ESTUDIO ESTADISTICO DEL RENDIMIENTO PARA DISTINTAS COMPETENCIAS DE LARGO ALIENTO EN HOMBRES Y MUJERES

...

La medida de la bondad del ajuste de la función estimada viene dada por el coeficiente de correlación múltiple, y el coeficiente de determinación, que es el cuadrado del anterior, expresa la proporción de la varianza de la variable dependiente explicada por el modelo de regresión. El coeficiente de correlación parcial de cada variable explicativa, indica la relación específica de dicha variable con la variable dependiente, supuesto que permanecen constantes las demás variables independientes.

En este tipo de análisis es frecuente la existencia de multicolinealidad, es decir, que las variables explicativas estén altamente correlacionadas entre si, lo que perturba la interpretación de los coeficientes de regresión. Como último alcance, el modelo requiere que todas las variables, dependiente e independientes, estén medidas con escala métricas.

-

INVESTIGACION

El método que se ha utilizado en este trabajo para analizar la relación existente entre el ranking anual descrito por la cantidad de puntos obtenidos a lo largo del año en las distintas competencias y diferentes variables que caracterizan las capacidades deportivas de cada competidor y que influirían finalmente en su desempeño. Esto responde a un diseño del tipo “No Experimental-Transeccional-Exploratorio” que busca una primera mirada a la hipótesis planteada.

Las poblaciónes en estudio serán los 100 deportistas mejores rankeados en las categorías

- Hombres y mujeres categoría elite para la prueba de triatlón olímpico, entendiéndose por este 1500 mts de natación, 40 kms de ciclismo y 10 de trote

- Hombres y mujeres categoría elite para la prueba de maratón olímpico de 42 kms

- Hombres y Mujeres categoría elite para la prueba de mountain bike XCO de 35,75 kms

Se puede avisorar que dentro de los rangos de cada uno de los parámetros utilizados como variables independientes, debiesen aumentar las posibilidades de rendir mejor.

Entonces la función que describe el modelo estaría representada por

[pic 2]

Para la población estudiada en la especialidad de triatlón tenemos que esta función nos arroja

Ranking 2016 = 5,456,18333 + 22,96875 * Edad - 38,18199 * Estatura + 41,30348 * Peso

- 26,94185 * Seniority - 310,77893 * Género

De donde se obtuvieron los siguientes resultados estadísticos

Coeficientes

Error Estándar

LCL

UCL

Estadístico t

Valor p

H0 (5%)

Intercepto

5.456,18333

3.658,02528

-1.806,91162

12.719,27828

1,49157

0,13916

aceptado

Edad

22,96875

33,61241

-43,76948

89,70698

0,68334

0,49607

aceptado

Estatura

-38,18199

29,24295

-96,24455

19,88057

-1,30568

0,19485

aceptado

Peso

41,30348

33,59846

-25,40705

108,014

1,22933

0,22202

aceptado

Seniority

-26,94185

32,08493

-90,64722

36,76353

-0,8397

0,4032

aceptado

Género

-310,77893

415,93443

-1.136,62649

515,06864

-0,74718

0,45682

aceptado

Tenemos entonces que debemos aceptar la hipótesis nula porque no hubo correlación estadística entre ranking y sexo, distinguiendo también que la correlación de los demás parámetros físicos de los deportistas tampoco tuvieron correlación alguna.

De hecho, los gráficos de dispersión para cada una de las variables nos confirmó esta situación

[pic 3]

[pic 4]

[pic 5]

[pic 6]

Pudimos entonces ahorrarnos los parámetros fisiológicos para los siguientes deportes, obteniéndose entonces para la prueba de maratón

Ranking = 1,243,52 + 11,26 * Género

De donde se obtuvieron los siguientes resultados estadísticos

Coeficientes

Error Estándar

LCL

UCL