CrossFit versenyzői statisztikai mutatók
Írta: Radnai Tamás
2022. április 18.
Ismét egy indikátor, ami a crossfit sportunk érését mutatja: kezd megjelenni a törekvés a versenyzők formálisabb statisztikai értékelésére. Más sportokban ennek igen nagy hagyománya van mint tudjuk, de itt nehéz, mivel a funkcionális fitneszversenyek nagy részénél állandóan változó, kötetlen feladatok és tesztek sokaságáról beszélünk. Mindezen belül a pontozási módszerek is eltérhetnek.
Nemrégiben Tyler Watkins, egy amerikai elemző előállt formalizált versenyzői statisztikai mutatókkal. Ő a lelki társam, mert ő volt talán az egyetlen a nemzetközi médiában, aki harcol(t) a teljesítmény arányos pontozásért (bár a javaslata végére bedobott egy csavart, amivel nem tudok egyetérteni: a feladatban a leggyengébb eredményt is belefaktorálta a pontelosztásba).
Tyler a baseball statisztikák mintájára alkotott meg három statisztikai mutatót:
Statisztikai mutatók adott időperiódusban az összes feladat arányában, amiben a versenyző részt vett
Jó Helyezés Átlag: Helyezések száma Top X-ben (Top 5 vagy Top 10)
Teljesítmény Ráta: Konkrét Top 10 helyezések kumulatív pontjai
Pódium Ráta: Konkrét Top 3 helyezések kumulatív pontjai
Jó Helyezés Átlag (Leader Average)
Érdemes nyilvántartani, hogy egy versenyző hány feladatban végez a Top X-ben, arányosítva azzal, hogy mennyi totál feladatban vett részt egy időperiódusban, ami túlmutat(hat) egy vagy több versenyen is. Watkins először Top 10-ben gondolkodott, de később Brian Friend elemzővel konzultálva inkább a Top 5-öt javasolják.
Jó Helyezés Átlag (Leader Average):
Helyezések száma Top X-ben / Totál feladat részvételek száma (adott időperiódusban)
A mutatót hosszabb időperióduson keresztül lehet folyamatosan frissíteni, túlmutatva egy vagy több versenyen, és elég feladatot és versenytársat magába foglalva némileg előre tudja jelezni, hogy az adott sportoló milyen eséllyel fog Top X helyezéseket elérni. Nyilván itt a trükkös, nagyban befolyásoló két faktor az, hogy hány versenyt foglal magába az adott pillanatban a Jó Helyezés Átlag, és hogy az adott sportoló karrierjének melyik szakasza dominál benne (a felfutó és/vagy leszálló ágban lévő eredmények mennyire vannak benne).
Csak a 2021-es Games-re nézve látszik, hogy Justin Medeiros Mr. Konzisztencia volt és emiatt nyert! Csak kétszer végzett a Top 10-en kívül.
Teljesítmény Ráta (Performance Rate)
Itt már a feladatokban elért eredmények pontos minőségét is figyelembe vesszük úgy, hogy minden 1. hely 10 pontot ér, minden 2. kilencet és így tovább. Ezek összegét osztjuk el megint csak a totális feladat számmal, amiben versenyzett a sportoló.
Teljesítmény Ráta (Performance Rate)
(1. x 10) + (2. x 9) + (3. x 8) + (4. x 7) + … (10. x 1) / Totál feladatban való részvételek száma
Itt egy szép, maximálisan 10-es értéket kapunk átlag helyett, ha a versenyző minden feladatban első volt. Ez a statisztikai mutató jobban informál, ha sportolóknak hasonló a Jó Helyezés Átlaga.
Medeiros 13 alkalommal volt Top 10-ben, míg Pat 10x, de érthetjük, hogy ezen belül Justin jobb helyeket ért el (a képeken egyes helyeken a szerző még az eredeti baseball statisztika vagy az alternatív elnevezését írta be):
Pódium Ráta (Podium Rate)
Ez a Teljesítmény Ráta közvetlen rokona. Mivel a CrossFit-ben fontos, hogy ki tud nagyon jó helyeket begyűjteni és ezzel kompenzálni esetleges gyengeséget (pl. Froning is így tudott nyerni), a Pódium Rátában csak a Top 3 helyezésekett vesszük figyelembe.
Pódium Ráta (Podium Rate)
(1. x 10) + (2. x 9) + (3. x 8) / Totál feladatban való részvételek száma
Itt végre azt láthatjuk, hogy Vellner miben erős, hiszen ebben a mutatóban ő volt a legjobb a Games-en! Patrick többször ért el feladat dobogós helyezést, mint Medeiros:
Ebben a másik Excel táblázatban női statisztikák is vannak, illetve több tesztre vonatkoztatva, legalábbis bizonyos versenyzőknél. A férfiaknál kiemelendő egy jó példa arra, amire a cikk elején figyelmeztettem: Khrennikov még soha nem jutott el önhibáján kívül a Games-re, kisebb versenyeken gyűjtötte a helyezéseit, ezért fals az az állás, hogy az első két mutatóban még Vellner-nél is jobb!
