《统计学论文-关于英超球队的分析》由会员分享，可在线阅读，更多相关《统计学论文-关于英超球队的分析（14页珍藏版）》请在金锄头文库上搜索。
1、关于英超球队的分析摘要：欧洲足球联赛 11/12 赛季终于落下帷幕，几家欢喜几家愁。蓝军切尔西最终捧得欧冠冠军，西甲豪门巴萨被他们斩于马下。有人说切尔西用钱堆出来的，算不上豪门，也正因为切尔西的崛起，改变了英超传统豪门的格局，曼联，利物浦，阿森纳，传统豪门，而切尔西仿佛更像是一个暴发户，但是不管用如何，需要用数据来说话。本文先进行聚类分析，选出第一梯队的球队，进行分析，运用主成分分析，因子分析选出对结果影响的主要因素。再选近五年成绩看看近两年切尔西是否保持着第一集团。本文数据来自网易的国际足球数据库主要用 20112012 年度，包括 20 支球队：曼城，曼联，阿森纳，托特纳姆，切尔西，纽卡斯
2、尔，诺维奇，埃弗顿，布莱克本，富勒姆，利物浦，博尔顿，桑德兰，西布朗，斯旺西，女王公园巡游者，维甘，狼队，阿斯顿维拉，斯托克城。（见附表一）关键词：强队，豪门，分类正文：如今处在信息化社会，任何理论都要有数据的支持才能站得住脚，在足球中，进球仿佛成了一支球队是否是强队的有力依据，但不要忘了，射门次数，射正次数，角球，犯规，传球成功率，抢断成功率，黄红牌，控球率。只有把这些综合考虑进去才会得出最综合的答案。聚类表群集组合 首次出现阶群集阶 群集 1 群集 2 系数 群集 1 群集 2 下一阶1 7 8 20887.680 0 0 32 6 14 21580.510 0 0 103 7 18 33
3、429.030 1 0 104 5 11 34171.790 0 0 115 12 16 35449.500 0 0 76 3 15 51101.850 0 0 87 12 19 92441.590 5 0 128 1 3 100836.445 0 6 99 1 2 174877.907 8 0 1510 6 7 289694.115 2 3 1311 4 5 366364.655 0 4 1512 12 13 395278.347 7 0 1413 6 17 614152.368 10 0 1614 9 12 1762278.400 0 12 1615 1 4 2279144.772 9 1
4、1 1716 6 9 3675296.917 13 14 1817 1 10 7034957.266 15 0 1918 6 20 12594604.894 16 0 1919 1 6 36440659.465 17 18 0通过上述聚类过程，得出了下面的分类的树状图。从树状图中我们可以看出分成五类比较好。群集成员案例 5 群集1:曼城 12:曼联 13:阿森纳 14:托特纳姆 15:切尔西 16:纽卡斯尔 27:诺维奇 28:埃弗顿 29:布莱克本 310:富勒姆 411:利物浦 112:博尔顿 313:桑德兰 314:西布朗 215:斯旺西 116:女王公园巡游者 317:维甘 218:狼
5、队 219:阿斯顿维拉 320:斯托克城 5从图片中看出类别 球队 球队数量第一类 曼城，曼联，阿森纳，托特纳姆，切尔西，利物浦，斯旺西7第二类 纽卡斯尔，诺维奇，埃佛顿，西布朗，维甘，狼队 6第三类 布莱克本，博尔顿，桑德兰，女王公园巡游者，阿斯顿维拉5第四类 富勒姆 1第五类 斯托克城 1从分类结果显示出强队中除了曼联，利物浦和阿森纳。也有了曼城，托特纳姆热刺，斯旺西以及切尔西的的加入，使得英超比西甲多了观赏性。西甲的防守过于孱弱，不堪一击，两大豪门皇家马德里和巴塞罗那过于强大，联赛缺乏竞争力。也许这正是近些年英超球迷越来越多的原因吧。ANOVA平方和 df 均方 F 显著性组间 3209
6、.978 4 802.494 6.933 .002组内 1736.222 15 115.748进球总数 4946.200 19组间 541.700 4 135.425 7.373 .002组内 275.500 15 18.367半场总数 817.200 19组间 2355.978 4 588.994 5.233 .008组内 1688.222 15 112.548失球总数 4044.200 19组间 169061.394 4 42265.349 38.536 .000组内 16451.556 15 1096.770射门总数 185512.950 19组间 31622.161 4 7905.54
7、0 47.087 .000组内 2518.389 15 167.893射正总数 34140.550 19组间 31207.300 4 7801.825 19.884 .000组内 5885.500 15 392.367角球总数 37092.800 19组间 12631.494 4 3157.874 2.673 .073组内 17721.056 15 1181.404犯规总数 30352.550 19组间 1.734E8 4 4.335E7 35.812 .000组内 1.816E7 15 1210564.470传球总数 1.916E8 19组间 458.943 4 114.736 17.789
8、 .000组内 96.749 15 6.450传球成功率总数 555.692 19组间 17366.333 4 4341.583 1.746 .192组内 37306.667 15 2487.111抢断总数 54673.000 19组间 45.437 4 11.359 5.174 .008组内 32.929 15 2.195抢断成功率总数 78.366 19组间 3717.450 4 929.362 3.316 .039组内 4203.500 15 280.233越位总数 7920.950 19组间 511.533 4 127.883 1.798 .182组内 1066.667 15 71.1
9、11黄牌总数 1578.200 19组间 25.978 4 6.494 1.940 .156组内 50.222 15 3.348红牌总数 76.200 19组间 639.136 4 159.784 33.361 .000组内 71.842 15 4.789控球率总数 710.978 19通过上面这个分析表可以看出分组情况非常好，至于抢断，黄红牌的 P 值比较大的原因恐怕是因为足球是一个团体项目，再强亦或者再弱的球队抢断这一项的数据都不会差很多。而红黄牌随着比赛向技术流发展，大动作的犯规或者恶意犯规已经减少，各队差异不太大。通过上述报告，从这十项技术统计中可以看出，处在第一梯队的六支球队的进球率
10、明显高于其他球队，从这方面体现出了强队应有的成绩。与此同时在防守方面失球率也是明显低于其他球队，最少的也有八个球。射门次数，射正次数也更是多余其他队伍大约 100 次之多，强队不是吹出来的，靠技术说话，让人不得不服。而传球和传球成功率这两项数据也是更好地说明了球星的作用，好的中场球星能够起到穿针引线的作用，使整支球队进攻更流畅，也更富想象力。强队是技术流，是球星的作用，更是想象力的天堂。而足球比赛充满偶然性，充满机遇，只有丰富的想象力才能获得精彩的结果。通过判别分析来验证一下分组是否合理：按照案例顺序的统计量最高组 第二最高组 判别式得分P(Dd | G=g)案例数目 实际组 预测组 p df
11、 P(G=g | D=d)到质心的平方 Mahalanobis 距离 组 P(G=g | D=d)到质心的平方 Mahalanobis 距离 函数 1 函数 2 函数 3 函数 41 1 1 .904 4 1.000 1.041 4 .000 2712.779 47.008 1.573 .172 -.8342 1 1 .326 4 1.000 4.644 4 .000 3007.256 49.697 2.023 .945 -.7583 1 1 .206 4 1.000 5.911 4 .000 2694.963 47.281 -.793 .712 .7964 1 1 .517 4 1.000
12、3.249 4 .000 2747.209 47.668 .561 -.870 -1.6355 1 1 .982 4 1.000 .406 4 .000 2778.791 47.678 1.354 .799 -.7266 2 2 .135 4 1.000 7.026 4 .000 265.338 -12.334 .642 -1.389 2.7657 2 2 .546 4 1.000 3.068 4 .000 151.489 -10.198 -2.132 -1.346 .6058 2 2 .479 4 1.000 3.494 4 .000 171.893 -9.446 -1.355 -1.931
13、 2.4449 3 3 .433 4 1.000 3.809 5 .000 191.789 -43.337 .620 1.916 1.02710 4 4 1.000 4 1.000 .000 2 .000 189.475 -3.262 -11.690 -2.322 -2.72111 1 1 .716 4 1.000 2.106 4 .000 2833.225 47.902 2.352 .609 .38412 3 3 .561 4 1.000 2.979 5 .000 173.008 -44.100 2.165 2.639 -1.54213 3 3 .205 4 1.000 5.920 5 .0
14、00 241.277 -43.585 .573 4.636 -1.93014 2 2 .340 4 1.000 4.525 4 .000 191.077 -12.104 -2.663 -.018 2.38715 1 1 .978 4 1.000 .455 4 .000 2776.915 47.717 1.255 -.320 -.18016 3 3 .354 4 1.000 4.402 5 .000 240.429 -41.482 .910 3.020 .42417 2 2 .976 4 1.000 .472 4 .000 186.570 -10.445 -1.090 -.323 1.59218
15、 2 2 .826 4 1.000 1.506 4 .000 190.575 -10.373 -.913 .210 1.45619 3 3 .288 4 1.000 4.989 5 .000 164.531 -43.243 .481 .668 -1.829初始20 5 5 1.000 4 1.000 .000 3 .000 197.787 -51.044 6.128 -7.804 -1.7241 1 1 .000 14 1.000 48775.730 4 .000 155009.5362 1 1 .000 14 1.000 713.079 4 .000 48442.4603 1 1 .000
16、14 1.000 2778.308 2 .000 12739.1334 1 1 .000 14 1.000 50.548 4 .000 2624.5985 1 1 .000 14 1.000 80.638 4 .000 2612.4456 2 2 .000 14 1.000 3294.401 3 .000 20459.2647 2 4* .000 14 1.000 772.610 2 .000 2104.2818 2 4* .000 14 1.000 185.582 2 .000 1175.8029 3 3 .000 14 1.000 128.801 5 .000 206.14610 4 2* .000 14 1.000 189.475 3 .000 1778.5
