Mg. Eliana Terrera

Estadística Aplicada al Fútbol

Estadística Aplicada al Fútbol

Organización de los datos. Parte I.

Luego de evaluar el rendimiento físico de un conjunto de jugadores la organización y presentación de los datos es un proceso importante previo al análisis de los resultados.

En ocasiones, cuando tenemos pocos datos para tabular, no es un problema organizarlos y listarlos en una planilla. Sin embargo, cuando el número de valores es abundante es un tanto molesto utilizar un gran número de hojas para su registro. Además, es posible que que perdamos la posibilidad de visualizar alguna tendencia o comportamiento del grupo del cual se han obtenido las evaluaciones si los datos se encuentran desordenados.

Cuando tenemos pocos valores, en general alrededor de 20 o menos, el procedimiento más simple de organización consiste en listarlos en una columna y darles un orden, por ejemplo, de mayor a menor. Este orden, nos va a permitir visualzar de una manera rápida la homogeneidad o no de los valores que se registraron en el grupo, en lugar de ver cada evaluación en culaquier orden en una lista. Este orden que realizamos de los datos es simplemente un ranking, es un orden por jerarquía que nos permitirá visualizar de mejor manera el comportamiento de los datos a simple vista.

Por ejemplo, en la siguiente tabla tenemos el registro de 15 valores del test YoYo de recuperación intermitente nivel I de futbolistas de la categoría cadete a partir de Gómez M. (2012) y su representación gráfica del lado derecho: La lista anterior contiene simplemente los datos en bruto de las evaluaciones obtenidas y su representación solo esquematiza el órden en el cual se fueron evaluando a los jugadores. Los datos listados de esa manera desorganizada no nos permitirian observar nada, salvo si quisieramos detenernos en el valor aislado de un jugador en particular.

Sin embargo, si ahora organizáramos los datos de mayor a menor, por ejemplo, podríamos ver a simple vista una tendencia del número de jugadores que en órden decreciente completaron un intervalo de distancias determinada durante el test, y aquellos que recorrieron una distancia más reducida con solo mirar la tabla y la representación gráfica de manera rápida:Este ranking entonces nos permite ver la diferencia que existe en los metros recorridos durante el test, desde un máximo de 2160 m a un mínimo de 920 m.

Si bien iremos analizando diferentes medidas de dispersión de datos a medida que avancemos en este blog, simplemente voy a mencionar que al tener los valores mínimos y máximo de estos test, podríamos realizar el cálculo del Rango.

El Rango representa una diferencia, es simplemente una resta entre el valor de mayor magnitud, menos el valor de menor magnitud:

Rango (R) = 2160 – 920 = 1240

El Rango como medida de dispersión de datos nos permite conocer la máxima dispersión que presentan los datos analizados.

En función del valor que obtenemos del rango, podemos ver que cuanto mayor es el rango, mayor es la diferencia y dispersión de los datos. Contrariamente, mientras mas pequeño es el rango, menor dispersión. Sin embargo, es bueno tener en cuenta, que si bien su cálculo es bastante sencillo, lo cual es una ventaja, su cálculo tiene la desventaja que solo depende de los valores que se encuentran en los extremos de los datos que colectamos y no nos da una medida de variabilidad con respecto al centro de la distribución.

Otra chance que tenemos, en la organizacion de los datos, es confeccionar la planilla y calcular el Rango pero en cada grupo dividido por posición de jugadores. En este caso tendríamos un rango para los defensores, los mediocampistas, etc.

El ranking es la manera mas sencilla en la que podemos organizar los datos cuando el numero de valores que tenemos ronda los 20 o menos. Sin embargo, cuando el numero es mayor, como ocurre habitualmente en los planteles de Fútbol, sería conveniente la utilización de otros recursos estadísticos para organizar los datos que hemos colectado.

REFERENCIAS

Gómez, M (2012). Evaluación de la condición física del futbolista. Material principal G-SE. Curso de posgrado de Entrenamiento en fútbol.Vincent WJ (2005). Statistics in kinesiology. 3rd Edition. Human Kinetics.

Estadística aplicada al Fútbol. Parte II.

Estadística aplicada al Fútbol. Parte II.

Organización de los datos. Parte II.En la Parte I del Blog anterior, mencionábamos que ordenar los datos en una columna de mayor a menor por ejemplo, era una forma sencilla de organizar los valores cuando el número de datos del que disponíamos era pequeño (aproximadamente 20 o menos).Pero imaginemos que queremos procesar un mayor número de datos, por ejemplo 100 determinaciones, como podría pasar si evaluáramos a las divisiones inferiores de un club. En este caso ya no es tan cómodo tener una visión en una sola hoja del comportamiento de los datos. Claro que podemos hacerlo, pero tendremos 100 filas con los datos individuales de cada medición que abarcarán bastante espacio. En estos casos, además de la confección de un listado, podemos organizar los datos a través de una Tabla de Distribución de Frecuencias.El número de veces que un valor de la medida se repite en nuestra lista de datos se denomina como “frecuencia absoluta” (fa). Además de la fa, también podemos tener listada la “frecuencia relativa” de los datos (fr). En este caso, obtenemos información acerca de la “proporción” con la que los datos se presentan. Para obtener la fr no tenemos mas que dividir la fa de cada dato por el total (n) de observaciones que disponemos: (fr: fa/n). El resultado de esa proporción nos informará un valor entre 0-1, y multiplicando por 100 el resultado anterior, obtendremos el dato de la frecuencia relativa porcentual del los datos (fr%), que entonces nos informará un resultado en un intervalo de 0-100%. En futuros Blog, veremos la importancia que tiene la frecuencia relativa para obtener los percentiles, un cálculo de gran utilidad especialmente en el área de las ciencias biológicas.En general, los datos que procesamos de las evaluaciones de los planteles de fútbol se encuentran en unidades de medida de tiempo, distancias, etc. con lo que es poco probable que tengamos dentro de un plantel un grupo que haya recorrido “exactamente” la misma cantidad de metros durante un test, sumado a la heterogeneidad de valores que podemos encontrar debido a las diferentes posiciones de cada jugador en la cancha. Es decir, que el numero de veces que se repite un dato es baja (o sea, baja fa). Esto significaría que nuestra tabla de organización de datos no se acotaría demasiado si listáramos la frecuencia de los datos, debido a la variabilidad de los valores que tenemos.Qué podemos hacer en estos casos para tener los datos en una sola tabla donde podamos visualizar de manera global y compacta los valores obtenidos?Una buena herramienta seria elaborar la misma Tabla de Distribución de Frecuencias que mencionamos anteriormente pero la organizamos por Intervalos. Es decir, organizaremos nuestros datos en una tabla, pero agruparemos por intervalos las distancias recorridas y le calcularemos su frecuencia de aparición de manera absoluta y relativa entre el total de las determinaciones.Por ejemplo, aquí se presentan datos de la distancia recorrida en el test de Yo-Yo de recuperación intermitente nivel 1 en 35 jugadores de fútbol (datos ya ordenados de menor a mayor):1240 1320 1480 1560 1600 1600 16401760 1840 1880 1880 1920 1920 19602000 2160 2160 2360 2360 2400 25602560 2600 2680 2800 2800 2840 28802920 2920 3000 3080 3160 3160 3240No hay una regla específica para la construcción de los intervalos, todo dependerá del detalle que queramos dar a los datos, pero debemos asegurarnos que todos los valores que medimos queden incluidos en un intervalo. En general, el numero de intervalos suele variar entre 5-15 (Di Rienzo y cols 2008) o entre 10-20 (Vincent 2005). Si hacemos pocos intervalos, el numero de datos que tendremos en cada intervalo será muy grande, es decir que habrá una gran concentración de datos y eso podría llegar a sesgar nuestra idea de lo que realmente ocurre con la distribución de los datos. Si realizamos una gran cantidad de intervalos, probablemente la información se diluya y se divida demasiado y la tabla nuevamente vuelva a ser muy larga, con pocos o ningún dato en algunos intervalos.Veamos un ejemplo de la tabla de distribución de frecuencias para esos 35 datos, agrupada en 10 intervalos: Tabla de distribución de frecuencias agrupada en 10 intervalos para la distancia recorrida durante el test YoYo de recuperación intermitente nivel 1 en 35 jugadores de fútbol. fa: frecuencia absoluta, fr: frecuencia relativa, FAA: frecuencia absoluta acumulada, FRA: frecuencia relativa acumulada.En la columna de la fa registramos el numero de jugadores que recorrieron distancias en el test dentro de cada intervalo, mientras que en la columna de fr registramos la proporción de jugadores que recorrieron distancias en cada intervalo. Por ejemplo, si observamos la primera fila de las fa y fr podemos decir que 2 jugadores de 35 recorrieron una distancia entre 1240-1440 m en el test de Yo-Yo de recuperación intermitente nivel 1, lo que representa de manera relativa porcentual un 6% (0.06 *100). Pero también podemos ver que otro 6% completó distancias entre 1640-1840 m y entre 2040-2240 m.Si observamos la primera columna de los intervalos, encontramos que el valor de los extremos de la derecha es el mismo que el valor del extremo de la izquierda del intervalo. Que ocurre si un jugador recorrió por ejemplo 1440 m, en que intervalo lo ubicamos? En este caso la representación con un corchete significa que ese valor esta incluido en ese intervalo (intervalo cerrado), mientras que si usamos los paréntesis, implica que el valor no esta incluido (intervalo abierto). Uno puede elaborar el intervalo como lo desee, abierto por izquierda y cerrado por derecha o viceversa, pero tiene que definirlo previamente para asegurar que los datos sean ubicados en el intervalo correcto.En los siguientes gráficos se representan los resultados de la fa y fr que obtuvimos en la tabla de distribución de frecuencias agrupadas por intervalos.Es importante aclarar que si bien la variable que estamos analizando (distancia recorrida) es una variable numérica continua y su representación grafica debería realizarse a través de un histograma (veremos en futuros blogs este concepto), las variables continuas pueden ser tratadas como discretas cuando se las trabaja mediante intervalos (Di Rienzo y cols 2008) y así graficarlas mediante un gráfico de barras como se ha hecho en este blog: Gráfico 1. A (Izquierda) Distribución de la frecuencia absoluta, y B (Derecha) distribución de la frecuencia relativa en 35 jugadores de fútbol de la distancia recorrida durante el test YoYo de recuperación intermitente nivel 1. Si observamos las ultimas dos columnas de la tabla, tenemos listados dos nuevos cálculos: la Frecuencia Absoluta Acumulada (FAA) y la Frecuencia Relativa Acumulada (FRA). Las frecuencias acumuladas, nos revelan de manera rápida cuantos jugadores recorrieron una distancia igual o menor que un determinado intervalo de distancia, y del mismo modo que en el caso anterior podemos decir lo mismo pero de manera relativa (FRA) y relativa porcentual.Para calcular las frecuencias acumuladas, simplemente tenemos que ir sumando en la columna el valor de la fila precedente, tanto de la fila de la columna de la fa como de alguna de las fr (fr o fr%), de allí su nombre de “acumulada”.Gráficamente podemos observar los valores acumulados:Gráfico 2. A (Izquierda) Distribución de la frecuencia absoluta acumulada, y B (Derecha) distribución de la frecuencia relativa acumulada en 35 jugadores de fútbol de la distancia recorrida durante el test YoYo de recuperación intermitente nivel 1. De estos gráficos podemos ver de manera absoluta por ejemplo, que 20 jugadores de 35 recorrieron distancias entre 2240 – 2440 m o menos, o que 9 jugadores de 35 recorrieron distancias entre 1640 – 1840 o menos. Del mismo modo, visto de manera relativa acumulada, el 57% de los jugadores recorrieron distancias entre 2240 – 2440 m o menos, o que el 26% de los jugadores recorrieron distancias entre 1640 – 1840 m o menos.En los gráficos que siguen (gráficos 3 y 4), simplemente les dejo la misma información pero agrupada por medio de diferentes intervalos. En el primer caso (gráfico 3) he agrupado los 35 jugadores en 5 intervalos, mientras que en el segundo caso (gráfico 4) en 16 intervalos, para que observen como los mismos datos pueden analizarse de manera diferente en cada caso. Mientras menos intervalos tenemos mayores fa en cada intervalo, mientras que si el numero de intervalos se hace mayor, claramente pude verse que el numero de casos en cada intervalo de distancia recorrida se hace mas pequeño.Gráfico 3. A (izquierda) Distribución de la frecuencia absoluta, y B (Derecha) distribución de la frecuencia relativa en 35 jugadores de fútbol de la distancia recorrida durante el test YoYo de recuperación intermitente nivel 1. Datos agrupados en 5 intervalos.Gráfico 4. A (izquierda) Distribución de la frecuencia absoluta, y B (derecha) distribución de la frecuencia relativa en 35 jugadores de fútbol de la distancia recorrida durante el test YoYo de recuperación intermitente nivel 1. Datos agrupados en 16 intervalos.Esta forma de organizar los datos a través del uso de tablas de distribución de frecuencias por intervalos es particularmente importante cuando el numero de datos es grande, ya que podemos agruparlos y analizar su comportamiento de una manera globalmente representada ya sea en una tabla o en un gráfico. Si bien esta herramienta es muy útil comparativamente con la lista individual de datos, tiene la desventaja que al tener los datos agrupados, perdemos información de los datos individuales de cada medición en esa representación.ReferenciasDi Rienzo JA, Casanoves F, Gonzalez LA, Tablada EM, Díaz MP, Robledo CW, Balzarini MG (2008). Estadística para las Ciencias Agropecuarias. 7 Edición, primera impresión. Editorial Brujas.Vincent WJ (2005). Statistics in kinesiology. 3rd Edition. Human Kinetics.

Estadística Aplicada al Fútbol. Medidas de Posición. Parte I.  Uso de la Media.

Estadística Aplicada al Fútbol. Medidas de Posición. Parte I. Uso de la Media.

Uso de la Media para Datos No AgrupadosEn los blogs anteriores hemos analizado como
podemos organizar un reducido y un elevado numero de datos.
Ahora bien, una vez que los datos están
listados, también podemos verlos y analizarlos de una manera aun mas condensada
que en una tabla. Esta manera mas resumida es a través de los que se conoce en
estadística como medidas de posición,
localización o de tendencia central. Como ejemplo de estas medidas mas
utilizadas hallamos a la media muestral,
la mediana muestral, los cuantiles, y la moda muestral. Esas medidas nos van a permitir expresar mediante un
valor único, el comportamiento del
conjunto de datos que tenemos.
La media muestral, media aritmética,
promedio o simplemente “la media” es una medida con la cual nos encontramos muy
familiarizados en la vida cotidiana. Tenemos un conjunto de datos y simplemente
los sumamos y los dividimos por la cantidad de valores que tenemos y eso nos da
una idea del “comportamiento promedio de nuestros registros”. (Promedio = Sumatoria x/n). Dónde x representa el valor de
cada dato y n el numero total de datos.
Si tomamos como ejemplo los valores
aislados sin agrupar del Yo-Yo test de recuperación intermitente que vimos en
la parte II del blog, podemos fácilmente calcular la media:
1240 1320 1480 1560 1600 1600 1640

1760 1840 1880 1880 1920 1920 1960

2000 2160 2160 2360 2360 2400 2560

2560 2600 2680 2800 2800 2840 2880

2920 2920 3000 3080 3160 3160 3240
Promedio = 80240 / 35 = 2292.6 m
Distancia recorrida Promedio = 2293 m

El promedio que calculamos, es una
especie de “centro de gravedad” de la
distribución de los datos. En este caso, si analizamos la siguiente figura,
podemos observar que cada distancia recorrida durante el test realizado se
halla representada por un punto, y que las distancias que se repitieron mas de
una vez, poseen mas puntos. Las distancias de 1600, 1880, 1920, 1960, 2160,
2560, 2800, 2920 y 3160 tuvieron una frecuencia absoluta (fa)=2. Para que esa
distribución permanezca equilibrada, el centro de gravedad se halla en 2293 m,
que seria la media. El valor de la media, no es necesariamente un valor de una
distancia recorrida realmente durante el test, sino el punto de equilibrio de
las distribución. Figura 1.
Representación gráfica de las distancias recorridas durante el tets Yo-Yo de
recuperación intermitente nivel 1. Cada punto representa una distancia recorrida
(m), y el triángulo al centro de gravedad de la distribución, la media.
El cálculo del promedio, es muy sensible
a los valores extremos que podamos tener en una distribución de datos. Esto
quiere decir que si tenemos uno o mas valores de distancia recorrida muy
pequeños o muy grandes, eso repercutirá sobre el valor de la media y el centro
de gravedad deberá desplazarse hacia derecha o izquierda para equilibrar la
distribución.
Uso de la Media para Datos Agrupados en IntervalosAhora bien,
Si tuviéramos los datos agrupados por intervalos como en el blog anterior, cómo podemos
proceder para calcular el promedio de la distancia recorrida durante el test?
En este caso, deberemos tener en
consideración el numero de veces que se repite cada intervalo (fa) y
multiplicarlo por lo que se denomina Marca de Clase o MC, que no es otra cosa
que el promedio de cada intervalo (columna 3 de la Tabla):
MC = (Limite inferior del intervalo + Limite superior
del intervalo) / 2Tabla 1.
Frecuencias absolutas (fa), Marcas de clase (MC) y productos de ambas variables
(fa*MC) para cada intervalo de distancia recorrida (m) durante el Yo-Yo test de
recuperación intermitente nivel I.
Una vez que tenemos la MC,
multiplicaremos esa MC*fa, ya que tenemos que considerar el numero de veces que
se repitió cada intervalo, por que no disponemos de los valores aislados.
Finalmente sumamos todas las MC*fa
(columna 4, Tabla 1) y las dividimos por todas las fa (columna 2).
Por lo tanto, el promedio = 80212.5 / 35
Distancia recorrida Promedio = 2292 metros
Como observamos, es posible calcular el
valor promedio tanto a partir de los datos sin agrupar como a través de los
datos agrupados, siempre y cuando tengamos el dato de la frecuencia absoluta de
cada intervalo.
Si tuviéramos que resumir las
características de la media en términos de ventajas y desventajas, podríamos
decir que su cálculo es ampliamente utilizado como medida de tendencia central,
es muy sensible a cualquier variación que exista en los datos que registramos y
que puede ser utilizada para otros cálculos estadísticos. Por otra parte,
debido a que la media es una medida muy sensible a los valores extremos, no es
recomendable utilizarla en aquellas distribuciones que sean muy heterogéneas,
ya que obtendremos un valor que si bien es el centro de gravedad de la distribución,
no representa el comportamiento real de gran parte de la distribución.REFERENCIASCallegri-Jacques Sidia M (2008). Bioestadística. Principios y Aplicaciones. Editorial Artmed.Di Rienzo JA, Casanoves F, Gonzalez LA, Tablada EM, Díaz MP, Robledo CW, Balzarini MG (2008). Estadística para las Ciencias Agropecuarias. 7 Edición, primera impresión. Editorial Brujas.Vincent WJ (2005). Statistics in kinesiology. 3rd Edition. Human Kinetics.

PROXIMAS FORMACIONES

DOCENTES DESTACADOS

Diplomado en Nutrición y Metodologías de Entrenamiento para la Estética Corporal y Análisis e Interpretación de Datos Aplicados en Antropometría

Este curso está diseñado en formato pregrabado, lo que permite a los estudiantes acceder y revisar cada una de las clases de los módulos a su propio ritmo.Hemos elegido esta metodología para ofrecer una experiencia de aprendizaje flexible y adaptada a las necesidades individuales de cada estudiante.Una vez matriculados, los estudiantes tendrán acceso al campus virtual, disponible sin restricciones de horario durante todo el periodo de inscripción del curso. A través de esta plataforma podrán:Visualizar las clases pregrabadas, accesibles en línea durante un periodo de 1 año. Aunque no son descargables, pueden revisarse tantas veces como se desee dentro de este tiempo.Descargar el material escrito de los módulos. Este contenido estará disponible exclusivamente durante el periodo de acceso, por lo que se recomienda guardarlo antes de que expire el tiempo asignado.Además, los estudiantes cuentan con la Mesa de ayuda, un recurso disponible para resolver consultas técnicas relacionadas con el uso de la plataforma. Asimismo, tienen acceso al correo electrónico de la organización para plantear dudas sobre el material académico del curso. La dirección de este correo se proporciona una vez que el estudiante ha realizado su proceso de inscripción.El curso se encuentra alojado en G-SE (Grupo Sobre Entrenamiento), una plataforma líder en formación y divulgación a distancia en ciencias del ejercicio físico y la salud.Requisitos para la aprobación y certificación:Para obtener el certificado final del curso, los estudiantes deberán aprobar un examen final individual, que evalúa los contenidos de los tres módulos. Cada módulo incluye una autoevaluación opcional. Aunque estas no son obligatorias ni influyen en la calificación final, se recomienda realizarlas, ya que el examen final puede incluir preguntas basadas en ellas. Por lo tanto, las autoevaluaciones son una herramienta útil para reforzar el aprendizaje antes de presentar el examen final.Novedad en esta edición. Encuentros en vivo:Para enriquecer aún más su proceso de aprendizaje, en esta edición del diplomado hemos incorporado una serie de encuentros en vivo programados a lo largo del periodo de cursada. Estos espacios están diseñados para realizar sesiones interactivas sobre temas de relevancia actual, casos prácticos y contenidos complementarios que, aunque no forman parte del programa académico troncal, guardan una estrecha relación con nuestra temática central: la nutrición, las metodologías de entrenamiento para la estética corporal y el análisis e interpretación de datos antropométricos.Estos encuentros representan una oportunidad única para conectar con la comunidad del curso, intercambiar experiencias y profundizar en aspectos avanzados de la práctica profesional. Los detalles, fechas y temáticas específicas de estas sesiones serán comunicados a los estudiantes oportunamente a través de la plataforma.
8 Revisiones
4,88

No se encontraron resultados

La página solicitada no pudo encontrarse. Trate de perfeccionar su búsqueda o utilice la navegación para localizar la entrada.