آمار پارامتری
آمار پارامتری
آمار پارامتری به مجموعه روش‌های آماری‌ای گفته میشود که مدل‌ای پارامتری برای پدیدهٔ احتمالی مورد مطالعه فرض میشود و همهٔ استنتاج‌های آماری از آن پس بر اساس آن مدل انجام میشود.
به عنوان مثال فرض میشود که توزیع نمره‌های یک امتحان از توزیع نرمال پیروی میکند. در نتیجه برای مشخص‌شدن توزیع احتمال، کافی است میانگین و واریانس توزیع را از روی داده‌های تجربی (نمره‌های دانش‌آموزان) به دست بیاوریم. حال برای پاسخ‌گفتن به سوال‌هایی چون «درصد دانش‌آموزانی که نمره‌ای بین ۱۰ تا ۱۵ آورده‌اند» از تابع توزیع به دست آمده استفاده می‌کنیم (البته بدیهی است که روش‌های ساده‌تری نیز برای چنین کاری وجود دارد).
نقطهٔ ضعف این شیوهٔ تحلیل آماری این است که در صورتی که مدل فرض‌شده با واقعیت تطبیق نداشته باشد، نتیجه‌گیری‌ها صحیح نخواهد بود.
آماره
آماره در آمار به عددی گویند که یک توزیع نمونه‌برداری را خلاصه‌سازی یا توصیف میکند.
تابع U=g(X۱, X۲, …, Xn) از نمونهٔ تصادفی X۱, X۲, …, Xn را که در آن پارامتر مجهولی وجود نداشته باشد یک آماره می‌گویند. در این تعریف U یک متغیر تصادفی است که توزیع آن ممکن است به پارامتر بستگی نداشته باشد؛ اما تنها آماره‌هایی برای برآورد کردن مفید هستند که توزیعشان به پارامتر مجهول بستگی داشته باشد و اطلاعاتی در مورد این پارامتر به ما بدهند.
آنتروپی آماری
انتروپی آماری یک کمیت ترمودینامیکی است که در شیمی‌فیزیک کاربردهای فراوان دارد.
استنباط آماری
چنانچه به جای مطالعه کل اعضای جامعه، بخشی از آن با استفاده از فنون نمونه‌گیری انتخاب شده، و مورد مطالعه قرار گیرد و بخواهیم نتایج حاصل از آن را به کل جامعه تعمیم دهیم از روشهایی استفاده میشود که موضوع آمار استنباطی (Inferential statistics) است. آن چه که مهم است این است که در گذر از آمار توصیفی به آمار استنباطی یا به عبارت دیگر از نمونه به جامعه بحث و نقش احتمال شروع میشود. در واقع احتمال، پل رابط بین آمار توصیفی و استنباطی به حساب می‌آید.
توزیع جامعه
توزیع جامعه یا توزیع جمعیت (به انگلیسی: Population distribution) در آمار به توزیع تمام مشاهدات امکان پذیر را گویند.
چولگی
در آمار و نظریه احتمالات چولگی نشان دهنده میزان عدم تقارن توزیع احتمالی است. اگر داده‌ها نسبت به میانگین متقارن باشند، چولگی برابر صفر خواهد بود.
تعریف
چولگی برابر با گشتاور سوم نرمال شده است. چولگی در حقیقت معیاری از وجود یا عدم تقارن تابع توزیع می باشد. برای یک توزیع کاملاً متقارن چولگی صفر و برای یک توزیع نامتقارن با کشیدگی به سمت مقادیر بالاتر چولگی مثبت و برای توزیع نامتقارن با کشیدگی به سمت مقادیر کوچکتر مقدار چولگی منفی است.
داده‌کاوی
داده کاوی، پایگاهها و مجموعه‌های حجیم داده‌ها را در پی کشف واستخراج دانش، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع میتوان همان امتداد و استمرار دانش کهن و همه جا گیر آمار دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، مدل‌سازی، و آموزش را طلب می‌نماید.
در سال 1960 آماردانان اصطلاح "Data Fishing" یا "Data Dredging"به معنای "صید داده" را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از داده ها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن داده ها در پایگاه های داده یا Database اصطلاح "Data Mining" یا داده کاوی در حدود سال 1990 رواج بیشتری یافت. اصطلاحات دیگری نظیر "Data Archaeology"یا "Information Harvesting" یا "Information Discovery" یا"Knowledge Extraction" نیز بکار رفته اند.
اصطلاح Data Mining همان طور که از ترجمه آن به معنی داده کاوی مشخص میشود به مفهوم استخراج اطلاعات نهان و یا الگوها وروابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.
مقدمه
بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده‌کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی میتوان آنها را بر ابزارهای نرم‌افزاری و ... امروزی تطبیق داده و از اطلاعات جمع آوری شده بهترین بهره را برد.
در صورتی که سیستم‌های Data Mining بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به بانکهای اطلاعاتی بزرگ فراهم باشد، میتوان به سوالاتی از قبیل :کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.
ویژگی‌ها
یکی از ویژگیهای کلیدی در بسیاری از ابتکارات مربوط به تامین امنیت ملی، داده کاوی است. داده کاوی که به عنوان ابزاری برای کشف جرایم، ارزیابی میزان ریسک و فروش محصولات به کار می‌رود، در بر گیرنده ابزارهای تجزیه و تحلیل اطلاعات به منظور کشف الگوهای معتبر و ناشناخته در بین انبوهی از داده هاست. داده کاوی غالباً در زمینه تامین امنیت ملی به منزله ابزاری برای شناسایی فعالیتهای افراد خرابکار شامل جابه جایی پول و ارتباطات بین آنها و همچنین شناسایی و ردگیری خود آنها با برسی سوابق مربوط به مهاجرت و مسافرت هاست. داده کاوی پیشرفت قابل ملاحظه‌ای را در نوع ابزارهای تحلیل موجود نشان می‌دهد اما محدودیتهایی نیز دارد. یکی از این محدودیت‌ها این است که با وجود اینکه به آشکارسازی الگوها و روابط کمک میکند اما اطلاعاتی را در باره ارزش یا میزان اهمیت آنها به دست نمی‌دهد. دومین محدودیت آن این است که با وجود توانایی شناسایی روابط بین رفتارها و یا متغیرها لزوماً قادر به کشف روابط علت و معلولی نیست. موفقیت داده کاوی در گرو بهره گیری از کارشناسان فنی و تحلیل گران کار آزموده‌ای است که از توانایی کافی برای طبقه بندی تحلیل‌ها و تغییر آنها برخوردار هستند. بهره برداری از داده کاوی در دو بخش دولتی و خصوصی رو به گسترش است. صنایعی چون بانکداری، بیمه، بهداشت و بازار یابی آنرا عموماً برای کاهش هزینه‌ها، ارتقاء کیفی پژوهش‌ها و بالاتر بردن میزان فروش به کار می‌برند. کاربرد اصلی داده کاوی در بخش دولتی به عنوان ابزاری برای تشخیص جرایم بوده‌است اما امروزه دامنه بهره برداری از آن گسترش روزافزونی یافته و سنجش و بهینه سازی برنامه‌ها را نیز در بر می‌گیرد. بررسی برخی از برنامه‌های کاربردی مربوط به داده کاوی که برای تامین امنیت ملی به کار می‌روند، نشان دهنده رشد قابل ملاحظه‌ای در رابطه با کمیت و دامنه داده‌هایی است که باید تجزیه و تحلیل شوند. توانایی‌های فنی در داده کاوی از اهمیت ویژه‌ای برخوردار اند اما عوامل دیگری نیز مانند چگونگی پیاده سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانکهای اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند. حفظ حریم خصوصی افراد عامل دیگری است که باید به آن توجه داشت. اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود:
سازمانهای دولتی تا چه حدی مجاز به بهره برداری از داده‌ها هستند؟
آیا از داده‌ها در چارچوبی غیر متعارف بهره برداری میشود؟
کدام قوانین حفظ حریم خصوصی ممکن است به داده کاوی مربوط شوند؟
کاوش در داده‌ها بخشی بزرگ از سامانه‌های هوشمند است. سامانه‌های هوشمند زیر شاخه‌ایست بزرگ و پرکاربرد از زمینه علمی جدید و پهناور یادگیری ماشینی که خود زمینه‌ای‌ست در هوش مصنوعی.
فرایند گروه گروه کردن مجموعه‌ای از اشیاء فیزیکی یا مجرد به صورت طبقه‌هایی از اشیاء مشابه هم را خوشه‌بندی می‌نامیم.
با توجه به اندازه‌های گوناگون (و در اغلب کاربردها بسیار بزرگ و پیچیده) مجموعه‌های داده‌ها مقیاس‌پذیری الگوریتم‌های به کار رفته معیاری مهم در مفاهیم مربوط به کاوش در داده‌ها است.
کاوش‌های ماشینی در متون حالتی خاص از زمینهٔ عمومی‌تر کاوش در داده‌ها بوده، و به آن دسته از کاوش‌ها اطلاق میشود که در آنها داده‌های مورد مطالعه از جنس متون نوشته شده به زبان‌های طبیعی انسانی باشد.
چیستی
داده کاوی به بهره گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق میشود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Laming Method) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل میشود برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:
قواعد انجمنی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط میشود مثلاً خرید قلم به خرید کاغذ.
ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص میکند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.
پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می باشد. مانند پیش بینی نرخ ارز یا هزینه های درمانی.
رده بندی یا طبقه بندی (Classification): فرآیندی برای پیدا کردن مدلی است که رده های موجود در داده‌ها را تعریف می نماید و متمایز می کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها(متغیر هدف) ناشناخته می باشد، استفاده نمود. در حقیقت در رده بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش های مورد استفاده در پیش بینی و رده بندی عموما یکسان هستند.
خوشه بندی(Clustering): گروه بندی مجموعه ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه های دیگر داشته باشند.
مصورسازی (visualization): مصورسازی داده ها یکی از قدرتمندترین و جذابترین روش های اکتشاف در داده ها می باشد.
برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی ساخت یافته (Structured query) که در بسیاری از بانکهای اطلاعاتی یافت میشود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید. کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند. به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.
در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب. بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در پایگاه داده‌ها می‌دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش می‌باشد. بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:
رشد شبکه‌های کامپیوتری که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.
توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.
گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.
و افزایش توانایی به تلفیق داده از منابع غیر متناجس به یک منبع قابل جستجو می‌باشد.
علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا میکند. در طول چند سال گذشته افزایش سریع جمع آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است. داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به تحقیقات پزشکی استفاده میکنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده سازی و پیامد اشتباه را هم دارد.اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی می‌باشد.همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگانها که کارشان تاثیر بر امنیت دارد، نادیده گرفته میشود.
محدودیتهای داده کاوی
در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند.برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری می‌باشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند.در نتیجه محدودیتهای داده کاوی مربوط به داده اولیه یا افراد است تا اینکه مربوط به تکنولوژی باشد.
اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک میکند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند.تصمیماتی از این قبیل بر عهده خود کاربر است.برای نمونه در ارزیابی صحت داده کاوی، برنامه کاربردی در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود.با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد.
تشخیص رابطه بین رفتارها و یا متغیرها یکی دیگر از محدودیتهای داده کاوی می‌باشد که لزوماًروابط اتفاقی را تشخیص نمی‌دهد.برای مثال برنامه‌های کاربردی ممکن است الگوهای رفتاری را مشخص کند، مثل تمایل به خرید بلیط هواپیما درست قبل از حرکت که این موضوع به مشخصات درآمد، سطح تحصیلی و استفاده از اینترنت بستگی دارد.در حقیقت رفتارهای شخصی شامل شغل(نیاز به سفر در زمانی محدود)وضع خانوادگی(نیاز به مراقبت پزشکی برای مریض)یا تفریح (سود بردن از تخفیف دقایق پایانی برای دیدن مکان‌های جدید) ممکن است بر روی متغیرهای اضافه تاثیر بگذارد.
ابزارهای داده کاوی
معروف‌ترین ابزارهای داده‌کاوی به ترتیب پرطرفدار بودن
Clementine که نسخه ۱۳ ان با نام SPSS Modeler نامیده میشود.
رپیدماینر
نرم‌افزار وکا
نرم‌افزار
برنامه های کاربردی و نرم‌افزار های داده کاوی متن-باز رایگان
Carrot2: پلتفرمی برای خوشه بندی متن و نتایج جستجو
Chemicalize.org: یک کاوشگر ساختمان شیمیایی و موتور جستجوی وب
ELKI: یک پروژه تحقیقاتی دانشگاهی با تحلیل خوشه ای پیشرفته و روش های تشخیص داده های خارج از محدوده که به زبان جاوا نوشته شده است.
GATE: یک پردازشگر زبان بومی و ابزار مهندسی زبان.
برنامه های کاربردی و نرم‌افزار های داده کاوی تجاری
Angoss KnowledgeSTUDIO: ابزار داده کاوی تولید شده توسط Angoss.
BIRT Analytics: ابزار داده کاوی بصری و تحلیل پیش بینی گر تولید شده توسط Actuate Corporation.
Clarabridge: راه حل تحلیلگر کلاس متن.
(E-NI(e-mining, e-monitor: ابزار داده کاوی مبتنی بر الگوهای موقتی.
IBM SPSS Modeler: نرم‌افزار داده کاوی تولید شده توسط IBM
Microsoft Analysis Services: نرم‌افزار داده کاوی تولید شده توسط مایکروسافت
Oracle Data Mining: نرم‌افزار داده کاوی تولید شده توسط اوراکل (کمیک)
بررسی اجمالی بازار نرم‌افزار های داده کاوی
تا کنون چندین محقق و سازمان بررسی هایی را بر روی ابزار های داده کاوی و راهنماییهایی برای داده کاو ها تهیه دیده اند. این بررسی ها بعضی از نقاط ضعف و قوت بسته های نرم‌افزاری را مشخص می کنند. همچنین خلاصه ای را از رفتار ها، اولویت ها و دید های داده کاوها تهیه کرده اند
درجه آزادی (آمار)
درجه آزادی یکی از مفاهیم بنیادین در آمار است. درک بسیاری از مفاهیم مطرح در آمار وابسته به درک مناسبی از این مفهوم است. بر اساس زمینهٔ کاربرد و شیوهٔ نگرش میتوان تعاریف مختلفی برای آن ارائه نمود که همه یک مفهومند:
در نظریهٔ برآورد:
تعداد مقادیری که یک آماره امکان تغییر دارد
تعداد مشاهدات مستقل منهای تعداد پارامترهای برآورد شده.
بطور معادل: تعداد مشاهدات مستقل منهای تعداد روابط معلوم میان مشاهدات
در نظریه آزمون:
بعد فضای مجهول (مدل کامل) منهای بعد فضای مفروض (مدل مقید)
در جبر خطی:
رتبهٔ یک فرم درجه دوم
بطور معادل: تعداد ابعاد یک زیر فضا که یک بردار می‌تواند آزادانه گردش کند (مربع طول بردار یک فرم درجه دوم است)
درک شهودی
مثال: یک عدد ثابت امکان تغییر ندارد پس درجه آزادی آن برابر صفر است.
یک نقطه در صفحه یک رابطه میان دو متغیر در فضای دو بعدی است. با این نقطه نمیتوان میزان همبستگی خطی دو متغیر را با برآورد خط رگرسیون تخمین زد. چون بینهایت خط از این نقطه گذراست. (تصویر مقابل) در این مثال درجه آزادی صفر است (تعداد مشاهدات مستقل - تعداد روابط معلوم میان مشاهدات = 0) اگر خطی را بعنوان خط رگرسیونی در نظر بگیریم، این مدل نه قابل رد و نه قابل قبول است. بنابراین تعداد نمونه های قابل استفاده برای این مدل صفر است.
برای رسم خط رگرسیون حداقل دو نقطه لازم است. با دو نقطه یک درجه آزادی وجود دارد. از دو نقطه فقط یک خط گذر میکند و این خط تنها برآورد ممکن است. با اینکه دقت برآورد 100 درصد است اما این دقت کاذب به علت کم بودن درجات آزادی و اطلاعات قابل استفاده است. نمونه های زیادی از تحقیقات با رسیدن به دقتی بالا تصور میکنند که مدل بدست آمده مناسب است . در حالی که درجات آزادی کم باعث این اشتباه شده است.
مثال: اگر دو مشاهده داشته باشیم، برای برآورد میانگین دو مشاهدهء مستقل داریم، اما برای برآورد واریانس تنها یک مشاهدهء مستقل وجود دارد. زیرا هر دو مشاهده دارای یک فاصله از میانگین هستند.
دیدگاه فلسفی
برای درک بهتر این مفهوم میتوان درجهء آزادی را یک معادل برای درجهء ابطال پذیری از دیدگاه فلاسفه ای مانند کارل پوپر دانست. اگر در مسئله ای درجات آزادی کم
باشد معادل است با اینکه ابطال پذیری آن مسئله کم است. یعنی با هر مشاهده ای تایید میشود و قابل ابطال نیست.
سازمان آماری
سازمان آماری سازمانی خدماتی است که وظیفهٔ تهیهٔ آمار را بر عهده دارد. دلیل وجود، رشد و مشارکت مشهود آنها در امور مربوط به دولت و جامعةخود، از توانایی آنها در تهیة اطلاعاتی برای حل مسائل مهم ریشه می‌گیرد. ولی اولویتها می‌توانند سریعتر از توانایی سازمان برای تعدیل تلاش تولیدی خود تغییر کنند. به این دلیل، مهم است که مسئولان ارشد آن دارای شم قوی و روابطی باشند که بتوانند مشکلات جدی را شناسایی کرده و آنها را از آنچه ممکن است چیزی جز مسایل گذرا نباشند متمایز کنند.
شاخص‌های پراکندگی
سنجش‌های پراکندگی (به انگلیسی: Measures of Variability) به اعدادی گویند که پراکندگی مجموعه‌ای از مشاهدات یا داده‌های اندازه گیری شده‌ای را خلاصه و توصیف میکنند.
دامنه، واریانس، و انحراف معیار، هر سه نمونه‌هایی از سنجش‌های پراکندگی هستند.
ضریب تغییرات
در نظریه احتمال و آمار ضریب تغییرات (به انگلیسی: coefficient of variation، مخفف:CV) یک معیار بهنجار است که برای اندازه‌گیری توزیع داده‌های آماری به کار می‌رود.
به عبارت دیگر ضریب تغییرات، میزان پراکندگی به ازای یک واحد از میانگین را بیان میکند. این مقدار زمانی تعریف شده است که میانگین صفر نباشد.
این مقدار بی‌بعد است به همین دلیل مناسب برای مقایسه داده‌های آماری است که واحدهای مختلفی دارند.
ضریب تغییرات تنها قابل کاربرد برای مقیاس‌های نسبی است و نمیتوان ار آن برای سنجش مقادیری که می‌توانند مقدار منفی بگیرند استفاده کرد یا به بیان بهتر نمیتوان از آن برای سنجش مقادیر فاصله‌ای بهره برد. مثلاً اگر درجه حرارت را با مقیاس فارنهایت در نظر بگیریم برای آن نمیتوان از ضریب تغییر اسفاده کرد و باید از مقیاس کلوین که همیشه مقداری مثبت است استفاده کرد.
متغیر پنهان
متغیرهای پنهان(در مقابل متغیرهای مشاهده شده)در آمار، متغیرهای هستند که بصورت مسقیم قابل مشاهده نیستند اما از میان متغیرهای دیگر که قابل مشاهده هستند توسط یک الگوی ریاضی استنباط می‌شوند. آنها همچنین بعضی وقت‌ها تحت عنوان متغیرهای پنهان، پارامترها ی مدل، متغیرهای فرضی یا ساختارهای فرضی شناخته می‌شوند.. استفاده متغیرهای پنهان در علوم اجتماعی متداول است، اقتصاد، پزشکی و تا حدی روبوتیک اما تعریف دقیق یک متغیر پنهان در این رشته‌ها کمی متفاوت است. مثال‌های از متغیرهای پنهان در حوزه اقتصاد عبارتند از کیفیت زندگی، اطمینان کار، روحیه، خوشحالی و اصول محافظه‌کاری: اینها متغیرها هستند که مستقیماً نمیتوان آنها را سنجید. با این وجود یک مدل اقتصادی را میتوان از پیوند این متغیرهای پنهان با متغیرهای مشاهده شده (از قبیل تولید ناخالص داخلی) بدست آورد و مقادیر متغیرهای پنهان را از متغیرهای مشاهده شده محاسبه و استنباط نمود.
متغیر تصادفی
در آمار و احتمال متغیر تصادفی متغیری است که مقدار آن از اندازه‌گیری برخی از انواع فرآیندهای تصادفی بدست می‌آید. بطور رسمی‌تر، متغیر تصادفی تابعی است از فضای نمونه به اعداد حقیقی. بطور مستقیم متغیر تصادفی توصیف عددی خروجی یک آزمایش است (مثل برآمدهای ممکن از پرتاب دو تاس (۱و۱) و (۱و۲) و غیره).
متغیرهای تصادفی به دو نوع گسسته (متغیر تصادفی که ممکن است تعداد محدود یا توالی نامحدودی از مقادیر را بگیرد) و پیوسته (متغیری که ممکن است هر مقدار عددی در یک یا چند بازه را بگیرد) طبقه‌بندی می‌شوند. مقادیر ممکن یک متغیر تصادفی می‌تواند نشان‌دهندهٔ برآمدهای آزمایشی که هنوز انجام نشده یا مقادیر بالقوهٔ یک کمیت که مقدارهای موجود آن نامطمئن هستند (مثلا درنتیجه اطلاعات ناقص یا اندازه‌گیری نادقیق) باشد. یک متغیر تصادفی می‌تواند بعنوان یک کمیت که مقدارش ثابت نیست و مقادیر مختلفی را می‌تواند بگیرد در نظر گرفته شود و توزیع احتمال برای توصیف احتمال اتفاق افتادن آن مقادیر استفاده میشود.
متغیرهای تصادفی معمولاً با اعداد حقیقی مقداردهی می‌شوند؛ ولی میتوان انواع دلخواهی مانند مقدارهای بولی، اعداد مختلط، بردارها، ماتریس‌ها، دنباله‌ها، درخت‌ها، مجموعه‌ها، شکل‌ها، منیوفیلدها، توابع و فرآیندها را درنظر گرفت. عبارت المان تصادفی همه این نوع مفاهیم را دربرمی گیرد.
متغیرهای تصادفی که با اعداد حقیقی مقداردهی می‌شوند، در علوم برای پیش‌بینی براساس داده‌های بدست آمده از آزمایش‌های علمی استفاده می‌شوند. علاوه بر کاربردهای علمی، متغیرهای تصادفی برای آنالیز بازیهای قمار و پدیده‌های تصادفی بوجود آمدند. در چنین مواردی تابعی که خروجی را به یک عدد حقیقی می‌نگارد معمولا یک تابع همانی یا بطور مشابه یک تابع بدیهی است و بطور صریح توصیف نشده است. با این وجود در بسیاری از موارد بهتر است متغیر تصادفی را بصورت توابعی از سایر متغیرهای تصادفی درنظر بگیریم که دراینصورت تابع نگاشت استفاده شده در تعریف یک متغیر تصادفی مهم میشود. بعنوان مثال، رادیکال یک متغیر تصادفی با توزیع استاندارد (نرمال) خود یک متغیر تصادفی با توزیع کی دو است. شهود این مطلب بدین صورت است که تصور کنید اعداد تصادفی بسیاری با توزیع نرمال تولید کرده و از هرکدام رادیکال بگیریم و سپس هیستوگرام داده‌های بدست آمده را بکشیم در اینصورت اگر داده‌ها به تعداد کافی باشند، نمودار هیستوگرام تابع چگالی توزیع کی دو را با یک درجه آزادی تقریب خواهد زد.
نام‌های دیگر
در برخی از کتاب‌های قدیمی‌تر به جای «متغیر تصادفی»، اصطلاح‌های «متغیر شانسی» و «متغیر استوکاستیکی» هم به کار رفته است.
انواع
متغیر تصادفی گسسته
متغیر تصادفی پیوسته
با توجه به وضع شمارایی فضای نمونه‌ای S، متغیر می‌تواند گسسته یا پیوسته باشد. اگر S متناهی یا نامتناهی شمارا باشد متغیر تصادفی X گسسته و اگر ناشمارا باشد X پیوسته خواهد بود.
یک توزیع همچنین می تواند از نوع مختلط (mixed) باشد به این صورت که بخشی از آن مقادیر خاصی را بگیرد و بخش دیگر آن مقادیر روی یک بازه را بگیرد.
مقدار موثر
در ریاضیات، جذر متوسط مربع (به انگلیسی: root mean square یا quadratic mean) که با نام مقدار RMS و مقدار مؤثر (به انگلیسی: effective value) نیز شناخته میشود، معیاری آماری از اندازه کمیت متغیر است.
آمار پارامتری به مجموعه روش‌های آماری‌ای گفته میشود که مدل‌ای پارامتری برای پدیدهٔ احتمالی مورد مطالعه فرض میشود و همهٔ استنتاج‌های آماری از آن پس بر اساس آن مدل انجام میشود.
به عنوان مثال فرض میشود که توزیع نمره‌های یک امتحان از توزیع نرمال پیروی میکند. در نتیجه برای مشخص‌شدن توزیع احتمال، کافی است میانگین و واریانس توزیع را از روی داده‌های تجربی (نمره‌های دانش‌آموزان) به دست بیاوریم. حال برای پاسخ‌گفتن به سوال‌هایی چون «درصد دانش‌آموزانی که نمره‌ای بین ۱۰ تا ۱۵ آورده‌اند» از تابع توزیع به دست آمده استفاده می‌کنیم (البته بدیهی است که روش‌های ساده‌تری نیز برای چنین کاری وجود دارد).
نقطهٔ ضعف این شیوهٔ تحلیل آماری این است که در صورتی که مدل فرض‌شده با واقعیت تطبیق نداشته باشد، نتیجه‌گیری‌ها صحیح نخواهد بود.
آماره
آماره در آمار به عددی گویند که یک توزیع نمونه‌برداری را خلاصه‌سازی یا توصیف میکند.
تابع U=g(X۱, X۲, …, Xn) از نمونهٔ تصادفی X۱, X۲, …, Xn را که در آن پارامتر مجهولی وجود نداشته باشد یک آماره می‌گویند. در این تعریف U یک متغیر تصادفی است که توزیع آن ممکن است به پارامتر بستگی نداشته باشد؛ اما تنها آماره‌هایی برای برآورد کردن مفید هستند که توزیعشان به پارامتر مجهول بستگی داشته باشد و اطلاعاتی در مورد این پارامتر به ما بدهند.
آنتروپی آماری
انتروپی آماری یک کمیت ترمودینامیکی است که در شیمی‌فیزیک کاربردهای فراوان دارد.
استنباط آماری
چنانچه به جای مطالعه کل اعضای جامعه، بخشی از آن با استفاده از فنون نمونه‌گیری انتخاب شده، و مورد مطالعه قرار گیرد و بخواهیم نتایج حاصل از آن را به کل جامعه تعمیم دهیم از روشهایی استفاده میشود که موضوع آمار استنباطی (Inferential statistics) است. آن چه که مهم است این است که در گذر از آمار توصیفی به آمار استنباطی یا به عبارت دیگر از نمونه به جامعه بحث و نقش احتمال شروع میشود. در واقع احتمال، پل رابط بین آمار توصیفی و استنباطی به حساب می‌آید.
توزیع جامعه
توزیع جامعه یا توزیع جمعیت (به انگلیسی: Population distribution) در آمار به توزیع تمام مشاهدات امکان پذیر را گویند.
چولگی
در آمار و نظریه احتمالات چولگی نشان دهنده میزان عدم تقارن توزیع احتمالی است. اگر داده‌ها نسبت به میانگین متقارن باشند، چولگی برابر صفر خواهد بود.
تعریف
چولگی برابر با گشتاور سوم نرمال شده است. چولگی در حقیقت معیاری از وجود یا عدم تقارن تابع توزیع می باشد. برای یک توزیع کاملاً متقارن چولگی صفر و برای یک توزیع نامتقارن با کشیدگی به سمت مقادیر بالاتر چولگی مثبت و برای توزیع نامتقارن با کشیدگی به سمت مقادیر کوچکتر مقدار چولگی منفی است.
داده‌کاوی
داده کاوی، پایگاهها و مجموعه‌های حجیم داده‌ها را در پی کشف واستخراج دانش، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع میتوان همان امتداد و استمرار دانش کهن و همه جا گیر آمار دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، مدل‌سازی، و آموزش را طلب می‌نماید.
در سال 1960 آماردانان اصطلاح "Data Fishing" یا "Data Dredging"به معنای "صید داده" را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از داده ها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن داده ها در پایگاه های داده یا Database اصطلاح "Data Mining" یا داده کاوی در حدود سال 1990 رواج بیشتری یافت. اصطلاحات دیگری نظیر "Data Archaeology"یا "Information Harvesting" یا "Information Discovery" یا"Knowledge Extraction" نیز بکار رفته اند.
اصطلاح Data Mining همان طور که از ترجمه آن به معنی داده کاوی مشخص میشود به مفهوم استخراج اطلاعات نهان و یا الگوها وروابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.
مقدمه
بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده‌کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی میتوان آنها را بر ابزارهای نرم‌افزاری و ... امروزی تطبیق داده و از اطلاعات جمع آوری شده بهترین بهره را برد.
در صورتی که سیستم‌های Data Mining بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به بانکهای اطلاعاتی بزرگ فراهم باشد، میتوان به سوالاتی از قبیل :کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.
ویژگی‌ها
یکی از ویژگیهای کلیدی در بسیاری از ابتکارات مربوط به تامین امنیت ملی، داده کاوی است. داده کاوی که به عنوان ابزاری برای کشف جرایم، ارزیابی میزان ریسک و فروش محصولات به کار می‌رود، در بر گیرنده ابزارهای تجزیه و تحلیل اطلاعات به منظور کشف الگوهای معتبر و ناشناخته در بین انبوهی از داده هاست. داده کاوی غالباً در زمینه تامین امنیت ملی به منزله ابزاری برای شناسایی فعالیتهای افراد خرابکار شامل جابه جایی پول و ارتباطات بین آنها و همچنین شناسایی و ردگیری خود آنها با برسی سوابق مربوط به مهاجرت و مسافرت هاست. داده کاوی پیشرفت قابل ملاحظه‌ای را در نوع ابزارهای تحلیل موجود نشان می‌دهد اما محدودیتهایی نیز دارد. یکی از این محدودیت‌ها این است که با وجود اینکه به آشکارسازی الگوها و روابط کمک میکند اما اطلاعاتی را در باره ارزش یا میزان اهمیت آنها به دست نمی‌دهد. دومین محدودیت آن این است که با وجود توانایی شناسایی روابط بین رفتارها و یا متغیرها لزوماً قادر به کشف روابط علت و معلولی نیست. موفقیت داده کاوی در گرو بهره گیری از کارشناسان فنی و تحلیل گران کار آزموده‌ای است که از توانایی کافی برای طبقه بندی تحلیل‌ها و تغییر آنها برخوردار هستند. بهره برداری از داده کاوی در دو بخش دولتی و خصوصی رو به گسترش است. صنایعی چون بانکداری، بیمه، بهداشت و بازار یابی آنرا عموماً برای کاهش هزینه‌ها، ارتقاء کیفی پژوهش‌ها و بالاتر بردن میزان فروش به کار می‌برند. کاربرد اصلی داده کاوی در بخش دولتی به عنوان ابزاری برای تشخیص جرایم بوده‌است اما امروزه دامنه بهره برداری از آن گسترش روزافزونی یافته و سنجش و بهینه سازی برنامه‌ها را نیز در بر می‌گیرد. بررسی برخی از برنامه‌های کاربردی مربوط به داده کاوی که برای تامین امنیت ملی به کار می‌روند، نشان دهنده رشد قابل ملاحظه‌ای در رابطه با کمیت و دامنه داده‌هایی است که باید تجزیه و تحلیل شوند. توانایی‌های فنی در داده کاوی از اهمیت ویژه‌ای برخوردار اند اما عوامل دیگری نیز مانند چگونگی پیاده سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانکهای اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند. حفظ حریم خصوصی افراد عامل دیگری است که باید به آن توجه داشت. اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود:
سازمانهای دولتی تا چه حدی مجاز به بهره برداری از داده‌ها هستند؟
آیا از داده‌ها در چارچوبی غیر متعارف بهره برداری میشود؟
کدام قوانین حفظ حریم خصوصی ممکن است به داده کاوی مربوط شوند؟
کاوش در داده‌ها بخشی بزرگ از سامانه‌های هوشمند است. سامانه‌های هوشمند زیر شاخه‌ایست بزرگ و پرکاربرد از زمینه علمی جدید و پهناور یادگیری ماشینی که خود زمینه‌ای‌ست در هوش مصنوعی.
فرایند گروه گروه کردن مجموعه‌ای از اشیاء فیزیکی یا مجرد به صورت طبقه‌هایی از اشیاء مشابه هم را خوشه‌بندی می‌نامیم.
با توجه به اندازه‌های گوناگون (و در اغلب کاربردها بسیار بزرگ و پیچیده) مجموعه‌های داده‌ها مقیاس‌پذیری الگوریتم‌های به کار رفته معیاری مهم در مفاهیم مربوط به کاوش در داده‌ها است.
کاوش‌های ماشینی در متون حالتی خاص از زمینهٔ عمومی‌تر کاوش در داده‌ها بوده، و به آن دسته از کاوش‌ها اطلاق میشود که در آنها داده‌های مورد مطالعه از جنس متون نوشته شده به زبان‌های طبیعی انسانی باشد.
چیستی
داده کاوی به بهره گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق میشود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Laming Method) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل میشود برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:
قواعد انجمنی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط میشود مثلاً خرید قلم به خرید کاغذ.
ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص میکند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.
پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می باشد. مانند پیش بینی نرخ ارز یا هزینه های درمانی.
رده بندی یا طبقه بندی (Classification): فرآیندی برای پیدا کردن مدلی است که رده های موجود در داده‌ها را تعریف می نماید و متمایز می کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها(متغیر هدف) ناشناخته می باشد، استفاده نمود. در حقیقت در رده بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش های مورد استفاده در پیش بینی و رده بندی عموما یکسان هستند.
خوشه بندی(Clustering): گروه بندی مجموعه ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه های دیگر داشته باشند.
مصورسازی (visualization): مصورسازی داده ها یکی از قدرتمندترین و جذابترین روش های اکتشاف در داده ها می باشد.
برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی ساخت یافته (Structured query) که در بسیاری از بانکهای اطلاعاتی یافت میشود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید. کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند. به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.
در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب. بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در پایگاه داده‌ها می‌دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش می‌باشد. بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:
رشد شبکه‌های کامپیوتری که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.
توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.
گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.
و افزایش توانایی به تلفیق داده از منابع غیر متناجس به یک منبع قابل جستجو می‌باشد.
علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا میکند. در طول چند سال گذشته افزایش سریع جمع آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است. داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به تحقیقات پزشکی استفاده میکنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده سازی و پیامد اشتباه را هم دارد.اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی می‌باشد.همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگانها که کارشان تاثیر بر امنیت دارد، نادیده گرفته میشود.
محدودیتهای داده کاوی
در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند.برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری می‌باشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند.در نتیجه محدودیتهای داده کاوی مربوط به داده اولیه یا افراد است تا اینکه مربوط به تکنولوژی باشد.
اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک میکند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند.تصمیماتی از این قبیل بر عهده خود کاربر است.برای نمونه در ارزیابی صحت داده کاوی، برنامه کاربردی در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود.با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد.
تشخیص رابطه بین رفتارها و یا متغیرها یکی دیگر از محدودیتهای داده کاوی می‌باشد که لزوماًروابط اتفاقی را تشخیص نمی‌دهد.برای مثال برنامه‌های کاربردی ممکن است الگوهای رفتاری را مشخص کند، مثل تمایل به خرید بلیط هواپیما درست قبل از حرکت که این موضوع به مشخصات درآمد، سطح تحصیلی و استفاده از اینترنت بستگی دارد.در حقیقت رفتارهای شخصی شامل شغل(نیاز به سفر در زمانی محدود)وضع خانوادگی(نیاز به مراقبت پزشکی برای مریض)یا تفریح (سود بردن از تخفیف دقایق پایانی برای دیدن مکان‌های جدید) ممکن است بر روی متغیرهای اضافه تاثیر بگذارد.
ابزارهای داده کاوی
معروف‌ترین ابزارهای داده‌کاوی به ترتیب پرطرفدار بودن
Clementine که نسخه ۱۳ ان با نام SPSS Modeler نامیده میشود.
رپیدماینر
نرم‌افزار وکا
نرم‌افزار
برنامه های کاربردی و نرم‌افزار های داده کاوی متن-باز رایگان
Carrot2: پلتفرمی برای خوشه بندی متن و نتایج جستجو
Chemicalize.org: یک کاوشگر ساختمان شیمیایی و موتور جستجوی وب
ELKI: یک پروژه تحقیقاتی دانشگاهی با تحلیل خوشه ای پیشرفته و روش های تشخیص داده های خارج از محدوده که به زبان جاوا نوشته شده است.
GATE: یک پردازشگر زبان بومی و ابزار مهندسی زبان.
برنامه های کاربردی و نرم‌افزار های داده کاوی تجاری
Angoss KnowledgeSTUDIO: ابزار داده کاوی تولید شده توسط Angoss.
BIRT Analytics: ابزار داده کاوی بصری و تحلیل پیش بینی گر تولید شده توسط Actuate Corporation.
Clarabridge: راه حل تحلیلگر کلاس متن.
(E-NI(e-mining, e-monitor: ابزار داده کاوی مبتنی بر الگوهای موقتی.
IBM SPSS Modeler: نرم‌افزار داده کاوی تولید شده توسط IBM
Microsoft Analysis Services: نرم‌افزار داده کاوی تولید شده توسط مایکروسافت
Oracle Data Mining: نرم‌افزار داده کاوی تولید شده توسط اوراکل (کمیک)
بررسی اجمالی بازار نرم‌افزار های داده کاوی
تا کنون چندین محقق و سازمان بررسی هایی را بر روی ابزار های داده کاوی و راهنماییهایی برای داده کاو ها تهیه دیده اند. این بررسی ها بعضی از نقاط ضعف و قوت بسته های نرم‌افزاری را مشخص می کنند. همچنین خلاصه ای را از رفتار ها، اولویت ها و دید های داده کاوها تهیه کرده اند
درجه آزادی (آمار)
درجه آزادی یکی از مفاهیم بنیادین در آمار است. درک بسیاری از مفاهیم مطرح در آمار وابسته به درک مناسبی از این مفهوم است. بر اساس زمینهٔ کاربرد و شیوهٔ نگرش میتوان تعاریف مختلفی برای آن ارائه نمود که همه یک مفهومند:
در نظریهٔ برآورد:
تعداد مقادیری که یک آماره امکان تغییر دارد
تعداد مشاهدات مستقل منهای تعداد پارامترهای برآورد شده.
بطور معادل: تعداد مشاهدات مستقل منهای تعداد روابط معلوم میان مشاهدات
در نظریه آزمون:
بعد فضای مجهول (مدل کامل) منهای بعد فضای مفروض (مدل مقید)
در جبر خطی:
رتبهٔ یک فرم درجه دوم
بطور معادل: تعداد ابعاد یک زیر فضا که یک بردار می‌تواند آزادانه گردش کند (مربع طول بردار یک فرم درجه دوم است)
درک شهودی
مثال: یک عدد ثابت امکان تغییر ندارد پس درجه آزادی آن برابر صفر است.
یک نقطه در صفحه یک رابطه میان دو متغیر در فضای دو بعدی است. با این نقطه نمیتوان میزان همبستگی خطی دو متغیر را با برآورد خط رگرسیون تخمین زد. چون بینهایت خط از این نقطه گذراست. (تصویر مقابل) در این مثال درجه آزادی صفر است (تعداد مشاهدات مستقل - تعداد روابط معلوم میان مشاهدات = 0) اگر خطی را بعنوان خط رگرسیونی در نظر بگیریم، این مدل نه قابل رد و نه قابل قبول است. بنابراین تعداد نمونه های قابل استفاده برای این مدل صفر است.
برای رسم خط رگرسیون حداقل دو نقطه لازم است. با دو نقطه یک درجه آزادی وجود دارد. از دو نقطه فقط یک خط گذر میکند و این خط تنها برآورد ممکن است. با اینکه دقت برآورد 100 درصد است اما این دقت کاذب به علت کم بودن درجات آزادی و اطلاعات قابل استفاده است. نمونه های زیادی از تحقیقات با رسیدن به دقتی بالا تصور میکنند که مدل بدست آمده مناسب است . در حالی که درجات آزادی کم باعث این اشتباه شده است.
مثال: اگر دو مشاهده داشته باشیم، برای برآورد میانگین دو مشاهدهء مستقل داریم، اما برای برآورد واریانس تنها یک مشاهدهء مستقل وجود دارد. زیرا هر دو مشاهده دارای یک فاصله از میانگین هستند.
دیدگاه فلسفی
برای درک بهتر این مفهوم میتوان درجهء آزادی را یک معادل برای درجهء ابطال پذیری از دیدگاه فلاسفه ای مانند کارل پوپر دانست. اگر در مسئله ای درجات آزادی کم
باشد معادل است با اینکه ابطال پذیری آن مسئله کم است. یعنی با هر مشاهده ای تایید میشود و قابل ابطال نیست.
سازمان آماری
سازمان آماری سازمانی خدماتی است که وظیفهٔ تهیهٔ آمار را بر عهده دارد. دلیل وجود، رشد و مشارکت مشهود آنها در امور مربوط به دولت و جامعةخود، از توانایی آنها در تهیة اطلاعاتی برای حل مسائل مهم ریشه می‌گیرد. ولی اولویتها می‌توانند سریعتر از توانایی سازمان برای تعدیل تلاش تولیدی خود تغییر کنند. به این دلیل، مهم است که مسئولان ارشد آن دارای شم قوی و روابطی باشند که بتوانند مشکلات جدی را شناسایی کرده و آنها را از آنچه ممکن است چیزی جز مسایل گذرا نباشند متمایز کنند.
شاخص‌های پراکندگی
سنجش‌های پراکندگی (به انگلیسی: Measures of Variability) به اعدادی گویند که پراکندگی مجموعه‌ای از مشاهدات یا داده‌های اندازه گیری شده‌ای را خلاصه و توصیف میکنند.
دامنه، واریانس، و انحراف معیار، هر سه نمونه‌هایی از سنجش‌های پراکندگی هستند.
ضریب تغییرات
در نظریه احتمال و آمار ضریب تغییرات (به انگلیسی: coefficient of variation، مخفف:CV) یک معیار بهنجار است که برای اندازه‌گیری توزیع داده‌های آماری به کار می‌رود.
به عبارت دیگر ضریب تغییرات، میزان پراکندگی به ازای یک واحد از میانگین را بیان میکند. این مقدار زمانی تعریف شده است که میانگین صفر نباشد.
این مقدار بی‌بعد است به همین دلیل مناسب برای مقایسه داده‌های آماری است که واحدهای مختلفی دارند.
ضریب تغییرات تنها قابل کاربرد برای مقیاس‌های نسبی است و نمیتوان ار آن برای سنجش مقادیری که می‌توانند مقدار منفی بگیرند استفاده کرد یا به بیان بهتر نمیتوان از آن برای سنجش مقادیر فاصله‌ای بهره برد. مثلاً اگر درجه حرارت را با مقیاس فارنهایت در نظر بگیریم برای آن نمیتوان از ضریب تغییر اسفاده کرد و باید از مقیاس کلوین که همیشه مقداری مثبت است استفاده کرد.
متغیر پنهان
متغیرهای پنهان(در مقابل متغیرهای مشاهده شده)در آمار، متغیرهای هستند که بصورت مسقیم قابل مشاهده نیستند اما از میان متغیرهای دیگر که قابل مشاهده هستند توسط یک الگوی ریاضی استنباط می‌شوند. آنها همچنین بعضی وقت‌ها تحت عنوان متغیرهای پنهان، پارامترها ی مدل، متغیرهای فرضی یا ساختارهای فرضی شناخته می‌شوند.. استفاده متغیرهای پنهان در علوم اجتماعی متداول است، اقتصاد، پزشکی و تا حدی روبوتیک اما تعریف دقیق یک متغیر پنهان در این رشته‌ها کمی متفاوت است. مثال‌های از متغیرهای پنهان در حوزه اقتصاد عبارتند از کیفیت زندگی، اطمینان کار، روحیه، خوشحالی و اصول محافظه‌کاری: اینها متغیرها هستند که مستقیماً نمیتوان آنها را سنجید. با این وجود یک مدل اقتصادی را میتوان از پیوند این متغیرهای پنهان با متغیرهای مشاهده شده (از قبیل تولید ناخالص داخلی) بدست آورد و مقادیر متغیرهای پنهان را از متغیرهای مشاهده شده محاسبه و استنباط نمود.
متغیر تصادفی
در آمار و احتمال متغیر تصادفی متغیری است که مقدار آن از اندازه‌گیری برخی از انواع فرآیندهای تصادفی بدست می‌آید. بطور رسمی‌تر، متغیر تصادفی تابعی است از فضای نمونه به اعداد حقیقی. بطور مستقیم متغیر تصادفی توصیف عددی خروجی یک آزمایش است (مثل برآمدهای ممکن از پرتاب دو تاس (۱و۱) و (۱و۲) و غیره).
متغیرهای تصادفی به دو نوع گسسته (متغیر تصادفی که ممکن است تعداد محدود یا توالی نامحدودی از مقادیر را بگیرد) و پیوسته (متغیری که ممکن است هر مقدار عددی در یک یا چند بازه را بگیرد) طبقه‌بندی می‌شوند. مقادیر ممکن یک متغیر تصادفی می‌تواند نشان‌دهندهٔ برآمدهای آزمایشی که هنوز انجام نشده یا مقادیر بالقوهٔ یک کمیت که مقدارهای موجود آن نامطمئن هستند (مثلا درنتیجه اطلاعات ناقص یا اندازه‌گیری نادقیق) باشد. یک متغیر تصادفی می‌تواند بعنوان یک کمیت که مقدارش ثابت نیست و مقادیر مختلفی را می‌تواند بگیرد در نظر گرفته شود و توزیع احتمال برای توصیف احتمال اتفاق افتادن آن مقادیر استفاده میشود.
متغیرهای تصادفی معمولاً با اعداد حقیقی مقداردهی می‌شوند؛ ولی میتوان انواع دلخواهی مانند مقدارهای بولی، اعداد مختلط، بردارها، ماتریس‌ها، دنباله‌ها، درخت‌ها، مجموعه‌ها، شکل‌ها، منیوفیلدها، توابع و فرآیندها را درنظر گرفت. عبارت المان تصادفی همه این نوع مفاهیم را دربرمی گیرد.
متغیرهای تصادفی که با اعداد حقیقی مقداردهی می‌شوند، در علوم برای پیش‌بینی براساس داده‌های بدست آمده از آزمایش‌های علمی استفاده می‌شوند. علاوه بر کاربردهای علمی، متغیرهای تصادفی برای آنالیز بازیهای قمار و پدیده‌های تصادفی بوجود آمدند. در چنین مواردی تابعی که خروجی را به یک عدد حقیقی می‌نگارد معمولا یک تابع همانی یا بطور مشابه یک تابع بدیهی است و بطور صریح توصیف نشده است. با این وجود در بسیاری از موارد بهتر است متغیر تصادفی را بصورت توابعی از سایر متغیرهای تصادفی درنظر بگیریم که دراینصورت تابع نگاشت استفاده شده در تعریف یک متغیر تصادفی مهم میشود. بعنوان مثال، رادیکال یک متغیر تصادفی با توزیع استاندارد (نرمال) خود یک متغیر تصادفی با توزیع کی دو است. شهود این مطلب بدین صورت است که تصور کنید اعداد تصادفی بسیاری با توزیع نرمال تولید کرده و از هرکدام رادیکال بگیریم و سپس هیستوگرام داده‌های بدست آمده را بکشیم در اینصورت اگر داده‌ها به تعداد کافی باشند، نمودار هیستوگرام تابع چگالی توزیع کی دو را با یک درجه آزادی تقریب خواهد زد.
نام‌های دیگر
در برخی از کتاب‌های قدیمی‌تر به جای «متغیر تصادفی»، اصطلاح‌های «متغیر شانسی» و «متغیر استوکاستیکی» هم به کار رفته است.
انواع
متغیر تصادفی گسسته
متغیر تصادفی پیوسته
با توجه به وضع شمارایی فضای نمونه‌ای S، متغیر می‌تواند گسسته یا پیوسته باشد. اگر S متناهی یا نامتناهی شمارا باشد متغیر تصادفی X گسسته و اگر ناشمارا باشد X پیوسته خواهد بود.
یک توزیع همچنین می تواند از نوع مختلط (mixed) باشد به این صورت که بخشی از آن مقادیر خاصی را بگیرد و بخش دیگر آن مقادیر روی یک بازه را بگیرد.
مقدار موثر
در ریاضیات، جذر متوسط مربع (به انگلیسی: root mean square یا quadratic mean) که با نام مقدار RMS و مقدار مؤثر (به انگلیسی: effective value) نیز شناخته میشود، معیاری آماری از اندازه کمیت متغیر است.
فیزیولوژی ورزشی
فیزیولوژی ورزشی به ۴ بخش فراگیر تقسیم میشود: آمادگی جسمانی، فیزیولوژی ماهیچه‌ها، فیزیولوژی گردش خون،
فیزیولوژی تنفس
بدن انسان برای اینکه بتواند نقش خود را به طور مؤثر در زندگی ایفا کند باید از آمادگی جسمانی خوبی برخوردار باشد یعنی به طور مداوم انرژی لازم را در اختیار داشته باشد تا بتواند وظایف خود را به نحو احسن انجام دهد. وقتی سخن از آمادگی جسمانی به میان می‌آید مقصود از آن داشتن چنان قلب، رگ‌های خونی و ششها و ماهیچه‌هایی است که بتوانند وظایف خود را به خوبی انجام دهند و با شور و نشاط تمام در فعالیت‌ها و تفریحات سالمی شرکت کنند که افراد عادی و غیر فعال از انجام آنها ناتوانند. عوامل متعددی در آمادگی جسمانی مؤثر است اما چهار عامل بیش از عوامل دیگر در این میان ایفای نقش میکنند این عوامل عبارت‌اند از (نیروی ماهیچه، استقامت ماهیچه، انعطاف ماهیچه و استقامت قلبی ریوی) می باشد.
نیروی ماهیچه
همانطور که می‌دانید حدود ۴۰ درصد وزن بدن را ماهیچه تشکیل می‌دهد این ماهیچه‌ها در خود تولید انرژی میکنند که این نیرو، نیروی ماهیچه نامیده میشود که البته قابل اندازه‌گیری نیز هست. مهم‌ترین عامل شناخته شده در آمادگی جسمانی استعداد و توانایی ماهیچه‌ها در وارد کردن نیرو یا مقاومت در برابر آن است. تمرینات قدرتی از عواملی است که سبب حجیم شدن تارهای ماهیچه‌ای میشود و توانایی فرد را در تولید نیروی بیشتر افزایش می‌دهد، این افزایش می‌تواند به دلایل عصبی (فراخوانی تارهای بیشتر و تحریک واحدهای عصبی-ماهیچه‌ای بزرگتر)باشد یا به دلیلی مثل افزایش رها سازی یون کلسیم یا افزایش تماس تارهای اکتین و می‌وزین. قدرت ماهیچه اهمیت بسیاری در ورزشهای مختلف و البته فعالیتهای روزانه دارد بسیاری از مردان و حتی زنان از ماهیچه‌ها بازو و سرشانه ضعیفی برخوردار هستند که باعث ضعف در فعالیتهای ورزشی و روزانه و ایجاد درد و بیماری در سنین بالا میشود..
استقامت ماهیچه
ماهیچه‌ها در خود انرژی ذخیره میکنند. این عمل به ماهیچه‌ها امکان می‌دهد که مدت زیادی به فعالیت خود ادامه دهند. این عمل ماهیچه‌ها را استقامت ماهیچه‌ای گویند. استقامت ماهیچه‌ای عبارت است از ظرفیت یک ماهیچه یا گروهی از ماهیچه‌ها برای انقباض مداوم. معمولاً استقامت ماهیچه را با قدرت ماهیچه‌ای اشتباه می‌گیرند ولی باید توجه کرد که معمولاً استقامت ماهیچه‌ای عبارت است از توانایی در کاربرد قدرت و نگهداری این توانایی برای مدت نسبتاً طولانی. برای مثال در فعالیتهایی چون: برف پارو کردن، چمن زدن، نظافت و یا حرکات ورزشی چون دراز و نشست، بالا کشیدن بدن در حالت بارفیکس و... استقامت ماهیچه‌ای نقش اساسی دارد که میشود با تمرینات منظم ورزشی آن را افزایش داد.
انعطاف ماهیچه
توانایی در کاربرد ماهیچه‌ها در وسیعترین دامنه حرکت آنها به دور مفصلها را انعطاف پذیری گویند. این عامل در آمادگی جسمانی از اهمیت ویژه‌ای برخوردار است. با تمرینات ورزشی میزان توانایی مفاصل بدن در خم شدن و چرخیدن بیشتر میشود و در نتیجه کارایی ماهیچه‌ها بهبود می‌یابد اگر مفاصل از انعطاف کمی برخوردار باشند محدودیت حرکتی برای بدن ایجاد میشود. انعطاف پذیری در فعالیتهای روزانه چون باغبانی، خانه داری، فعالیتهای ورزشی که احتیاج به نرمی و انعطاف پذیری دارند مؤثر است. که البته این نقش در فعالیتهای ورزشی چون ژیمناستیک، دو و میدانی و... پر رنگ تر میشود.
استقامت قلبی و ریوی
بسیاری از دانشمندان و صاحب نظران ورزشی عقیده دارند که عامل استقامت قلبی ریوی در آمادگی جسمانی بیش از عوامل دیگر اهمیت دارد و بعضی دیگر دقیقاً بر عکس این نظریه مهر تأیید زدند. اما تجربه نشان داده‌است که استقامت قلبی ریوی از عوامل اساسی آمادگی جسمانی است و با تمرینات استقامتی شدید و سنگین میتوان آن را ارتقاء بخشید.
فیزیولوژی ماهیچه
ماهیچه‌ها دستگاهی هستند که مواد غذایی را از صورت شیمیایی به صورت انرژی مکانیکی یا کار تبدیل میکنند. می‌دانیم که حرکات بدن از انقباض ماهیچه‌ها حاصل
در بخش ماهیچه‌ها مخطط ۲ مطلب را بررسی می‌کنیم: ۱- انقباض ماهیچه، ۲- منابع انرژی ماهیچه.
انقباض ماهیچه: اگر طول ماهیچه به هنگام انقباض تغییر نکند این انقباض را (هم طول) می‌گویند. در این نوع انقباض جسم مقاوم جابه جا نمی‌شود تمام انرژی حاصل از انقباض به حرارت تبدیل میشود. ولی اگر انقباض ماهیچه به کوتاه شدن آن منجر شود آن انقباض را (هم تنش) می‌گویند که باعث میشود جسمی که در برابر ماهیچه قرار می‌گیرد جابه جا شود. سرعت انقباض ماهیچه با مقدار وزنه‌ای که در مقابل آن قرار می‌گیرد رابطه عکس دارد. اگر هیچ نیرویی در برابر ماهیچه قرار نگیرد ماهیچه سریعاً منقبض میشود ولی اگر به تدریج نیروی مخالف افزایش می‌یابد از سرعت انقباض کاسته میشود. تا اینکه اگر میزان نیروی مخالف برابر با نیروی ماهیچه شود سرعت کوتاه شدن یا انقباض به صفر خواهد رسید.
منابع تامین انرژی
ماهیچه برای آنکه به حالت انقباض درآید احتیاج به انرژی دارد. منبع اصلی انرژی ماهیچه آدنوزین تری فسفات است که به مقدار کمی در ماهیچه وجود دارد ولی به مقدار زیادی انرژی آزاد میکند. کراتین فسفات منبع انرژی دیگری است که در سلولهای ماهیچه‌ای ذخیره میشود. اگر مقدار آدنوزین تری فسفات در سلول بیش از اندازه لازم باشد انرژی اضافی صرف تولیدکراتین فسفات میشود و در نتیجه مقدار بیشتری از انرژی ذخیره خواهد شد. به مجرد ذخیره آدنوزین تری فسفات در ماهیچه کراتین فسفات موجود به سرعت و سهولت به آدنوزین تری فسفات تبدیل میشود و در نتیجه کراتین فسفات باعث ثابت ماندن مقدار آدنوزین تری فسفات ماهیچه میشود. انرژی حاصل از کراتین فسفات و آدنوزین تری فسفات برای مدت کوتاهی انرژی لازم را تأمین میکنند پس در فعالیتهای شدید بدنی که بیش از چند دقیقه طول می‌کشد باید منبع دیگری از انرژی وجود داشته باشد. این انرژی از تجزیه گلیگوژن حاصل میشود و چون این واکنش در مجاورت اکسیژن قرار می‌گیرد آن را هوازی یا (با اکسیژن) می‌گویند. اگر اکسیژن به اندازه کافی برای این واکنش‌های شیمیایی وجود نداشته باشد در ماهیچه اسیدلاکتیک تولید میشود. قسمت اعظم این اسیدلاکتیک مجدداً به گلوکز و گلیگوژن تبدیل میشود و مقداری از آن در ماهیچه بر جای می‌ماند. در ورزشهای سخت و طولانی و مخصوصاً افرادی که از آمادگی جسمانی کمی برخوردارند خستگی ماهیچه‌ها بعد از ورزش مربوط به اسیدلاکتیک باقی‌مانده در ماهیچه‌است، میزان خستگی با مقدار اسیدلاکتیک موجود در ماهیچه رابطه مستقیم دارد.
تولید انرژی در بدن به ۳ طریق انجام می‌گیرد که ۲ طریق آنها برای تولیدآدنوزین تری فسفات نیاز به اکسیژن ندارند (بی هوازی) و در سومین طریقه وجود اکسیژن کاملاً ضروری است که به آن (هوازی) گویند:
سیستم تامین انرژی فسفاژن ATP-Pc
در ورزشهایی چون: پرتاب نیزه، پرتاب دیسک، دو ۱۰۰ متر و شیرجه یا فعالیتهایی که زمان اجرای آن بسیار کم است (حدود ۱۰ ثانیه) و با حداکثر شدت انجام می‌شوند انرژی مورد نیاز را از این سیستم تأمین میکنند. آدنوزین تری فسفات وکراتین فسفات موجود در ماهیچه به صورت ذخیره وجود دارند و به هنگام فعالیت انرژی مورد لزوم را تهیه میکنند. در این سیستم برای تأمین انرژی احتیاجی به حضور اکسیژن نیست (بی هوازی)
سیستم تامین انرژی بی هوازی(اسیدلاکتیک)
در ورزشهایی که زمان اجرای آنها بین ۱ تا ۳ دقیقه طول می‌کشد انرژی مورد نیازشان را از این طریق تأمین میکنند مثل دوهای ۴۰۰ و۸۰۰ متر وکشتی. هنگام اجرای این فعالیت‌ها اکسیژن به قدر کافی در ماهیچه موجود نیست از اینرو گلوکز موجود در ماهیچه به اسیدلاکتیک و آدنوزین تری فسفات تبدیل میشود. در حقیقت در این سیستم گلوکز عامل اصلی تأمین کننده انرژی ماهیچه‌است.
سیستم تامین انرژی هوازی
هر موجود زنده‌ای برای ادامه زندگی و فعالیت احتیاج به اکسیژن دارد. بعد از چند دقیقه که اکسیژن به بدن نرسد، نه آدنوزین تری فسفات در بدن ساخته میشود و نه انرژی وجود دارد و در نتیجه زندگی پایان می‌یابد. در ورزشهایی که بیش از ۳ دقیقه طول می‌کشد ماهیچه‌ها انرژی مورد نیاز را از تجزیه مواد غذایی در مقابل اکسیژن بدست می‌آورند. در دوهای ماراتن، کوهنوردی و... آدنوزین تری فسفات مورد نیاز ماهیچه‌ها از این طریق تأمین می‌گردد. پروتئین‌ها، گلیگوژن و چربیها از جمله مواد غذایی هستند که در این سیستم مورد استفاده قرار می‌گیرد و بیشترین مقدار تولید آدنوزین تری فسفات را نیز دارد.
برگشت به حالت اولیه و وام اکسیژن
همانطور که گفته شد برای اینکه بدن از حالت استراحت به حالت فعالیت درآید واکنش‌های متعددی در ماهیچه صورت می‌گیرد تا انرژی لازم کسب شود. همچنین برگشت بدن از حالت فعالیت به حالت استراحت نیز بسیار مهم است که آن را برگشت به حالت اولیه یا تجدید قوا (Recovery) گویند. ذخیره اکسیژن بدن هنگام فعالیتهای شدید به مصرف سوخت و ساز بدن می‌رسد؛ در نتیجه هنگام استراحت مقدار اکسیژنی که از ذخیره بدن گرفته شده‌است باید دوباره به بدن باز گردد و اسیدلاکتیک جمع شده در ماهیچه‌ها نیز باید از سلولهای ماهیچه‌ای خارج شودکه البته هر دو نیز هوازی هستند. انرژی از دست رفته بدن را وام اکسیژن (Oxygen Debt) گویند. مقدار وام اکسیژن برابر است با مقدار اکسیژن مورد نیاز در هنگام فعالیت؛ اگر نوع فعالیت شخص ملایم، طولانی و یکنواخت باشد بدن می‌تواند انرژی مورد نیاز را از هوا بگیرد و وام اکسیژن به وجود نمی‌آید والی اگر فعالیت شخص شدید باشد به طوری که او مجبور باشد با کمبود انرژی به فعالیت خود ادامه دهد مبتلا به وام اکسیژن میشود. مدت زمانی که طول می‌کشد تا بدن به حالت اول برگردد بستگی به مدت، شدت و آمادگی جسمانی فرد دارد؛ بعد از فعالیت‌ها در ۲ یا ۳ دقیقه اول مصرف اکسیژن به شدت پایین می‌آید اما از این شدت به تدریج کاسته میشود تا به حالت یکنواخت برسد. اگر شخص بعد از فعالیت ورزشی خود، به جای استراحت، کار ساده‌ای مثل راه رفتن یا دویدن آرام (سرد کردن) را انجام دهد اسیدلاکتیک موجود در بدن زودتر از بین می‌رود (در این مورد در فصل علم تمرین به طور کامل توضیح داده شده‌است)
فیزیولوژی دستگاه گردش خون
دستگاه گردش خون از رگها و قلب تشکیل شده که خون تیره و روشن در آنها جریان دارد. قلب به صورت تلمبه‌ای قوی خون روشن را از راه سرخرگ آئورت و سرخرگ ششی به بدن می‌فرستد و از طرفی سیاهرگهای اجوف فوقانی و تحتانی خون تیره را از بدن به قلب بر می‌گردانند. به استثنای سیاهرگ ششی که خون روشن و تیره را از ششها به قلب بر می‌گرداند. یاخته‌های بدن پیوسته در حال فعالیت اند و برای ادامه حیات و فعالیت خود موادی را می‌سوزانند و مواد دیگری را دفع میکنند دستگاه گردش خون عهده دار رساندن مواد سوختنی به سلولها و خارج کردن مواد زائد است. قلب از چهار حفره تشکیل شده‌است. دو حفره در طرف راست و دو حفره در طرف چپ. دو حفره بالایی را دهلیز و دو حفره پایینی را بطن می‌گویند. بطن باعث به حرکت درآمدن خون در بدن میشود و اگر بطن از انقباض بیفتد خون از گردش خواهد ایستاد. شکل قلب شبیه مخروطی است که قاعده آن در بالا و نوک آن در پایین در انتهای بطن‌ها است. در موقع ضربان دو دهلیز با هم منقبض می‌شوند و بعد از مدت نسبتاً کوتاهی دو بطن منقبض می‌شوند بعد از این انقباض توقف بیشتر و طولانی تری وجود دارد که به منزلة استراحت قلب است. مدت انقباض بطن‌ها در افراد بالغ ۳/۰ ثانیه و مدت انبساط آنها ۵/۰ ثانیه طول می‌کشد روی هم رفته یک دوره کامل قلبی ۸/۰ ثانیه طول می‌کشد بنابراین در هر دقیقه تقریباً ۷۰ دورة قلبی صورت می‌گیرد و این رقم را تعداد ضربان قلب گویند. همانطور که می‌دانید در حدود 8 درصد وزن بدن را خون تشکیل می‌دهد یعنی یک شخص معمولی با وزن در حدود۷۰ کیلوگرم دارای ۵ تا ۶ لیتر خون است قسمت اعظم خون را گلبولهای قرمز تشکیل می‌دهند. کمبود اکسیژن معمولاً موجب افزایش گلبولهای قرمز خون میشود به همین دلیل است که در ارتفاعات زیاد ورزشکاران استقامتی قادر نیستند رکوردهای جهانی از خود به جا بگذارند چون در مکان‌های مرتفع فشار نسبی اکسیژن در هوای تنفسی کم است و شخص ورزشکار قادر نیست به راحتی اکسیژن مورد نیاز را در هنگام ورزش از هوا کسب کند لذا این امر در کارایی او اثر نامطلوب می‌گذارد.
فیزیولوژی دستگاه تنفسی
طبق تعاریف کتاب‌های فیزیولوژی، تنفس عبارت است از جذب اکسیژن و دفع انیدریدکربنیک به وسیله سلول زنده، خواه این سلول حیوانی باشد، خواه نباتی.
عمل تنفس طی ۲ مرحله متمایز انجام میشود: تنفس خارجی: که عبارت است از حرکت هوا به داخل ریه‌ها، انتقال اکسیژن از ریه‌ها به خون و انتقال انیدریدکربنیک از خون به ریه‌ها. تنفس سلولی یا داخلی: که شامل جذب اکسیژن و تولید انیدریدکربنیک توسط سلولها میشود. انقباض حجاب حاجز یا دیافراگم و پایین آمدن در محوطه شکم باعث بزرگ شدن قفسه سینه از بالا به پایین میشود. هم‌زمان با این عمل ماهیچه‌ها شکم بتدریج شل میشود و با انقباض ماهیچه‌ها بین دنده‌ای، دنده‌ها به بالا کشیده میشود و استخوان جناغ را به جلو می‌راند این عمل قفسه سینه را از جلو به عقب می‌برد و از طرفین بزرگ میکند؛ با بزرگ شدن حجم قفسه سینه فشار موجود در ریه‌ها از فشار جو کاهش می‌یابد و باعث حرکت هوا به داخل ریه‌ها می‌شوند این عمل آنقدر ادامه پیدا میکند تا فشار هوا در ریه‌ها با فشار جو برابر گردد. کلیه اعمال بالا را دم گویند. اما عمل بازدم در حالت استراحت نتیجه شل شدن ماهیچه‌ها دمی و بازگشت ریه‌ها به حالت قبل صورت می‌گیرد با بالا رفتن ماهیچه دیافراگم و بازگشت حجم قفسه سینه به حالت استراحت، فشار هوا در ریه‌ها از جو بیشتر میشود و آن قدر هوا از ریه‌ها خارج میشود تا فشار ریه‌ها دوباره با فشار جو برابر گردد،عمل بازدم در حالت ورزش کاملاً تغییر کرده واز یک حرکت پاسیو(غیر فعال) به یک حرکت اکتیو(فعال)تبدیل می شود.
حجم جاری و تهویه ریوی
حجم هوایی که با هر بار حرکت به داخل ریه‌ها جریان می‌یابد را حجم جاری می‌نامند و مقدار آن بین ۴۰۰ تا ۵۰۰ میلی لیتر است و تهویه ریوی عبارت است از حجم جاری ضرب در تعداد حرکات تنفسی در دقیقه که معمولاً بین ۱۰ تا ۲۰ بار در حالت استراحت است. در هنگام ورزش تعداد حرکات تنفسی افزایش پیدا میکند و عمیق تر میشود تا جایی که در فعالیتهای شدید ورزشی ماهیچه‌ها دمی و بازدمی فعال می‌شوند و تهویه ریوی تا حدود ۱۰۰ لیتر در دقیقه افزایش می‌یابد. حداکثر تهویه ریوی ممکن است به ۱۵۰ لیتر در دقیقه هم برسد ولی افزایش تهویه ریوی اگر از ۱۰۰ لیتر در دقیقه بیشتر شود به افزایش جذب اکسیژن کمکی نمی‌کند زیرا به نظر می‌رسد که انتقال اکسیژن بیش از این مقدار به بافتها، توسط ماهیچه‌ها قلب و ماهیچه‌ها تنفس محدود میشود.
ورزش حرفه‌ای
ورزش حرفه‌ای به ورزشی گفته میشود که در آن ورزشکاران برای فعالیت خود دستمزد دریافت میکنند. ورزش حرفه‌ای در نقطه مقابل ورزش آماتور قرار می‌گیرد که در آن ورزشکاران فقط برای علاقه شخصی به ورزش می‌پردازند.
اغلب ورزشهایی که به صورت حرفه‌ای دنبال می‌شوند، ورزشکاران آماتوری نیز دارند که تعداد آنها بسیار بیشتر از همتایان حرفه‌ای خود است. طرفداران ورزش آماتور معمولاً ورزش حرفه‌ای را در تضاد با اصول اخلاقی ورزش می‌دانند و معتقدند رقابت‌های ورزشی نباید وسیله امرار معاش باشد. این گروه در برخی رشته‌های ورزشی تا مدتها توانستند در مقابل جاذبه‌های مالی و تبلیغاتی ورزش حرفه‌ای مقاومت کنند. برای مثال اتحاد راگبی برای سال‌ها یک ورزش نیمه‌وقت مخصوص آماتورها باقی‌مانده بود.
ورزشکارانی که در سطح اول ورزش حرفه‌ای فعالیت میکنند درآمدهای بسیار بالایی را دریافت میکنند. تایگر وودز بازیکن گلف اهل آمریکا پردرآمدترین ورزشکار دنیاست و بر اساس گزارش سال ۲۰۰۹ نشریه فوربز مجموع جوایز و دستمزدهایی که وی از فعالیتهای ورزشی خود دریافت کرده از یک میلیارد دلار فراتر رفته‌است. مایکل جردن بازیکن بسکتبال آمریکایی با ۸۰۰ میلیون دلار و میشاییل شوماخر راننده فرمول یک آلمانی با حدود ۷۰۰ میلیون دلار درآمد از ورزش در رتبه‌های بعدی قرار می‌گیرند.
ده بازیکن برتر تنیس دنیا به طور میانگین سالانه ۳ میلیون دلار دریافت میکنند و میانگین درآمد بازیکنان لیگ برتر بیسبال آمریکا ۳ میلیون و ۴۴۰ هزار دلار بوده‌است. در فصل ۱۱-۲۰۱۰ میانگین دستمزد بازیکنان لیگ برتر فوتبال انگلستان ۷ میلیون پوند، بازیکنان سری آ فوتبال ایتالیا ۵ میلیون یورو و بازیکنان بوندسلیگا ۳.۳ میلیون یورو بوده‌است.
فیزیولوژی ورزشی به ۴ بخش فراگیر تقسیم میشود: آمادگی جسمانی، فیزیولوژی ماهیچه‌ها، فیزیولوژی گردش خون،
فیزیولوژی تنفس
بدن انسان برای اینکه بتواند نقش خود را به طور مؤثر در زندگی ایفا کند باید از آمادگی جسمانی خوبی برخوردار باشد یعنی به طور مداوم انرژی لازم را در اختیار داشته باشد تا بتواند وظایف خود را به نحو احسن انجام دهد. وقتی سخن از آمادگی جسمانی به میان می‌آید مقصود از آن داشتن چنان قلب، رگ‌های خونی و ششها و ماهیچه‌هایی است که بتوانند وظایف خود را به خوبی انجام دهند و با شور و نشاط تمام در فعالیت‌ها و تفریحات سالمی شرکت کنند که افراد عادی و غیر فعال از انجام آنها ناتوانند. عوامل متعددی در آمادگی جسمانی مؤثر است اما چهار عامل بیش از عوامل دیگر در این میان ایفای نقش میکنند این عوامل عبارت‌اند از (نیروی ماهیچه، استقامت ماهیچه، انعطاف ماهیچه و استقامت قلبی ریوی) می باشد.
نیروی ماهیچه
همانطور که می‌دانید حدود ۴۰ درصد وزن بدن را ماهیچه تشکیل می‌دهد این ماهیچه‌ها در خود تولید انرژی میکنند که این نیرو، نیروی ماهیچه نامیده میشود که البته قابل اندازه‌گیری نیز هست. مهم‌ترین عامل شناخته شده در آمادگی جسمانی استعداد و توانایی ماهیچه‌ها در وارد کردن نیرو یا مقاومت در برابر آن است. تمرینات قدرتی از عواملی است که سبب حجیم شدن تارهای ماهیچه‌ای میشود و توانایی فرد را در تولید نیروی بیشتر افزایش می‌دهد، این افزایش می‌تواند به دلایل عصبی (فراخوانی تارهای بیشتر و تحریک واحدهای عصبی-ماهیچه‌ای بزرگتر)باشد یا به دلیلی مثل افزایش رها سازی یون کلسیم یا افزایش تماس تارهای اکتین و می‌وزین. قدرت ماهیچه اهمیت بسیاری در ورزشهای مختلف و البته فعالیتهای روزانه دارد بسیاری از مردان و حتی زنان از ماهیچه‌ها بازو و سرشانه ضعیفی برخوردار هستند که باعث ضعف در فعالیتهای ورزشی و روزانه و ایجاد درد و بیماری در سنین بالا میشود..
استقامت ماهیچه
ماهیچه‌ها در خود انرژی ذخیره میکنند. این عمل به ماهیچه‌ها امکان می‌دهد که مدت زیادی به فعالیت خود ادامه دهند. این عمل ماهیچه‌ها را استقامت ماهیچه‌ای گویند. استقامت ماهیچه‌ای عبارت است از ظرفیت یک ماهیچه یا گروهی از ماهیچه‌ها برای انقباض مداوم. معمولاً استقامت ماهیچه را با قدرت ماهیچه‌ای اشتباه می‌گیرند ولی باید توجه کرد که معمولاً استقامت ماهیچه‌ای عبارت است از توانایی در کاربرد قدرت و نگهداری این توانایی برای مدت نسبتاً طولانی. برای مثال در فعالیتهایی چون: برف پارو کردن، چمن زدن، نظافت و یا حرکات ورزشی چون دراز و نشست، بالا کشیدن بدن در حالت بارفیکس و... استقامت ماهیچه‌ای نقش اساسی دارد که میشود با تمرینات منظم ورزشی آن را افزایش داد.
انعطاف ماهیچه
توانایی در کاربرد ماهیچه‌ها در وسیعترین دامنه حرکت آنها به دور مفصلها را انعطاف پذیری گویند. این عامل در آمادگی جسمانی از اهمیت ویژه‌ای برخوردار است. با تمرینات ورزشی میزان توانایی مفاصل بدن در خم شدن و چرخیدن بیشتر میشود و در نتیجه کارایی ماهیچه‌ها بهبود می‌یابد اگر مفاصل از انعطاف کمی برخوردار باشند محدودیت حرکتی برای بدن ایجاد میشود. انعطاف پذیری در فعالیتهای روزانه چون باغبانی، خانه داری، فعالیتهای ورزشی که احتیاج به نرمی و انعطاف پذیری دارند مؤثر است. که البته این نقش در فعالیتهای ورزشی چون ژیمناستیک، دو و میدانی و... پر رنگ تر میشود.
استقامت قلبی و ریوی
بسیاری از دانشمندان و صاحب نظران ورزشی عقیده دارند که عامل استقامت قلبی ریوی در آمادگی جسمانی بیش از عوامل دیگر اهمیت دارد و بعضی دیگر دقیقاً بر عکس این نظریه مهر تأیید زدند. اما تجربه نشان داده‌است که استقامت قلبی ریوی از عوامل اساسی آمادگی جسمانی است و با تمرینات استقامتی شدید و سنگین میتوان آن را ارتقاء بخشید.
فیزیولوژی ماهیچه
ماهیچه‌ها دستگاهی هستند که مواد غذایی را از صورت شیمیایی به صورت انرژی مکانیکی یا کار تبدیل میکنند. می‌دانیم که حرکات بدن از انقباض ماهیچه‌ها حاصل
در بخش ماهیچه‌ها مخطط ۲ مطلب را بررسی می‌کنیم: ۱- انقباض ماهیچه، ۲- منابع انرژی ماهیچه.
انقباض ماهیچه: اگر طول ماهیچه به هنگام انقباض تغییر نکند این انقباض را (هم طول) می‌گویند. در این نوع انقباض جسم مقاوم جابه جا نمی‌شود تمام انرژی حاصل از انقباض به حرارت تبدیل میشود. ولی اگر انقباض ماهیچه به کوتاه شدن آن منجر شود آن انقباض را (هم تنش) می‌گویند که باعث میشود جسمی که در برابر ماهیچه قرار می‌گیرد جابه جا شود. سرعت انقباض ماهیچه با مقدار وزنه‌ای که در مقابل آن قرار می‌گیرد رابطه عکس دارد. اگر هیچ نیرویی در برابر ماهیچه قرار نگیرد ماهیچه سریعاً منقبض میشود ولی اگر به تدریج نیروی مخالف افزایش می‌یابد از سرعت انقباض کاسته میشود. تا اینکه اگر میزان نیروی مخالف برابر با نیروی ماهیچه شود سرعت کوتاه شدن یا انقباض به صفر خواهد رسید.
منابع تامین انرژی
ماهیچه برای آنکه به حالت انقباض درآید احتیاج به انرژی دارد. منبع اصلی انرژی ماهیچه آدنوزین تری فسفات است که به مقدار کمی در ماهیچه وجود دارد ولی به مقدار زیادی انرژی آزاد میکند. کراتین فسفات منبع انرژی دیگری است که در سلولهای ماهیچه‌ای ذخیره میشود. اگر مقدار آدنوزین تری فسفات در سلول بیش از اندازه لازم باشد انرژی اضافی صرف تولیدکراتین فسفات میشود و در نتیجه مقدار بیشتری از انرژی ذخیره خواهد شد. به مجرد ذخیره آدنوزین تری فسفات در ماهیچه کراتین فسفات موجود به سرعت و سهولت به آدنوزین تری فسفات تبدیل میشود و در نتیجه کراتین فسفات باعث ثابت ماندن مقدار آدنوزین تری فسفات ماهیچه میشود. انرژی حاصل از کراتین فسفات و آدنوزین تری فسفات برای مدت کوتاهی انرژی لازم را تأمین میکنند پس در فعالیتهای شدید بدنی که بیش از چند دقیقه طول می‌کشد باید منبع دیگری از انرژی وجود داشته باشد. این انرژی از تجزیه گلیگوژن حاصل میشود و چون این واکنش در مجاورت اکسیژن قرار می‌گیرد آن را هوازی یا (با اکسیژن) می‌گویند. اگر اکسیژن به اندازه کافی برای این واکنش‌های شیمیایی وجود نداشته باشد در ماهیچه اسیدلاکتیک تولید میشود. قسمت اعظم این اسیدلاکتیک مجدداً به گلوکز و گلیگوژن تبدیل میشود و مقداری از آن در ماهیچه بر جای می‌ماند. در ورزشهای سخت و طولانی و مخصوصاً افرادی که از آمادگی جسمانی کمی برخوردارند خستگی ماهیچه‌ها بعد از ورزش مربوط به اسیدلاکتیک باقی‌مانده در ماهیچه‌است، میزان خستگی با مقدار اسیدلاکتیک موجود در ماهیچه رابطه مستقیم دارد.
تولید انرژی در بدن به ۳ طریق انجام می‌گیرد که ۲ طریق آنها برای تولیدآدنوزین تری فسفات نیاز به اکسیژن ندارند (بی هوازی) و در سومین طریقه وجود اکسیژن کاملاً ضروری است که به آن (هوازی) گویند:
سیستم تامین انرژی فسفاژن ATP-Pc
در ورزشهایی چون: پرتاب نیزه، پرتاب دیسک، دو ۱۰۰ متر و شیرجه یا فعالیتهایی که زمان اجرای آن بسیار کم است (حدود ۱۰ ثانیه) و با حداکثر شدت انجام می‌شوند انرژی مورد نیاز را از این سیستم تأمین میکنند. آدنوزین تری فسفات وکراتین فسفات موجود در ماهیچه به صورت ذخیره وجود دارند و به هنگام فعالیت انرژی مورد لزوم را تهیه میکنند. در این سیستم برای تأمین انرژی احتیاجی به حضور اکسیژن نیست (بی هوازی)
سیستم تامین انرژی بی هوازی(اسیدلاکتیک)
در ورزشهایی که زمان اجرای آنها بین ۱ تا ۳ دقیقه طول می‌کشد انرژی مورد نیازشان را از این طریق تأمین میکنند مثل دوهای ۴۰۰ و۸۰۰ متر وکشتی. هنگام اجرای این فعالیت‌ها اکسیژن به قدر کافی در ماهیچه موجود نیست از اینرو گلوکز موجود در ماهیچه به اسیدلاکتیک و آدنوزین تری فسفات تبدیل میشود. در حقیقت در این سیستم گلوکز عامل اصلی تأمین کننده انرژی ماهیچه‌است.
سیستم تامین انرژی هوازی
هر موجود زنده‌ای برای ادامه زندگی و فعالیت احتیاج به اکسیژن دارد. بعد از چند دقیقه که اکسیژن به بدن نرسد، نه آدنوزین تری فسفات در بدن ساخته میشود و نه انرژی وجود دارد و در نتیجه زندگی پایان می‌یابد. در ورزشهایی که بیش از ۳ دقیقه طول می‌کشد ماهیچه‌ها انرژی مورد نیاز را از تجزیه مواد غذایی در مقابل اکسیژن بدست می‌آورند. در دوهای ماراتن، کوهنوردی و... آدنوزین تری فسفات مورد نیاز ماهیچه‌ها از این طریق تأمین می‌گردد. پروتئین‌ها، گلیگوژن و چربیها از جمله مواد غذایی هستند که در این سیستم مورد استفاده قرار می‌گیرد و بیشترین مقدار تولید آدنوزین تری فسفات را نیز دارد.
برگشت به حالت اولیه و وام اکسیژن
همانطور که گفته شد برای اینکه بدن از حالت استراحت به حالت فعالیت درآید واکنش‌های متعددی در ماهیچه صورت می‌گیرد تا انرژی لازم کسب شود. همچنین برگشت بدن از حالت فعالیت به حالت استراحت نیز بسیار مهم است که آن را برگشت به حالت اولیه یا تجدید قوا (Recovery) گویند. ذخیره اکسیژن بدن هنگام فعالیتهای شدید به مصرف سوخت و ساز بدن می‌رسد؛ در نتیجه هنگام استراحت مقدار اکسیژنی که از ذخیره بدن گرفته شده‌است باید دوباره به بدن باز گردد و اسیدلاکتیک جمع شده در ماهیچه‌ها نیز باید از سلولهای ماهیچه‌ای خارج شودکه البته هر دو نیز هوازی هستند. انرژی از دست رفته بدن را وام اکسیژن (Oxygen Debt) گویند. مقدار وام اکسیژن برابر است با مقدار اکسیژن مورد نیاز در هنگام فعالیت؛ اگر نوع فعالیت شخص ملایم، طولانی و یکنواخت باشد بدن می‌تواند انرژی مورد نیاز را از هوا بگیرد و وام اکسیژن به وجود نمی‌آید والی اگر فعالیت شخص شدید باشد به طوری که او مجبور باشد با کمبود انرژی به فعالیت خود ادامه دهد مبتلا به وام اکسیژن میشود. مدت زمانی که طول می‌کشد تا بدن به حالت اول برگردد بستگی به مدت، شدت و آمادگی جسمانی فرد دارد؛ بعد از فعالیت‌ها در ۲ یا ۳ دقیقه اول مصرف اکسیژن به شدت پایین می‌آید اما از این شدت به تدریج کاسته میشود تا به حالت یکنواخت برسد. اگر شخص بعد از فعالیت ورزشی خود، به جای استراحت، کار ساده‌ای مثل راه رفتن یا دویدن آرام (سرد کردن) را انجام دهد اسیدلاکتیک موجود در بدن زودتر از بین می‌رود (در این مورد در فصل علم تمرین به طور کامل توضیح داده شده‌است)
فیزیولوژی دستگاه گردش خون
دستگاه گردش خون از رگها و قلب تشکیل شده که خون تیره و روشن در آنها جریان دارد. قلب به صورت تلمبه‌ای قوی خون روشن را از راه سرخرگ آئورت و سرخرگ ششی به بدن می‌فرستد و از طرفی سیاهرگهای اجوف فوقانی و تحتانی خون تیره را از بدن به قلب بر می‌گردانند. به استثنای سیاهرگ ششی که خون روشن و تیره را از ششها به قلب بر می‌گرداند. یاخته‌های بدن پیوسته در حال فعالیت اند و برای ادامه حیات و فعالیت خود موادی را می‌سوزانند و مواد دیگری را دفع میکنند دستگاه گردش خون عهده دار رساندن مواد سوختنی به سلولها و خارج کردن مواد زائد است. قلب از چهار حفره تشکیل شده‌است. دو حفره در طرف راست و دو حفره در طرف چپ. دو حفره بالایی را دهلیز و دو حفره پایینی را بطن می‌گویند. بطن باعث به حرکت درآمدن خون در بدن میشود و اگر بطن از انقباض بیفتد خون از گردش خواهد ایستاد. شکل قلب شبیه مخروطی است که قاعده آن در بالا و نوک آن در پایین در انتهای بطن‌ها است. در موقع ضربان دو دهلیز با هم منقبض می‌شوند و بعد از مدت نسبتاً کوتاهی دو بطن منقبض می‌شوند بعد از این انقباض توقف بیشتر و طولانی تری وجود دارد که به منزلة استراحت قلب است. مدت انقباض بطن‌ها در افراد بالغ ۳/۰ ثانیه و مدت انبساط آنها ۵/۰ ثانیه طول می‌کشد روی هم رفته یک دوره کامل قلبی ۸/۰ ثانیه طول می‌کشد بنابراین در هر دقیقه تقریباً ۷۰ دورة قلبی صورت می‌گیرد و این رقم را تعداد ضربان قلب گویند. همانطور که می‌دانید در حدود 8 درصد وزن بدن را خون تشکیل می‌دهد یعنی یک شخص معمولی با وزن در حدود۷۰ کیلوگرم دارای ۵ تا ۶ لیتر خون است قسمت اعظم خون را گلبولهای قرمز تشکیل می‌دهند. کمبود اکسیژن معمولاً موجب افزایش گلبولهای قرمز خون میشود به همین دلیل است که در ارتفاعات زیاد ورزشکاران استقامتی قادر نیستند رکوردهای جهانی از خود به جا بگذارند چون در مکان‌های مرتفع فشار نسبی اکسیژن در هوای تنفسی کم است و شخص ورزشکار قادر نیست به راحتی اکسیژن مورد نیاز را در هنگام ورزش از هوا کسب کند لذا این امر در کارایی او اثر نامطلوب می‌گذارد.
فیزیولوژی دستگاه تنفسی
طبق تعاریف کتاب‌های فیزیولوژی، تنفس عبارت است از جذب اکسیژن و دفع انیدریدکربنیک به وسیله سلول زنده، خواه این سلول حیوانی باشد، خواه نباتی.
عمل تنفس طی ۲ مرحله متمایز انجام میشود: تنفس خارجی: که عبارت است از حرکت هوا به داخل ریه‌ها، انتقال اکسیژن از ریه‌ها به خون و انتقال انیدریدکربنیک از خون به ریه‌ها. تنفس سلولی یا داخلی: که شامل جذب اکسیژن و تولید انیدریدکربنیک توسط سلولها میشود. انقباض حجاب حاجز یا دیافراگم و پایین آمدن در محوطه شکم باعث بزرگ شدن قفسه سینه از بالا به پایین میشود. هم‌زمان با این عمل ماهیچه‌ها شکم بتدریج شل میشود و با انقباض ماهیچه‌ها بین دنده‌ای، دنده‌ها به بالا کشیده میشود و استخوان جناغ را به جلو می‌راند این عمل قفسه سینه را از جلو به عقب می‌برد و از طرفین بزرگ میکند؛ با بزرگ شدن حجم قفسه سینه فشار موجود در ریه‌ها از فشار جو کاهش می‌یابد و باعث حرکت هوا به داخل ریه‌ها می‌شوند این عمل آنقدر ادامه پیدا میکند تا فشار هوا در ریه‌ها با فشار جو برابر گردد. کلیه اعمال بالا را دم گویند. اما عمل بازدم در حالت استراحت نتیجه شل شدن ماهیچه‌ها دمی و بازگشت ریه‌ها به حالت قبل صورت می‌گیرد با بالا رفتن ماهیچه دیافراگم و بازگشت حجم قفسه سینه به حالت استراحت، فشار هوا در ریه‌ها از جو بیشتر میشود و آن قدر هوا از ریه‌ها خارج میشود تا فشار ریه‌ها دوباره با فشار جو برابر گردد،عمل بازدم در حالت ورزش کاملاً تغییر کرده واز یک حرکت پاسیو(غیر فعال) به یک حرکت اکتیو(فعال)تبدیل می شود.
حجم جاری و تهویه ریوی
حجم هوایی که با هر بار حرکت به داخل ریه‌ها جریان می‌یابد را حجم جاری می‌نامند و مقدار آن بین ۴۰۰ تا ۵۰۰ میلی لیتر است و تهویه ریوی عبارت است از حجم جاری ضرب در تعداد حرکات تنفسی در دقیقه که معمولاً بین ۱۰ تا ۲۰ بار در حالت استراحت است. در هنگام ورزش تعداد حرکات تنفسی افزایش پیدا میکند و عمیق تر میشود تا جایی که در فعالیتهای شدید ورزشی ماهیچه‌ها دمی و بازدمی فعال می‌شوند و تهویه ریوی تا حدود ۱۰۰ لیتر در دقیقه افزایش می‌یابد. حداکثر تهویه ریوی ممکن است به ۱۵۰ لیتر در دقیقه هم برسد ولی افزایش تهویه ریوی اگر از ۱۰۰ لیتر در دقیقه بیشتر شود به افزایش جذب اکسیژن کمکی نمی‌کند زیرا به نظر می‌رسد که انتقال اکسیژن بیش از این مقدار به بافتها، توسط ماهیچه‌ها قلب و ماهیچه‌ها تنفس محدود میشود.
ورزش حرفه‌ای
ورزش حرفه‌ای به ورزشی گفته میشود که در آن ورزشکاران برای فعالیت خود دستمزد دریافت میکنند. ورزش حرفه‌ای در نقطه مقابل ورزش آماتور قرار می‌گیرد که در آن ورزشکاران فقط برای علاقه شخصی به ورزش می‌پردازند.
اغلب ورزشهایی که به صورت حرفه‌ای دنبال می‌شوند، ورزشکاران آماتوری نیز دارند که تعداد آنها بسیار بیشتر از همتایان حرفه‌ای خود است. طرفداران ورزش آماتور معمولاً ورزش حرفه‌ای را در تضاد با اصول اخلاقی ورزش می‌دانند و معتقدند رقابت‌های ورزشی نباید وسیله امرار معاش باشد. این گروه در برخی رشته‌های ورزشی تا مدتها توانستند در مقابل جاذبه‌های مالی و تبلیغاتی ورزش حرفه‌ای مقاومت کنند. برای مثال اتحاد راگبی برای سال‌ها یک ورزش نیمه‌وقت مخصوص آماتورها باقی‌مانده بود.
ورزشکارانی که در سطح اول ورزش حرفه‌ای فعالیت میکنند درآمدهای بسیار بالایی را دریافت میکنند. تایگر وودز بازیکن گلف اهل آمریکا پردرآمدترین ورزشکار دنیاست و بر اساس گزارش سال ۲۰۰۹ نشریه فوربز مجموع جوایز و دستمزدهایی که وی از فعالیتهای ورزشی خود دریافت کرده از یک میلیارد دلار فراتر رفته‌است. مایکل جردن بازیکن بسکتبال آمریکایی با ۸۰۰ میلیون دلار و میشاییل شوماخر راننده فرمول یک آلمانی با حدود ۷۰۰ میلیون دلار درآمد از ورزش در رتبه‌های بعدی قرار می‌گیرند.
ده بازیکن برتر تنیس دنیا به طور میانگین سالانه ۳ میلیون دلار دریافت میکنند و میانگین درآمد بازیکنان لیگ برتر بیسبال آمریکا ۳ میلیون و ۴۴۰ هزار دلار بوده‌است. در فصل ۱۱-۲۰۱۰ میانگین دستمزد بازیکنان لیگ برتر فوتبال انگلستان ۷ میلیون پوند، بازیکنان سری آ فوتبال ایتالیا ۵ میلیون یورو و بازیکنان بوندسلیگا ۳.۳ میلیون یورو بوده‌است.
ساعت : 5:02 am | نویسنده : admin
|
کلوپ ورزشی |
مطلب قبلی