幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

體育數據分析方法--數學和統計學在棒球足球籃球等運動中的應用(原書第2版)

  • 作者：(美)T.A.塞韋里尼|責編:張佳儀//李香葉|譯者:盧文雲//虞思逸//劉雨劍
  • 出版社：科學
  • ISBN：9787030823885
  • 出版日期：2026/01/01
  • 裝幀：平裝
  • 頁數：338
人民幣：RMB 160 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以精煉而系統的方式，介紹在體育研究中切實有用的分析與統計方法。全書以體育數據的實際應用與結果解讀為主線，突出體育數據分析有別于常規統計分析的特性。全書彙集了多種運動項目的大量典型案例，為各章提供必要的計算指導與進階閱讀建議，幫助讀者進一步將所述方法有效落地。
    本書是一本討論體育數據分析方法的教材，讀者需要具備一定數學基礎，但無須有統計學背景知識。本書可作為體育科學與管理、數據科學及相關專業課程的教材或參考讀物。
作者介紹
(美)T.A.塞韋里尼|責編:張佳儀//李香葉|譯者:盧文雲//虞思逸//劉雨劍
    T.A.塞韋里尼是西北大學統計學教授。他的研究領域涵蓋似然推斷、非參數與半參數方法，以及其在計量經濟學中的應用。他著有Likelihood Methods in Statistics、Elements of Distribution Theory以及Introduction to Statistical Methods for Financial Models等作品。塞韋里尼教授在芝加哥大學獲得了統計學博士學位，並被選為美國統計協會的會士。
目錄
1  引言
  1.1  體育數據的分析方法
  1.2  全書架構
  1.3  數據
  1.4  計算
  1.5  進階閱讀建議
2  體育數據描述與匯總
  2.1  引言
  2.2  體育數據的種類
  2.3  頻率分佈
  2.4  單指數結果匯總：平均值與中位數
  2.5  體育數據中的變化檢測
  2.6  定性變數中的變化檢測：以投球種類為例
  2.7  使用數學變換來提高球隊和球員表現的測量水平
  2.8  每壘全壘打數與每全壘打壘數
  2.9  計算
  2.10  進階閱讀建議
  2.11  練習
3  概率
  3.1  引言
  3.2  在體育領域應用概率規則
  3.3  將體育事件結果作為隨機變數進行建模
  3.4  總結隨機變數的分佈
  3.5  得分分佈與期望得分
  3.6  概率分佈與體育數據間的關係
  3.7  在特定條件下的概率計算：條件概率
  3.8  無條件概率與條件概率的紐帶：全概率法則
  3.9  足球中率先進球得分的重要性
  3.10  獲勝概率
  3.11  基於全概率法則對體育統計量進行修正
  3.12  NFL得分王對比
  3.13  體育數據建模的兩大重要分佈：二項分佈與正態分佈
  3.14  使用Z分數來比較NFL賽季的接球表現
  3.15  使用概率論分析體育中的連勝紀錄
  3.16  使用概率論評價統計中的「怪現象」
  3.17  計算
  3.18  進階閱讀建議
  3.19  練習
4  統計方法
  4.1  引言
  4.2  使用誤差範圍量化體育統計中的變化
  4.3  計算均值和相關統計的誤差範圍
  4.4  使用模擬分析檢測複雜統計中的變化
  4.5  NFL傳球評分中的誤差範圍
  4.6  球隊與球員間的比較
  4.7  當前結果是不是偶然的？理解統計顯著性
  4.8  比較美國聯盟與國家聯盟
  4.9  誤差範圍與修正統計量
  4.10  將統計學方法應用到體育數據時的重要注意事項
  4.11  計算

  4.12  進階閱讀建議
  4.13  練習
5  運用相關性分析來發現數據中的統計關係
  5.1  引言
  5.2  線性關係：相關係數
  5.3  「畢達哥拉斯公式」能被用於預測隊伍下半場的表現嗎？
  5.4  運用秩相關來描述一些特定的非線性關係
  5.5  一名頂級跑衛在NFL比賽中的重要性
  5.6  識別和移除潛在變數的影響
  5.7  MLB比賽中投手防禦率與殘壘率的關係
  5.8  運用自相關來發現體育數據中的規律
  5.9  量化NFL中薪資帽的影響
  5.10  描述類別變數間的關聯性
  5.11  分析傳球衝擊對Brady比賽表現的影響
  5.12  納達爾為什麼在紅土場地表現很好
  5.13  使用球隊層面的數據所要注意的事項
  5.14  傾向於面對更多投球的擊球員表現會更優秀嗎？
  5.15  計算
  5.16  進階閱讀建議
  5.17  練習
6  運用線性回歸進行體育數據建模
  6.1  引言
  6.2  運用簡單線性回歸來對兩個變數間的關係進行建模
  6.3  回歸係數的不確定性：誤差範圍與統計顯著性
  6.4  勝於替補與團隊獲勝之間的關係
  6.5  均值回歸：為什麼表現極佳的隊伍可能會逐漸變差而墊底球隊可能會逐漸提升
  6.6  尋找逆轉局勢的擊打
  6.7  NFL教練會落伍嗎？一次數據不全的案例
  6.8  運用多項式回歸來建模非線性關係
  6.9  英超聯賽中傳球與進球的關係
  6.10  用log變換對那些在運動分析中有乘積效應的變數進行建模
  6.11  使用多年度數據進行分析時的注意事項
  6.12  計算
  6.13  進階閱讀建議
  6.14  練習
7  多變數的回歸模型
  7.1  引言
  7.2  多元回歸分析
  7.3  多元回歸分析中係數的意義
  7.4  三振率與投球速度和投球軌跡的關係建模
  7.5  英超聯賽中傳球與進球關係的進一步分析
  7.6  多變數相關性與回歸
  7.7  分析西甲選手的進攻貢獻
  7.8  利用交互作用對有協同效應和拮抗效應的變數進行建模
  7.9  衝刺時間與體重和力量的建模
  7.10  分析三振率與投球速度和軌跡的模型中變數之間的交互關係
  7.11  運用如聯盟和位置等類別變數進行預測
  7.12  NBA中籃板與得分的關係
  7.13  確定模型中最重要的變數：預測變數的相對重要性
  7.14  影響PGA高爾夫選手得分的因子

  7.15  選擇預測變數：找到最適合的NFL球隊得分模型
  7.16  運用回歸模型對預測進行修正
  7.17  修正後的平均失球率
  7.18  使用Excel計算
  7.19  進階閱讀建議
  7.20  練習
8  一些進階方法
  8.1  引言
  8.2  使用交叉驗證和重採樣評價統計模型
  8.3  二元響應變數回歸模型
  8.4  使用樹方法對複雜關係進行建模
  8.5  使用隨機森林對觀測進行分類
  8.6  分析變異性
  8.7  使用池化方法提高隊伍及選手特定變數的估算能力
  8.8  使用隨機效應對回歸模型中的相關性進行建模
  8.9  使用樣條函數對非線性關係進行建模
  8.10  使用主成分分析對多變數數據進行匯總
  8.11  進階閱讀建議
  8.12  練習
參考文獻
可用數據集

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032