数据分析课程设计NBA球员技术统计分析报告.docx
- 文档编号:12835265
- 上传时间:2023-04-22
- 格式:DOCX
- 页数:31
- 大小:25.02KB
数据分析课程设计NBA球员技术统计分析报告.docx
《数据分析课程设计NBA球员技术统计分析报告.docx》由会员分享,可在线阅读,更多相关《数据分析课程设计NBA球员技术统计分析报告.docx(31页珍藏版)》请在冰豆网上搜索。
数据分析课程设计NBA球员技术统计分析报告
《数据分析方法》课程设计
成绩评定表
{
学生姓名严震班级学号14
|
专业信息与计算课程设计题目NBA球员技
}
科学术统计分析报告
…
、
评
*
;
语
组长签字:
$
$
/
:
成绩
&
|
;
…
日期
:
20年月日
I
《数据分析方法》课程设计
课程设计任务书
学院理学院专业信息与计算科学
学生姓名严震班级学号14
课程设计题目NBA球员技术统计分析报告实践教学要求与任务:
设计要求(技术参数):
1、熟练掌握SPSS软件的操作方法;
2、根据所选题目及调研所得数据,运用数据分析知识,建立适当的数学模型;
3、运用SPSS软件,对模型进行求解,对结果进行分析并得出结论;
4、掌握利用数据分析理论知识解决实际问题的一般步骤。
设计任务:
1、查阅相关资料,找到NBA球员技术的相关指标,获得相关数据;
2、利用数据分析的理论,建立线性回归模型,以及对其进行主成分分析;
3、利用SPSS软件求解,并给出正确的结论。
工作计划与进度安排:
第一天——第二天学习使用SPSS软件并选题
第三天——第四天查阅资料
第五天——第六天建立数学模型
第七天——第九天上机求解并完成论文
第十天答辩
指导教师:
专业负责人:
学院教学副院长:
201年月日201年月日201年月日
II
《数据分析方法》课程设计
摘要
数据分析析的主要应用有两方面,一是寻求基本结构,简化观测系统,将具有错综
复杂关系的对象(变量或样品)综合为少数几个因子(不可观测的,相互独立的随机变
量),以再现因子与原变量之间的内在联系;二是用于分类,对p个变量或n个样品进行分类。
聚类分析一般有两种类型,即按样品聚类或按变量(指标)聚类,其基本思想是通过定义样品或变量间“接近程度”的度量,将“相近”的样品或变量归为一类。
本文
利用利用数据分析中的因子分析和聚类分析对多个变量数据进行了分析。
就是分析和处理数据的理论与方法,数据分析中提出了广泛的多元数据分析的统计方法,包括线性回归分析、方差分析、因子分析、主成分分析、典型相关分析、判别分析、聚类分析等。
关键词:
spss软件;聚类分析;因子分析;线性规划
III
《数据分析方法》课程设计
1
数据分析的任务和目的......................................................................................................
1
问题的背景................................................................................................................
1
任务和目的................................................................................................................
1
2
数据的搜集与整理...............................................................................................................
3
数据的来源................................................................................................................
3
数据的处理................................................................................................................
3
3
利用SPSS软件对结果进行分析......................................................................................
5
总结.............................................................................................................................................
15
参考文献......................................................................................................................................
16
IV
《数据分析方法》课程设计
1数据分析的任务和目的
问题的背景
一年一度的NBA赛季让全世界的篮球迷为之疯狂,NBA赛事之所以如此
受欢迎,最主要的原因在于NBA球员高超的球技。
球队中灵魂人物的个人发挥
能够直接影响其球队的成败。
因而对他们的技术统计与分析是一件十分重要的事
情。
众所周知,科比-布莱恩特和阿伦-艾弗森是深受大家喜爱的两位球员,两位
球员在赛季的发挥也在一定程度上影响着两队的战绩。
因此,通过两位球员在以
往的赛季中的发挥及表现,可以大概的预测两人的得分及表现,为NBA相关的
商业活动和广大球迷提供数据上的参考。
任务和目的
1、频数分析(对两人平均每场上场时间进行频数分析)
2、基本描述统计量(用基本描述统计量的计算结果对两人技术进行分析比
较)
3、单样本t检验(检验科比-布莱恩特和阿伦-艾弗森平均每场犯规次数的均值是否为)
4、两独立样本t检验(科比-布莱恩特和阿伦-艾弗森平均每场犯规次数比较)
5、单样本非参数假设检验(检验科比-布莱恩特平均每场进攻次数与首发的关系基本是否为1:
1:
10:
10:
10:
10:
10:
10:
10:
10:
2)
6、单样本非参数假设检验(检验科比-布莱恩特和阿伦-艾弗森平均每场盖帽
次数总体的分布是否为正态分布)
7、单样本非参数假设检验(检验科比-布莱恩特在某段时间内平均每场得分
是否持续正常)
8、单因素方差分析(用单因素方差分析,分别分析科比-布莱恩特和阿伦-艾
弗森平均每场防守次数对平均每场得分有无显著影响)
9、相关分析(研究平均每场三分球命中率与平均每场得分之间是否具有较
1
《数据分析方法》课程设计
强的线性关系)
10、偏相关分析(以平均每场失误次数为控制变量,研究平均每场罚球命中率与平均每场得分的偏相关关系)
11、线性回归分析(用逐步筛选法找科比-布莱恩特的平均每场得分的线性回归方程)
12、曲线回归分析(用曲线回归分析法分析科比-布莱恩特的平均每场得分)
2
《数据分析方法》课程设计
2数据的搜集与整理
数据的来源
《NBA球员科比-布莱恩特和阿伦-艾弗森11个赛季技术统计表》下载自NBA
中文官方网站,具有可信度。
数据的处理
定义视图
3
《数据分析方法》课程设计
数据视图:
4
-艾弗森平均每场上场时间在
输出2
《数据分析方法》课程设计
3利用SPSS软件对结果进行分析
(1)频数分析(对两人平均每场上场时间进行频数分析)数据文件中增加一个变量scsj。
NBA球员*分组后上场时间Crosstabulation
Count
分组后上场时间
1
2
Total
NBA
阿伦-艾弗森
1
10
11
球员
科比-布莱恩特
7
4
11
Total
8
14
22
输出1
Chi-SquareTests
Asymp.Sig.
ExactSig.
ExactSig.
Value
df
(2-sided)
(2-sided)
(1-sided)
PearsonChi-Square
1
.008
ContinuityCorrectiona
1
.027
LikelihoodRatio
1
.005
Fisher'sExactTest
.024
.012
NofValidCases
22
a.Computedonlyfora2x2table
b.2cells%)haveexpectedcountlessthan5.Theminimumexpectedcountis.
分析:
从输出1中看出,阿伦10-40(分钟)的频数为1,
在40-50(分钟)的频数为10;科比-布莱恩特平均每场上场时间在10-40(分钟)的频数为7,在40-50(分钟)的频数为4;两人平均每场上场时间在10-40
(分钟)的频数为8,在40-50(分钟)的频数为14。
从输出2中看出,交叉分组下的频数分析卡方检验结果的相伴概率为
,
小于显著性水平,故拒绝原假设,认为两人的平均每场上场时间
存在显著性差异。
(2)基本描述统计量(用基本描述统计量的计算结果对两人技术进行分析比较)实现按NBA球员拆分,输出结果放在同一张表中。
5
《数据分析方法》课程设计
DescriptiveStatistics
NBA球员
科比-布莱恩特平均每场投篮命中率平均每场三分球命中率平均每场罚球命中率
N
Minimum
Mean
Std.
Skewness
Statistic
Statistic
Statistic
Std.Error
Deviation
Statistic
Std.Error
Statistic
11
.4170
.449364
.005401
.0179124
.661
11
.2500
.324636
.012164
.0403442
.661
11
.7940
.831909
.005513
.0182836
.661
ValidN(listwise)
阿伦-艾弗森平均每场投篮命中率平均每场三分球命中率平均每场罚球命中率ValidN(listwise)
11
11
.3870
.419636
.006128
.0203237
.666
.661
11
.2340
.300909
.009339
.0309724
.661
11
.7020
.778818
.016848
.0558799
.248
.661
11
输出3
分析:
从输出3中看出,科比-布莱恩特的平均每场投篮命中率、平均每场三分球命
中率和平均每场罚球命中率的均值均比阿伦-艾弗森高,但标准差有高有底,
说明在投篮方面科比-布莱恩特比阿伦-艾弗森发挥出色,但稳定程度高低不定。
均值的统计误差均小于(比较小),说明数据没有不均衡现象,说明两人的
发挥都比较稳定。
(3)单样本t检验(检验科比-布莱恩特和阿伦-艾弗森平均每场犯规次数的均
值是否为)
实现按NBA球员拆分,输出结果放在同一张表中。
One-SampleTest
TestValue=
95%Confidence
Intervalofthe
Mean
Difference
NBA球员
t
df
Sig.(2-tailed)
Difference
Lower
Upper
阿伦-艾弗森
平均每场犯规次数
10
.001
科比-布莱恩特
平均每场犯规次数
.297
10
.773
.0473
.4025
输出4
分析:
从输出4中得,阿伦-艾弗森单样本假设的相伴概率为,小于显著性水平,故拒绝原假设,认为阿伦-艾弗森平均每场犯规次数的均值与有显著性差异;科比-布莱恩特单样本假设的相伴概率为,大于显著性水平,故
接受原假设,认为科比-布莱恩特平均每场犯规次数的均值与无显著性差异。
(4)两独立样本t检验(科比-布莱恩特和阿伦-艾弗森平均每场犯规次数比较)
6
《数据分析方法》课程设计
IndependentSamplesTest
Levene'sTestfor
EqualityofVariances
t-testforEqualityofMeans
95%Confidence
Intervalofthe
Mean
Std.Error
Difference
F
Sig.
t
df
Sig.(2-tailed)DifferenceDifferenceLower
Upper
平均每场犯规次数Equalvariancesassumed
.893
20
.003
.7291
.21355
.28363
.019
Equalvariancesnot
.003
.7291
.21355
.28326
assumed
输出5
分析:
从输出5中看出,两独立样本F检验结果的相伴概率为,小于显著性水
平,故拒绝原假设,认为阿伦-艾弗森与科比-布莱恩特平均每场犯规次数的方差有显著性差异;两独立样本t检验结果的相伴概率为,小于显著性水
平,故拒绝原假设,认为阿伦-艾弗森与科比-布莱恩特平均每场犯规次数的
均值有显著性差异。
(5)单样本非参数假设检验(检验科比-布莱恩特平均每场进攻次数与首发的关系基本是否为1:
1:
10:
10:
10:
10:
10:
10:
10:
10:
2)
赛季
ObservedN
ExpectedN
Residual
1
1
.1
.9
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
1
10
1
11
1
.2
.8
Total
11
输出6
TestStatistics
赛季
Chi-Squarea
df
10
Asymp.Sig.
.505
a.11cells%)haveexpectedfrequencieslessthan5.Theminimumexpectedcellfrequencyis.1.
7
《数据分析方法》课程设计
输出7
分析:
从输出7中看出,非参数假设检验卡方分布的相伴概率为,大于显著性
水平,故接受假设,认为样本来自的总体分布与理论分布无显著差异,即
科比-布莱恩特与首发的关系基本是为1:
1:
10:
10:
10:
10:
10:
10:
10:
10:
2。
(6)单样本非参数假设检验(检验科比-布莱恩特和阿伦-艾弗森平均每场盖帽次数总体的分布是否为正态分布)
实现按NBA球员拆分,输出结果放在同一张表中。
One-SampleKolmogorov-SmirnovTest
NBA球员
科比-布莱恩特N
NormalParametersa,b
MostExtreme
Differences
Kolmogorov-SmirnovZ
Asymp.Sig.(2-tailed)
阿伦-艾弗森N
NormalParametersa,b
MostExtreme
Differences
Kolmogorov-SmirnovZ
Asymp.Sig.(2-tailed)
a.TestdistributionisNormal.
b.Calculatedfromdata.
平均每场
盖帽次数
11
Mean
.5855
Std.Deviation
.27145
Absolute
.159
Positive
.159
Negative
.526
.945
11
Mean
.1773
Std.Deviation
.09111
Absolute
.212
Positive
.212
Negative
.702
.709
输出8
分析:
从输出8看出,科比-布莱恩特的平均每场盖帽次数非参数检验结果的相伴概率
为,大于显著性水平,故接受原假设,认为科比-布莱恩特的平均每场盖帽次数服从正态分布;阿伦-艾弗森的平均每场盖帽次数非参数检验结果的相伴概率为,大于显著性水平,故接受原假设,认为科比-布莱恩特的平
均每场盖帽次数服从正态分布。
(7)单样本非参数假设检验(检验科比-布莱恩特在某段时间内平均每场得分是
8
《数据分析方法》课程设计
否持续正常)
RunsTest
TestValuea
Cases Cases>=TestValue TotalCases NumberofRuns Z Asymp.Sig.(2-tailed) a.Median 平均每 场得分 5 6 11 4 .210 输出9 分析: 从输出9看出,随机性检验结果的相伴概率为,大于显著性水平, 故接受假设,认为科比-布莱恩特平均每场得分是随机的。 (8)单因素方差分析(用单因素方差分析,分别分析科比-布莱恩特和阿伦-艾弗森平均每场防守次数对平均每场得分有无显著影响) ANOVA 平均每场得分 Sumof NBA球员 Squares df MeanSquare F Sig. 科比-布莱恩特 BetweenGroups 4 .056 WithinGroups 6 阿伦-艾弗森 Total 10 BetweenGroups 1 .873 .374 WithinGroups 9 Total 10 输出10 分析: 从输出10中看出,科比-布莱恩特单因素方差分析结果的相伴概率为,大 于显著性水平,故接受假设,认为科比-布莱恩特的平均每场防守次数对平 均每场得分无显著影响;阿伦-艾弗森单因素方差分析结果的相伴概率为, 大于显著性水平,故接受假设,认为科比-布莱恩特的平均每场防守次数对 平均每场得分无显著影响。 9 《数据分析方法》课程设计 (9)相关分析(研究平均每场三分球命中率与平均每场得分之间是否具有较强的线性关系) 40 30 20 平 均 每 场 得 分 0 .22.24.26.28.30.32.34.36.38.40 平均每场三分球命中率 输出11 Correlations 平均每 平均每场 三 场得分 分球命中 率 平均每场 得分 PearsonCorrelation 1 Sig.(2-tailed) . .329 N 22 22 平均每场 三分球命中率 PearsonCorrelation 1 Sig.(2-tailed) .329 . N 22 22 输出12 分析: 从输出11中看出,平均每场三分球命中率与平均每场得分之间不具有较 强的线性关系;从输出12中看出,相关分析的相伴概率为,大于显著性水 平,故接受原假设,认为平均每场三分球命中率与平均每场得分之间不具有较强的线性关系。 两种方法得到结果一致。 10 《数据分析方法》课程设计 (10)偏相关分析(以平均每场失误次数为控制变量,研究平均每场罚球命中率与平均每场得分的偏相关关系) ---PARTIALCORRELATIONCOEFFICIENTS--- Controllingfor..V15 V17 V9 V17 .3626 ( 0) ( 19) P=. P=.106 V9 .3626 ( 19) ( 0) P=.106 P=. (Coefficient/.)/2-tailedSignificance) "."isprintedifacoefficientcannotbecomputed 输出13 分析: 从输出13中看出,偏相关分析结果的相伴概率为,大于显著性水平, 故接受假设,认为以平均每场失误次数为控制变量,平均每场罚球命中率与平均 每场得
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 分析 课程设计 NBA 球员 技术 统计分析 报告