许多球迷或许都在奇怪为什么如此多的NBA球员在罚球线上挣扎，比如说洛杉矶湖人队的德怀特-霍华德。他在10月30的首场比赛中只投出了14罚3中的命中率，低于上赛季50%的命中率。最新的研究或许可以为霍华德和其他挣扎在罚球线上的NBA球星提供一个方法来准确鉴定出为什么他们的罚球会偏出。
研究人员借助3D光学追踪系统的数据研究了2010-2011NBA赛季中20位球员的2400多个罚球轨迹。研究人员推断大多数情况下有1-2个因素是造成失误的主要原因，但是罚球成功和失败的原因并不一致，每个球员都是以自己的方式出现罚球失误。来自金融领域的研究小组研究了如何通过技术方法来分析和处理这些庞大的数据。纽约理工学院的财务工程系教授Philip Maymin认为许多方法都适用于分析体育运动。Maymin说道：“我们尝试在做的是将金融研究的洞察力、工具和技术应用于篮球。”
研究人员根据一个物理模型调查了罚球的飞行轨迹，这个物理模型考虑了五个主要因素，包括旋转、投球高度、速度、角度和左右误差。他们的分析能够为每一次罚球失误都归纳出一个原因，比如说投球太用力或者投篮不准。这些球员似乎存在不同的失误原因。Maymin说道：“最主要的结果是每个人的问题都不同，如果你观看达拉斯小牛队德克-诺维茨基的失误，它们完全不同于纽约尼克斯对泰森-钱德勒的失误。”
北卡罗来纳州大学机械与航空工程系的一位教授拉里-西尔弗伯格之前研究过罚球和打板投篮，他认为研究人员问了一个有趣的问题：“这是我所看到的第一次真正尝试分析球员什么做的对什么做的不对。通过监测轨迹，你能够更系统的分析出存在什么问题然后有可能给予球员更容易改善问题的机会。”
这些数据是由STATS LLC公司提供的，这家公司专门从事体育数据的收集、分类和分析。他们使用了一种名为SportVU的系统来收集篮球比赛和其它体育赛事的连续数据。这个系统被用于收集位置数据。在篮球比赛中六台摄像机以25次每秒的速度收集10名球员、裁判和篮球的位置数据。这种系统目前配备于13座NBA球馆当中。这个系统提供的大量数据也使这项新研究有可能实现。
这些数据能让科学家为教练和球员提供一种新型的目标信息。西尔弗伯格说道：“许多体育运动中都需要使静止物体运动，比如说一个篮球。在所有那些体育运动当中，你能够分析那些静止物体的轨迹，这比分析人体运动相对简单一些，因为人体有着更复杂的运动。”研究人员也只使用了一小部分数据进行这项研究。同类型的光学追踪数据能够让另一组研究人员以前所未有的水平研究打板球。其它的分析能够更深入的了解防守和过人动作，甚至能够收集到从未出现过的个人技术统计，比如说一场比赛中每个球员的跑动距离。
