한국프로야구 Post시즌 전력분석 및 예측모형

채진석; 송종국

추천

검색

자료유형: 학술저널

저자정보: 채진석 송종국

저널정보: 한국스포츠정책과학원 체육과학연구 체육과학연구 제25권 제1호

발행연도: 2014.1

수록면: 92 - 107 (16page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 한국프로야구 포스트시즌 동안에 치러지는 준PO, PO, KS경기에서의 승, 패에 따른 서로 다른 형태의 경기력을 분석한 연구이다. 각 시리즈별 경기력의 차이점은 무엇인지를 제시하는 것이 1차 목적이며, 각 단기전별 최적의 예측모형을 제시하는 것이 2차 목적이다. 따라서 이러한 연구목적을 달성하기위해 1982년부터 2012년까지 실행된 준PO(준 플레이오프,1989-2012), PO(플레이오프, 1986-2012), KS(한국시리즈, 1982-2012)자료를 이용하여 각 단기전의 승리 팀 vs 패배 팀 간의 경기력변인에 따른 평균비교(t-test)를 하였으며, 예측변인으로 사용될 기술영역변인을 산출하기위해 동등화 과정을 거쳐 가중치(상관계수)를 사용 새로운 영역별(투수력, 타력, 수비력, 기동력, 득점 및 집중력, 선구능력)변인을 생성하여 이 들 변인을 이용 3가지 예측모형(판별모형, 이항로지스틱회귀모형, 인공신경망모형)에 투입하여 예측모형의 정확도를 제시하였다. 준PO와 KS에서는 실책이 유의한 변인으로 나타났으며 PO에서는 삼루타가 준PO와 KS에서는 이루타가 유의미한 변인으로 새롭게 나타났다. 또한 승/패에 큰 영향을 주는 기술영역변인은 준PO에서는 투수력, PO에서는 타력, KS에서는 투수력으로 나타났다. 준PO에서의 최종예측모형은 예측변인이 제일 적게 투입되면서 적중률이 가장 높은 인공신경망모형(통계적 기준: 4개)이 최종선택 되었고, PO에서는 전문가 기준에 의해 만든 기술영역변인을 예측변인으로 적용한 인공신경망 모형(전문가 기준:5개)이 다른 두 모형보다는 예측 적중률이 더 좋았다. KS에서의 특징은 모든 변수가 적용되어 예측변인을 만든 인공신경망모형(모든 변수: 6개)이 최종모형으로 선정 되었다. 또한 준PO, PO, KS의 종합적인 적중률을 살펴보면 판별모형 보다는 이항로지스틱회귀모형이, 이항로지스틱회귀모형 보다는 인공신경망모형이 더 우세한 분류정확성을 보이고 있었다.

This study has been conducted to develop methods and techniques for the analysis of data related to baseball performance using the winning and losing games. The purposes of the study were to examine differences of athlete performance for semi playoff, playoff, and Korean professional baseball series and to develop optimal forecasting model for the short term series. Data used in the study were taken from Korean professional baseball association. Three data sets including semi play off from 1982 to 2012, play off from 1989 to 2012, and Korean series from 1982 to 2012 were used. To compare athlete performance by winning and losing games for short-term series t-test was applied. This study created new parameters by weighted value through the equalization process to calculate skill related variables as a predicted variable. Three predicted models such as discriminant, binary logistic regression and artificial neural network models were developed to clarify the suggested models. The results showed that the number of significant parameters increased as the series continued. In particular, a variable related to error was added as a significant variable at the Korean Series. A third base hit in the play-off and a second base hit were also added as significant parameters in the play-off and the Korean series, respectively. In addition, W/L a major variables affecting a given technology area, the pitching PO, PO, the inertia, KS, the pitching, respectively. An artificial neural network model was finally selected with the highest accuracy and lowest input of estimated parameters in the semi play-off. In the play-off, artificial neural network model that applied technical area parameters by specialist criteria had better accuracy rate than two others. In the Korean series, artificial neural network model that created estimation parameters by applying all parameters was chosen as the final model. When the overall accuracy level of semi-play off, play off and Korean series was figured out, binary logistic regression model had higher accuracy of classification than discriminant model, but artificial neural network model had the higher accuracy of classification than binary logistic regression model.

#한국프로야구 #Post시즌 #판별분석 #로지스틱 회귀분석 #인공신경망분석 #Korea Professional Baseball #Post Season #Discriminant Analysis #Logistic Regression #Artificial Neural Network Analysis

참고문헌 (43)

참고문헌 신청

김세형 / 2008 / 한국프로농구 경기기록 분석에 의한 승패결정요인 / 한국체육측정평가학회지 10 (1) : 1 ~ 12

김승대 / 2003 / 야구경기에 있어서 타순별 타격성적이 승패에 미치는 영향 : 프로야구 8개팀 중심으로 / 석사 / 공주대학교 대학원

김주학 / 2007 / 신경망분석을 이용한 축구경기 승패 예측모형 개발- 2006독일월드컵 대회를 중심으로 - / 체육과학연구 18 (4) : 54 ~ 63

김차용 / 2001 / 프로야구경기 분석을 통한 승ㆍ패 예측모형 / 한국사회체육학지 16 : 807 ~ 819

박승현 / 2008 / 한국프로야구 타자의 고액연봉에 영향을 미치는 경기력 요인 / 한국체육과학회지 17 (2) : 485 ~ 494

이 논문의 저자 정보

채진석

소속기관 한국스포츠정책과학원

주요연구분야 예술체육학 > 체육

논문수 5 이용수 169

송종국

소속기관 한국스포츠정책과학원

주요연구분야 예술체육학 > 체육

논문수 1 이용수 43

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (43)

이 논문의 저자 정보

최근 본 자료

댓글(0)