2015-06-15

统计课与软工课老师是好基友，于是就把统计课作业融合到软工大作业：NBA信息查询平台中。

同样是团队作业，我和另一个同学被分到做统计模块。于是我这个从来不看NBA的女孩子略微研究了一下NBA，然后写了一篇小报告。结果在演示那天给统计课老师讲的时候，他竟然说：“嗯，你这个统计分析有点意思。”我真是被惊喜到了，哈哈，看来统计课老师应该不是NBA迷，不然怎么被我一本正经地胡说八道的报告蒙混过去了呢？（doge脸）

当然也不是胡说八道啦，都是根据之前数据统计得出的结论。我硬是找各种关联，终于凑出了球龄与GmSc效率值的关联，也不知道是不是真的有关联，毕竟我不看NBA嘛。

好啦，文章如下。

球龄对GmSc效率值的单因素方差分析

1引言

NBA专家认为，一个运动员有三种年龄：生理年龄、心理年龄和球龄。其中球龄是指运动员加入NBA后的职业年数，反映了一个人参加专业训练的先后和发展的早晚。能反映运动员在系统训练过程汇总的阶段性特点。对球龄存在三种阶段：一是运动员从事运动生涯的启蒙期（基础训练期）；二是运动员已训练了一段时间后的高峰期（专业训练期）；三是运动员达到较长时间段的训练后的熟练期(职业训练期)。篮球运动员的身体机能、身体素质、技战术水平都与他的球龄有一定关系。在篮球比赛对抗中，当身体技战术水平接近时，比赛经验、心理、意识等因素越来越重要，而这与球员的球龄是相关的。每一位优秀的男篮运动员都要经过6-10年的精雕细琢，不断地在比赛中锻炼成长，最终才能成才。他的球龄和经验是成正比的。所以在篮球比赛中，双方实力比较接近时，经验起了非常重要的作用。

GmSc效率值是球员在场表现各个方面的加权计算结果，能够反映这个球员在球场上的综合表现。本文分析球龄对球员的GmSc效率值指标是否有显著影响。

2 数据来源

本文用的数据是来源于NBA官网的统计数据和ESPN网站上的数据，某个球员的2组数数据分别采用的10-11赛季和14-15赛季(球龄跨度5年)的数据，我们认为一个球员经过5年的NBA比赛，其GmSc效率值的变化是可供统计和分析的。

本文主要思想是单因素方差分析。推断球龄对Gmsc效率值是否有显著影响。一个球员的一次试验中的赛季因素A，共有3个不同的因素水平(季前赛，常规赛，季后赛)，分别记为A1，A2，A3。我们研究相隔5年的2个赛季。

我们分析球龄跨度5年，是否会对球员的GmSc效率值产生显著差异。我们需要检验的假设：

H0：μ1=μ2；即球龄的增长不会对球员的GmSc效率值产生显著差异。

3 模型选择和策略识别

本文主要做得就是球龄和GmSc效率值有什么关系，所以，我们剔除了那些10-11和14-15赛季没有比赛的球员，去除了不可比较的样本。选择的模型就是单因素方差分析模型。

其中，综合性指标的计算公式如下：

GmSc 效率值：得分+0.4×投篮命中数-0.7×投篮出手数-0.4×(罚球出手数-罚球命中数)+0.7×前场篮板数+0.3×后场篮板数+抢断数+0.7×助攻数+0.7×盖帽数-0.4×犯规数-失误数

由于样本均值是总体均值的无偏估计，我们首先会想到计算样本均值。方差分析涉及多种不同的样本均值。例如，每一种因素水平，每一行样本数据，都有一个均值。每个样本数据与平均值存在一定的波动，即使对于同一种因素水平，样本数据也不完全一致。我们采用偏差平方和进行波动的度量。方差分析方法的基本思想就是从总偏差平方和分解出可追溯到指定来源的不同的偏差平方和。

首先计算偏差平方和ST(总偏差平方和)，SA(水平间偏差平方和),Se(水平内偏差平方和)，再计算他们对应的自由度fT,fA和fe，然后计算卡方统计量VA和Ve，最后计算检验统计量FA，查表比较FA和F0.05，F0.01。

因为Se代表同一个赛季内球员GmSc效率值的数据波动(主要体现随机误差)，SA代表不同赛季(体现球龄变化)内球员GmSc效率值的数据波动。当F比1大较多时，可认为球龄的变化带来了试验数据的显著差异。

4 结论

上述的分析，我们可以从统计结果看出来的是：纵向比较，对于同一个球员的不同赛季来说，5年的球龄历炼对于他的GmSc效率值的影响是不一定的。有73.6%是无显著差异，20.2%是显著差异，6.2%是高度显著差异。横向比较，可以通过散点图看出，对于0-6球龄的球员，5年的球龄历炼能够让他的GmSc效率值发生较大的变化；对于6-12球龄的球员，在跨越5年的赛季中，GmSc效率值的变化不大；对于12-18球龄的球员，5年前和5年后的GmSc效率值也会产生一定变化。

所以我们可以分析：对于一个新晋的球员，他的球场综合能力会随着参加比赛积累经验而逐渐提升；而对于一个已经打了几年，技艺熟练，经验丰富的球员来说，球龄的增长对于他场上表现影响不大，即他的赛场风格已趋于稳定；对于一个球龄已高，即将退役，身体素质已随着时间而略为下降的球员来说，球龄对球场综合能力也会产生一定的影响，他的“球风”不如之前那么稳了。

然后这是软工大作业展示我的统计的界面哦。

卧槽，才发现当时的NBA数据库被我删了，现在程序运行会报错。。。。呜呜呜呜……没法看了。

好吧，也就只能看看首页了。

右边的2个统计点进去都是空的图表，因为，数据库被我删了啊，没法从后台拿数据。T_T

球龄对GmSc效率值的单因素方差分析相关推荐

graphpad7.04多组比较p值_手把手教你用Graphpad做单因素方差分析
0 2 首先打开Graphpad软件,输入数据,更改组名,更改Data1为Total distance 0 3 进行数据正态性检验:选中数据 – Analyze - Column analyses - ...
如何用R进行单因素方差分析
单因素方差分析本次的数据只是一个例子,可能有不符合实际的情况 1.配置数据,数据如下所示数据总共为两列,第一列fpkm可以即基因或者是蛋白的表达量,第二列是样本的分组,简单来说就是,在本次数据中1 ...
方差分析中怎么看有无显著性影响_用R语言做单因素方差分析及多重比较
SPSS方差分析的应用已经做得非常好了,绝大多数的方差分析问题均可通过SPSS"点菜单"的方式得以解决,R语言在统计和可视化方面有自己的特色,我们不妨来对比着学习.选用R语言自带案 ...
用Python学分析 - 单因素方差分析
单因素方差分析(One-Way Analysis of Variance) 判断控制变量是否对观测变量产生了显著影响分析步骤建立检验假设 - H0:不同因子水平间的均值无差异 - H1:不同因子水 ...
Excel单因素方差分析
Excel单因素方差分析 1 声明本文的数据来自网络,部分代码也有所参照,这里做了注释和延伸,旨在技术交流,如有冒犯之处请联系博主及时处理. 2 单因素方差分析简介针对多类数据(一个因子多个取值) ...
单因素方差分析_基于R语言开展方差分析(一)——单因素方差分析
基本原理方差分析(Analysis of variance, ANOVA)是用于两个或两个以上样本均数比较的方法,还可以分析两个或多个研究因素的交互交互作用以及回归方程的线性假设检验等.其基本思想是 ...
单因素方差分析[转载]
转自:https://blog.csdn.net/ch1209498273/article/details/78322701 http://www.cnblogs.com/think-and-do/p ...
单因素方差分析graphpad_python单因素方差分析实例
试验设计探究施肥是否会对促进植株生成(植株生长以树高作为指标来衡量).试验为: - 对照组:清水 - 实验组: 某肥料四个浓度梯度,分别是A,B,C,D,施肥一段时间之后测量树高(要控制其他变量保持 ...
单因素方差分析graphpad_【SPSS】单因素方差分析（比较均值gt;单因素ANOVA）
用来测试某一个控制变量的不同水平是否给观察变量造成显著差异和变动. 方差分析前提:不同水平下,各总体均值服从方差相同的正态分布.所以方差分析就是研究不同水平下各个总体的均值是否有显著的差异.统计推断方 ...

球龄对GmSc效率值的单因素方差分析

1引言

2 数据来源

3 模型选择和策略识别

4 结论

球龄对GmSc效率值的单因素方差分析相关推荐

最新文章

热门文章