Gara Olimpica Tokyo 2021 </BR>Triathlon Individuale Femminile

Gara Olimpica Tokyo 2021
Triathlon Individuale Femminile

I DATI RIDOTTI ALL'OSSO

Per ulteriore semplificazione abbiamo creato una matrice che conta il numero di atlete nei tre blocchi “input” alla partenza (18 dx – 18 centro – 18 sx) con i tre blocchi “output” nei due split e rispetto al totale frazione. Per ciascun gruppo abbiamo poi calcolato il rank mediano.

Nel primo split (che più dovrebbe risentire dell’effetto posizione allo start) risulta che hanno conservato il “gruppo” di partenza 13 atlete su 18, 5 su 18 a centro gruppo mentre 3 del gruppo “sinistra” sono entrate nella top 18 già alla fine del primo split.

Infine abbiamo riportato la posizione mediana rispetto al gruppo di partenza al primo split.

Osservando questa tabella sintetica (Figura 3) è evidente la differenza nell’indice di qualità atleta lungo il pontone ma anche che chi è partito dal centro e a sinistra è riuscito a portarsi davanti e almeno mediamente non si notano differenze eclatanti tra primo split (diverso punto di partenza) e secondo split (medesimo punto di partenza).

Figura 4 Sintesi dei valori in campo e degli split nei tre macro gruppi dx, centro, sx pontone

UNA PROSPETTIVA DIVERSA

Confrontando gli split e l’ordine finale emergono ancora più chiaramente gli outlier rispetto alla posizione di partenza con Jeffcoat, Ackermann, Kingma, Thorpe e Barthelemy ma anche gli outlier opposti (partite a dx e uscite dalla top 18).

Figura 5 Confronto posizione di partenza e classifica nei due split nuoto e ordine complessivo frazione

LA RISPOSTA E' PIU' COMPLESSA DI QUEL CHE SEMBRA A PRIMA VISTA

Una analisi qualitativa rispettosa del contesto e dei dati ci ha pertanto guidato verso almeno due conclusioni:

  1. Chi è partito nel gruppo delle 18 atlete a destra del pontone non ha goduto di speciali vantaggi
  2. E’ difficile separare l’effetto del rank olimpico dall’effetto della posizione di partenza

Passando però dall’analisi qualitativa all’analisi quantitativa tramite Principal Component Analysis [2] riusciamo a chiarire il contributo di ciascuna variabile al fenomeno esaminato, per cui sulla Componente Principale 1 abbiamo i seguenti contributi in ordine descrescente di importanza: distacco del secondo split e del secondo split (direttamente correlati al distacco totale) sostanzialmente pari (peso 0.49) , a seguire ranking olimpico (peso 0.40) e per ultima posizione di partenza (0.31), questi ultimi due come ovvio inversamente correlati al distacco totale.

Forse dunque non possiamo escludere una qualche influenza della posizione di partenza sul risultato della frazione nuoto, ma di certo possiamo dire che questa influenza è stata minore rispetto alle altre variabili in gioco. In conclusione: non sappiamo tutto del sistema indagato, ma sappiamo abbastanza per dire che il vantaggio dal pontone, nella migliore delle ipotesi, è stata residuale.

Figura 6 Loading su Componente 1
*I calcoli e i plot sono stati eseguiti con il software CAT, Chemometric Agile Tool (R-based) [6]

BIBLIOGRAFIA

[1] Tempi e classifiche gara https://olympics.com/tokyo-2020/olympic-games/en/results/triathlon/results-women-s-individual-fnl-000100-.htm

[2] [4] Kim H. Esbensen, Dominique Guyot, Frank Westad, Lars P. HoumollerMultivariate Data Analysis: In Practice : an Introduction to Multivariate Data Analysis and Experimental Design, Multivariate Data Analysis, 2002. ISBN8299333032, 9788299333030 


[3] R. Leardi, C. Melzi, G. Polotti, CAT (Chemometric Agile Tool), gratuitamente scaricabile al seguente link http://gruppochemiometria.it/index.php/software

 

Every week we publish exclusive content on various topics.

No image

How digital transformation has changed the world

How digital transformation has changed the world Lorem ipsum Lorem ipsum dolor sit amet, consectetur adipiscing elit. Vestibulum velit tortor,…