СТАТИСТИЧНІ МОДЕЛІ АНАЛІЗУ ТРЕНУВАЛЬНИХ ФАКТОРІВ І ПРОГНОЗУВАННЯ СПОРТИВНИХ РЕЗУЛЬТАТІВ
DOI:
https://doi.org/10.35546/kntu2078-4481.2025.3.2.36Ключові слова:
статистичні моделі, кореляційний аналіз, множинна лінійна регресія, метод найменших квадратів, критерій Стьюдента, критерій Фішера-Снедекора, прогнозування, тренувальні фактори, спортивні результати, персоналізація тренувального процесу, веб-застосунокАнотація
У статті досліджено проблему оцінки впливу тренувальних факторів на спортивні результати із застосуванням статистичних методів аналізу даних. Основна мета роботи полягає в розробці та практичній апробації методики, яка включає: проведення кореляційного аналізу для відбору найбільш значущих факторів, що впливають на спортивні результати; побудову моделі множинної лінійної регресії з оцінкою параметрів методом найменших квадратів; перевірку статистичної значущості коефіцієнтів регресії та адекватності побудованої моделі за допомогою критеріїв Стьюдента і Фішера-Снедекора відповідно. Для демонстрації методики використано експериментальний набір даних обсягом 50 спостережень, який включає такі тренувальні фактори, як кількість спожитої води, тривалість сну, кількість занять на тиждень, тривалість одного заняття, місце проведення тренування, часовий індекс. Цільовою змінною виступає час подолання дистанції 1000 м. Практична реалізація запропонованої методики виконана у вигляді веб-застосунку з клієнт-серверною архітектурою. Користувач вводить дані про фактори й результати, після чого система автоматично виконує статистичний аналіз – вибирає значущі фактори, оцінює параметри моделі, перевіряє їхню статистичну достовірність, робить прогноз на вказану майбутню дату. Запропонований підхід забезпечує можливість здійснювати персоналізований аналіз тренувального процесу. Використання статистичних методів дає змогу підвищити обґрунтованість управлінських рішень у спортивній підготовці, сприяє досягненню більш стабільних і прогнозованих результатів.
Посилання
Старостенко І. А., Деменко М. М. Сучасне бачення генетики у спорті. Світ наукових досліджень : матеріали Міжнародної мультидисциплінарної наукової інтернет-конференції, м. Тернопіль, Україна, м. Переворськ, Польща, 16–17 березня 2023 р. Тернопіль : ФОП Шпак В. Б., 2023. Вип. 17. С. 210–211. URL: https://essuir.sumdu.edu.ua/ handle/123456789/94601 (дата звернення: 19.08.2025).
Костюкевич В. М., Войтенко С. М., Вознюк Т. В. Моделювання та прогнозування в спорті : навч. посібник. Вінниця : Нілан-ЛТД, 2024. 122 с. URL: https://dspace.vspu.edu.ua/items/62557715-16a3-4510-85fc-9e914a144402 (дата звернення: 19.08.2025).
Андронов В., Тищенко В. Факторний аналіз як інструмент оптимізації тренувального процесу в жіночому гандболі. Науковий часопис Українського державного університету імені Михайла Драгоманова. Серія 15. 2024. Вип. 7(180). С. 1620. URL: https://spppc.com.ua/index.php/journal/article/view/2012/1985 (дата звернення: 19.08.2025).
Множинний регресійний аналіз показників, що впливають на спортивний результат у спринтерському бігу / Чухловіна В. та ін. Науковий часопис Українського державного університету імені Михайла Драгоманова. Серія 15. 2024. Вип. 5(178). С. 215–219. URL: https://spppc.com.ua/index.php/journal/article/view/1951/1923 (дата звернення: 19.08.2025).
Бідюк П. І., Данилов В. Я., Жиров О. Л. Прикладна статистика : навч. посібник. Київ : КПІ ім. Ігоря Сікорського, 2023. 186 с. URL: https://ela.kpi.ua/server/api/core/bitstreams/678e0b39-a61d-4b34-9c61-f275eb358ed8/ content (дата звернення: 19.08.2025).
Angular : веб-сайт. URL: https://angular.io/ (дата звернення: 19.08.2025).
NestJS : веб-сайт. URL: https://docs.nestjs.com/ (дата звернення: 19.08.2025).
PostgreSQL : Documentation : веб-сайт. URL: https://www.postgresql.org/docs/ (дата звернення: 19.08.2025).
TypeORM : веб-сайт. URL: https://typeorm.io/ (дата звернення: 19.08.2025).
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
