阻滞增长模型和多元线性回归模型的研究及其在跳高运动问题中的应用.docVIP

阻滞增长模型和多元线性回归模型的研究及其在 跳高运动问题中的应用 摘要： 跳高经过百余年的演变和发展，已经达到了非常高的水平。在这种情况下，研究当前跳高项目的竞技能力特征及其主导因素对于更新人们的观念，准确把握跳高运动项目发展脉搏，制定跳高运动项目的规划，实施训练重点及促进跳高水平的快速提高将具有重要意义。 本文采用阻滞增长模型进行预测，根据模型，对数据进行拟合，得到相应的函数，根据函数，预测出下一届奥运会的成绩。其中得到男子的极限成绩为2.401米，女子的为2.1065米。下一届奥运会男子冠军的成绩为2.3868米，女子冠军成绩为2.0713米。与已有30届奥运跳高冠军成绩男子2.38米，女子2.05米比较，男子数据相当吻合。因为影响比赛成绩的因素很多，实际成绩与预测成绩难免有误差，跳高作为一项体育运动，也有人为因素对其产生影响，所以女子冠军成绩预测与实际值相差0.02误差已很小。 接着，根据查找数据建立各身体素质指标与跳高成绩的散点图，发现其符合线性关系，因此，采用多元线性回归模型对国际男子的身体素质进行了分析，此外，我们还用到了随机数法检验多元线性回归模型得到的成绩，利用函数产生一组随机数，对模型进行了检测，发现与真实数据吻合。 同样的，我们将国内男子的各项身体素质指标与跳高成绩建立了散点图，发现其不符合线性关系，所以我们采用了非线性回归模型对国内男子身体素质进行了分析，其中还用到了逐项回归模型，从逐项回归图中，我们可以清楚的看到跳高成绩与助跑摸高的相关性极强，与其他因素相关性则较弱。 关键词：阻滞增长模型；多元线性回归；模型；跳高运动 1 引言 随着科学技术的发展和竞技体育标准的不断提高，“数学模型”在我国体育领域中的应用研究越来越广泛。通过建立数学模型,进行精度分析,可以为运动员的培养提供科学的训练依据，使训练更有成效。 跳高运动是田径运动的田赛项目，、、，。,对当代世界跳高运动发展特点进行研究。对中国和世界的跳高成绩进行比较研究，分析影响跳高成绩的关键因素，能使我们更多地了解和掌握世界跳高的动态及发展趋势。 2 定义符号说明 符号 说明 运动员跳高成绩增长率 跳高原成绩 跳高成绩的极限 回归系数 因变量观察值 误差值 离差平方和 3 阻滞增长模型[1] 我们假设运动员跳高成绩增长率是跳高原成绩的线性减函数，即随着跳高成绩的增加，跳高成绩增长速度会慢慢下降： 运动员跳高成绩最终会达到饱和，且趋于一个常数，当时，增长率为0： 由上面的关系式可得出： 把上式代进指数增长模型的方程中，并利用初始条件，可以得到： 解得： 表1 历届奥运会男、女跳高冠军成绩 届 1 2 3 4 5 7 8 9 10 11 年份 1896 1900 1904 1908 1912 1920 1924 1928 1932 1936 男子（米） 1.81 1.90 1.80 1.90 1.93 1.93 1.98 1.94 1.97 2.03 女子（米） --- --- --- --- --- --- --- 1.59 1.657 1.60 届 14 15 16 17 18 19 20 21 22 23 年份 1948 1952 1956 1960 1964 1968 1972 1976 1980 1984 男子（米） 1.98 2.04 2.12 2.16 2.18 2.24 2.23 2.25 2.36 2.35 女子（米） 1.68 1.67 1.76 1.85 1.90 1.82 1.92 1.93 1.97 2.02 届 24 25 26 27 28 29 30 年份 1988 1992 1996 2000 2004 2008 2012 男子（米） 2.38 2.34 2.39 2.35 2.36 2.36 2.38 女子（米） 2.03 2.02 2.05 2.01 2.06 2.05 2.05 利用初始条件，可以得到： 解得： 同理，女性有 利用初始条件，可以得到： 解得： 我们可以利用已有数据拟合[2]求解得: ， ，, 可以预测第30届伦敦奥运会男、女冠军成绩分别为2.3868、2.0713。 如图1，为男女冠军成绩增长曲线： 图1 男女冠军成绩增长曲线 4 多元线性回归模型 一元线性回归是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。 4.1多元回归模型原理[3，4] 称为多元线性回归模型。 多元线性