CC BY
102
5. Koryagina, Yu.V. and Aikin, V.A. (2015), "Performance factors in triathlon: an analytical review of foreign literature", Scientific and Sports Bulletin of the Urals and Siberia, No. 3, pp. 7-13.
6. Nemtsev, O.B., Pevneva, M.V., Nemtseva, N.A., Doronin, A.M. and Kucherenko, Yu.O. (2016), "The structure of the competitive result of the young Russian triathletes", Uchenye zapiski universiteta imeni P.F. Lesgafta, No. 8 (138), pp. 158-164.
7. Suhachev, E.A. (2006), Differentiation of training loads in the Olympic triathlon based on the individual values of the anaerobic threshold in the annual training cycle, dissertation, Omsk.
8. Tihov, V.V. (2017), "Features of the macrostructure of a multi-year process training highly qualified athletes specializing in triathlon at the Olympic distance", Uchenye zapiski universiteta imeni P.F. Lesgafta, No. 11 (153), pp. 248-255.
Контактная информация: [email protected]
Статья поступила в редакцию 23.02.2019
УДК 796.332
СТАТИСТИЧЕСКИЙ АНАЛИЗ РЕЗУЛЬТАТОВ ЧЕМПИОНАТА МИРА ПО ФУТБОЛУ «FIFA WORLD CUP 2018» В РОССИИ
Алексей Геннадьевич Поливаев, доцент, Ирина Андреевна Поливаева, ассистент, Тюменский государственный университет, Ишимский педагогический институт им.
П.П. Ершова (филиал) ТюмГУ, Ишим
Аннотация
В исследовании проводится анализ результатов чемпионата мира по футболу 2018 года. Авторами изучены более 30 игровых параметров командной и индивидуальной игры всех финалистов турнира, а также параметры, не относящихся к игровой деятельности команд. Цель исследования: выявить факторы эффективности соревновательной деятельности сборных команд на чемпионате мира по футболу FIFA World Cup 2018. В результате авторами получены данные о том, что значимо влияют на результат такие общеизвестные факторы как количество голов, ударов в створ ворот, процент точных передач. Также выявлено статистически значимая взаимосвязь между результатом команды и пройденной дистанцией за турнир, средней оценкой игроков за матч, рыночной стоимостью игроков. Победитель турнира сборная Франции существенно выглядит лучше своих соперников по таким параметрам как невысокий процент владения мячом, преодолеваемая дистанций в матче, количество голов, оценка за матч, рыночная стоимость игроков. Результаты, полученные в исследовании, позволяют строить подготовку и осуществлять отбор игроков с учетом данных показателей на следующий 4-летний цикл подготовки к чемпионату мира 2022 г.
Ключевые слова: чемпионат мира по футболу 2018 г., факторы эффективности, прогноз результатов, тренировочно-соревновательный процесс, комплектование команд, планирование подготовки.
STATISTICAL ANALYSIS OF THE RESULTS OF THE WORLD CUP "FIFA WORLD CUP 2018" IN RUSSIA
Alexey Gennadievich Polivaev, the senior lecturer, Irina Andreevna Polivaeva, the assistant,
P.P. Ershov Ishim Pedagogical Institute, Tyumen State University Branch, Ishim
Annotation
The given research is devoted to the analysis of the results of the Football World Cup in 2018. The authors studied more than 30 game parameters of team and individual game of all the finalists of the World Cup and, also, the parameters that don't belong to team play-based activity. The research objective is to reveal the factors of efficiency of the competitive activity of the national teams during the Football World Cup in 2018. As a result, the authors obtained some data, proving that such well-known factors as the number of goals, the number of shots on goal, the point passes % effect on the result significantly. The authors also revealed a statistically significant relation between the team results and the tournament distance, the average
assessment of the football players during matches, the footballers' value. The winner of the Football World Cup in 2018 - the national team of France, featured prominently among the other teams in such parameters as the ball possession %, the match distance, the number of goals, the account of the match, the footballers' value. The results, received in the research, allow us to prepare footballers and select the players on the basis of these parameters for the following four-year period of training for the Football World Cup in 2022.
Keywords: FIFA World Cup 2018, factors of efficiency, forecast of results, training and competitive process, recruitment of teams, planning of training.
ВВЕДЕНИЕ
Чемпионат мира (ЧМ) по футболу проводится раз в 4 года и является самым привлекательным спортивным соревнованием в мире. Поэтому победа в нем является самым престижным результатом в карьере любого игрока, футбольной федерации любого государства и его болельщиков. 0коло200 команд начинают с отборочных игр участие в нем, и только 32 команды попадают в финальную стадию. Большинство из этих команд имеют равную подготовку, однако, в итоге мы получим одного победителя. А вот кто станет победителем предсказать достаточно трудно.
Именно поэтому проблему прогнозирования результатов в крупнейшем мировом футбольном состязании пытаются решить многие ученые, специалисты и практики футбола [1; 3; 5; 7; 11].
Цель исследования: выявить факторы эффективности соревновательной деятельности сборных команд на чемпионате мира по футболу FIFA World Cup 2018.
Нами сделано предположение, что изучение игровых и неигровых параметров всех команд-финалистов турнира, регрессионный и дисперсионный анализ этих данных позволят получить достоверные данные о наличие параметров, определяющих победу в таком крупном соревновании как FIFA World Cup, на примере чемпионата мира в России 2018.
Методы исследования: анализ литературы, статистических данных матчей ЧМ по футболу 2018; педагогическое наблюдение за матчами ЧМ (на основе видеозаписей и он-лайн-трансляций); хронометрирование матчей ЧМ; математико-статистические методы обработки результатов наблюдений (корреляционный анализ по методу Спирмена, определение достоверности различий коэффициента корреляции по t-критерию Стьюдента).
ОРГАНИЗАЦИЯ ИССЛЕДОВАНИЯ
Исследование проводилось в течение июня-августа 2018 года. Нами были проанализированы все 64 матча чемпионата мира на основе наблюдений видеозаписей трансляций игр и протоколирование параметров, а также просмотра видео обзоров и статистических обзоров матчей на официальных ресурсах чемпионата мира и сайте ФИФА. В качестве изучаемых и анализируемых параметров нами были выбраны: количество матчей, забитые мячи, пропущенные мячи, голы с пенальти, автоголы соперника, голы с игры, голы со стандартов, удары, удары в створ, удары мимо ворот, заблокированные удары, желтые карточки, красные карточки, за 2 желтые, прямые красные карточки, фолы, фолы на игроке, фолы, приведшие к пенальти, оценка за матч, средняя посещаемость игр, процент владения мячом, точность ударов, реализация ударов, штрафные удары, угловые удары, офсайды, фолы в среднем за игру, пройденная дистанция за матч, количество передач, а также достаточно формальный показатель - рыночная стоимость игроков команды.
Затем нами применен математико-статистический аппарат исследования с целью выявления взаимосвязей и влияния отдельных параметров на результат в соревнованиях. Сначала нами применялся расчет коэффициента ранговой корреляции Спирмена по фор-
6 -Ed2
муле: r = 1--2- где X - знак суммирования; d - разность между рангами рассматри-
n - (n -1) у
ваемых признаков; n - общее число наблюдений (парных). Определение достоверности полученного значения коэффициента корреляции осуществлялось с помощью t-критерия
\г\Ып-2 Vi-г2
лируемых пар.
Стьюдента по формуле: tpac4 = Г—-, r - коэффициент корреляции; n - количество корре-
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИИ И ИХ ИНТЕРПРЕТАЦИЯ
Многие исследователи, тренеры-практики и журналисты находятся в поиске механизмов прогнозирования и определения победителей различных крупных турниров по спортивным играм, а особенно в таком всемирно популярном виде спорта как футбол [1; 3; 5; 7; 11]. Чемпионат мира по футболу является одним из самых зрелищных турниров, а поэтому привлекает к себе особое внимание различных категорий людей от великих ученых до простых обывателей и зрителей.
Однако, несмотря на применение современных информационных и компьютерных технологий, возможностей искусственного интеллекта [2-3; 5; 11-12], либо изучая исторические аспекты проведения данных чемпионатов [1; 4; 7; 10], предсказать победителя достаточно сложно, т.к. на результат отдельного матча могут повлиять психологическое состояние отдельных игроков, погода, желтые и красные карточки в самой игры и другие факторы [1], которые заранее предсказать невозможно.
Проведенный нами анализ последних источников о результатах более ранних кубков мира, а также о прогнозировании результатов последнего чемпионата мира FIFA 2018 в России, позволил нам установить, что большинство авторов склоняются к одному и тому же мнению, что прогнозировать победителя достаточно сложно. Хотя справедливости ради нужно отметить, что Н.А. Воронов [1], в целом успешно провел такой анализ и предсказал попадание сборной Франции в финал Чемпионата мира-2018.
Мы считаем, что одним из направлений в прогнозировании результатов становится достаточно точный статистический анализ отдельных игровых показателей игр, которые определяют тенденции в современном футболе, а в дальнейшем - учет данных показателей в построении стратегии игры и системы подготовки к последующим чемпионатам. Для этого нами были проанализированы около 40 показателей соревновательной и внесоревно-вательной деятельности прошедшего чемпионата мира по футболу в России FIFA World Cup 2018 (таблица 1).
Некоторые показатели непосредственно характеризуют соревновательную деятельность, а некоторые являются производными от них (оценка за матч, рыночная стоимость игроков команды).
Корреляционный анализ проводился между изучаемыми параметрами и рангом места, занятого командами в Кубке мира 2018. Затем полученный коэффициент корреляции проверялся на достоверность по t-критерию Стьюдента.
Нами обнаружена сильная положительная (несмотря на знак «минус», т.к. чем выше место, тем ниже его ранг) достоверная (на уровне p<0,01) взаимосвязь между местом, занятым в соревнованиях, и такими показателями, как (таблица 1):
- забитые мячи, в том числе с игры и со стандартных положений;
- удары, в том числе в створ и мимо ворот, точность и реализация ударов;
- заблокированные удары;
- фолы на игроках команды;
- пройденная дистанция за турнир;
- количество передач и удачных передач;
- средняя оценка игроков за матч;
- рыночная стоимость игроков.
При этом стоит отметить, что не обнаружена взаимосвязь между занятым местом и процентом владения мячом командами, а также между занятым местом и рейтингом ФИФА команды на начало чемпионата мира. Анализ полученных данных свидетельствует о том, что в целом полученные результаты соотносятся с данными других исследований [2; 4; 5;
11]. Авторы указывают в источниках на то, что эффективность соревновательной деятельности определяют фактически те же показатели: удары, забитые мячи, процент точных передач, процент владения мячом. Разница лишь в том, что в условиях чемпионата мира процент владения мячом статистически не влияет на результат в матче.
Таблица 1 - Статистические показатели сборных команд участниц чемпионата мира по футболу FIFA World Cup 20 18 в России ...........
номер по порядку КОМАНДА занятое место ранг занятого места количество игр | Всего забито мячей | голы игроков ко- | пропущено голов | голы с пенальти | автоголы соперника | голы с игры | голы со стандартов| удары удары в створ удары мимо ворот заблокированные удары желтые карточки красные карточки за 2 желтые прямые красные карточки фолы фолы на игроке фолы, приведшие к пенальти оценка за матч
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
1 Франция 1 1,0 7 14 12 6 3 2 9 3 83 30 36 17 12 0 0 93 103 1 7,16
2 Хорватия 2 2,0 7 14 13 9 1 1 12 1 115 29 58 28 15 0 0 114 105 2 6,92
3 Бельгия 3 3,0 7 16 15 6 1 1 14 1 106 40 40 26 11 0 0 99 75 0 7,10
4 Англия 4 4,0 7 12 12 8 3 0 8 4 96 25 43 28 8 0 0 72 100 1 6,84
5 Россия 5-8 6,5 5 11 10 7 1 1 8 2 46 19 16 11 6 1 0 95 56 1 6,99
6 Бразилия 5-8 6,5 5 8 8 3 0 0 8 0 103 38 35 30 7 0 0 50 73 0 7,02
7 Уругвай 5-8 6,5 5 7 6 3 0 1 5 1 61 22 26 13 3 0 0 63 69 0 6,85
8 Швеция 5-8 6,5 5 6 5 4 2 1 3 2 55 21 22 12 8 0 0 65 64 0 6,88
9 Испания 9-16 12,5 4 7 6 6 0 1 6 0 70 21 28 21 2 0 0 34 59 2 6,80
10 Колумбия 9-16 12,5 4 6 6 3 0 0 5 1 39 12 14 13 9 0 1 63 52 2 6,72
11 Португалия 9-16 12,5 4 6 6 6 1 0 4 2 52 14 20 18 7 0 0 55 59 1 6,80
12 Япония 9-16 12,5 4 6 6 7 1 0 5 1 42 16 15 11 5 0 0 37 48 0 6,71
13 Аргентина 9-16 12,5 4 6 6 9 0 0 6 0 53 18 16 19 11 0 0 55 75 2 6,39
14 Швейцария 9-16 12,5 4 5 5 5 0 0 5 0 56 14 22 20 9 0 1 53 53 1 6,87
15 Дания 9-16 12,5 4 3 3 2 0 0 3 0 40 12 22 6 6 0 0 54 28 3 6,67
16 Мексика 9-16 12,5 4 3 3 6 1 0 2 1 57 13 24 20 9 0 0 54 47 1 6,68
17 Тунис 17-24 20,5 3 5 5 8 1 0 4 1 36 13 13 10 4 0 0 46 35 1 6,68
18 Сенегал 17-24 20,5 3 4 3 4 0 1 3 0 30 12 13 5 6 0 0 44 30 0 6,65
19 Р. Корея 17-24 20,5 3 3 3 3 0 0 3 0 33 11 9 13 10 0 0 63 33 2 6,50
20 Нигерия 17-24 20,5 3 3 3 4 1 0 2 1 39 9 16 14 4 0 0 45 44 2 6,82
21 И.Р. Иран 17-24 20,5 3 2 1 2 1 1 0 1 21 4 15 2 7 0 0 44 45 1 6,61
22 Перу 17-24 20,5 3 2 2 2 0 0 2 0 32 11 14 7 5 0 0 37 38 0 6,55
23 Сербия 17-24 20,5 3 2 2 4 0 0 1 1 32 7 17 8 9 0 0 45 37 0 6,79
24 Сауд.Аравия 17-24 20,5 3 2 2 7 1 0 1 1 36 10 16 10 1 0 0 30 45 0 6,24
25 Марокко 25-32 28,5 3 2 2 4 0 0 2 0 35 10 18 7 8 0 0 62 36 0 6,60
26 Германия 25-32 28,5 3 2 2 4 0 0 2 0 67 20 24 23 2 1 0 29 39 0 6,62
27 Коста-Рика 25-32 28,5 3 2 1 5 0 1 1 0 28 9 13 6 6 0 0 43 35 0 6,70
28 Исландия 25-32 28,5 3 2 2 5 1 0 1 1 36 12 19 5 3 0 0 35 27 1 6,53
29 Польша 25-32 28,5 3 2 2 5 0 0 2 0 30 8 13 9 3 0 0 31 33 0 6,31
30 Австралия 25-32 28,5 3 2 2 5 2 0 0 2 32 8 14 10 7 0 0 37 30 1 6,50
31 Египет 25-32 28,5 3 2 2 6 1 0 1 1 29 5 17 7 5 0 0 38 21 2 6,30
32 Панама 25-32 28,5 3 2 1 11 0 1 1 0 23 8 13 2 11 0 0 49 48 2 6,46
R 6 00 6 00 2 7 on 9 3, 3 00 6 6 7, 7 9 40 5 40 3 3 - 3 3 00 7 о 6
о о о о ,0- о о ,0- о О О о 0, о о о о о
Р<0,01 (N on эс г- 40 (N 40 С\ ^ in
гл гл о (N 2, гч VJS im т (N о о im ое о VJS
Продолжение таблицы 1 - Статистические показатели сборных команд участниц чемпионата мира по футболу FIFA Wo rld Cup 2018 в России..........
номер по порядку КОМАНДА средняя посещаемость процент владения мячом, % точность ударов, % реализация ударов, % штрафные удары | угловые удары офсайды фолы (в среднем за матч) фолы на игроке (в среднем за матч) пройденная дистанция за турнир пройденная дистанция в среднем за матч пройденная дистанция в среднем за матч (во всех игпах) количество передач количество удачных передач количество передач в среднем за игру количество удачных передач в среднем за процент передач, % рыночная стоимость игроков команды
22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
1 Франция 54367 48,0 53,7 17,1 1 3,00 0,43 13,14 14,7 707 103 101 3058 2493 437 356 82 448
2 Хорватия 51298 57,0 43,1 12,1 4 5,71 1,57 16,00 15,0 824 103 118 3822 3104 546 443 81 218
3 Бельгия 47779 53,0 58,9 16,8 2 5,57 1,14 14,14 10,7 735 104 105 3610 3115 516 445 86 427
4 Англия 49279 54,0 48,4 12,9 2 5,57 2,14 10,00 14,3 821 104 117 3840 3276 549 468 85 397
5 Россия 61349 38,0 56,4 20,0 0 5,20 1,40 19,00 11,2 625 110 125 1814 1287 363 257 71 71
6 Бразилия 47322 59,0 59,1 9,1 2 8,20 1,80 9,80 14,6 516 104 103 2783 2447 557 489 88 423
7 Уругвай 39854 47,0 53,4 12,1 1 3,60 0,40 12,60 13,8 521 104 104 2165 1724 433 345 80 224
8 Швеция 44736 38,0 52,0 12,0 0 3,20 1,20 12,80 12,8 526 104 105 1554 1118 311 224 72 72
9 Испания 49642 74,0 47,7 10,8 0 6,00 1,50 8,50 14,8 449 103 112 3392 3087 848 772 91 452
10 Колумбия 42469 51,0 61,1 16,7 0 3,25 1,75 15,75 13,0 438 100 110 1837 1467 459 367 80 141
11 Португалия 51962 55,0 45,5 13,6 0 6,00 1,00 13,75 14,8 414 98 104 1920 1590 480 398 83 279
12 Япония 39267 54,0 58,3 16,7 1 4,75 1,25 9,25 12,0 418 96 105 2048 1719 512 430 84 43
13 Аргентина 48712 66,0 55,8 14,0 1 6,00 1,50 14,00 18,8 400 101 100 2335 1985 584 496 85 398
14 Швейцария 45909 59,0 47,5 12,5 2 6,50 1,00 13,50 13,3 426 107 107 2111 1791 528 448 85 97
15 Дания 50023 43,0 47,4 7,9 1 4,50 1,25 13,50 7,0 463 109 116 1669 1324 417 331 79 125
16 Мексика 49129 52,0 47,1 5,9 0 5,00 1,67 13,50 11,8 395 99 99 1660 1387 415 347 84 94
17 Тунис 40807 53,0 51,5 15,2 0 3,33 2,00 15,33 11,7 311 104 104 1421 1169 474 390 82 19
18 Сенегал 39577 41,0 50,0 12,5 0 3,00 3,00 15,00 10,0 306 102 102 1002 759 334 253 76 138
19 Р. Корея 42536 37,0 60,9 13,0 0 5,00 0,00 21,00 11,0 320 106 107 951 734 317 245 77 50
20 Нигерия 45503 46,0 34,3 8,6 1 4,67 0,67 15,00 14,7 298 99 99 1172 890 391 297 76 65
21 И.Р. Иран 48984 29,0 26,1 8,7 0 1,67 1,00 14,67 15,0 311 104 104 647 405 216 135 63 23
22 Перу 39121 51,0 45,2 6,5 1 3,00 2,33 12,33 12,7 307 102 102 1340 1086 447 362 81 16
23 Сербия 39596 42,0 34,5 6,9 0 4,00 1,67 15,00 12,3 339 113 113 1168 911 389 304 78 90
24 Сауд.Аравия 52504 58,0 37,5 6,3 0 4,33 1,33 10,00 15,0 307 102 102 1754 1511 585 504 86 11
25 Марокко 58177 48,0 36,4 6,1 1 4,33 0,67 20,67 12,0 319 106 106 1173 920 391 307 78 58
26 Германия 54711 72,0 46,9 4,1 3 8,33 2,33 9,67 13,0 335 112 112 1970 1743 657 581 88 416
27 Коста-Рика 49740 40,0 47,8 8,7 2 3,67 1,67 14,33 11,7 320 106 107 1070 825 357 275 77 31
28 Исландия 42855 33,0 41,9 6,5 1 5,67 0,33 11,67 9,0 314 104 105 826 573 275 191 69 52
29 Польша 43084 51,0 43,5 8,7 0 5,67 1,33 10,33 11,0 316 104 105 1447 1175 482 392 81 181
30 Австралия 42026 52,0 40,9 9,1 0 4,67 1,00 12,67 10,0 330 110 110 1437 1203 479 401 84 30
31 Египет 42769 43,0 30,4 8,7 0 2,00 1,33 12,67 7,0 327 109 109 1229 949 410 316 77 65
32 Панама 41248 37,0 45,5 9,1 0 1,67 2,00 16,33 16,0 291 97 97 1025 837 342 279 82 5
R -0,24 -0,22 -0,53 -0,63 9 (N о -0,21 0,07 0,08 -0,32 -0,86 0,20 -0,23 -0,76 -0,72 -0,25 -0,24 -0,21 -0,54
Р<0,01 (N 40 (N Т) 00 1 оп ■Ч1 г- (N m
т о О гл 40 ил
Как пример, можно рассмотреть действия игроков сборной России, которые по проценту владения мячом занимают 26 место (38%) среди команд на чемпионате мира, но команда заняла первое место по преодолеваемой дистанции игроками в среднем за матч (125 км). Данное тактическое сочетание привело в целом к успешному вступлению сборной России на Кубке мира 2018.
Чемпион мира 2018 г. сборная команда Франции имеет процент владения 48%, что также характеризует игры команды как контратакующую, с переходом на быстрые атаки, с меньшим контролем мяча в поле, что, возможно определило успех команды.
ВЫВОДЫ
Проведенный анализ статистических показателей команд-участниц чемпионата мира по футболу FIFA World Cup 2018 позволяет заключить, что изменились тенденции современного футбола. Если ранее (2006, 2010, 2014 гг.) на чемпионатах мира успеха достигали команды, осуществлявшие длительный контроль мяча (высокий процент владения мячом у сборных Италии, Испании и даже Германии), то сейчас не обнаруживается взаимосвязь между процентом владения мячом и успехом в игре.
Нами обнаружена сильная и средняя достоверная статистическая взаимосвязь между занятым местом на чемпионате мира и такими параметрами как забитые мячи, в том числе с игры и со стандартных положений; удары, в том числе в створ и мимо ворот, точность и реализация ударов; заблокированные удары; фолы на игроках команды; пройденная дистанция за турнир; количество передач и удачных передач; средняя оценка игроков за матч; рыночная стоимость игроков.
ЛИТЕРАТУРА
1. Воронов, Н.А. Прогноз чемпионата мира по футболу в России / Н.А. Воронов // Современный футбол: состояние, проблемы, инновации и перспективы развития : материалы Всероссийской научно-практической конференции с международным участием (29-30 июня 2018 года). - Казань, 2018. - С. 230-234.
2. Ключевые оценки эффективности соревновательной деятельности высококвалифицированных футболистов / С.К. Григорьев, В.В. Лавриченко, А.П. Золотарёв, Р.З. Гакаме, М.Р. Григорьян // Прикладная спортивная наука. - 2017. - № 2 (6). - С. 14-19.
3. Закопайло, В.С. Использование методов искусственного интеллекта в прогнозировании результатов чемпионата мира по футболу в России 2018 года / В.С. Закопайло // Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века : сб. ст. по материалам Третьей всерос. науч.-практ. конф. (г Пермь, 14-18 мая 2018 г.). - Пермь, 2018. - С. 275-278.
4. Корзун, Д.Л. Некоторые показатели итогов финальных турниров Кубков мира по футболу / Д. Л. Корзун, Ю. К. Лукин, М. Я. Андружейчик // Современный футбол: состояние и перспективы. Актуальные вопросы координации подготовки к чемпионату мира по футболу 2018 : материалы Всероссийской научно-практической конференции с международным участием. - Волгоград : Волгоградское научное издательство, 2014. - С. 157-159.
5. Лазарешвили, В.Л., Инфографика лучших футболистов чемпионата мира по футболу 2018 / В.Л. Лазарешвили, Р.З. Гакаме // Вестник спортивной истории. -2018. - 3 (13). -С. 89-99.
6. Сколько стоят команды ЧМ-2018 // Коммерсантъ. - Режим доступа. - https://www.kom-mersant.ru/doc/3468629#id=1 (дата обращения: 07.01.2019).
7. Смирнов, Ю.А. Россия на чемпионате мира по футболу - 2014 / Ю.А. Смирнов, А.В. Соломатин, А.М. Ишназаров // Физическое воспитание и спортивная тренировка. - 2015. - № 1 (11). - С. 23-30.
8. Статистика чемпионата мира по футболу FIFA 2018 в России // URL : https://ru.fifa.com/worldcup/statistics/ (дата обращения: 07.01.2019).
9. Статистика чемпионата мира по футболу 2018 // URL : https://www.championat.com/foot-ball/_worldcup/tournament/1589/statistic/player/bombardir/. (дата обращения: 07.01.2019).
10. Столбиков, Д.Г. Тенденции завершения атакующих действий в современном футболе на сравнительном анализе чемпионатов Европы 2008 и мира 2010 / Д.Г. Столбиков // Ученые записки университета им. П.Ф. Лесгафта. - 2011. - № 12 (82). - С. 175-179.
11. Ясницкий, Л.Н. Возможности получения рекомендаций по улучшению результативности сборных команд, готовящихся к участию в чемпионате Европы по футболу Евро-2016 методом нейросетевого моделирования / Л.Н. Ясницкий, Ю.С. Абрамова, С.Д. Бабушкина // Вестник спортивной науки. - 2015. - № 5. - С. 15-20.
12. Reilly, T. Science and football: a review of applied research in the football codes / T. Reilly, D. Gilbourne // Journal of Sports Sciences. - 2003. - No. 21. - P. 693-705.
13. Distance covered by players and teams in World Cup 2018 - Summary // URL : https://wwwredditxom/r/soccer/comments/8zx672/oc_distance_covered_by_play-ers_and_teams_in_world/(дата обращения: 07.01.2019).
14. Martin, A. Germany covered more distance than 30 other World Cup teams yet still finished last in their group while Japan qualified despite running 48km less // URL : http://www.dai-lymail.co.uk/sport/football/article-5899831/World-Cup-2018-team-running-statistics-list.html (дата обращения: 07.01.2019).
15. FIFA World Cup 2018 Team Stats // URL : https://www.mykhel.com/football/fifa-world-cup-2018-team-stats-l4/ (дата обращения: 07.01.2019).
REFERENCES
1. Voronov, N. A. (2018), "Forecast of the world Cup in Russia", Modern football: state, problems, innovations and prospects of development: materials of the all-Russian scientific-practical conference with international participation (29-30 June 2018), Kazan, pp. 230-234.
2. Grigoriev, S.K., Lavrichenko, V.V., Zolotarev, A.P., Gakami, R.Z., and Grigoryan, M.R. (2017), "Key evaluation of the effectiveness of competitive activity of highly skilled players", Applied sports science, No. 2 (6), pp. 14-19.
3. Zakopailo, V.S. (2018), "The use of artificial intelligence methods in predicting outcomes of football world Cup in Russia in 2018", Artificial intelligence in addressing the pressing social and economic problems of the XXI century: collection of articles on materials of the scientific-practical conference (Perm, May 14-18 2018), Perm, pp. 275-278.
4. Korzun, D. L., Lukin, Y. K., and Andrzejczyk, M. Y. (2014), "Some indicators of the outcome of the final tournaments of world Cups", Modern football: status and prospects. Topical issues of coordination ofpreparation for the world Cup 2018: Materials of the all-Russian scientific-practical conference with international participation, Volgograd, pp. 157-159.
5. Lazarashvili, V.L., and Gakami, R.Z. (2018), "Infographics of the best players of the world Cup 2018", Journal of sports history, 3(13), pp. 89-99.
6. "How much do the 2018 world Cup teams cost?", Commersant, available at: https://www.kom-mersant.ru/doc/3468629#id=1.
7. Smirnov, Y.A., Ishnazarov, A. V. and Solomatin, A.M. (2015), "Russia at the world Cup -2014", Physical education and sports training, No. 1(11), pp. 23-30.
8. Statistics of the 2018 FIFA world Cup in Russia, available at: https://ru.fifa.com/worldcup/sta-
tistics/.
9. Statistics of world Cup 2018, available at: https://www.championat.com/football/_world-cup/tournament/1589/statistic/player/bombardir/.
10. Stolbikov, D.G. (2011), "Tendencies of completion of attacking actions in modern football on the comparative analysis of the European Championships 2008 and the world Cup 2010", Uchenye zapiski universiteta imeni P.F. Lesgafta, No. 12 (82), pp. 175-179.
11. Yasnitsky, L.N., Abramov, Y.S. and Babushkina, S. D. (2015), "Opportunities of getting recommendations for improving the performance of national teams getting ready to participate in the championship of Europe on football Euro 2016 using the method of neural network modeling", Journal of Sports Science, No. 5, pp. 15-20.
12. Reilly, T. and Gilbourne, D. (2003), "Science and football: a review of applied research in the football codes", Journal of Sports Sciences, No.21. pp. 693-705.
13. Distance covered by players and teams in World Cup 2018 - Summary, available at: https://www.reddit.com/r/soccer/comments/8zx672/oc_distance_covered_by_play-ers_and_teams_in_world/.
14. Martin, Finland, Germany covered more than 30 distance World Cup teams yet still finished last in their group while Japan qualified despite running 48km less, available at: http://www.dai-lymail.co.uk/sport/football/article-5899831/World-Cup-2018-team-running-statistics-list.html.
15. FIFA World Cup 2018 Team Stats, available at: https://www.mykhel.com/football/fifa-world-cup-2018-team-stats-l4/.
Контактная информация: [email protected]
Статья поступила в редакцию 20.02.2019
