内容重复的数据列
category 与 body_part 在全部记录中相同。建模前应明确保留哪一列。
SPORTS STATISTICS LAB · 本科入门
从 1,324 个真实动作中，
看见统计思维。
从“哪个部位动作最多”走向“变量之间是否有关”。动作资料用于分类统计；明确标注的模拟训练记录用于连续变量分析与回归教学。
来自实际资料的动作信息模拟训练观测离线、本机保存
身体部位
器械
目标肌群
1,324个动作
10 身体部位28 器械类型19 目标肌群
LAB 01 · 真实数据
数据探索与数据素养
先问清变量是什么，再决定怎样汇总。当前筛选会同步更新图表、表格和 CSV。
1 提出问题2 选择变量3 运行分析4 解释结果
筛选结果1,324
类别数10
众数—
身体部位频数分布
条形长度编码动作数量，标签同时给出总体比例。
| ID | 动作 | 身体部位 | 器械 | 目标肌群 | 步骤数 |
|---|
类别划分标准
band 与 resistance band 可能属于同类，但合并前需要类别的具体含义和划分标准。
类别失衡
颈部动作只有 2 条。小类别会让比例不稳定，也可能破坏检验条件。
检查理解
“器械类型”属于哪类变量？
LAB 02 · 真实数据
列联表与分类推断
示例问题：器械类型与训练身体部位是否有关？统计关联不能自动说明因果。
1 提出假设2 选择变量3 运行检验4 解释结果
χ²—
自由度—
p 值—
Cramér's V—
身体部位 × 器械
颜色深浅表示观察频数。
查看列联表
检查理解
若 p < .05，最稳妥的结论是？
LAB 03 · 真实数据
抽样与抽样分布
反复抽样并观察估计值如何围绕总体真值波动。同一实验编号产生完全相同的结果。
1 选择目标2 设计抽样3 重复实验4 比较误差
总体真值—
平均估计—
平均绝对误差—
样本比例的抽样分布
竖线表示全库真实比例，分布越窄代表估计越稳定。
推断模拟 A · 模拟数据
95% 置信区间到底“95%”在哪里
从一个固定的模拟总体中反复抽样，每个样本构造一个总体均值的 95% 置信区间，看有多少个真的盖住了真值。
推断模拟 B · 模拟数据
H0 为真时，p 值会怎样分布
两组样本来自完全相同的模拟总体（组间真实差异为零），反复做 Welch t 检验，观察 p 值分布和“假阳性”出现的频率。
检查理解
H0 为真时重复 1000 次检验（α=.05），p ＜ .05 大约出现多少次？
检查理解
其他条件不变，样本量增加通常会怎样？
LAB 04 · 模拟数据
描述统计与均值比较
600 名虚拟参与者的模拟训练记录对应动作库中的动作，用于练习描述统计、配对比较和两组比较。
1 提出假设2 选择分析3 检查结果4 解释模型
进步分分布
直方图展示数据分布，箱线图展示中位数与四分位数。
检查理解
同一批参与者前后测量应使用哪种比较？
LAB 05 · 模拟数据
单因素方差分析
比较三个独立组在同一第 8 周测得的动作完成质量变化分（0–100 分量表，单位：分），区分组间变异与组内变异。
1 三组假设2 分解变异3 F 检验4 事后比较
第 8 周三组变化分（分）
点表示组均值，误差线表示近似 95% 置信区间。
检查理解
若三组分别在第 8、10、12 周测量，主要问题是什么？
LAB 06 · 模拟数据
相关分析
用散点图、Pearson r、置信区间和显著性检验描述线性相关。
达标完成率与变化分散点图
本实验不绘制回归线，避免把相关与预测混为一谈。
LAB 07 · 模拟数据
回归分析
先根据因变量类型选择模型，再解释斜率、R²、优势比和预测概率。
散点图与回归线
检查理解
因变量是“完成/未完成”时应选择什么模型？
LAB 08 · 现场评分
评分者信度：一致性也是统计问题
“动作完成质量评分”是主观测量。两位评分者按同一 1–5 分评分标准独立打分，再用一致率、加权 kappa 和 ICC 衡量两人的评分有多一致。
1 统一评分标准2 独立评分3 计算一致性4 讨论分歧
| # | 动画 | 动作 | 评分者 A | 评分者 B |
|---|
评分交叉表
对角线是完全一致的动作数；离对角线越远，分歧越大。
检查理解
两位评分者的 ICC 只有 0.32，最合理的下一步是？
本机学习记录
你的实验进度
记录仅保存在当前浏览器，不上传任何内容。
0%完成度
- 数据探索
- 列联分析
- 抽样实验
- 均值比较
- 方差分析
- 相关分析
- 回归分析
- 评分者信度