S'abonner

Statistical analysis and ARMA modeling for the big data of marathon score - 13/11/20

Analyse statistique par modèle autorégressif ARMA des big data des performances au marathon

Doi : 10.1016/j.scispo.2020.01.009 
W. Yong a , P. Lingyun a, , W. Jia b
a Sports Department, Jiangnan University, 214122 Wuxi, China 
b ShangXian Education Group, 214122 Wuxi, China 

Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 11
Iconographies 11
Vidéos 0
Autres 0

Summary

Aims

Statistical analysis for the big data of marathon score.

Methods

Taking the Boston Marathon as an example and using statistical analysis, this paper studies the distribution of all players’ performances in 2001–2018 from the multiple perspectives of age, gender and digital statistics in the context of big data. A series of valuable information and research conclusions that are instructive for the organizers and participants of the event are obtained. Then an autoregressive moving average (ARMA) model for the statistics of male and female entrants’ average finishing time is established and the ARMA model has excellent explanation and prediction ability for the marathon average result. The statistical analysis and modeling method of big data for marathon results proposed in this paper based on Boston can also be extended to other cities and events. In addition, the ARMA method can also be used to model other marathon statistics according to the needs of researchers.

Le texte complet de cet article est disponible en PDF.

Résumé

Objectifs

Analyse statistique des performances au marathon.

Méthodes

En prenant le marathon de Boston, comme exemple, et en utilisant une analyse statistique, cet article étudie la distribution des performances de tous les joueurs en 2001–2018 sous les multiples perspectives de l’âge, du sexe et des statistiques numériques dans le contexte du big data. Une série d’informations et de conclusions de recherche pour les organisateurs et les participants à l’événement est obtenue. Ensuite, un modèle de moyenne mobile autorégressive (ARMA) pour les statistiques du temps d’arrivée moyen des participants masculins et féminins est établi. Ces calculs montrent que le modèle ARMA a un potentiel explicatif et prédictif pour le résultat moyen du marathon. La méthode d’analyse statistique et de modélisation des données volumineuses des résultats du marathon proposée dans cet article portant sur le marathon de Boston peut également être appliquée à d’autres villes et événements. De plus, la méthode ARMA peut également être utilisée pour modéliser d’autres statistiques de marathon en fonction des besoins des investigateurs.

Le texte complet de cet article est disponible en PDF.

Keywords : Marathon, Finishing time, Big data, Statistics, ARMA, Predictive model

Mots clés : Marathon, Temps final, Big data, ARMA, Modèle prédictif


Plan


© 2020  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 35 - N° 6

P. 375-385 - décembre 2020 Retour au numéro
Article précédent Article précédent
  • La prévention secondaire des fractures de la région nasale par un masque de protection faciale chez les sportifs – Étude rétrospective comparative à propos de 19 cas
  • B. Ambroise, E. Reboursière, J. Drouet, P. Corre, H. Benateau, A. Veyssière
| Article suivant Article suivant
  • Effects of different stretching exercises on hamstring flexibility and performance in long term
  • G. Gunaydin, S. Citaker, G. Cobanoglu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.