大家好，今天小编关注到一个比较有意思的话题，就是关于体育统计学中绝对数值的概念的问题，于是小编就整理了2个相关介绍体育统计学中绝对数值的概念的解答，让我们一起看看吧。
篮球的高阶数据有哪些，具体是怎么分析的？
1、POS：场上位置
position的缩写，根据球员在球场的前、中、后位置，可以大致分出三个位置，包括前锋、中锋、后卫。
2、MIN：出场时间
minute的缩写，表示球员在篮球场上的出场时间。
3、OFF：进攻篮板
offensive rebound的缩写，也叫前场篮板球，记录的是球员在篮球场上的进攻篮板数量。
4、REB：篮板数
rebound的缩写，记录的是球员在篮球场上的篮板数量。
5、AST：助攻数
Assist的缩写，记录的是球员在篮球场上帮助队友进攻的次数，即助攻数量。
什么是“绝对中位差”？
在统计学中，绝对中位差是刻画一元数据样本变化的一个鲁棒度量。由公式可以看出，其求解还算简单，给定一个数据样本集，首先求其中位数，然后求原始数据减去中位数的绝对值从而形成一个新的数据样本，再求新的数据样本的中位数即为绝对中位差。比如说有一个数据样本集X={2
3 8 7 9 6 4}，这时候数据的中位数是6，原始数据减去中位数求绝对值形成新的数据样本为{4 3 2 1 3 0
2}，新的数据样本的中位数是2，所以原始数据样本***的绝对中位差是2。
绝对中位差这个度量有什么用呢？
绝对中位差较标准差而言对“野”点（outlier）更加的鲁棒。在标准差的计算中，数据点到其均值的距离要求平方，因此对偏离较为严重的点偏离的影响得以加重，也就是说“野”点严重影响着标准差的求解，而少量的“野”点对绝对中位差的影响不大。
绝对中位差实际求法是用原数据减去中位数后得到的新数据的绝对值的中位数。但绝对中位差常用来估计标准差，估计标准差=1.4826*绝对中位差。R语言中返回的是估计的标准差。例如：原数据{2，3，4，5，6}中位数4，新数据{2，1，0，1，2}，即{0，1，1，2，2}。所以中位数是1。也就是绝对中位差是1.而R返回的是1*1.4826=1.4826mad(c(2,3,4,5,6))[1]1.4826
到此，以上就是小编对于体育统计学中绝对数值的概念的问题就介绍到这了，希望介绍关于体育统计学中绝对数值的概念的2点解答对大家有用。
