运动生物力学研究中统计方法应用的几个问题
- 格式:pdf
- 大小:153.03 KB
- 文档页数:3
统计学在运动科学中的应用运动科学是研究人类运动及其相关因素的一门学科,它涉及广泛的领域,包括运动生理学、运动心理学、运动训练以及运动医学等。
统计学作为一种强大的数据分析工具,在运动科学领域中有着广泛的应用。
本文将探讨统计学在运动科学中的应用,并针对具体问题进行详细的分析和讨论。
1. 运动表现的统计分析在运动科学中,统计学起着重要的作用,可以对运动表现进行客观、科学的评估。
通过收集运动员的数据,如速度、力量、耐力等指标,运用统计学方法进行数据处理和分析,可以评估运动员的整体水平以及训练效果。
例如,可以通过统计分析运动员的平均速度、最大速度、加速度等指标来评估运动员的爆发力水平;通过统计分析运动员的耐力训练数据,可以评估其耐力水平和训练效果。
这些统计分析结果对于制定个体化的训练计划以及评估训练效果至关重要。
2. 运动数据的统计处理在运动科学研究中,统计学也用于处理和分析运动数据。
运动数据可以通过传感器、运动跟踪器等设备进行采集,例如运动员的心率、步频、步幅等数据。
通过对这些数据进行统计分析,可以揭示出运动员运动特点,揭示运动技术规律以及提取相关指标。
例如,在长跑运动中,通过统计分析运动员的步频和步幅数据,可以得出最佳的步频和步幅组合,从而提高长跑成绩。
此外,统计学还可以帮助研究人员发现潜在的关联性和趋势,为进一步的研究提供有力依据。
3. 实验设计与数据分析在运动科学研究中,实验设计是十分重要的环节。
合理设计实验,选择适当的统计学方法对数据进行分析,能够提高研究的可信度和准确性。
在实验设计中,统计学方法可以用于确定样本容量、分组策略以及数据收集方式等。
对于运动科学研究的数据分析,统计学方法可以用于检验假设、计算置信区间、分析差异检验、回归分析等。
通过这些统计学方法,可以得出科学、可靠的结论,为运动科学的发展提供支持和指导。
总结起来,统计学在运动科学中扮演着重要的角色。
它不仅可以用于运动表现的评估和分析,还可以对运动数据进行处理和分析,以及在实验设计和数据分析中提供科学依据。
运动生物力学的研究与应用运动是人类生活中不可或缺的一部分,而运动生物力学则是研究人体运动及其机理的学科。
运动生物力学主要包括人体力学、运动控制、生物机能测量等方面,通过对人体运动的分析和建模,提高运动技能、降低运动风险、改善康复等方面具有广阔的应用前景。
本文将就运动生物力学的研究以及其在运动训练、康复、专业运动员的评定等方面进行阐述。
一、运动生物力学的研究1.人体力学人体力学主要研究人体下肢在运动过程中的运动学和动力学变化。
通过测量运动员的关节角度、肌肉力矩等变量,分析运动员在运动过程中各个关节的负荷情况,以提出更加合理的训练方法,避免运动员受伤等问题。
同时,人体力学研究还可以提高运动员的运动能力,例如提高跳高、跳远等竞技项目的表现。
2.运动控制运动控制是指人体中枢神经系统对于运动的控制和协调。
通过对人体神经系统的研究,可以了解人体在不同条件下对于运动的反应,从而制定出更加科学的训练方案。
同时,通过对不同人群运动控制的比较研究,可以找到不同人群在运动控制上的差异性,以帮助更好地进行康复、训练等活动。
3.生物机能测量生物机能测量是指通过各种测量仪器记录人体的心血管、呼吸、肌肉等生理数值,以分析运动员在运动时的生理反应。
通过测量和分析,可以制定出更加合理的训练方案和竞赛策略,同时也可以帮助更好地进行康复治疗。
二、运动生物力学在运动训练中的应用1.体育竞技对于体育竞技运动员来说,运动生物力学的研究与应用可以帮助他们提高运动能力、防止受伤、制定更加科学的竞赛策略。
例如,通过研究运动员的肌肉强度和神经控制,可以制定出更加科学的训练方案,以提高运动员的跳高、跳远等技能。
同时,运动生物力学还可以通过测量运动员的生理反应,确定他们的极限状态,以帮助制定出更加合理的竞赛策略,提高比赛的胜率。
2.私人健身在私人健身领域,运动生物力学的研究和应用可以帮助人们更好地了解自己的身体,制定出更加适合自己的训练方案。
例如,通过运动生物力学的分析和建模,可以得出各种运动方式对人体的影响,以帮助人们选择最合适的运动方式和运动强度。
体育行业中运动生物力学技术的使用中常见问题分析运动生物力学技术是运动科学领域中的重要工具,它通过研究和应用力学原理来分析和改善人体运动技术。
在体育行业中,运动生物力学技术的使用逐渐成为提高运动员表现和预防运动损伤的关键所在。
然而,在实际应用中,我们也经常会面临一些常见问题。
本文将对体育行业中运动生物力学技术的使用中常见问题进行分析,并提供相应的解决方法。
首先,一个常见的问题是运动生物力学技术测量的准确性。
在运动生物力学测量中,数据的准确性对于结果的可靠性至关重要。
不准确的测量数据可能导致错误的分析结果和不准确的训练建议。
影响准确性的因素包括传感器的精度、标记点的放置精度和测量过程中人员的操作技巧等。
要解决这个问题,我们可以通过使用高精度的传感器、精确放置标记点和培训操作人员等措施来提高测量准确性。
其次,数据处理是另一个常见的问题。
运动生物力学技术通常会生成大量的数据,如关节角度、力矩和功率等。
如何从这些数据中提取有用的信息并进行正确的分析是一个挑战。
一种常见的解决方法是使用专门的数据处理软件来处理和分析数据。
这些软件通常具有数据滤波、数据插值和数据差异分析等功能,有助于研究人员快速、准确地分析数据。
此外,综合应用不同的测量技术也是一个常见的问题。
运动生物力学技术不仅包括传统的动态测量,还可以结合其他测量技术如表面电极肌电图(sEMG)和心率等。
将不同的测量技术有效地结合起来,可以提供更全面和准确的运动分析。
然而,不同技术之间的数据同步和处理可能会带来困难。
为了解决这个问题,我们可以使用专门的软件或硬件设备来实现数据同步,并进行合理、准确的数据处理。
此外,运动生物力学技术在实际应用中还面临一些局限性。
例如,特殊运动环境会对数据采集产生干扰,如水下运动和空中运动。
此外,对于某些运动项目或特殊身体构造的个体,传统的测量方法可能无法提供足够的信息。
针对这些问题,我们可以考虑采用适应特殊环境的测量设备和技术,或者使用先进的图像处理技术来解决测量局限性问题。
统计学在运动科学研究中的应用在当今的运动科学领域,统计学正发挥着日益重要的作用。
它宛如一盏明灯,为研究者照亮了探索运动奥秘的道路,帮助我们更深入地理解人体在运动中的各种表现和变化。
首先,统计学在运动员表现评估方面具有关键作用。
通过收集运动员在训练和比赛中的大量数据,如速度、力量、耐力、技术动作的准确性等,运用统计学方法进行分析,可以得出客观、准确的评估结果。
例如,计算平均值和标准差可以让我们了解运动员的一般水平和表现的离散程度。
如果一名短跑运动员的平均速度在多次测试中保持较高水平,且标准差较小,说明其成绩稳定,具备较高的竞技水平。
而对比不同运动员在相同指标上的数据,则能帮助教练发现每个运动员的优势和不足,从而制定更具针对性的训练计划。
其次,统计学在运动损伤预防和康复研究中也有着不可小觑的地位。
对运动员过往受伤情况的统计分析,可以揭示出某些运动项目、训练方式或身体部位更容易受伤的规律。
比如,通过对篮球运动员的受伤数据进行研究,发现脚踝扭伤的发生率较高。
进一步分析可能发现,这与比赛中的急停、变向动作以及场地条件等因素有关。
基于这些统计结果,运动医学专家可以制定相应的预防措施,如加强脚踝周围肌肉的力量训练、改进比赛场地的设计等。
在康复过程中,统计学同样能帮助评估治疗效果。
通过对比受伤运动员在接受不同康复治疗方案前后的功能指标,如关节活动度、肌肉力量等,可以确定哪种治疗方法更有效,从而优化康复方案,缩短运动员的恢复时间。
再者,统计学在运动训练方法的优化中发挥着重要作用。
在设计新的训练方法时,通常会先进行小规模的实验性研究。
利用统计学中的假设检验,可以判断新的训练方法是否显著优于传统方法。
例如,比较两组运动员分别采用传统训练和新训练方法后的成绩提升情况,如果新方法组的成绩提升显著高于传统方法组,那么就有足够的证据支持推广使用新的训练方法。
此外,通过回归分析,可以确定训练量与训练效果之间的关系,帮助教练找到最佳的训练强度和训练量,避免过度训练或训练不足。
统计学在运动科学研究中的应用在当今的运动科学领域,统计学正发挥着越来越重要的作用。
它不仅仅是一堆复杂的数字和公式,更是帮助我们理解运动表现、优化训练方法以及预防运动损伤的有力工具。
首先,让我们来谈谈在评估运动员表现方面统计学的应用。
当我们观看一场体育比赛时,往往只能直观地感受到运动员的速度、力量和技巧。
然而,要深入、准确地评估运动员的表现,就需要借助统计学。
比如,在篮球比赛中,通过统计球员的投篮命中率、篮板数、助攻数、抢断数和失误数等数据,我们可以更全面地了解该球员在比赛中的贡献和效率。
这些数据并非孤立存在,而是通过一系列的统计分析方法,如平均值、标准差和相关性分析等,来与其他球员进行比较,从而确定其在球队中的地位和在整个联盟中的水平。
统计学在运动训练中的作用也不容小觑。
教练们可以利用运动员的训练数据,如跑步速度、耐力、力量增长等,通过建立统计模型来预测运动员的发展潜力和可能达到的最佳表现。
例如,通过对运动员在一段时间内的训练负荷和身体反应数据进行回归分析,教练可以确定最适合该运动员的训练强度和量,以避免过度训练导致的受伤,同时最大程度地提高训练效果。
在运动损伤的预防和康复研究中,统计学同样发挥着关键作用。
研究人员可以收集大量运动员的受伤数据,包括受伤类型、受伤部位、受伤时的运动情况等,并运用统计方法来寻找其中的规律和风险因素。
比如,通过对足球运动员的受伤数据进行卡方检验,可能会发现某些特定的动作或比赛场景与特定类型的受伤存在显著关联。
基于这些发现,教练和运动员可以采取针对性的预防措施,降低受伤的风险。
另外,统计学还在运动选材方面为专家们提供了重要的依据。
通过对潜在运动员的身体指标、生理机能和运动天赋等多方面的数据进行统计分析,可以筛选出更有可能在特定运动项目中取得成功的人才。
例如,在选拔短跑运动员时,可能会关注他们的步频、步幅、爆发力等指标,并通过与优秀短跑运动员的数据进行对比分析,来判断其发展潜力。
统计分析在体育科学研究中的应用在当今的体育科学领域,统计分析已成为不可或缺的重要工具。
它以严谨的数学方法和逻辑思维,为我们揭示体育现象背后的规律,评估运动员的表现,优化训练策略,以及推动体育科学的不断发展。
统计分析能够帮助我们客观、准确地描述体育数据的特征。
例如,在研究运动员的身体素质时,我们可以收集大量关于身高、体重、力量、速度等方面的数据。
通过计算平均值、中位数、标准差等统计指标,我们能够清晰地了解运动员群体在这些指标上的整体水平和离散程度。
这不仅有助于我们对运动员的身体状况有一个全面的认识,还能为选材和训练提供重要的参考依据。
在评估运动员的表现方面,统计分析发挥着关键作用。
以篮球比赛为例,我们可以统计球员的得分、篮板、助攻、抢断、盖帽等数据。
然而,单纯看这些原始数据并不能完全反映球员的真实贡献。
通过进一步的统计分析,如计算球员效率值(PER)、真实投篮命中率(TS%)等综合指标,我们能够更全面、更准确地评估球员在比赛中的表现。
这些指标考虑了多种因素的影响,能够更公平地比较不同球员的价值。
另外,统计分析在体育训练中的应用也日益广泛。
教练可以通过对运动员训练数据的统计分析,来监测训练效果和调整训练计划。
比如,在田径短跑训练中,记录运动员每次训练的成绩、起跑反应时间、加速阶段的速度等数据。
通过对这些数据的趋势分析,教练可以判断训练方法是否有效,运动员的进步情况如何。
如果发现运动员在某个阶段出现了成绩停滞不前的情况,教练可以根据统计结果找出问题所在,针对性地调整训练强度、训练量或者技术动作,以提高训练效果。
在体育赛事的预测中,统计分析同样具有重要意义。
通过对过往比赛数据的分析,建立数学模型,可以预测比赛结果和球员表现。
例如,在足球比赛中,考虑球队的近期战绩、主客场表现、球员伤病情况、双方历史交锋记录等因素,运用统计方法进行分析和建模,从而对比赛结果进行预测。
当然,这种预测并非绝对准确,但它能够为球迷、博彩者和赛事组织者提供有价值的参考。
统计学在运动科学和运动训练中的应用统计学是一门应用广泛的学科,可以在各个领域中发挥重要作用。
在运动科学和运动训练领域中,统计学也扮演着重要的角色。
通过收集和分析大量的数据,统计学可以帮助我们更好地了解运动和训练的规律,为科学决策提供有力的支持。
本文将探讨统计学在运动科学和运动训练中的应用。
一、数据收集与分析在运动科学和运动训练领域,数据的收集和分析至关重要。
统计学通过运用各种研究设计和数据采集方法,帮助研究人员和教练员收集到可靠和有意义的数据。
通过使用统计学的方法,可以将海量的数据进行整理和处理,深入探究与运动和训练相关的变量之间的关系。
例如,可以通过对运动员的身体指标、运动能力和表现等数据进行收集和分析,来揭示运动员的优势和劣势,并为个体化训练方案的制定提供依据。
二、数据可视化分析数据可视化是统计学在运动科学和运动训练中的重要应用之一。
通过将数据以图表或图像的形式展示出来,可以使复杂的数据变得直观和易于理解。
比如,可以利用散点图来展示运动员的身高和体重之间的关系,通过柱状图来比较不同训练方法对运动员力量的影响等。
通过数据可视化,研究人员和教练员可以更加直观地了解数据的特征和趋势,有针对性地制定训练计划和调整策略。
三、假设检验与推断统计在运动科学和运动训练中,常常需要对某种假设进行检验,以便了解变量之间是否存在显著差异或相关性。
统计学中的假设检验和推断统计方法可以帮助我们进行这样的判断和推断。
比如,可以利用t检验来判断不同训练组间是否存在明显的差异,利用相关分析来研究不同变量之间的关系等。
通过合理的假设检验和推断统计方法的运用,可以更加准确地评估训练效果和推断研究结论的可靠性。
四、回归分析与预测模型回归分析是一种常用的统计学方法,可以用来探究自变量与因变量之间的关系,并建立预测模型。
在运动科学和运动训练中,回归分析可以帮助我们了解各种因素对于运动和训练的影响,并预测未来的表现。
比如,可以利用多元线性回归分析来建立运动员成绩与身体指标、训练强度等之间的关系,通过对运动员的各种因素进行综合分析,预测他们未来的表现。
运动生物力学研究方法综述运动生物力学是将生物学、力学与运动学相结合的研究学科,它旨在通过研究外部力与运动间的相互作用,深入了解人类行为的动态、空间和平面组织的机理,从而提高人类的运动能力和技能表现。
在近几年里,运动生物力学被广泛用于临床诊断、运动损伤的及早识别、教学训练的优化、运动能力的提高等方面,取得了显著的研究成果和临床应用。
运动生物力学研究的基本方法包括:动态力学分析、三维运动分析、生物力学建模分析、运动处理及统计分析等等。
其中,动态力学分析通过分析人体不同系统之间的力学关系,了解人体运动力学特性;三维运动分析用于计算人体运动模型的空间组织及其动态变化;生物力学建模分析利用组合力学模型,研究运动的动力学和机械特性;运动处理及统计分析则利用数据处理技术对获得的运动数据进行分析,以找出运动的特点。
在实际研究中,可以结合电子表征运动分析系统(EMGAS)、运动模拟(MOS)、影像诊断(MRI)、计算机模拟(CFD)等技术,运用运动生物力学分析的方法进行研究。
EMGAS是运动生物力学分析的重要手段,可以对人体运动时的电生理状态进行直接监测;MOS可以利用人体空间位置的运动模拟绘制影像,揭示人体运动的特点;而MRI则可以实时监测运动过程中的组织改变;CFD则可以利用计算机模拟技术模拟运动过程中的三维流体现象。
在未来,运动生物力学研究将会受益于科技的发展,运用虚拟现实和增强现实技术实现有效的运动模拟,采取新的数学建模方法来研究人体的运动特性,使之得以更深入的了解。
此外,计算机视觉技术也可以提供有效的运动分析,实现人体动作的连续跟踪和可视化分析。
综上所述,运动生物力学是一门复杂的学科,其基本方法包括动态力学分析、三维运动分析、生物力学建模分析、运动处理及统计分析等,这些方法可以深入了解人类行为的动态、空间和平面组织的机理,可以有效提高人类运动能力和技能表现。
在此基础上,未来还可以结合电子表征运动分析系统、运动模拟、影像诊断、计算机模拟以及虚拟现实、增强现实技术和计算机视觉技术,来更有效地研究运动生物力学。
运动生物力学研究中统计方法应用的几个问题李世明1,刘学贞2,徐迪生2(11烟台师范学院体育学院,山东烟台 264025;21北京体育大学,北京 100084)摘 要:结合运动生物力学研究的特点与实例,对其中的统计方法应用的几个问题进行了辨析,主要包括:样本含量的确定、显著性水平的确定、方差齐性的检验、单侧检验、统计学差异的概念以及统计分析与运动生物力学相关理论的关系等6个方面的问题。
关键词:运动生物力学;统计;应用中图分类号:G 80416 文献标识码:A 文章编号:10072323X (2004)0120039203The Donbts of Statistics Application in the Study of Sports BiomechanicsLI Shi 2ming 1,LI U Xue 2zhen 2,X U Di 2sheng2(11Department of P 1E 1,Y antai N ormal C ollege ,Y antai 264025,China )【Abstract 】C ombined with the characteristics and exam ples of study in sports biomechanics ,the authors discrim inated s ome doubts in statisticsapplication in it 1In all there were 6questions ,i 1e 1how to fix the sam ple content and significnce level ,to proceed the tests of hom ogeneity -of -varianve and single side ,to understand the concept of statistics discrepancy and the relationship of statistics and sports biomechanics 1【K eyw ords 】sports biomechanics ;statistics ;application收稿日期:2003210208作者简介:李世明(1969—),男,山东栖霞人,博士主要研究方向:运动生物力学及数据处理 运动生物力学是一门实验性很强的交叉性边缘学科,它以研究人体运动为目标,运用人体解剖学、人体生理学、力学的理论与方法来探索人体运动规律。
最初,运动生物力学的个案研究较多,近些年来,随着测试仪器的不断发展及应用上的愈加方便,测试样本含量也相对增加了,在运动生物力学界统计学方法就得到了较为普遍的应用。
统计学方法固然能在一定程度上帮助我们从表面繁杂的数据中寻找人体运动内在本质的规律,但是,由于运动生物力学研究具有多学科综合性的特点,在统计方法的应用上往往很容易走入误区,因此,我们拟结合运动生物力学研究的特点与实例,对统计方法应用上的若干问题进行探讨,以助于获得真实的研究结果和正确的结论。
1 实验设计中的统计方法应用问题111 样本含量的确定在运动生物力学的研究中,动作技术最优化是很重要的一个任务。
在这类研究当中,一方面我们要探索合理化的动作技术原理,另一方面,在此基础上,我们要探索适合某个特定运动员的最佳动作技术,前者是一种群体研究,后者是个案研究。
为达到不同的研究目的,样本含量在实验设计时就应当确定。
而目前的研究现状是大多数运动生物力学研究在实验设计时并没有首先确定样本含量,而是根据仪器设备、人员等实际情况随意选择样本,影响了实验设计的科学性。
预先确定样本含量意义重大,一般来说,样本愈大愈近似总体,但样本太大则需要投入更多的人力、物力,样本太小又不能满足可靠性的要求。
样本含量的确定原则是以满足实验结果的可靠程度要求为准则。
目前的运动生物力学研究,多数测试手段还没有达到完全的自动化,譬如影像解析系统,关节点坐标的获取多数还需要人工判读,如果盲目的增大样本含量,无疑增大了数据采集与处理的工作量;另一方面,・有些研究最好能以高水平运动员为研究对象,而由于条件限制,许多研究的样本含量又太小,不足以揭示高水平运动群体的动作技术原理。
根据C ohen (1988)[1]和Li Li(1999)[2]的研究表明:在运动技术方面,5人的样本含量己包含了运动员整体技术特点的80%以上,因而,即使要对高水平运动员进行技术诊断,样本含量也不应低于5。
样本含量的确定需要考虑两方面的因素:一是总体标准差(σ)的估计值大小,它是反映总体中个体分散程度的统计量,σ值愈大抽得的样本的统计量对总体参数估计的可靠性愈低,则需较大的样本,反之,样本含量可以降低;二是要求犯第一类错误(α)和第二类错误(β)的概率(p )允许误差的大小[3]。
建议在正式实验设计前能够作较小规模的预实验,根据小样本的统计处理得到的数据来确定正式实验的样本含量。
93广州体育学院学报 2004年 第24卷 第1期 Journal of G zIPE V ol 124 N o 11 2004预实验的标准差越大、实验组与对照组的均数相差越远,所要求的显著性水平越高需要的样本含量就越大,反之则越小。
另外,结合运动生物力学的研究特点—多学科综合性、遵守力学原理而实验结果又不乏随机性,我们建议应尽量采用统计分析与个案研究相结合的方法,以更有利于揭示人体运动的真正规律。
因为,即使要采用统计分析,也不应忽略个案研究,毕竟运动技术有时候具有鲜明的个体特征。
112 显著性水平的确定统计学并不能够避免抽样误差和小概率事件的发生,因此,每一个统计学问题都有它的显著性水平。
首先,要明确显著性水平应当是在实验设计中确定,而不是事后根据计算结果再确定,这是一个程序和概念问题。
目前,很多的运动生物力学研究并没有预先确定显著性水平,同样影响了实验设计的科学性。
其次,显著性水平的大小应如何确定。
我们都知道,显著性水平确定的依据是准备冒多大判断错误的风险,习惯上定在0105或0101水平上。
但这不应是固定的,对发生判断错误的后果严重性愈大,所冒的风险应愈小,显著性水平也应愈小:反之,显著性水平可以定的大一些。
有些问题,如运动创伤与防治方面的研究,定义在0101水平上也不够,还应定的更小一些;相反,有一些研究,如动作技术优劣的判定方面的研究,定在0110或0120水平上也是可以的,前面可以说是十拿九稳,后者是有八成把握。
显著性水平的确定应具体问题具体分析,显著性检验不能够避免两类错误的发生:“拒真”和“受伪”,前者又称为第一类错误,即无效假设H原本是真的,被拒绝接受,误判为有差别:后者又称为第二类错误,即无效假设原本是错误的而被接受,误判为无差别。
若要使犯两类错误的概率同时减小,唯一的办法是增加样本含量,而无限制的扩大样本往往是不现实的,基于这种情况,Neyman-Pears on提出了一个原则一最优检验法则,即:应在控制犯第一类错误的概率α条件下,尽量使犯第二类错误的概率β小。
这个法则在一般情况时适用,因为,人们通常认为犯第一类错误比犯第二类错误的后果要严重。
形象地说,犯第一类错误是将“无效措施认为有效”而推广实施,遭受损失;而犯第二类错误是“将有效措施认为无效”不去推广实施,可以重复实验校正,故不及第一类错误严重。
例如跳深训练实验,跳深的高度对训练效果具有至关重要的意义,假设要增加的高度与原采用高度之间对训练效果本无差别,如犯第一类错误则是“拒真”而不接受无效假设,认为高度再增加将会提高训练效果,于是导致采用更高的高度去训练,即把“无效措施认为有效”而推广使用,这样做的结果不但无补于训练,反而会因高度的提高加大了下肢的负担,长期训练极易造成膝、踝等关节的损伤。
而如犯第二类错误,即原本是提高高度进行训练比原高度效果好,却没有采纳这一研究结果,即“将有效措施认为无效”而不去推广,相对于第一类错误,它至少不会对人体造成伤害。
需要注意的是:我们并不是说在运动生物力学研究中就可以完全不考虑第二类错误的发生。
在有些研究中需要对α和β进行比较,有时犯第二类错误更为严重,此时就应考虑β值,需要把α值定的大一些。
例如假肢的步态研究,为了保证健康,我们宁愿把合格的标准定的高一些,让合格品当作不合格品,也不能把不合格品当作合格品,从统计学上来讲,就是宁愿犯“拒真”错误,也不愿犯“受伪”错误。
体育运动中带有危险性的动作很多,如体操、蹦床、滑雪等项目,在对此类项目进行运动生物力学研究中一定要比较α和β的大小。
2 结果分析中的统计方法应用问题211 方差齐性的检验问题目前,采用t检验或方差分析的运动生物力学研究,很少注明是否进行过方差齐性检验。
事实上,采用上述两种方法来检验均数差异的时候,有一个很重要的条件,那就是对比各组的总体方差是来自同一总体或方差相等的总体,统计学上称之为方差齐性。
若各样本方差相差到有显著性时,不能作t检验或方差分析,因而,在应用这样的统计方法时,要首先进行方差齐性检验。
如果方差不齐,则应采用经过修正的t’检验或F’检验。
例如,在运动生物力学研究中,我们经常要对新旧两种技术进行生物力学比较研究,如果通过t检验判定二者均数属同一总体,即新旧技术之间不具有显著性差异。
但是在检验离散程度时发现二者方差不具有齐性,很可能是新技术使适合的人成绩好,而使不适合的运动员成绩差,说明新技术具有适用的范围。
从这个例子可以看出,方差齐性检验对于运动生物力学研究是很重要的,在进行t检验或方差分析时不进行方差齐性检验是不科学的。
212 单侧检验问题在技术动作分析时,经常要比较优秀组与一般组的某些生物力学指标的差别;在步态分析时,经常要比较不同年龄组别的生物力学参数的差别。
事实上,上述类似的运动生物力学研究很多,且需要进行单侧检验。
由于显著性检验的方法和公式一般都是双侧检验的,因而,这也是我们经常容易忽视的统计学问题。
如果单侧检验与双侧检验在使用中不能正确的区分,将直接影响到检验的结果。
假设双侧检验的结果为0110,无显著性,而采用单侧检验即为0105,就变为有显著性。
总之,如果预知某一均数不可能大于(或小于)另一均数时,就要把α全部放在分布的一侧,需采用单侧检验。
双侧检验无显著性时,单侧检验却可能有显著性,犯错误的概率减少了一半。
213 统计学差异的概念问题一般地,当P小于0105时为“显著性差异”,当P大于0105时(如P=0106)为“无显著性”,在运动生物力学研究中,研究者往往根据统计学的有无显著性差异来作为所下结论有无质的区别的依据。
事实上,这里的“有”和“无”是统计学中的概念,与日常语言中的概念不同,只是说明在否定假设H o时否定错了的概率有多大。