文档介绍:该【篮球队员选拔问题 】是由【jiyudian11】上传分享,文档一共【20】页,该文档可以免费在线阅读,需要了解更多关于【篮球队员选拔问题 】的内容,可以使用淘豆网的站内搜索功能,选择自己适合的文档,以下文字是截取该文章内的部分文字,如需要获得完整电子版,请下载此文档到您的设备,方便您编辑和打印。篮球队员选拔问题
摘要
本文主要采用灰关联分析、主成分分析和因子分析法,对篮球队员选拔中的相关问题进行求解。在充分处理和分析12名球员五场训练赛的有关数据基础上,运用上述的分析思想建立起相关的数学模型,对篮球竞技指标进行确定和排序,对篮球队员的竞技水平进行综合评价、排名和选拔。最后根据模型的结果,并结合篮球相关书刊,对每位球员给出合理的技术指导和建议,以提高球队的综合竞技水平。
问题一,利用spss软件统计12名球员五场比赛的18项技术指标,并将其进行无纲量化处理。采纳灰色关联度分析思想,利用matlab软件计算得出各项指标的灰色关联度即可说明各项指标对球员竞技水平关联(影响)程度,从而实现对指标的排序,以及结果的分析。
问题二,结合主成分分析思想,将18项技术指标进行筛选综合,建立相应的数学模型,求解得出贡献率和累次贡献率,进而确定出主成分,得出的主成分足够反映球员的综合竞技水平。根据各球员的各主成分和综合因子的得分情况,得出主成分分析的综合评价结果,根据评价结果,以此实现球员之间的排序。
问题三,是在问题二的基础上,采用因子分析的方法,对5场比赛各球员的篮球竞技水平的18项技术指标进行分类与选择,确定了以下五个因子——防守态度因子、清晰敏捷因子、技术失误因子、时空特征因子和发挥稳定因子。研究这些因子对球员竞技专项能力的影响,利用spss软件计算各球员各因子的得分,并进行排序。根据排名情况,从防守和进攻等方面充分考虑球队的整体性,并结合每个位置主力队员的特点,挑选5名优秀球员参赛。
最后,在前三问的模型结论的基础上,结合NBA官网和查阅篮球技术文献,对主力球员与其余球员进行合理的技术分析,提供技术改进建议,以提升球队的综合竞技水平。
关键词:指标、排序、灰色关联分析、主成分分析、因子分析等
问题重述与分析
“篮球挑战杯”比赛即将开始。每个学院需派出一支男子篮球队参加校内篮球比赛。现需要根据球队的训练成绩选拔相应的队员。根据球员在训练场上的数据,研究下列问题:
(1)确定评价球员竞技水平的技术指标,并将这些技术指标进行排序。
(2)建立适当的模型对这12名队员进行排序。
(3)从进攻、防守等方面充分考虑球队的整体性,找出5名合适的主力队员以便参加校比赛。
(4)对每个球员给出几点技术方面的改进建议,以提升该队的竞技水平。
(1)问题一要求确定球员的竞技水平的技术指标,并给指标间进行排序。为了排除主观因素的影响,从原始数据入手,统计分析五场比赛各项指标的数据,并对数据进行预处理,综合得出球员的竞技水平所原始数据中18项指标的影响。结合灰色关联度分析的思想,根据spss软件求得出各项指标之间的关联度,灰关联度越大,表明该指标对球员竞技水平的关联(影响)程度越大。引入灰关联分析从客观上能够合理、准确地对各项指标进行排序。
(2)对球员进行综合评价,即对球员技术指标综合分析的结果。问题二则要求建立适当的模型对12名球员进行排序。结合主成分分析法,能够公正合理的对球员进行评价和排序。结合(1)中所给的技术指标,对18项技术指标进行综合处理,根据spss软件得出指标的(累次)贡献率,确定指标的主成分,根据计算公式求得各球员主成分的综合得分,进而实现对球员进行排序。
(3) 问题三要求从进攻、防守等方面充分考虑球队的整体性,合理得出最佳阵容。根据题目要求,将最佳阵容问题转化为各球员各技术指标之间的相互关联分析。首先对各项指标进行归因分类,结合主成分分析和主成分分析思想,将归因所得的因子的得分求出。由此得出赛场上不同位置的主力球员的技术要求,挑选5名球员进行参赛。
(4) 问题四中,结合前三问的结果和相关篮球的文献,给各球员进行合理的技术改进建议,促进球员综合水平的提高,以提升球队的整体竞技水平。
模型假设
1) 各场次的数据能真实、充分地反映每位球员的真实能力和水平;
2) 每名球员的能力和水平在比赛中可以正常发挥,不受外界因素和环境的影响
3) 主力队员的单项条件互不影响,具有互补性;
4) 各球员的各项指标按同一原则可进行量化。
符号确定与说明
a
灰色关联度的分辨系数
r(X(k),X(k)丿
0 i
技术指标与比较数列之间的关联系数
r
i
X对X灰色关联度
i 0
Ym
综合因子
a
i
第i个主成分的方差
四、模型建立与求解
(单因子的情况)
(1)根据灰色关联度分析确定
参考数列::={:(k)|k=l,2…n}
比较数列:“二{"(k)|k=l,2…n},i=l,2…m
ii
(2)计算灰色关联系数:
其中A(k)=ix(k)—x(k)|,k=l,2,…,n,1<i<m
i 0 i
3)计算灰色关联度:
(4)根据上述灰色关联度的大小,对各指标进行排序,建立各评价对象的关联序。
灰色关联度ri越大,该技术指标的关联(影响)程度越大。【1】
比较数列为:=(k)|k=l,2…5}
参考数列为X={X(k)|k=l,2…5},i=l,2…18
ii
(1)用spss软件统计五场比赛的技术指标的结果和总体得分情况,得到“表1:5
场比赛球员的技术指标值统计”。
表1:5场比赛球员技术指标值统计
场次
1
2
3
4
5
得分
137
129
120
120
128
2分球进
44
32
29
32
22
2分球投
77
45
53
59
43
2分球%
3分球进
8
9
10
3
16
3分球投
3分球%
罚球进
罚球投
罚球%
篮板(攻)
篮板(守)
篮板(合)
助攻
犯规
24
17
31
26
25
38
30
33
36
52
44
45
22
36
58
16
21
11
12
23
41
32
34
53
41
12
17
17
27
22
32
失误
抢断
盖帽
16
15
11
20
11
11
26
36
47
11
39
53
6
30
27
6
4
(2)数据的无纲量化:数据进行初始化处理。
—(XXX)
设原始数据为X={x⑴川⑵,„x⑸},将数据初始化得X二亍,亍,…,〒,得到’12 5丿
“表2:5场比赛各球员的技术指标值统计无纲量化表”。
表2:5场比赛各球员的技术指标统计无纲量化表
场次
1
2
3
4
5
得分
1
2分球进
1
2分球投
1
2分球%
1
3分球进
1
3分球投
1
3分球%
1
罚球进
1
罚球投
1
罚球%
1
篮板(攻)
1
篮板(守)
1
篮板(合)
1
助攻
1
犯规
1
失误
1
抢断
1
盖帽
1
1
2
(3)根据灰色关联分析中的思想,利用matlab软件进行编程计算,(程序见附录)得到各项指标的灰色关联度,将18项技术指标的灰色关联度进行排序,得到“表3:各项指标的灰色关联度序”。
表3:各指标的灰色关联度序
指标
排名
关联度
指标
排名
关联度
上场时间
1
3分球投
10
2分球投
2
助攻
11
2分球投中率
3
失误
12
2分球进
4
犯规
13
3分球进
5
罚球投中
14
罚球投中率
6
篮板(攻)
15
篮板(合)
7
罚球进球
16
篮板(守)
8
3分球投中率
17
抢断
9
盖帽
18
表3:各指标灰色关联度序
•上场3模蠢分分球解释合板守抢
冲「攻*
评价队员竞技水平的技术指标共有18项,根据上灰色关联度分析思想:灰色关联度
r越大,该技术指标的关联(影响)程度越大。因此12项指标的排序为:
1上场时间f2分球投f2分球投中率f2分球进f3分球进f罚球投中率f篮板(合)f篮板(守)f抢断一3分球投一助攻一失误一犯规一罚球投一篮板(攻)一罚球进f3分球f盖帽。
从“表3:各指标的灰色关联度序”的数据可得:上场时间、2分球、3分球、罚球、篮板球等指标对球员的综合竞技水平关联(影响)程度较大。这与NBA篮球技术指标的排序情况基本吻合。
灰色关联分析法是根据因素之间发展趋势的相似性和相异程度来衡量因素之间的关联程度,单因子灰色关联分析则在此基础上反映各相关因素对主要因子的关联(影响)程度。它对样本量的数量没有过多的要求,也无需典型的分布规律,计算量不大且能充分利用已知数据和信息,并且不会出现关联度量化结果与定性分析不一致的情况。在分析过程中对于异常数据的处理能力还有待提高。总体上,灰色关联分析法具有很强的操作性和准确性,能客观合理地反映篮球技术指标对球员综合水平的影响程度。并且该模型具有较强的推广型,对于类似问题可仿照处理。
4・2・1模型准备
利用主成分分析法可以把多个指标减少一个或多个综合指标,而且所得到的指标足够反映原指标涵盖的信息。综合指标便于计算、分析与评价。本小题采纳主成分分析法的思想,首先对原始数据进行标准化处理,先后计算协方差矩阵、相关系数矩阵、特征根以及特征向量、方差,得出各指标的贡献率以及累计贡献率,由此得到主成分。以各主成分的方差贡献率为权数,构建出主成分的综合评价函数,求得主成分与综合因子的得分。最后利用各项得分分别对12明球员进行综合技术水平的排序。
(1)观测样本矩阵的构建
npn*p
提取前r个主成分因子,
2)根据累计方差贡献率或特征值,
并计算各主成分得分:
对于有n个评价单元、p个评价指标的多目标综合评价问题,得到的观测样本矩阵为
x
y
y
…y
1
i
2
p
x
a
a
…a
2
11
12
1p
即:X=
a
21
■
a
22
•
…a
2p
••
•
■
•
•
• •
• •
X=1x|
ijnxp
xa
WLn1
a
n2
・・a
Y=aX+aX++aX(l=1,2,,r)
11l12l2plp
(3)根据样本各主成分和综合因子的得分,确定样本的顺序,得到综合评价结果。其中,综合因子Ym得分以所选用主成分Y的•方差贡献率a为权数进行线性加权求和得到,
ii
即Y=1LYa【2】
mii
i=1
,对12名球员的序号按顺序排序,对5场训练赛各球员的18项技术指标进行累加,得到“表4:各球员5场比赛的指标统计数据”
表4:各球员5场比赛的指标统计数据
\球员指标、
4
5
6
7
8
9
10
11
12
13
14
15
上场时间
142
124
117
102
112
122
113
102
113
125
87
121
2分球中
17
11
19
9
19
17
13
13
14
13
10
10
2分球投
28
16
32
17
28
24
28
21
25
28
16
14
2分球%
46
56
3分球中
6
7
4
5
3
0
2
3
7
2
2
5
三分球投
8
17
9
13
15
7
3
6
15
13
6
12
三分球%
75
20
0
67
50
罚球中
13
18
14
10
16
17
15
8
11
16
18
9
罚球投
19
27
27
10
20
25
19
12
13
25
22
11
罚球%
100
80
68
79
64
篮板(攻)
7
9
6
4
6
4
6
5
3
6
7
2
篮板(防)
17
21
17
11
12
15
9
13
18
23
1
14
篮板(合)
24
30
23
15
18
19
15
18
21
29
8
16
助攻
3
4
7
7
8
6
8
4
4
8
5
4
犯规
14
10
10
10
14
10
10
13
10
8
9
14
失误
8
7
9
8
10
6
14
5
7
5
3
7
抢断
5
4
2
3
4
5
2
4
4
1
4
7
盖帽
1
0
2
2
5
0
3
3
2
2
0
0
注:18项指标依据NBA官方网站给出的数据以及相关篮球技术的文献所得。)
。
(1)导入“表4:各球员各场比赛的指标统计数据”的数据,结合主成分分析思想,利
用SPSS统计软件对数据进行因子分析,得到以下数据。
方差的贡献率、累次贡献率
表5、解释的总方差
成份
合计
初始特征值方差的贝献率
累积贝献率
合计
提取平方和载
方差的贝献率
1入
累积贝献率
1
2
3
4
5
6
7
8
9
10
11
100
12
-16
-15
100
13
-16
-15
100
14
-16
-15
100
15
--17
--16
100
16
--16
--16
100
17
--16
--15
100
18
--16
--15
100
其中,系统默认方差大于1的为主成分,所以只选取前6个为主成分,累加达到总方
%(>85%),从表中数据可得:
第一主成分的方差o1:,
第二主成分的方差o2:,
第三主成分的方差o3:,
第四主成分的方差o4:,
第五主成分的方差o5:,
第六主成分的方差o6:。
前6个因子得到因子得分矩阵
表6:成分得分系数矩阵
成八
指标'—
1
2
3
4
5
6
上场时间
-
2分球中
-
2分球投
-
-
-