篇文章是一个自我提醒，我们用来支持自己观点的任何统计数据都必须考虑到上下文——而上下文可能非常复杂，难以理解。复杂性来自于几乎无穷无尽的变量，这些变量能够独特地塑造每个玩家。我们确实有足够的相似之处来比较苹果和苹果，但这些苹果是Fujis和Granny Smiths——完全独特的品种相似的水果。

无论我们如何简化定义，我们都无法将Golden Delicious与Golden Delicious进行比较。

因此，我们最好使用统计数据来理解获胜趋势，然后找到对获胜趋势有直接贡献的玩家。我们不应该争论这个控球后卫比那个控球后卫更好，我们应该专注于“那个球员创造了x, y和z，并且x, y和z赢得了比赛”。当你把分析的重点放在产出上而不是球员角色上时，你就更有可能做出获胜组合，因为你对球员的评价不是基于间接的测量指标，比如翼展，而是助攻，TS%等等。

那就让贝利斯上场，让他先发吧。他的胳膊很长。