Universidade Estadual de Londrina

Universidade

Estadual de Londrina

CENTRO DE EDUCAÇÃO FÍSICA E ESPORTE

CURSO DE BACHARELADO EM EDUCAÇÃO FÍSICA

TRABALHO DE CONCLUSÃO DE CURSO

PREDIÇÃO DO DESEMPENHO E DA DINÂMICA DO

JOGO DE BASQUETEBOL ADULTO MASCULINO,

EM FUNÇÃO DE VARIÁVEIS TÉCNICAS E AÇÕES

TÁTICAS

Emanuel Messias Oliveira de Carvalho

LONDRINA ± PARANÁ

2011

DEDICATÓRIA

A minha mãe, Elena Carvalho, pelo suporte que me deu durante o meu período de graduação....

AGRADECIMENTOS

Ao Prof. Dr. Victor Hugo A. Okazaki pela ajuda e suporte dado na condução deste trabalho.

A minha família pelo apoio durante o meu período de graduação.

Aos amigos de time, especialmente, Alessandro Santos (Coach), Cezar Falavigna (Cezão), Osvaldo (Jota), Leandro Monteiro (Leleco), Leandro Dri (Pira).

As amigas Ana Carolina (Katria) e Giane Moraes (Gi) pela oportunidade que me deram de trabalhar junto com elas.

Aos professores que me deram oportunidades de trabalhar e me aprofundar na área do esporte adaptado, Prof. Dr Rosangela Busto e Tiago Gorgatti.

A Marival Mazzio Junior pela oportunidade de trabalhar durante 3 anos ao seu lado. A todos os atletas que tive a oportunidade de treinar e acompanhar, em especial, os do time de basquete em cadeira de rodas da UEL e a equipe de basquete feminino da cidade de Londrina.

EPÍGRAFE

"Sucesso é o resultado da prática constante de fundamentos e ações vencedoras; não há nada de milagroso no processo, nem sorte envolvida; amadores aspiram, SURILVVLRQDLVWUDEDOKDP´ Bill Russel.

CARVALHO, Emanuel Messias Oliveira de. Predição do desempenho e da

dinâmica do jogo de basquetebol adulto masculino, em função de variáveis técnicas e ações táticas. Trabalho de Conclusão de Curso. Curso de Bacharelado

em Educação Física. Centro de Educação Física e Esporte. Universidade Estadual de Londrina, 2011.

RESUMO

O objetivo deste estudo foi identificar quais as variáveis melhor predizem o desempenho e a dinâmica do jogo no principal campeonato de basquetebol do Brasil. Para tanto foram analisados 182 jogos do NBB. A análise Discriminante foi utilizada para verificar quais as variáveis são capazes de distinguir a vitória da derrota nas diferentes condições de analise. Análise de Cluster foi utilizada para propor uma diferente caracterização das dinâmicas dos jogos. Analise de Regressão Linear Múltipla foi utilizada para identificar quais as variáveis predizem o numero de pontos marcados no jogo. Foi utilizado o software SPSS (v.19.0), com nível de significância estabelecido em P<0,05. As variáveis capazes de diferenciar os vencedores dos perdedores foram os rebotes defensivos, percentual dos arremessos de 2 e 3 pontos e as assistências. A diferenciação entre equipes que perdem e ganham os jogos foi realizada pelas variáveis de (a) percentual dos arremessos de 3 pontos, percentual dos arremessos de lances-livre, rebotes defensivos, assistências e bolas roubadas, para os jogos desequilibrados, e (b) percentual dos arremessos de 2 pontos, percentual dos arremessos de lances-livre, rebotes defensivos e assistências, para os jogos equilibrados. Nenhuma das variáveis analisadas foi capaz de diferenciar as equipes vencedoras das perdedoras nos jogos muito equilibrados. Foi possível realizar uma classificação diferenciada das equipes por meio da análise de cluster. As variáveis analisadas foram capazes de predizer a pontuação nas diferentes condições de análise sendo possível a elaboração de equações de predição da pontuação para as diferentes condições de analise.

Palavras-chave: Indicadores técnicos de basquetebol; ação tática; dinâmica do

CARVALHO, Emanuel Messias Oliveira de. Predição do desempenho e da

dinâmica do jogo de basquetebol adulto masculino, em função de variáveis técnicas e ações táticas. Trabalho de Conclusão de Curso. Curso de Bacharelado

em Educação Física. Centro de Educação Física e Esporte. Universidade Estadual de Londrina, 2011.

ABSTRACT

The aim of this study was to identify which variable could better predict the performance and the game dynamics in the more important basketball championship of Brazil. It were analyzed 182 games of the NBB. Discriminant analysis were performed to verified which variable was able to distingue victory from lose in the different analysis conditions. Cluster analysis was used to propose a different characterization of the game dynamic. Multiple linear regression analysis was performed to identify which variable better predict the number of points scored in the game. SPSS software (v.19) was used, with significance set at P<0,05. The variables that differentiated the winners from the losers were the defensive rebounds, percent of shots from 2 and 3 points, and assistances. The differentiation between teams that lose and win the games was performed by the variables (a) percent of 3 points shots, percent of freethrow, assistances, and stolen balls, for the misbalanced games, and (b) percent of 2 points shots, percent of freethrow shots, defensive rebounds, and assistances, for the balanced games. None of the analyzed variables were able to differentiate the teams that won or lose for the very balanced games. It was possible to perform a particular classification of the teams by the cluster analysis. The analyzed variables were able to predict the points in the different conditions analyzed. Indeed, it was possible to calculate the equations of points predictions for the different conditions of analysis.

Key Words: Technical indicators of basketball; tactical action; game dynamics;

LISTA DE TABELAS

Tabela 1 - Médias e desvios padrão das variáveis estatísticas

analisadas... 18 Tabela 2 - Variáveis selecionadas pela análise discriminante para compor

a função canônica... 19 Tabela 3 - Contribuição de cada variável analisada na função

discriminante... 20 Tabela 4 - Apresenta os valores de media e desvio padrão das variáveis

estatísticas, da categoria jogos desequilibrados... 21 Tabela 5 - Variáveis estatísticas (média e desvio padrão) da categoria dos

jogos equilibrados... 21 Tabela 6 - Variáveis estatísticas (média e desvio padrão) da categoria

jogos muito equilibrados... 22 Tabela 7 - Variáveis selecionadas pela analise para compor a função

canônica na categoria jogos desequilibrados... 23 Tabela 8 - Variáveis selecionadas pela analise para compor a função

canônica na categoria jogos equilibrados... 24 Tabela 9 - Variáveis selecionadas pela analise para compor a função

canônica na categoria jogos muito equilibrados... 25 Tabela 10 - Distribuição dos jogos nas categorias de classificação do

equilíbrio das partidas... 26 Tabela 11 Número de jogos (%) e número de jogos em cada categoria

(Desequilibrados, Equilibrados e Muito Equilibrados) em cada classificação realizada pela análise de

Cluster... ... 26 Tabela 12 Classificação dos times em cada cluster... 27 Tabela 13 Classificação dos times em cada cluster... 28 Tabela 14 Contribuições dos modelos (r e R2_{) para a predição do número}

de pontos e coeficientes estatísticos (F e P) da análise de

regressão linear múltipla utilizando o método de Stepwise... 33 Tabela 15 Variáveis utilizadas para a elaboração do modelo de predição

do número de pontos, coeficientes estatísticos e constantes da

predição do modelo a partir do método de Stepwise... 34 Tabela 16 Contribuições dos modelos (r e R2_{) para a predição do número}

de pontos e coeficientes estatísticos (F e P) da análise de

regressão linear múltipla utilizando o método de Stepwise... 34 Tabela 17 Variáveis utilizadas para a elaboração do modelo de predição

do número de pontos, coeficientes estatísticos e constantes da

predição do modelo a partir do método de Stepwise... 35 Tabela 18 Contribuições dos modelos (r e R2_{) para a predição do número}

de pontos e coeficientes estatísticos (F e P) da análise de

regressão linear múltipla utilizando o método de Stepwise... 36 Tabela 19 Variáveis utilizadas para a elaboração do modelo de predição

do número de pontos, coeficientes estatísticos e constantes da

predição do modelo a partir do método de Stepwise... 37 Tabela 20 Contribuições dos modelos (r e R2_{) para a predição do número}

de pontos e coeficientes estatísticos (F e P) da análise de

regressão linear múltipla utilizando o método de Stepwise... 38 Tabela 21 Variáveis utilizadas para a elaboração do modelo de predição

do número de pontos, coeficientes estatísticos e constantes da predição do modelo a partir do método de Stepwise, para jogos desequilibrados... 39 Tabela 22 Variáveis utilizadas para a elaboração do modelo de predição

do número de pontos, coeficientes estatísticos e constantes da predição do modelo a partir do método de Stepwise, para jogos equilibrados... 40 Tabela 23 Variáveis utilizadas para a elaboração do modelo de predição

do número de pontos, coeficientes estatísticos e constantes da predição do modelo a partir do método de Stepwise, para jogos muito equilibrados... 40

LISTA DE FIGURAS

Figura 1 - Dendograma com as subdivisões (em clusteres) dos jogos

realizados... 30 Figura 2 - Continuação... 31 Figura 3 - Continuação... 32

LISTA DE EQUAÇÕES

Equação 1 - (PB= Arremessos tentados-rebotes ofensivos+ erros-0.4x

lances-livres tentados)... 15 Equação 2 - Número de Pontos = 68,55 + 1,52 * (Assistência) + (-0,70) * (Bolas

Perdidas) +0,45 * (Rebotes Defensivos) + 0,49 * (Faltas Recebidas)... ₃₃

Equação 3 - Número de Pontos = -102,78 + 1,17 * (2 Pts %) + 0,95 * (3 Pts %) +1,09 * (2 Pts Tentados) + 0,93 * (3 Pts Tentados) + 0,73 * (L-LTentados)...

35 Equação 4 - Número de Pontos = 1,63 + 1,20 * (2Pts %) +0,97 * (3Pts %) + 1,29 *

(Rebote Defensivo) + (-1,01) * (Bolas Perdidas) + 0,20 * (L-L %) + (-0,74) * (Violações) + (-0,20) * (3Pts Tentados)...

.

37

Equação 5 - Número de Pontos = (-6,06) + 1,05 * (2Pts %) +0,86 * (3Pts %) + (-1,10) * (Bolas Perdias) + 1,12 * (Rebote Ofensivo) + 0,26 * (L-L %) + (-1,05) * (Violações) + 0,30 * (Rebote Defensivo) + 0,19 * (L-L Tentados)...

40 Equação 6 - Número de Pontos = 3,52 + 1,15 * (2Pts %) +0,89 * (3Pts %) + 1,10 *

(Rebote Ofensivo) + (-1,11) * (Bolas Perdias) + 0,20 * (L-L %) + (-0,75) * (Violações) ...

40

Equação 7 - Número de Pontos = (-16,38) + 1,31 * (2Pts %) +0,10 * (3Pts %) + 1,31 * (Rebote Ofensivo)... ₄₀

RESUMO iv

ABSTRACT v

LISTA DE TABELAS vi

LISTA DE FIGURAS vii

LISTA DE EQUAÇÕES ix 1 INTRODUÇÃO... 01 1.1 Objetivos... 03 1.1.1 Objetivos Gerais... 03 1.1.2 Objetivos Específicos... 03 1.2 Hipóteses... 03 2 REVISÃO DE LITERATURA... 05 2.1 Histórico do Basquetebol... 05 2.2 Basquetebol no Brasil... 06 2.3 Fundamentos do basquetebol... 07

2.4 Análise estatística dos jogos no basquetebol... 08

2.5 Evolução dos métodos de análise dos jogos... 12

3 MÉTODOS... 15

3.1 Caracterização do Estudo... 15

3.3 Procedimentos experimentais... 15

4 RESULTADOS... 18

4.1 Experimento 1... 18

4.1.1 Análise discriminante para distinguir os times vencedores dos perdedores... ₁₈

4.1.2 Análise Discriminante para distinguir os times vencedores dos perdedores em cada categoria dos jogos (desequilibrados, equilibrados e muito equilibrados... ₂₀

4.2 Experimento 2... 26

4.3 Experimento 3... 33

4.3.1 Regressão Múltipla para as variáveis técnicas sem as variáveis de arremesso... ₃₃

4.3.2 Regressão Múltipla para as variáveis técnicas de arremesso... 34

4.3.3 Regressão Múltipla para todas as variáveis analisadas... 36

4.3.4 Regressão Múltipla para todas as variáveis analisadas em função da categoria dos jogos (Desequilibrados, Equilibrados e Muito Equilibrados)... ₃₉

5 DISCUSSÃO... 44

5.1 Experimento 1... 44

5.1.1 Variáveis preditoras da vitória e da derrota nos jogos... 44

5.1.2 Variáveis preditoras da vitória e da derrota nos jogos, em função da dinâmica dos jogos... ₄₆

5.2 Experimento 2... 48

5.3 Experimento 3... 49

5.3.1 Análise de regressão linear entre número de pontos e fundamentos técnicos e ações do jogo, sem considerar as variáveis de arremessos... 49

5.3.2 Análise de regressão linear entre número de pontos e variáveis técnicas

de arremessos... ₅₁

5.3.3 Análise de regressão linear entre número de pontos e fundamentos técnicos e ações do jogo... ₅₂

5.3.4 Análise de regressão linear entre número de pontos e fundamentos técnicos e ações do jogo em função das dinâmicas do jogo... ₅₄

6 CONCLUSÃO... 56 6.1 Experimento 1... 56 6.2 Experimento 2... 56 6.3 Experimento 3... 56 6.4 Conclusão Geral... 57 REFERÊNCIAS 59

O basquetebol é um dos esportes mais praticados no mundo (DAIUTO, 1991). Ele é caracterizado por ser uma modalidade coletiva, dinâmica e complexa (PAES; MONTAGNER; FERREIRA, 2009. p18). Uma vez que exige de seus praticantes a realização de fundamentos técnicos de ações táticas específicas no jogo (OKAZAKI et al., 2004). Os fundamentos técnicos compõem os dribles, passes, arremessos e rebotes (PAES; MONTAGNER; FERREIRA, 2009. p19). As ações táticas podem ser classificadas como defensivas, ofensivas e de transição (FERREIRA; DE ROSE Jr, 2003). Com o esporte se tornando cada vez mais competitivo, reconhecer a importância de cada fundamento técnico e ação tática no jogo se tornou fator essencial para o treinamento de equipes de competição. A análise destes indicadores tem sido realizada por meio de análises estatísticas de scoutes do comportamento dos jogadores e das equipes nos jogos.

As análises estatísticas de jogos possuem três objetivos principais, tais como; (a) planificar e organizar o treino, tornando os seus conteúdos mais objetivos e específicos; (b) regular a aprendizagem, o treino e a competição; e, (c) identificar os indicadores e fatores inerentes ao sucesso no basquetebol (GARGANTA, 1998). Por exemplo, Sampaio (1998) e Ibáñez (2008 e 2009), procuraram identificar quais os indicadores estatísticos são capazes de diferenciar as equipes vencedoras das perdedoras. Estes autores apontam que as estatísticas que diferenciam as equipes são os arremessos de 2 e de 3 pontos certos (convertidos em cesta), lances-livres certos, rebotes defensivos adquiridos, assistências realizadas, roubos de bola e faltas recebidas (SAMPAIO, 1998; SAMPAIO, DRINKWATER, LEITE 2008; IBÁÑEZ et al 2088; IBÁÑEZ et al 2009; LEITE,2003). Estes estudos foram realizados apenas em jogos de campeonatos nacionais adultos nas principais ligas da Europa. Tais análises foram realizadas com os dados normalizados, em função do número de posses de bola, procedimento que evita o viés nos dados em função da dinâmica nos jogos. Como a dinâmica do jogo pode influenciar o diagnóstico realizado pela análise estatística, tal fator também tem sido investigado.

Alguns autores analisaram a dinâmica do jogo no basquetebol (LEITE, 2003 & SAMPAIO 1998). Os jogos foram agrupados em categorias, adotando como critério a diferença final da pontuação. Assim, foram identificadas quais as variáveiscapazes de diferenciar essas categorias em jogos desequilibrados (alta vantagem para uma

das equipes), equilibrados (vantagem pouco marcante para uma das equipes) e muito equilibrados (desempenho muito semelhante entre as equipes). Em jogos desequilibrados, com diferença superior a dez pontos entre as equipes, os arremessos de 3 pontos certos, os arremessos de 2 pontos certos e os rebotes defensivos adquiridos, foram as variáveis que diferenciam os vencedores dos perdedores. Nos jogos equilibrados, em que a diferença final era de seis a dez pontos entre as equipes, os arremessos de dois pontos certos e os rebotes defensivos adquiridos foram os fatores que melhor prediziam a vitória. Por fim, nos jogos muito equilibrados, com diferença igual ou inferior a cinco pontos ao final do jogo entre as equipes, os lances-livres certos e rebotes defensivos adquiridos foram as variáveis que melhor diferenciaram as equipes vencedoras das perdedoras.

Alguns autores (NAVARRO et al., 2009; LORENZO, SAMPAIO, RIBEIRO, 2005) também têm proposto que os últimos 5 minutos do tempo normal ou da prorrogação dos jogos, em que a diferença é de no Máximo 6 pontos, pode ser classificada como um instante crítico do jogo. Tais autores (NAVARRO et al, 2009) apontam os rebotes defensivos e os lances-livres certos como os fatores determinantes para a vitória nestes instantes críticos do jogo. Por conseguinte, a classificação quanto ao equilíbrio do jogo disputado entre as equipes parece também influenciar a dinâmica do comportamento dos indicadores estatísticos do jogo. Todavia, a investigação dos indicadores estatísticos que melhor classificam a dinâmica do jogo não tem sido foco de estudo.

O entendimento da dinâmica de jogo, assim como dos fatores que influenciam na determinação dos pontos do jogo, é um importante fator para a determinação do sucesso nesta modalidade. Todavia, o basquete é uma modalidade complexa, em que todas as ações do jogo interagem mutuamente. Desta forma, a predição da pontuação realizada no jogo não pode ser feita simplesmente pelo número de arremessos realizados. É necessário compreender a importância de outros indicadores do jogo, tal como a relação entre os fundamentos técnicos e ações do jogo. Apesar desta importância, a predição do número de pontos do jogo, por meio de indicadores estatísticos não tem sido foco de estudo.

1.1 Objetivos

1.1.1 Objetivos Gerais

Identificar quais as variáveis melhor predizem o desempenho e a dinâmica do jogo no principal campeonato de basquetebol do Brasil.

1.1.2 Objetivos Específicos

(a) Identificar quais as variáveis melhor diferenciam as equipes vencedoras das perdedoras, em função da classificação dos jogos.

(b) Identificar e classificar as dinâmicas dos jogos a partir das variáveis selecionadas no estudo.

(c) Identificar quais variáveis são capazes de predizer o numero de pontos marcados pelas equipes nos jogos.

1.2. Hipóteses de Pesquisa

H1: As variáveis que vão diferenciar as equipes vencedoras das perdedoras serão os

percentual dos arremessos de 2 pontos ,percentual dos arremessos de lances-livres e rebotes defensivos.

H2: As variáveis que irão diferenciar a classificação dos jogos serão os percentual

dos arremessos de 3 pontos, percentual dos arremessos de 2 pontos, percentual dos arremessos de lances-livres e rebotes defensivos adquiridos.

H3: As variáveis analisadas serão capazes de agrupar em diferentes classificações

as dinâmicas dos jogos, de forma diferenciada à classificação clássica realizada somente pelo escore final da partida.

H4: As variáveis que estarão relacionadas à pontuação, sem as variáveis de

H5: As variáveis que estarão relacionadas à pontuação, com as variáveis de

arremesso, serão percentual dos arremessos de 2 pontos, percentual dos arremessos de 3 pontos, percentual dos arremessos de lances-livres, arremessos de 2 pontos tentados, arremessos de 3 pontos tentados e arremessos de lances-livre tentados.

H6: As variáveis que estarão relacionadas à pontuação, com todas as variáveis,

serão percentual de arremesso de 2 pontos, percentual de arremesso de 3 pontos, rebotes defensivos, bolas perdidas e faltas recebidas.

H7: Cada categoria apresentara um conjunto de variáveis ímpar para a predição do

2 REVISÃO DA LITERATURA 2.1 Histórico do basquetebol

Por causa do rigoroso inverno de Springfield (Massachusetts), a prática de atividades ao ar livre se tornava impossível. As poucas opções de atividades físicas que podiam ser realizadas em ambientes fechados eram as entediantes aulas de ginástica. Percebendo a falta de vontade de seus alunos, o diretor do Sprinfield College, Colegio Interncaional da Associação Crista de Moços(ACM), Luther Hasley Gullick, pediu ao professor James Naismith, de 30 anos, que criasse um jogo para os alunos praticarem durante o inverno (OKAZAKI et al., 2004).

Dr Gullick fez algumas considerações sobre o jogo que deveria ser criado: o jogo não podia ser violento, teria que estimular os seus alunos durante o inverno, e que também pudesse ser praticado no verão em lugares abertos (DAIUTO, 1991). Após algumas reuniões com professores da região Naismith começa a construir o novo jogo.

Se apropriando de partes de jogos já conhecidos Naismith inicia os primeiros testes do novo esporte. Suas primeiras tentativas de reproduzir atividades já conhecidas foram frustrantes, por conta das conseqüências. Após esse período ele fez algumas reflexões sobre os esportes mais populares e passa a fazer adaptações para criar o novo jogo (DAIUTO, 1991).

O rugby era uma atividade muito popular, mas o jogo era muito violento, foi quando ele percebeu que se, obrigasse os jogadores a quicar a bola ao invés de sair correndo com ela, o problema estaria resolvido. Lembrando de um jogo de infância, R ³$IIOHFN´ SDWR QR URFKHGR, ele tem a idéia de colocar uma meta horizontal. Inicialmente ele pensou em um círculo como meta, mais percebeu que os jogadores da defesa se colocariam na frente impedindo a pontuação. A solução encontrada foi elevar essa meta, o que exigiria dos praticantes arremessos de habilidade e precisão. O objeto a ser lançado a meta teria que ser uma bola, que não poderia ser pequena, pois seria necessário o uso de alguma raquete ou taco, e também não poderia ser irregular pois os jogadores tinham que driblar, foi então que se resolveu utilizar uma bola de futebol.

Agora só faltava escrever as regras do jogo, inicialmente foram escritas 13 regras para o novo jogo. Logo depois de escritas foram fixadas no mural do ginásio.

Naismith pediu ao zelador do colégio duas caixas quadradas para a realização do jogo, mas ele só consegui encontrar duas caixas de pêssego. Em seguida ele pendurou as caixas a 3,05 metros de altura, pegou uma bola de futebol e convidou os seus alunos para participar do jogo.

A direção do colégio aprovou a criação do novo jogo, e em 11 de março de 1892, foi realizado o primeiro jogo, onde os alunos venceram os professores por 5 a 1(PAES; MONTAGNER; FERREIRA, 2009). E Frank Mahan, aluno de James NaiVPLWKVXJHUHFKDPDURMRJRGH³EDVNHW-EDOO´WHQGRjDSURYDomRGH1DLVPLWK

2.2 Basquetebol no Brasil

O norte americano Auguste Farnham Shaw, foi o responsável por trazer o basquetebol para o Brasil. Shaw teve contato com o basquetebol quando estudava na Universidade de Yalle. Em 1896 a escola americana do Mackienze em São Paulo convida Shaw para dar aula, e então ele começa a ensinar o jogo ao alunos. Inicialmente as mulheres tiveram mais interesse pelo jogo, pois o futebol, trazido por Charles Muller dois anos antes, ainda estava em alta entre os homes. Mas apesar desse inicio difícil em 1986 se forma o primeiro time de basquetebol do Brasil, comandado por Shaw (OKAZAKI et al., 2004).

Shaw foi o responsável por trazer o basquetebol para o Brasil, mas dois professores foram os responsáveis por difundir o esporte pelo pais, o professor Oscar Thompson da escola nacional de São Paulo e Henry J. Sims diretor de educação física da Associação Cristã de Moços (ACM), do Rio de Janeiro.

Henry Sims, em 1912, convenceu o diretor do America Futebol Clube, a introduzir o basquetebol no clube. E três anos depois as regras do jogo foram traduzidos pela primeira vez para o português, e nesse mesmo ano a ACM realizou o primeiro torneio da America do Sul, com a participação de seis equipes.

Em 1922 foi convocada pela primeira vez a seleção brasileira, para participar de um torneio continental, em comemoração ao centenário do Brasil nos Jogos Latino-Americanos. O Brasil sagrou-se campeão. E em 25 de dezembro de 1933, no Rio de Janeiro foi criada as Federação Brasileira de Basketball. E a partir de 26 de dezembro de 1941,passou a se chamar Confederação Brasileira de Basketball.

2.3 Fundamentos do basquetebol

Os fundamentos representam os movimentos e gestos básicos do basquetebol. Os fundamentos podem ser classificados de acordo com as suas características: ataque, defesa, com bola e sem bola. (FERREIRA; DE ROSE Jr, 2003).

Controle de corpo: È o conjunto de movimentos e deslocamentos realizado pelos praticantes durante o jogo, ou seja, são as inúmeras maneiras como podemos controlar o corpo durante um partida de basquetebol. Os principais aspectos são as saídas rápidas, paradas bruscas e mudanças de direção. Também fazem parte desse fundamento as corridas para frente, para trás e lateralmente, saltos, giros, bloqueios, inúmeros contatos físicos, entre outros.

Manipulação da bola: É compreendido como a capacidade de manusear a bola nas varias situações que o jogo possa determinar. Para esse fundamento é importante experimentarmos diversas possibilidades de manipular a bola, como: rolar, tocar, quicar, segurar, lançar, trocar de mãos e movimentá-la em diversos planos do corpo.

Passe: É um fundamento ofensivio, caracterizado pelo lançamento da bola entre integrantes de uma mesma equipe, com a finalidade de manter a posse da bola, ou de percorrer os espaços da quadra com sua posse em direção a cesta. Esse fundamento também envolve a recepção da bola. As principais técnicas de passe são: passe à altura do peito, passe picado, passe por cima da cabeça, passe à altura do ombro, passe com uma das mãos e passe de gancho.

Drible: É o ato de impulsionar a bola contra o solo com uma das mãos, é esse fundamento que possibilita o jogador se deslocar pela quadra com a posse de bola, sem infringir nenhuma regar do jogo. Existem diversas formas de execução do drible, como por exemplo: drible forte, fraco, alto, médio, baixo; na frente, ao ladoe atrás do corpo; de uma mão para a outra, por entre as pernas, para frente, para trás, parado, andando, correndo.

Arremesso: É um fundamento ofensivo entendido como o lançamento da bola em direção a cesta realizado com o objetivo de conseguir pontos. Os principais tipos de arremesso são: bandeja, arremesso com uma da mãos, jump, gancho, enterrada.

Rebote: É caracterizado pela tentativa de recuperar a bola após um arremesso não convertido. O rebote pode ser ofensivo, quando o jogador recupera a

bola proveniente de um arremesso não convertido dele ou de um companheiro de equipe; ou pode ser defensivo, quando ele recupera a bola proveniente de um arremesso não convertido de um integrante da equipe adversária.

2.4 Analise estatística dos jogos no basquetebol

Sampaio (1998) realizou um estudo do Campeonato Nacional da 1º Divisão e da Liga Portuguesa de Basquetebol. Foram analisados 485 partidas, referente as temporadas 1994-95 e 1995-96, com o objetivo de identificar qual a importância dos indicadores do jogo de basquetebol no desfecho final das competições. Os indicadores analisados foram; assistências, desarmes de lançamento, interceptações, faltas cometidas, percentagem de eficácia nos lançamentos de 2 pontos, percentagem de eficácia de lançamentos de 3 pontos, percentagem de eficácia de lançamentos de lances-livres, roubadas de bola, ressaltos ofensivos, ressaltos defensivos e turnovers. A amostra foi dividida em dois grupos, vitoria ou derrota, sendo considerado para a analise as seguintes categorias: (a) jogos equilibrados, com diferença final igual ou inferior a 3 pontos; (b) jogos normais, com diferença superior a 3 pontos e inferior a 10 pontos; (c) jogos desequilibrados com diferença final superior a 10 pontos. A estatística utilizada foi a análise da função discriminante, através dos coeficientes canônicos(CCE), para identificar quais indicadores contribuem para separam as vitórias das derrotas em cada categoria de jogos. Em todas as categorias de analise os ressaltos defensivos e porcentagem de eficácia nos lançamentos de 2 pontos, foram diferenciais para determinar o desfecho dos jogos. Houve maior eficácia nos lançamentos de 3 pontos que foram associados aos jogos desequilibrados. Nos jogos normais as faltas cometidas pelas equipes discriminaram significativamente as equipes vencedoras das perdedoras. Os lances-livres contribuíram de maneira significante para o desfecho dos jogos equilibrados.

Leite (2003) analisaram as estatística das equipes participantes da temporada 2002-03 da Associacíon de Clubs de Baloncesto (A.C.B). Este autor tentou identificar a distribuição dos jogos disputados, face a categorias em estudo, o perfil estatístico das equipes, e diferenciar o comportamento das equipes que foram para a fase de playoffs da competição. Os jogos foram separados em 3 categorias, a

saber: jogos equilibrados, com diferença final igual ou inferior a 10 pontos; jogos desequilibrados, com diferença superior a 10 pontos e inferiores ou iguais a 21 pontos, e ; jogos muito desequilibrados, com diferença superior a 21 pontos. As estatísticas foram divididas em dois grupos distintos, as primarias e secundarias. Todos os dados foram normalizados por 100 posses de bola.Foi utilizada a análise de distribuição percentual, para quantificar as categorias dos jogos, e um analise de

cluster para identificar como os jogos se associam em função da diferença final de

pontuação. Os resultados mostram que 60% dos jogos foram equilibrados, 29,7% foram desequilibrados e 9,7% foram muito desequilibrados. As estatísticas secundarias apontaram que as equipes obtiveram uma media de 73,37 posses de bola por jogo, 80,34 pontos marcados e 109,52 pontos de eficácia ofensiva coletiva. Os indicadores das estatísticas primarias identificaram que as equipes que avançaram para a fase de playoffs apresentaram maior eficiência nos arremessos de 2 pontos, mais rebotes defensivos, assistências e desarmes de lançamentos.

Também analisando a liga espanhola Gómez e colaboradores (2008) tentaram identificar quais as estatísticas estão relacionados à vitoria e à derrota no basquetebol. Eles analisaram 306 jogos da temporada 2004-05. As estatísticas analisadas foram arremessos de 2 e 3 pontos (certos e errados), lances-livres (certos e errados), assistências, rebotes defensivos e ofensivos, tocos, faltas, erros e roubas. Todos os dados foram normalizados por 100 posses de bola. Foram criados dois grupos para as analises, jogos equilibrados com diferença final de pontuação igual ou inferior a 12 pontos e jogos desequilibrados, com diferença final superior a 12 pontos. Os resultados indicam que em jogos equilibrados os rebotes defensivos foram a variável que melhor diferencia a vitoria ou derrota. As estatísticas utilizadas foram inicialmente uma análise de cluster para separar em dois grupos, de acordo com a pontuação final das partidas, depois foi realizado o teste-t para identificar as diferenças existentes entre os grupos, na sequência foi realizado uma análise discriminante, para identificar quais estatísticas diferenciam os dois grupos, e por ultimo foi aplicado uma analise dos coeficientes estruturais, onde foi adotado um valor de 0,30, para identificar as variáveis que diferenciam vencedores dos perdedores. Para todas as analises foi adotado um nível de significância de p_0.05. Em jogos desequilibrados os rebotes defensivos e os arremessos de 2 pontos certos foram as estatísticas que melhor diferenciaram os vencedores dos perdedores.Também foram identificadas duas vaiáveis que diferenciam ganhar ou

perder, independente da classificação dos jogos, os rebotes defensivos e as assistências.

Ibáñez e colaboradores (2008) procurou identificar quais as estatística relacionadas ao jogo de basquetebol, estão relacionadas ao sucesso na temporada na Liga Espanhola de Basquetebol (LEB1). Foram analisadas 870 jogos referentes as temporadas de 200-01 a 2005-06. As estatísticas analisadas foram os arremessos de 2 e 3 pontos (certos e errados), arremessos de lances-livres (certos e errados), rebotes defensivos e ofensivos, assistências, erros, tocos e faltas. Todos os dados foram normalizados por 100 posses de bola. Os resultados apontam que assistência, roubos de bola e tocos estão relacionados ao sucesso nos jogos de basquetebol. J. Sampaio et al.(2006) tentou identificar quais as diferenças estatísticas relacionado ao jogo de basquetebol, entre armadores, laterais e pivôs, de três diferentes ligas, National Basketball Association (NBA), Estados Unidos, Associación de Clubs de Baloncesto (ACB), Espanha, e Liga de Clubes de Basquetebol(LCB), Portugal. Foram analisadas as estatísticas de cinco partidas dos Playoffs finais da NBA, três jogos da liga ACB e quatro da liga LCB. Foram encontradas diferenças entre as posições, na liga LCB o que diferencia os pivôs dos armadores são as estatísticas defensivas, os rebotes e tocos, e na parte ofensiva os arremessos de 3 pontos errados. Na liga ACB a diferença se apresenta na parte ofensiva, assistências, arremessos de 3 pontos certos e errados e rebotes ofensivos. E na NBA a diferença esta na parte ofensiva, os rebotes ofensivos, assistências e arremessos de 3 pontos errados. Os autores atribuem essas diferenças as variações antropométrica dos jogadores.

Sampaio e colaboradores (2010) tentou identificar as diferenças estatísticas dentro de uma temporada de basquetebol, relacionando com a qualidade das equipes e jogadores. A amostra foi composta por 5309 registros de 198 jogadores da liga profissional da Espanha, referentes a temporada 2007-08. As estatísticas analisadas foram arremessos de 2 e 3 pontos certos, lances-livres, passes e erros, e duas variáveis rebotes defensivos e ofensivos. Foram separados em dois grupos de analises, primeiro referente ao time, em que as equipes consideradas fortes tiveram um aproveitamento aproximado de 69% vitorias, equipes intermediarias de 43% vitorias e equipes fracas de 32% vitorias, o segundo grupo de analise é referente ao tempo de jogo dos jogadores, em que jogadores que atuavam por aproximadamente

28 minutos erram considerados importantes e jogadores com 16mim, eram considerados menos importantes. Não foram observadas diferenças nos períodos da temporada. Foi observada diferença na qualidade das equipes, equipes mais fortes apresentaram melhor aproveitamento nos arremessos de 2 pontos certos e passes, já as equipes mais fracas apresentaram menos rebotes defensivos. E a analise do tempo de jogo identificou que os erros diferenciam os jogadores que jogam mais tempo dos que jogam menos.

Navarro e colaboradores (2009) procurou identificar quais as variáveis determinam a vitória e a derrota nos momentos críticos dos jogos de basquetebol. A amostra foi composta por 41 momentos críticos da liga ACB, referentes a temporada 2007-08. Os autores entendem por momentos críticos os tempos extras e os cinco minutos finais de partidas onde a diferença é de no Maximo 6 pontos. As variáveis de estudo foram os arremessos de 2 e 3 pontos (certos e errados), lances-livres (certos e errados), rebotes defensivos e ofensivos, assistências, faltas, bolas perdidas e recuperadas e tocos. Foi utilizado o Teste T-student para amostras independentes e uma análise discriminante para identificar quais variáveis melhor discriminam os ganhadores dos perdedores, foi adotado um nível de significância de

P<0,05. Os resultados indicaram que as equipes vencedoras apresentam maiores

valores de rebotes defensivos e lances-livres certos.

Malarranha e Sampaio (2007) realizaram um estudo para identificar o ritmo dos jogos de basquetebol, medido pelo numero de posses de bola, e identificar possíveis diferenças entre jogos com ritmo mais elevado e jogos realizados a ritmos mais reduzidos. Os dados foram obtidos, através de registros estatísticos de três competições européias de clubes entre as temporadas 1987-88 a 2005-06, totalizando 27 jogos analisados. Foram utilizadas a análise de cluster, onde foram formados dois grupos, em função do numero de posses de bola, posteriormente foi utilizada a análise da função discriminante, através dos coeficientes canônicos estruturais(CCE) superior a 0,30. Foi observado que as faltas cometidas, faltas sofridas, rebotes defensivos e os lances-livres errados, são as estatísticas que melhor discriminam os jogos mais lentos dos mais rápidos. Os resultados sugerem uma tendência no aumento no numero de posses de bola e conseqüentemente uma diminuição na eficácia ofensiva. E nos jogos com ritmos mais lentos foi observado valores mais elevados de eficiência ofensiva.

2.5 Evolução dos métodos de analise dos jogos

Por falta de trabalho que analisam o processo de criação e evolução das analises estatísticas relacionadas ao basquetebol, foi adotada com referencia principal, deste tópico de revisão de literatura, o artigo de Jaime Sampaio realizado no ano de 1999, intitulado, Analise do jogo em basquetebol: da pré-história ao DATA

MINING.

Compreender a maneira como se comportam as equipes e jogadores, durante jogos e treinos, sempre foi de interesse dos técnicos. Mas eles nem sempre tiveram os melhores e mais eficientes métodos para fazerem estas analises. Com a evolução tecnológica os técnicos passaram a dispor de métodos mais eficientes para analisar o comportamento de suas equipes. Sampaio (1999) realizou um estudo em que divide essa evolução em cinco fases, apontando as características de cada uma e o fator responsável pela evolução de cada fase.

A primeira fase é caracterizada pela utilização de métodos de observação direta e registros manuais. Esse modelo obrigava os treinadores a pré-selecionarem os indicadores que seriam observados, normalmente arremessos e rebotes. O tratamento destas informações era feito após os jogos, e se gastava muito tempo para ser realizada.

Na segunda fase iniciam-se os métodos de observação indireta. A criação dos vídeogravadores proporcionou um incremento na recolha dos dados, que passaram a ser mais exaustivos, pois agora é possível analisar mais indicadores dos jogos. Os dados se tornaram mais fidedignos e estavam sempre disponíveis. Mesmo obtendo mais dados, a capacidade de tratamento das informações ainda era muito reduzida.

A terceira fase se caracteriza pela evolução da informática. Com os computadores se tornando cada vez mais poderosos e acessíveis. A evolução dos softwares de aplicativos acabou criando packages estatísticos cada vez mais rápidos e sofisticados.

Apesar de toda a evolução tecnológica, os sistemas de observação e registro, perdem eficácia, pois ainda geram dados confusos, por isso a base de dados, que passa a ser criada nesse momento, não garantia o acesso a informações úteis. Mas, sem dúvida o ponto mais marcante desta fase é o fato de a opinião do técnico não ser mais o elemento referencial. Nesta fase se iniciam os primeiros estudos,

utilizando grandes amostras, que relacionam as ações técnico-táticas com vitoria e derrota.

Na quarta fase a recolha e tratamento dos dados passa a ser feita pelos softwares, que passam a ser desenvolvidos de acordo com as características que o jogo apresenta. Esse modelo tem sido utilizado como auxiliares dos treinadores de equipes profissionais. Com toda essa evolução os dados passaram a ser obtidos em tempo real, o que possibilita ao treinador intervir durante os jogos. E a qualidade desses dados permite a criação de bancos de dados cada vez mais poderosos, o que nos possibilita analisar o jogo de várias formas.

Com esta nova tecnologia são apresentadas quatro (hughes1986) áreas para a análise quantitativa dos dados: a análise de tempo de movimento, a avaliação tática, a avaliação técnica e a compilação estatística dos dados. Segundo Franks e colaboradores (1983), esses dados sevem para os seguintes propósitos: proporcionar informações para o treinador intervir com feedbacks imediatos, criar bancos de dados de acesso em tempo real, visualizar automaticamente as informações dos bancos de dados, detectar pontos fortes e fracos na preparação desportiva das equipes.

A quinta fase é relativa aos períodos atuais, em que são produzidas grandes quantidades de informação, o que pode tornar a quantidade de dados confusa para algumas pessoas interpretarem. Para solucionar este problema foi direcionada muita atenção para a construção de técnicas mais especificas de análise, sendo criados o

Data Mining e o Advanced Scout.

O Data Mining abrange 4 áreas de estudos fundamentais, a estatística, as bases de dados, o reconhecimento de padrões e a inteligência artificial (HAND, 1998). Sua principal característica e a capacidade de reconhecer padrões e/ou modelos de comportamento, através da analise de grandes bancos de dados integrados (informações numéricas, imagens, áudio, textos, etc.), e recorre a técnicas estatísticas integradas, tal como: a análise de clusters, regressões, métodos gerais de classifição e redes bayesianas.

O Advanced Scout foi construído em 1997 pelo norte-americano Inderpal Bhandari e seus colaboradores. Atualmente é o programa utilizado pela maioria das equipes da NBA, pelo departamento de analise da liga e cadeias de televisão. O programa tem como objetivo ajudar os treinadores a analisar e interpretar da maneira mais fácil as informações dos jogos. Ele consegue responder questões

pré-definidas ou detectar padrões de comportamento, tornando mais fácil a identificação de quais sistemas ofensivos ou defensivos são mais eficazes, com quais jogadores e em que circunstancias, e em uma perspectiva transversal ou longitudinal.

3 MÉTODOS

3.1 Caracterização do Estudo

O presente estudo é caracterizado por uma pesquisa do tipo retrospectivo, de análise documental e de pesquisa de campo.

3.2 Amostra

O estudo foi realizado por meio da análise de 182 jogos (categoria adulto masculino) da fase de classificação do Novo Basquete Brasil 2ª Edição (NBB2) na temporada 2009/2010. Fizeram parte do campeonato 14 equipes. Foram utilizadas as análises estatísticas oficiais de todos, disponibilizados via site pela Liga Nacional de Basquete (LNB). Para a análise dos jogos cada equipe participante tem o seus próprios scautistas, que são treinados pela liga antes do inícios do campeonato.

3.3 Procedimentos experimentais

Inicialmente foi acessado, via internet, o site oficial da LNB (http://www.liganacionaldebasquete.com.br), em que foram disponibilizadas todas as

estatísticas oficiais do NBB2. Estes dados foram salvos em um computador. Na seqüência foi criado um único documento no programa Microsoft Excel, para agrupar todos os dados.

Para evitar o viés de uma equipe possuir maior número de posses de bola, em relação à outra, fator que pode alterar a magnitude dos resultados encontrados nas variáveis dependentes, as variáveis foram normalizadas, em função do número de posses de bola. Este procedimento tem sido realizado e sugerido por outros trabalhos (Leite,2003; Navarro etal 2009). Esta normalização foi realizada multiplicando a variável dependente de interesse por 100 e dividindo este resultado pelo número de posses de bola obtido no jogo.

Para o calculo das posses de bola foi usada a equação proposta por Olivier (2004): (PB= Arremessos tentados-rebotes ofensivos+ erros-0.4x lances-livres tentados).

Os indicadores dos fundamentos técnicos e das ações do jogo analisados foram: percentual dos arremesso de 2 pontos, arremessos de 2 pontos tentados, percentual dos arremessos de 3 pontos, arremessos de 3 pontos tentados, percentual de arremessos de lances-livres, lances-livres tentados, rebotes defensivos adquiridos; rebotes ofensivos adquiridos; assistências realizadas (é o passe para um jogador de mesma equipe, subseqüente ao arremesso que resulta em ponto), bolas roubadas (são as recuperações de bola, interceptando passes ou dribles da equipe adversária), bolas perdidas, violações (violações às regras, tais FRPR µDQGDGD¶ H µGRLV GULEOHV¶ H SDVVHV HUUDGRV), faltas cometidas e faltas recebidas.

Na sequência foram realizadas as análises estatísticas. Inicialmente, foram testados os pressupostos de normalidade, homocedasticidade e independência dos dados por meio dos testes de Kolmogorov-Smirnov, Bartlet e Box-M, respectivamente. Após, foram realizadas as análises multivariadas estatísticas, de acordo com cada experimento proposto. As análises estatísticas serão realizadas no software SPSS (v.14.0), com nível de significância estabelecido em P<0,05.

Estudo I

Neste experimento, foi analisada a variável independente de vitória no jogo, em função das variáveis dependentes dos fundamentos técnicos e ações do jogo. Os jogos foram analisados a partir do resultado final da partida, de acordo com a vitória ou derrota. Desta forma, será atribuído o valor 1 para a equipe vencedora e 0 para a perdedora. A partir desta classificação pré-estabelecida, em função dos resultados dos jogos, foi utilizada uma Análise Discriminante para verificar quais as variáveis são capazes de distinguir a vitória da derrota nos jogos e para verificar quais variáveis mais contribuem para essa diferença.

Os jogos também foram classificados, em função do nível de equilíbrio entre as pontuações obtidas pelas duas equipes, de acordo com propostas utilizadas em alguns estudos (LEITE, 2003; SAMPAIO, 1998). De acordo com estes estudos, os jogos devem ser classificados em três níveis, a saber: (a) jogos desequilibrados, no qual a diferença final dos pontos entre as duas equipes foi igual ou superior a 11 pontos; (b) jogos equilibrados, em que houve diferença final dos pontos entre as equipes de 6 até 10 pontos; (c) jogos muito equilibrados, nos quais houve diferença final inferior ou igual a 5 pontos. A partir desta classificação prévia, foi realizada uma Análise Discriminante para verificar se as variáveis foram capazes de discriminar o

equilíbrio dos jogos e para verificar quais variáveis mais contribuem para essa diferença. Assim, nesta parte do estudo foi analisada a variável independente de Classificação do Equilíbrio dos Jogos (Dinâmica de Jogo) para investigar quais as variáveis dependentes melhor distinguem a dinâmica do jogo.

Estudo II

Foi realizada uma Análise de Cluster para propor uma diferente caracterização das dinâmicas dos jogos, em função das variáveis selecionadas no estudo. Nesta parte do estudo, para propor nova classificação da dinâmica do jogo, as equipes foram as variáveis dependentes e os indicadores dos fundamentos técnicos e as ações do jogo foram as variáveis independentes.

Estudo III

No terceiro experimento foi utilizada uma analise de Regressão Linear Múltipla para identificar quais as variáveis dependentes predizem o numero de pontos marcados. O número de pontos finais da partida foi a variável dependente e as demais variáveis dos indicadores dos fundamentos técnicos e das ações do jogo foram as variáveis independentes. Foram feitas análises nas seguintes condições: (a) Em função dos arremessos serem os responsáveis diretos para a obtenção da pontuação no basquetebol, foram excluídas as variáveis de arremessos de percentual de arremessos de 2 pontos, arremessos de 2 pontos tentados, percentual de arremessos de 3 pontos, arremessos de 3 pontos tentados, percentual de arremessos de lances-livre e lances-livres tentados. Uma vez que, este primeira analise tem como objetivo entender a contribuição das demais variáveis na organização que proporcione maior número de arremessos e pontos no jogo; (b) a segunda análise foi composta somente pelas variáveis relacionadas ao arremesso. Com o objetivo de identificar a importância de cada variável na obtenção da pontuação; (C) a terceira análise utilizou todas as variáveis disponíveis no scoult; para identificar se existe alguma alteração no peso das variáveis quando (d) a quarta analise deste estudo se utilizara de todas as variáveis do estudo, tendo como objetivo identificar a predição da pontuação nas diferentes classificações de jogos.

4 RESULTADOS

4.1 Estudo 1

O estudo 1 foi dividido em duas etapas. Primeiramente, foram analisadas as variáveis capazes de distinguir os times que venceram dos que perderam os jogos. Após, esta mesma análise foi realizada considerando também cada categoria de jogos (desequilibrados, equilibrados e muito equilibrados).

4.1.1 Análise Discriminante para distinguir os times vencedores dos perdedores

Inicialmente foram apresentados os resultados em média e desvios padrão das variáveis dependentes utilizadas (tabela 1), sem considerar a divisão dos jogos em função do equilíbrio dos jogos. Não houve violação do pressuposto do teste de esferecidade (Box M=100,81; P=0,068). A única variável que prejudicou a matriz de FRYDULkQFLD GDIXQomRFDQ{QLFD GRPRGHORIRLDYDULiYHO³YLRODomR´FRPWROHUkQFLD abaixo do mínino de 0,001.

Tabela 1. Médias e desvios padrão das variáveis estatísticas analisadas.

Variáveis Vitória Derrota Todos

3Pts Tentados 30,68 (7,20) 31,60 (7,93) 31,14 (7,57) 2Pts Tentados 48,03 (8,04) 48,17 (8,61) 48,10 (8,32) L-L Tentados 28,40 (8,31) 25,96 (8,48) 27,18 (8,47) Rebotes Ofensivos 12,10 (5,21) 12,47 (4,75) 12,29 (4,98) Rebotes Defensivos 30,30 (6,05) 25,95 (5,65) 28,12 (6,24) Assistência 20,55 (7,00) 15,96 (6,15) 18,25 (6,29) Bolas Roubadas 10,30 (4,00) 9,24 (4,12) 9,77 (4,09) Faltas Recebidas 25,00 (4,95) 23,75 (5,44) 24,38 (5,23) Faltas Cometidas 24,95 (5,19) 26,34 (5,19) 25,64 (5,23) Bolas Perdidas 13,00 (4,79) 13,83 (4,78) 13,41 (4,81) Violações 3,35 (2,56) 3,30 (2,30) 3,32 (2,43) 3Pts % 39,74 (10,89) 31,87 (10,60) 35,80 (11,43) 2Pts % 28,24 (6,04) 25,46 (5,61) 26,85 (5,99) L-L % 28,40 (8,31) 25,96 (8,48) 27,18 (8,47)

A análise discriminante apresentou apenas uma função canônica Wilks

Lambda=0,60; X²=179,38; P<0,001) que foi capaz de distinguir as equipes que

perderam e venceram. Esta função canônica também possibilitou identificar quais foram as variáveis estatísticas que mais contribuem para esta distinção (F=1,362;

P<0,001), a saber: rebotes defensivos, assistências, percentuais de arremessos de 2

pontos, 3 pontos e lances-livres, lances-livre tentados roubos de bolas e faltas cometidas (tabela 2).

Tabela 2. Variáveis selecionadas pela análise discriminante para compor a função canônica.

Variáveis Wilks' Lambda F Significância

3Pts Tentados 0,996 1,33 P=0,249 2Pts Tentados 1,000 0,03 P=0,871 L-L Tentados 0,979 7,67 P=0,006 Rebotes Ofensivos 0,999 0,49 P=0,484 Rebotes Defensivos 0,878 50,15 P<0,001 Assistência 0,891 44,26 P=0,001 Bolas Roubadas 0,983 6,27 P=0,013 Faltas Cometidas 0,982 6,51 P=0,011 Faltas Recebidas 0,986 5,27 P=0,022 Bolas Perdidas 0,993 2,72 P=0,100 Violações 1,000 0,04 P=0,846 3Pts % 0,881 48,66 P<0,001 2Pts % 0,946 20,77 P<0,001 L-L % 0,979 7,67 P=0,006

A análise discriminante também apresentou a contribuição/peso de cada variável dependente na função discriminante (Tabela 3). Foi verificada maior contribuição da variável rebotes defensivos (r=0,481), seguida pelas variáveis assistências (r=0,452), percentual dos arremessos de 3 pontos (r=0,446), percentual de arremessos de 2 pontos (r=0,353), percentual de arremessos de lances-livre (r=0,264) e lances-livres tentados (r=0,188).

Tabela 3. Contribuição de cada variável analisada na função discriminante.

Variáveis r R² Função Discriminante

3Pts Tentados -0,079 0,006 -0,036 2Pts Tentados -0,011 0,000 -0,026 L-L Tentados 0,188 0,035 0,043 Rebote Ofensivo -0,048 0,002 0,029 Rebote Defensivo 0,481 0,232 0,100 Assistência 0,452 0,204 0,075 Bolas Roubadas 0,170 0,029 0,082 Faltas Cometidas -0,173 0,030 -0,064 Faltas Recebidas 0,156 0,024 -0,004 Bolas Perdidas -0,112 0,013 -0,063 Violações 0,015 0,000 --- 3Pts % 0,446 0,199 0,030 2Pts % 0,353 0,125 0,003 L-L % 0,264 0,070 0,011

4.1.2 Análise Discriminante para distinguir os times vencedores dos perdedores em cada categoria dos jogos (desequilibrados, equilibrados e muito equilibrados).

A estatística descritiva (média e desvio padrão) das variáveis dos jogos desequilibrados, equilibrados e muito equilibrados foram apresentados na tabela 4, 5 e 6, respectivamente.

Tabela 4. Apresenta os valores de media e desvio padrão das variáveis estatísticas, da categoria jogos desequilibrados.

Variáveis Vitória Derrota Todos

3Pts Tentados 30,66(7,85) 30,20(8,50) 30,43(8,16) 2Pts Tentados 47,44(7,26) 48,28(8,13) 47,86(7,69) L-L Tentados 28,64(7,83) 26,31(8,31) 27,47(8,13) Rebote Ofensivo 11,36(5,06) 12,02(4,65) 11,69(4,85) Rebote Defensivo 31,58(6,58) 24,58(4,94) 28,08(6,78) Assistência 22,79(7,35) 14,53(6,11) 18,66(7,91) Bolas Roubadas 10,78(3,81) 8,82(3,94) 9,80(3,98) Faltas Recebidas 23,89(4,80) 22,94(5,16) 23,42(4,99) Faltas Cometidas 24,32(4,80) 25,35(4,98) 24,83(4,89) Bolas Perdidas 13,26(5,03) 14,55(4,85) 13,90(4,97) Violações 2,82(2,64) 3,22(2,29) 3,02(2,47) 3Pts % 43,12(11,54) 28,73(10,58) 35,92(13,18) 2Pts % 62,55(9,43) 52,26(8,51) 57,40(10,33) L-L % 74,41(12,39) 66,95(13,13) 70,68(13,26)

Tabela 5. Variáveis estatísticas (média e desvio padrão) da categoria dos jogos equilibrados.

Variáveis Vitória Derrota Todos

3Pts Tentados 29,62 (7,06) 31,90 (7,79) 30,76 (7,48) 2Pts Tentados 50,26 (8,53) 50,10 (9,40) 50,18 (10,33) L-L Tentados 27,91 (8,97) 24,42 (9,05) 26,17 (9,13) Rebotes Ofensivos 12,28 (5,09) 13,38 (5,73) 12,83 (5,41) Rebotes Defensivos 30,97 (5,26) 27,29 (5,70) 29,13 (5,76) Assistência 19,29 (5,82) 15,84 (4,49) 17,56 (5,45) Bolas Roubadas 10,01 (4,32) 8,74 (4,61) 9,38 (4,49) Faltas Recebidas 25,72 (5,22) 23,17 (5,79) 24,44 (5,63) Faltas Cometidas 25,12 (5,70) 26,99 (5,57) 26,06 (5,68) Bolas Perdidas 12,22 (4,89) 13,14 (4,70) 12,68 (4,79) Violações 3,40 (2,07) 3,60 (2,43) 3,50 (2,25) 3Pts % 36,78 (10,05) 31,71 (10,09) 34,24 (10,33) 2Pts % 57,76 (8,69) 52,40 (7,35) 55,08 (8,44) L-L % 76,47 (10,85) 68,56 (9,35) 72,51 (10,83)

Tabela 6. Variáveis estatísticas (média e desvio padrão) da categoria jogos muito equilibrados.

Variáveis Vitória Derrota Todos

3Pts Tentados 31,51(6,37) 33,22(6,99) 32,37(6,71) 2Pts Tentados 47,11(8,45) 46,55(8,42) 46,83(8,41) L-L Tentados 28,47(8,52) 26,69(8,25) 27,58(8,40) Rebote Ofensivo 12,95(5,43) 12,37(3,99) 12,66(4,75) Rebote Defensivo 28,09(5,30) 26,74(6,18) 27,42(5,77) Assistência 18,55(6,60) 17,93(6,82) 18,24(6,69) Bolas Roubadas 9,89(4,00) 10,17(3,85) 10,03(3,91) Faltas Recebidas 25,93(4,71) 25,27(5,31) 25,60(5,01) Faltas Cometidas 25,65(5,31) 27,14(5,04) 26,40(5,21) Bolas Perdidas 13,25(4,39) 13,41(4,76) 13,33(4,56) Violações 4,01(2,67) 3,18(2,23) 3,59(2,48) 3Pts % 37,54(9,47) 36,14(9,65) 36,84(9,55) 2Pts % 55,80(10,92) 54,56(9,48) 55,18(10,20) L-L % 72,66(11,07) 72,00(12,63) 72,33(11,83)

A análise discriminante apresentou apenas uma função canônica (Wilks

Lambda=0,30; X²=178,61; P<0,001) que foi capa de distinguir as equipes que

perderam e venceram na categoria jogos desequilibrados. Esta função canônica também possibilitou identificar quais foram as variáveis estatísticas que mais contribuem para esta distinção (F=1,362; P<0,001), a saber: rebotes defensivos,

assistências, percentual dos arremessos de 3 pontos, percentual dos arremessos de 2 pontos e lances-livres e roubos de bolas (tabela 7).

Tabela 7. Variáveis selecionadas pela análise para compor a função canônica na categoria jogos desequilibrados.

Variáveis Wilks' Lambda F Significância

3Pts Tentados 0,999 0,126 P=0,724 2Pts Tentados 0,997 0,463 P=0,497 L-L Tentados 0,979 3,246 P=0,074 Rebotes Ofensivos 0,995 0,713 P=0,400 Rebotes Defensivos 0,732 56,380 P<0,001 Assistência 0,726 58,213 P<0,001 Bolas Roubadas 0,939 10,006 P=0,002 Faltas Cometidas 0,989 1,734 P=0,190 Faltas Recebidas 0,991 1,423 P=0,235 Bolas Perdidas 0,983 2,653 P=0,105 Violações 0,994 0,991 P=0,321 3Pts % 0,770 65,882 P<0,001 2Pts % 0,750 51,259 P<0,001 L-L % 0,920 13,326 P< 0,001

A análise discriminante apresentou apenas uma função canônica (Wilks

Lambda =0,45; X²=65,87; P<0,001) que foi capa de distinguir as equipes que

perderam e venceram na categoria jogos equilibrados. Esta função canônica também possibilitou identificar quais foram as variáveis estatísticas que mais contribuem para esta distinção (F=1,362; P<0,001), a saber: rebotes defensivos, assistência, percentual de 2 pontos e percentual de lances-livre (tabela 8).

Tabela 8. Variáveis selecionadas pela análise para compor a função canônica na categoria jogos equilibrados.

Variáveis Estatísticas Wilks' Lambda F Significância

3Pts Tentados 0,977 2,108 P=0,150 2Pts Tentados 1,000 0,007 P=0,936 L-L Tentados 0,963 3,371 P=0,070 Rebotes Ofensivos 0,989 0,943 P=0,334 Rebotes Defensivos 0,897 10,093 P=0,002 Assistência 0,899 9,933 P=0,002 Bolas Roubadas 0,980 1,820 P=0,181 Faltas Cometidas 0,972 2,492 P=0,118 Faltas Recebidas 0,948 4,803 P=0,031 Bolas Perdidas 0,991 0,819 P=0,368 Violações 0,998 0,165 P=0,685 3Pts % 0,939 5,699 P=0,019 2Pts % 0,898 9,965 P=0,002 L-L % 0,865 13,723 P<0,001

A análise discriminante apresentou apenas uma função canônica (Wilks

Lambda=0,86; X²=16,36; P=0,230) que não foi capaz de distinguir as equipes que

perderam e venceram na categoria jogos muito equilibrados. Esta função canônica não possibilitou identificar quais foram as variáveis estatísticas que mais contribuem para esta distinção (F=1,362; P<0,001) (tabela 9).

Tabela 9. Variáveis selecionadas pela análise para compor a função canônica na categoria jogos muito equilibrados.

Variáveis Estatísticas Wilks' Lambda F Significância

3Pts Tentados 0,984 1,924 P=0,168 2Pts Tentados 0,999 0,127 P=0,722 L-L Tentados 0,989 1,326 P=0,252 Rebotes Ofensivos 0,996 0,444 P=0,506 Rebotes Defensivos 0,986 1,629 P=0,204 Assistência 0,998 0,256 P=0,614 Bolas Roubadas 0,999 0,148 P=0,701 Faltas Cometidas 0,979 2,455 P=0,120 Faltas Recebidas 0,996 0,512 P=0,476 Bolas Perdidas 1,000 0,035 P=0,852 Violações 0,972 3,285 P=0,073 3Pts % 0,995 0,693 P=0,426 2Pts % 0,996 0,432 P=0,512 L-L % 0,999 0,091 P=0,763 .

4.2 Estudo 2

No estudo 2, foi realizada uma análise de Cluster para verificar como as variáveis selecionadas classificariam a dinâmica dos jogos. Foi utilizado como critério o índice 36 da análise de Cluster. Em cada uma destas classificações (letras de A até W) foram quantificados quantos jogos pertenciam à categoria de jogos Desequilibrados, Equilibrados e Muito Equilibrados (tabela 11). Esta análise demonstrou que 153 ações puderam ser enquadradas no cluster J, 72 no cluster N e 39 no cluster K, representando respectivamente 42,03%, 19,78% e 10,71% dos jogos analisados. Todavia, os demais 22 clusteres representaram valores inferiores a 10% do total de jogos analisados.

A análise da distribuição da freqüência relativa do número de jogos Desequilibrados, Equilibrados e Muito Equilibrados também não revelou um padrão dentro desta classificação realizada pelo método de cluster. A figura 1 aponta os resultados da análise de Cluster por meio de um dendograma.

Tabela 10. Distribuição dos jogos nas categorias de classificação do equilíbrio das partidas. Jogos Nº Frequência(%) Desequilibrados 78 42,85% Equilibrados 45 24,75% Muito Equilibrados 59 32,41% Total 182 100%

Tabela 11. Número de jogos (%) e número de jogos em cada categoria (Desequilibrados, Equilibrados e Muito Equilibrados) em cada classificação realizada pela análise de Cluster.

Cluster _Jogos Nº de Frequência _(%)

Jogos Desequilibrados

(%)

Jogos

Equilibrados (%) Equilibrados (%) Jogos Muito

A 2 0,54% 1(50%) 1(50%) 0 (0%)

B 3 0,82% 1 (33,33%) 0 (0%) 2 (66,66%)

C 4 1,09% 2(50%) 1 (25%) 1 (25%)

D 1 0,27% 1 (100%) 0 (0%) 0 (0%)

F 1 0,27% 0 (0%) 1 (100%) 0 (0%) G 1 0,27% 0 (0%) 0 (0%) 1 (100%) H 2 3,29% 2(100%) 0 (0%) 0 (0%) I 10 2,74% 3 (30%) 3 (30%) 4 (40%) J 153 42,03% 63 (41,17%) 36 (23,52%) 54 (35,29%) K 39 10,71% 15 (41,02%) 10 (25,64%) 13 (33,33%) L 19 5,21% 7 (36,84%) 3 (15,78%) 9 (47,36%) M 5 1,37% 0 (0%) 1 (20%) 4 (80%) N 72 19,78% 30 (41,66%) 21 (29,16%) 21 (29,160%) O 3 0,82% 2 (66,66%) 1 (33,33%) 0 (0%) P 6 1,64% 5 (83,33%) 0 (0%) 1 (16,66%) Q 9 2,47 % 6 (66,66%) 2 (22,22%) 1 (11,11%) R 8 2,19% 5 (62,5%) 2 (25%) 1 (12,5%) S 3 0,82% 0 (0%) 1 (33,33%) 2 (66,66%) T 8 2,19% 2 (25%) 4 (50%) 2 (25%) U 2 0,54% 2(100%) 0(0%) 0 (0%) V 5 1,37% 4 (80%) 0 (0%) 1 (20%) X 1 0,27% 1 (100%) 0(0%) 0 (0%) Z 3 0,82% 2 (66,66%) 1 (33,33%) 0 (0%) W 1 0,27% 1 (100%) 0 (0%) 0 (0%)

Tabela 12. Classificação dos times em cada cluster.

Cluster Equipe1 Equipe2 Equipe3 Equipe4 Equipe 5 Equipe 6 Equipe 7 Equipe 8 A 0 (0%) 0 (0%) 0 (0%) 1(3,84%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) B 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) C 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) D 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) E 0 (0%) 0 (0%) 0 (0%) 1(3,84%) 0 (0%) 0 (0%) 0 (0%) 2(7,69%) F 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) G 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) H 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 1(3,84%) 0 (0%) I 0 (0%) 2(7,69%) 1 (3,84%) 0 (0%) 1(3,84%) 0 (0%) 0 (0%) 2(7,69%) J 15(57,69%) 12(46,15%) 11(42,30%) 11(42,30%) 12(46,15%) 9(34,61%) 18(68,23%) 6(23,07%) K 3(11,53%) 4(15,38%) 5(19,23%) 5(19,23%) 3(11,53%) 5(19,23%) 1(3,84%) 4(15,38%)

L 1 (3,84%) 5(19,23%) 1(3,84%) 0 (0%) 0 (0%) 5(19,23%) 0 (0%) 1(3,84%) M 0 (0%) 0 (0%) 2(7,69%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 1(3,84%) N 0 (0%) 0 (0%) 2(7,69%) 4(15,38%) 9 1(3,84%) 3(11,53%) 5(19,23%) O 0 (0%) 0 (0%) 2(7,69%) 0 (0%) 0 (0%) 1(3,84%) 0 (0%) 0 (0%) P 4(15,38%) 0 (0%) 0 (0%) 2(7,69%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) Q 0 (0%) 0 (0%) 1(3,84%) 1(3,84%) 0 (0%) 4(15,38%) 0 (0%) 0 (0%) R 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 1(3,84%) 1 (3,84%) S 0 (0%) 1(3,84%) 0 (0%) 0 (0%) 0 (0%) 1(3,84%) 0 (0%) 0 (0%) T 2 (7,69%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 1(3,84%) U 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 1(3,84%) 1(3,84%) V 0 (0%) 1(3,84%) 1(3,84%) 0 (0%) 1(3,84%) 0 (0%) 1(3,84%) 1(3,84%) X 1(3,84%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) Z 0 (0%) 1(3,84%) 0 (0%) 1 (3,84%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) W 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 1(3,84%)

Tabela 13. Classificação dos times em cada cluster.

Cluster Equipe 9 Equipe 10 Equipe 11 Equipe 12 Equipe 13 Equipe 14 A 0 (0%) 0 (0%) 0 (0%) 1(3,84%) 0 (0%) 0 (0%) B 1(3,84%) 0 (0%) 1(3,84%) 0 (0%) 0 (0%) 1(3,84%) C 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 4(15,38%) D 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 1 (3,84%) E 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) F 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 1(3,84%) G 0 (0%) 1(3,84%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) H 0 (0%) 1(3,84%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) I 1(3,84%) 2(7,69%) 1 (0%) 0 (0%) 0 (0%) 0 (0%) J 12(46,15%) 11(42,30%) 11 (42,30%) 9 (34,61%) 12(46,15%) 3(11,53%) K 2(7,69%) 3(11,53%) 1(3,84%) 1(3,84%) 2(7,69%) 0 (0%)

L 0 (0%) 3(11,53%) 2(7,69%) 0 (0%) 0 (0%) 1(3,84%) M 0 (0%) 0 (0%) 1(3,84%) 0 (0%) 1(3,84%) 0 (0%) N 8(30,76%) 3(11,53%) 9 (34,61%)) 11 (42,30%) 6(23,07%) 11 (42,30%) O 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) P 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) Q 0 (0%) 1(3,84%) 0 (0%) 0 (0%) 2(7,69%) 0 (0%) R 1(3,84%) 0 (0%) 0 (0%) 4(15,38%) 0 (0%) 1(3,84%) S 0 (0%) 0 (0%) 0 (0%) 0 (0%) 1(3,84%) 0 (0%) T 1(3,84%) 0 (0%) 0 (0%) 0 (0%) 1(3,84%) 3(11,53%) U 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) V 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) X 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) Z 0 (0%) 1(3,84%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) W 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%) 0 (0%)