籃球運動中統計運用面面觀

寇希冉

學了統計，你知道它與我們喜愛的籃球運動關系匪淺嗎？下面就讓我來給大家介紹一下其中的門道.

就籃球這項運動的本質而言，從統計科學的角度來看無非是一種概率的集體博弈，從比賽雙方的每一次進攻或防守，到球隊的每一次選秀或交易，甚至是球員的每一次傷病，都可以看成是一次隨機事件，因此涉及的種種技術指標也就成了隨機變量.

啊哈！最后原來還是落到了統計學的頭上，那就讓我們一起通過數據分析，來看看其中的規律在哪里，

一、標準差判斷穩定性

NBA球員某項技術指標的穩定性是由該技術指標分布的標準差決定的，這個值越小，那么他的這項技術指標就越穩定.

如表1所示，是根據姚明在NBA職業生涯三個賽季的常規賽的得分統計所做的一個數據分析：

從中，我們發現，姚明在2005--2006賽季的得分數的標準差比前兩個賽季低了不少，這就意味著，其在得分的穩定性方面有了明顯的進步，也說明他在比賽中得到20分左有的概率增大了，而拿10分以下或拿30分以上的概率則相應地減少，不再大起大落了，這就是穩定性的體現.

如果你大致理解了標準差的作用，讓我們再來看看曾經的一些NBA著名球星每個賽季常規賽場均得分的分布情況，請看表2：

從表中可以看出，鄧肯的穩定性令人驚嘆，無愧于“石佛”的稱號；雖然科比和麥迪均為得分高手，但他們的穩定性與喬天王相比還有較大的差距，或許傷病是造成這種情況的一大原因吧；在中鋒這個位置上，奧尼爾的穩定性相當突出，說明他的競技狀態保持得比較好.怎么樣，有了統計學的加入，我們就可以對球員的競技狀態以及球隊的狀況做m正確的評估和比較，并利用它在球隊陣容配置上減少不必要的風險.

當然，統計學的威力可沒這么簡單，只要有效數據足夠，甚至還可以擁有“預測”的功能.

二、回歸分析具有預測性

回歸分析就是針對具有相關關系的兩個變量進行統計分析的方法，只有散點圖大致呈線性時，求出的回歸方程才能有實際意義，否則，求出的線性回歸方程毫無意義.根據回歸方程進行預報，僅是一個預報值，而不是真實發生的值，只有具有線性相關關系，才可以通過線性回歸方程來估計和預測.

如，為了解某籃球運動員小李的投籃命中率與打籃球時間之間的關系，表3記錄了小李某月1號到5號每天打籃球時間x（單位：h）與當天投籃命中率y之間的關系（假設小李的狀態穩定，發揮正常）：（1）求小李這5天的平均投籃命中率；（2）請用線性回歸分析的方法，預測小李該月6號打6小時籃球的投籃命中率.

當x=6時，y=0.53，故預測小李該月6號打6小時籃球的投籃命中率為0.53.

實際上，在平時的籃球訓練中還會用到莖葉圖，它一般適用于樣本數據不太多的情形.當然統計在籃球運動中的運用還很多，在此就不一一贅述了.

如何，現在你是不是也有點相信，體育老師的數學功底可能也很不一般哦.endprint