최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.25 no.6, 2014년, pp.1231 - 1239
In this paper we analyse the distributions of the number of goals scored by home teams and away teams in K-league soccer outcomes between 1983 and 2012. Real soccer data is explained in K-league using statistical distributions such that Poisson, negative binomial, extreme value and zero inflated Poi...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
포아송분포가 아닌 음이항분포로 접근해야 되는 이유는 무엇인가? | 축구의 점수 분포에 대한 연구는 많은 학자들에 의해 50년 이상 진행되어지고 있는데, 처음에는 골을 넣을 수 있는 확률이 각 팀에만 종속되는 고정된 값으로 간주한 포아송분포를 이용하여 전체 및 각 팀별 골 득점의 분포를 모형화하였다 (Moroney, 1956). 그런데 골의 분포가 포아송분포를 따른다는 사실은 골이 발생하는 것이 단위 시간의 길이에만 의존하기 때문에 특정 팀의 골의 기댓값은 모든 경기에서 같다고 할 수 있으나 상대 팀에 따라 결과도 달라질 수 있고, 두 팀이 비슷한 전력을 가지고 있다고 하더라도 1-0인 경우와 5-0인 경우는 선수들의 경기에 임하는 자세가 다를 수 있다고 할 수 있으므로 이런 경우는 음이항분포로 접근하는 것이 타당하다고 할 수 있다. (Reep 등, 1971; Maher, 1982). | |
옛날에는 골을 넣을 수 있는 확률을 어떤 통계적 모델을 이용해 모형화 했나요? | 대중성과 경제적 부가가치로 인하여 여러 분야에서 중요한 연구대상으로 간주되는 축구는 역동적인 축구경기의 특성상 통계적 분석의 가능성에 대한 의심이 많았지만, 분석결과들은 팀의 전 술을 평가하고 발전시키는 수단이 되었다. 축구의 점수 분포에 대한 연구는 많은 학자들에 의해 50년 이상 진행되어지고 있는데, 처음에는 골을 넣을 수 있는 확률이 각 팀에만 종속되는 고정된 값으로 간주한 포아송분포를 이용하여 전체 및 각 팀별 골 득점의 분포를 모형화하였다 (Moroney, 1956). 그런데 골의 분포가 포아송분포를 따른다는 사실은 골이 발생하는 것이 단위 시간의 길이에만 의존하기 때문에 특정 팀의 골의 기댓값은 모든 경기에서 같다고 할 수 있으나 상대 팀에 따라 결과도 달라질 수 있고, 두 팀이 비슷한 전력을 가지고 있다고 하더라도 1-0인 경우와 5-0인 경우는 선수들의 경기에 임하는 자세가 다를 수 있다고 할 수 있으므로 이런 경우는 음이항분포로 접근하는 것이 타당하다고 할 수 있다. | |
연구에 사용한 K-리그 결과 데이터의 GS, GA의 평균과 분산 값은 어떻게 되나요? | 1은 원정팀의 실점인 홈팀의 득점 (GS)과 홈팀의 실점인 원정팀의 득점 (GA)의 평균, 중앙값, 분산, 왜도 및 첨도를 연대별과 전체로 나타낸 결과이다. 1983년부터 2012년까지 30년간 홈팀 득점 (GS)은 평균 1.33, 분산 1.28이며, 원정팀 득점 (GA)은 평균 1.18, 분산 1.21으로 홈경기가 원정경기보다 평균과 분산이 크게 나타났다. 홈팀 득점과 원정팀 득점의 평균은 연대별로 거의 유사하며 중앙값은 모두 같다. |
Choi, S. B., Kang, C. W., Cho, H. J. and Kang, B. Y. (2011). Social network analysis for a soccer game. Journal of the Korean Data & Information Science Society, 22, 1053-1063.
Gemert, D. (2010). Modelling the scores of premier league football matches, Master's Thesis, University of Amsterdam, Amsterdam, Netherlands.
Greenhough J., Birch P. C., Chapman S. C. and Rowlands G. (2002). Football goal distributions and extremal statistics. Physica A, 316, 615-624.
Hong, C. S., Jung, M. S. and Lee, J. H. (2010). Prediction model analysis of 2010 South Africa World Cup. Journal of the Korean Data & Information Science Society, 21, 1137-1146.
Kim, K. M. (2005). A study on the zero-inflated poisson regression model. Journal of the Korean Data Analysis Society, 7, 497-505.
Maher, M. J. (1982). Modelling association football scores. Statistica Neerlandica, 36, 109-118.
Moroney M. J. (1956). Facts from figures, 3rd edition, Penguin, London.
Reep C., Pollard R. and Benjamin B. (1971). Skill and chance in ball games. Journal of the Royal Statistical Society A, 134, 623-629.
Shin, S. K., Cho, Y. J. and Cho, Y. S. (2009). A study on points per game using scored goal per game and lossed goal per game in the union of European football professional league. Journal of the Korean Data & Information Science Society, 20, 837-844.
Singh, S. N. (1963). A note on inflated poisson distribution. Journal of the Indian Statistical Association, 1, 140-144.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.