定量差异及其在体育科学中应用.docVIP

定量差异及其在体育科学中应用 　　摘要：统计方法可以告知两组数据的定性差异，而无法得出它们的定量差异。通过改进Fibonacci数列及其黄金分割常数τ=（根号5-1）/2≈0.618来度量差异。对于任何两个数的绝对值x和y（xx（xy）|。对于年龄，l0.22、0.22≤l0.44、0.44≤l1.00和l≥1.00分别表示完全没有定量差异、稍许定量差异、显著定量差异和极显著定量差异。对于关键非必需功能、器官和整体层次l0.27、0.27≤l0.47、0.47≤l0.80与l≥0.80和分子细胞层次l0.47、0.47≤l0.80、0.80≤l1.27与l≥1.27分别表示完全没有定量差异、稍许定量差异、显著定量差异和极显著定量差异。讨论了定量差异在运动寿命、寿命和运动效应研究方面的初步应用。 　　关键词：定量差异；Fibonacci数列；黄金分割；运动寿命；耐力运动；力量运动 　　中图分类号：G80 　　文献标志码：A 　　文章编号：1006-7116（2016）01-0011-07 　　零假设统计检验（Null Hypothesis Statistical Test-ing，NHST）主要用于研究数据组之间的定性差异，但无法告知差异的定量大小。NHST是现代科学研究的基石，但受到了质疑。主流意见维护NHST，认为现有统计方法需要得到更加严谨的执行。部分意见认为是统计方法本身的问题，《Basic and Applied So-cial Psychology》杂志从2015年第1期开始已经不再发表依靠NHST获得结论的论文了。本研究支持主流意见，试图通过引入黄金分割常数将差异定量化来解决统计方法的局限，并讨论它在体育科学中的初步应用。差异的定量化对于体育科学的定量化具有非常重要的意义，相信本研究可以起到抛砖引玉的作用。 　　1数据分布模型 　　为了将数据组之间的差异定量化，首先应该找到一个恰当的数据组模型。数据组在数学上可以表示为一个数列。一个特殊的古印度数列被意大利僧侣Leonardo Pisano Bogollo（1170-1250年）在1202年再次发现，并以他的绰号Fibonacci命名。Fibonacci数列相邻两个数比值的极限就是著名的黄金分割常数τ=（根号-1）/2≈0.618。Fibonacci数列和黄金分割常数曾经非常流行，人们不得不将用于计数的繁复的罗马数字改写成阿拉伯数字。Fibonacci数列或黄金分割常数不仅揭示了植物的形态规律、人体结构与功能的规律、凝聚态物质的结构规律和两酶系统的最佳代谢，而且还用于决定肿瘤化疗药物临床试验的剂量梯度。本研究在改进Fibonacci数列的基础上提出了一个数据组模型。 　　0，1，1，2，3，5，8，13，2l，34，55，89，144，233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368，75025，121393，196418，317811，…就是Fibonacci数列，第3项以后任意一项是前面两项之和，相邻两项小数与大数比值的极限就是著名的黄金分割常数。它的第n项可以表示为 　　可以看出等比数据分布（3）或（5）的数据点之间的差异是由τ和l决定的。根据式（5） 　　l=logxα=lgα/lgτ （7） 　　对于任何两个数的绝对值x和y，它们之间的相对差异可以用l来度量，称为l级定量差异： 　　l=|logx（x/y）|=|lg（x/y）/|gt| （8） 　　从表1可以看出，l越小，两个数据的差异越小。 　　2定量差异在体育科学中的应用 　　2.1寿命的定量差异 　　图1表示运动员的生命曲线。横坐标是年龄，纵坐标是表征运动能力的功适能。图1中β、h0和y0分别为运动员首次获奖的年龄、运动成绩最佳年龄和退役年龄。基于Liu等提出的寿命公式，李末月发现退役年龄可以用如下公式计算 　　GBD2013报道，年龄在30～39岁的男性、年龄在30～34岁的女性和超过80岁的男性和女性在1990-2013年期间死亡率下降幅度最小。这说明，这几个年龄段的人抗干扰能力最强。31与81的定量差异刚好为2.00。基于李末月的研究，可以将职员的寿命曲线表示为图2，横坐标仍然为年龄，纵坐标为职员的功适能，β、h、y0和y分别为职员职业生涯开始的年龄、职业生涯的最佳年龄、退休年龄和寿命 　　y0=2h-β；y=2h+1 （12） 　　假定式（10）仍然成立。根据式（10）和式（12）两式可得式（13）。因此，β+1与y+1的定量差异刚好为2。在GBD2013的报道中，30岁可以理解为一部分人的职业生涯的开始，80岁可以理解为这部分人的寿命。31与81的定量差异刚好与职业生涯开始的年龄