Advertisement

Zeitreihenanalyse

  • Kerstin WitteEmail author
Chapter

Zusammenfassung

Viele Problemstellungen der Bewegungswissenschaft und der Sportwissenschaft im Allgemeinen basieren auf Daten im Zeitverlauf. Dabei kann es sich um Bewegungsgrößen, aber auch um physiologische (z. B. EEG, EKG und EMG) und psychologische Variablen handeln. Das Kapitel beschäftigt sich mit der Beschreibung von Zeitreihen (Trend, periodische Schwankungen), ihrer Modelbildung und statistischen Analyseverfahren.

Schlüsselwörter

Zeitreihe Kovarianz Periodogramm Autokorrelation Trend Periodische Schwankungen Restkomponente Methode des gleitenden Durchschnitts Methode der kleinsten Quadrate Stochastischer Prozess Stationäre Zeitreihe White-Noise-Prozess Moving-Average-Prozesse MA-Modelle Autoregressive Prozesse AR-Modelle Autoregressive-Moving-Average-Prozesse ARMA-Modell ARIMA-Modell Spektrum Spektraldichte 

Literatur

  1. Altmann, U. (2013). Synchronisation nonverbalen Verhaltens. Weiterentwicklung und Anwendung zeitreihenanalytischer Identifikationsverfahren. Wiesbaden: Springer Fachmedien.CrossRefGoogle Scholar
  2. Banister, E. W., Calvert, T. W., Savage, M. V., & Bach, T. M. (1975). A systems model of training for athletic performance. Australian Journal of Sports Medicine, 7(3), 57–61.Google Scholar
  3. Bourier, G. (2013). Beschreibende Statistik. Praxisorientierte Einführung. Mit Aufgaben und Lösungen (10., aktualisierte Aufl.). Wiesbaden: Springer Fachmedien.Google Scholar
  4. Christ, O. (2009). Sensomotorische Faktoren bei der Entstehung muskulärer Ko-Kontraktionen. Eine experimentelle Untersuchung behavioraler Parameter bei erzeugter sensomotorischer Inkongruenz am PC-Arbeitsplatz. Diss., TU Darmstadt.Google Scholar
  5. Conzelmann, A., Gerlach, E., & Valkanover, S. (2009). Analyse motorischer Entwicklungsverläufe. In J. Baur, K. Bös, A. Conzelmann, & R. Singer (Hrsg.), Handbuch motorische Entwicklung (S. 370–385). Schorndorf: Hofmann-Verlag.Google Scholar
  6. Eckardt, F., & Witte, K. (2017). Horse rider interaction. A new method based on inertial measurement units. Journal of Equine Veterinary Science, 55, 1–8.  https://doi.org/10.1016/j.jevs.2017.02.016.CrossRefGoogle Scholar
  7. Edelmann-Nusser, J., Hohmann, A., & Henneberg, B. (2006). Modellierung von Wettkampfleistungen im Schwimmen bei den Olympischen Spielen 2000 und 2004 mittels Neuronaler Netze. Leistungssport, 36(2), 45–50.Google Scholar
  8. Fahrmeir, L., Heumann, C., Künstler, R., Pigeot, I., & Tutz, G. (2016). Statistik. Der Weg zur Datenanalyse (8., überarbeitete und ergänzte Aufl.). Berlin: Springer-Spektrum.CrossRefGoogle Scholar
  9. Fiesel, R. (2000). Somatotypische und sportmotorische Entwicklungsverläufe von Jungen im Alter von 6 bis 16 Jahren unter Einfluss eines dreijährigen Schwimm- und Wasserballtrainings. Diss., TU Dortmund.Google Scholar
  10. Freiwald, J., Baumgart, C., & Konrad, P. (2007). Einführung in die Elektromyographie: Sport – Prävention – Rehabilitation. Balingen: Spitta-Verlag.Google Scholar
  11. Ganter, N., Witte, K., Edelmann-Nusser, J., Heller, M., Schwab, K., & Witte, H. (2007). Spectral parameters of surface electromyography and performance in swim bench exercises during the training of elite and junior swimmers. European Journal of Sport Science, 7(3), 143–155.CrossRefGoogle Scholar
  12. Haar, B. (2011). Analyse und Prognose von Trainingswirkungen. Multivariate Zeitreihenanalyse mit künstlichen neuronalen Netzen. Diss., Universität Stuttgart.Google Scholar
  13. Heller, M., Edelmann-Nusser, J., Witte, K., & Zech, A. (2005). Muskelphysiologische Leistungsdiagnostik bei Kraftausdauerbelastungen auf der Schwimmbank – Eine Längsschnittstudie. Leistungssport, 35, 24–29.Google Scholar
  14. Heller, M., Witte, K., Edelmann-Nusser, J., Zech, A., & Schack, B. (2006). Einfluss eines Maximal- und Explosivkrafttrainings auf das zeitabhängige Frequenzverhalten von Oberflächenelektromyogrammen. Spectrum der Sportwissenschaften, 18(1), 5–22.Google Scholar
  15. Hohmann, A., Edelmann-Nusser, J., & Henneberg, B. (2000). A nonlinear approach to the analysis and modeling of training and adaptation in swimming. In Application of Biomechanical Study in swimming. Proceedings of XVIII International Symposium on Biomechanics in Sports, Chinese University Press, Hong Kong, 31–38.Google Scholar
  16. Hottenrott, H.-D., Ketelhut, S., Böckelmann, I., & Schmidt, H. (Hrsg.). (2018). Herzfrequenzvariabilität: Methoden und Anwendungen in der Sportwissenschaft, Arbeits- und Intensivmedizin sowie Kardiologie. 7. Internationales HRV-Symposium am 4. März 2017 in Halle (Saale) Hamburg: Czwalina (Schriften der Deutschen Vereinigung für Sportwissenschaft, Bd. 270, S. 180).Google Scholar
  17. Kreiß, J. P., & Neuhaus, G. (2006). Einführung in die Zeitreihenanalyse. Berlin: Springer.Google Scholar
  18. Lames, M. (1996). Zeitreihenanalysen: Anwendungen in der Trainingswissenschaft. In J. Krug (Hrsg.), Zeitreihenanalysen und multiple statistische Verfahren in der Trainingswissenschaft (S. 45–57). Köln: Sport und Buch Strauss.Google Scholar
  19. Perl, J. (2006). Modellierung dynamischer Systeme: Grundlagen und Anwendungen in der Leistungsanalyse. In K. Witte, J. Edelmann-Nusser, A. Sabo, & E. F. Moritz (Hrsg.), Sport Sporttechnologie zwischen Theorie und Praxis IV (S. 29–38). Shaker: Aachen.Google Scholar
  20. Sammito, S., & Böckelmann, I. (2016). Factors influencing heart rate variability. International Journal Cardiovascular Forum, 6, 18–22.  https://doi.org/10.17987/icfj.v6i0.242.CrossRefGoogle Scholar
  21. Schall, A. (2012). Zeitreihenanalyse musiktherapeutischer Effekte bei fortgeschrittener Demenz. Berlin: Logos.Google Scholar
  22. Schlittgen, R. (2012). Angewandte Zeitreihenanalyse mit R. München: Oldenbourg.CrossRefGoogle Scholar
  23. Schlittgen, R., & Streitberg, B. H. (2001). Zeitreihenanalyse. Wien: Oldenbourg.Google Scholar
  24. Witte, K., Edelmann-Nusser, J., & Schack, B. (2001). Auswertung von EMG-Daten mit Verfahren der zeitvarianten Spektralanalyse – dargestellt am Beispiel des Bogenschießens. Spectrum der Sportwissenschaften, 13(2), 27–43.Google Scholar
  25. Zschocke, S., & Hansen, H. C. (Hrsg.). (2012). Klinische Elektroenzephalographie. Berlin: Springer.Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.IInstitut III: Philologie, Philosophie und SportwissenschaftOtto-von-Guericke-Universität MagdeburgMagdeburgDeutschland

Personalised recommendations