纵观不同学者对竞技状态的研究，虽然他们从主观定性和客观定量的角度进行研究，但单独从任何一个方面对运动员的竞技状态进行研究都不够全面，特别是对于爆冷概率较高的职业足球联赛来说。高、赛期长的赛事。基于上述研究结果，本研究采用主观定性与客观定量相结合的方法，将球队当赛季低潮场次总和定义为球队在低潮轮次的比赛场次总和，并设定球队的稳定性取决于进球数。球队战绩标准差、球队赛季低点次数、球队赛季低点次数等影响因素，建立球队稳定性与球队战绩标准差、球队低点次数等影响因素之间的函数关系，即球队状态稳定性与球队联赛成绩之间的关系，旨在为教练员调整足球队竞技状态、合理安排运动训练和比赛提供实际参考。 1 研究对象与方法 1.1 研究对象 鉴于研究需要和研究条件的限制英超球队关系图，本研究选取了2004-2005赛季至2011-2012赛季的38轮英超联赛。 1.2 研究方法 1.2.1 文献资料方法 本研究利用图书馆、中国知网等数据资源英超球队关系图，结合运动训练方面的专着，查阅有关竞技状态、运动员生理周期、场间足球训练、足球运动员体能储备等方面的文献，准备。 ，明确思路，确定研究重点、难点和路径。 1.2.2 数理统计方法使用.0和7.0对所有收集的数据进行统计分析和处理。
运用相关分析、双边检验、线性回归等统计方法探讨球队竞技状态稳定性影响因素与球队排名之间的函数关系。函数关系确定后，利用线性神经网络的知识，对标准差与其他影响因素和团队排名之间的函数关系进行进一步的研究。采用聚类分析、非参数检验、一致性检验等方法，比较争冠强队与总体强队的稳定性，即标准差、低潮次数等影响因素的比较。所有统计的显着性水平设置为a=0.05。 1.2.3 逻辑推理方法 在现行的统计体系中，在一定统计规则下产生的事物与统计指标在统计范围和口径上往往存在着一定的逻辑关系。例如，一个国家的总人口应大于或等于该国的男性人口、圆的半径不能为负数等。我们可以利用这些逻辑关系来检验统计数值指标是否符合要求。符合客观规律，从而识别这些数值指标是否失真。逻辑测试就是在遵循这些客观规律的基础上，以实际值和统计值互相作为参考标准，并为彼此设定符合统计规则的动态值。如果某个统计指标中的某些值超出了正常值范围，那么该统计指标就违反了逻辑关系。本文通过对相关数据的分析，运用相关逻辑知识进行分析和推理，总结并论证了相应的观点。 2 结果与分析 2.1 球队状态稳定性与球队联赛成绩的关系 2.1.1 球队状态稳定性统计指标的确定 （1）球队状态稳定性统计指标。
影响球队状态稳定性的因素有很多，比如队员的身体状况、队员的伤病、赛程紧张，甚至球队比赛当天的天气状况也会影响球队的状态。球队的状态。 [9]然而，上述许多影响因素无法具体量化，即无法通过数据分析方法将这些影响因素考虑在内。 [10] 球队一个赛季的胜负场数及其在赛季中的分布可以明显评价球队的状态稳定性。在统计学中，通常使用标准差或方差来评估一组数据的稳定性。标准差或方差越小，该组数据的离差越低，即越稳定，反之亦然。 [11]在知道球队2004-2011赛季的胜负场数后，利用统计方法计算出球队战绩的标准差。本文采用标准差作为统计指标来评价一支球队在一个赛季的稳定性。 (2)团队状态稳定性的逻辑指标。足球比赛结果存在高度的不确定性，是球类运动中容易“爆冷”的赛事。根据一场比赛的结果来判断球队的状态是不合理的。 [12]由于联赛赛程较长，球队在某场比赛中状态不佳很正常。只要球队能在短时间内恢复过来，其竞技状态就不算处于低潮。由于运动员的竞技状态以连续抛物线的形式出现，[13-14]本文选取的观察样本均为英超联赛排名前5的球队。这样的球队状态好，胜场也多。为了便于观察和统计，所以选取球队竞技状态低分数与赛季低分数之和作为评价竞技状态的指标。
判定低点的标准有两个：（1）连续输掉2轮； （二）5轮比赛中有3轮未获胜的。只要满足以上两个标准之一，就会判定球队竞技状态处于低谷。表1给出的数据中，以低潮次数为自变量x，队伍排名为因变量y进行线性拟合。拟合结果为R2=0.5966，F=56.2103，P=0.00000.1，回归模型不存在共线性问题[17]，回归方程为：y=-9.471+8.946x1+0.473x2 其中x1， x2 分别是球队战绩的标准差和低分数。回归方程中，战绩标准差和竞技状态低点个数的β系数分别为β=8.9460和β=0.4730。表明球队战绩标准差、竞技状态低分数与球队联赛排名呈正相关。也就是说英超球队关系图，球队的状态越稳定，球队在联赛中的排名就越好。我们之前对球队战绩的标准差、低分场次和球队联赛排名进行了线性回归。现在我们对球队战绩的标准差、竞技状态低分次数、球队低低轮次低分场次总和以及球队联赛排名进行线性回归。回归，得到的结果如下：R2=0.9842，F=41.1097，P=0.0000
