| DADOS | N = 6151 |
|---|---|
| Posição | |
| Pivô | 123 (20%) |
| Ala pivô | 116 (19%) |
| Armador | 106 (17%) |
| Ala | 117 (19%) |
| Ala armador | 153 (25%) |
| Idade | 25.0 (23.0, 29.0) |
| Partidas Jogadas pelo jogador | 48 (25, 67) |
| Número de arremessos(cestas) pelo jogador | 2.70 (1.70, 4.50) |
| Número de tentativas de arremessos (cestas) pelo jogador | 6.0 (3.6, 9.7) |
| Pontos Marcados pelo Jogador | 7 (5, 12) |
| Faixa de Pontos | |
| Até 16 pontos | 523 (85%) |
| Mais que 16 pontos e menos que 34 | 92 (15%) |
| 1 n (%); Median (IQR) | |
CESTA DE DADOS: Explorando as estatísticas dos melhores jogadores da NBA
RESUMO
O resumo é uma síntese concisa do artigo, apresentando de forma clara e objetiva o objetivo, metodologia, principais resultados e conclusões da pesquisa. O tamanho do resumo pode variar de acordo com as normas da revista ou evento científico em que será submetido. Neste caso, o resumo deve ter entre 150 a 250 palavras.
1.INTRODUÇÃO
O basquete é um esporte de alto rendimento físico que exige dos jogadores uma grande agilidade, e na maioria dos casos, uma grande estatura [3]. Essa modalidade foi criada em 1891 por um professor canadense chamado James Naismith, com a finalidade de entreter os alunos durante o inverno de Massachusetts, ele desenvolveu 13 regras básicas para que o jogo acontecesse e pendurou cestas de pêssego em uma estaca para que os pontos fossem contabilizados, e a partir dali definiu as posições de cada jogador.
Dentre as posições, estão presentes o Armador (responsável por pensar pela equipe e organizar as jogadas, ele faz a transição da bola entre a defesa e o ataque do time, normalmente é o jogador de menor estatura), o Ala Armador (responsável por ajudar o armador se infiltrando no time adversário, além de receber o contra-ataque para a cesta e impedir o avanço do outro, normalmente é o jogador de mais agilidade e com maior velocidade), o Ala (posicionado na lateral da quadra, exerce várias funções como o contra-ataque e o rebote, porém sua maior característica são as cestas de longas distâncias), o Ala Pivô (é o jogador que fica responsável pelo bloqueio do adversário, normalmente são escolhidos mediante à sua força física e altura por estarem ao lado da cesta de seu time), e o Pivô (o jogador que fica posicionado no centro da quadra, protegem o garrafão e são escolhidos mediante à sua altura pois são responsáveis pelo rebote) [2]. Desde então, o basquete se tornou um dos esportes mais populares do mundo,e foi incluído nas Olimpíadas em 1936.
A NBA é a maior e mais importante liga de basquete do mundo, fundada em 1946 na cidade de Nova York. Inicialmente conhecida como BAA (Associação de Basquete da América), a liga tinha 11 equipes e passou a se chamar NBA após a fusão com a NBL (Liga Nacional de Basquete) [1]. Nomes importantes como Michael Jordan, LeBron James e Kobe Bryant participaram e ganharam várias disputas, se tornando atletas reconhecidos em todo mundo e, principalmente, entre os amantes do esporte. [4]
1.1. OBJETIVO GERAL
Nosso objetivo nesse trabalho é analisar os dados dos melhores jogadores da NBA e traçar uma relação entre suas características mais marcantes em campo.
1.1.1. Objetivos específicos:
Analisar se existe relação entre os pontos marcados e a posição do jogador;
Avaliar qual a a relação entre as tentativas de arremesso (cestas) e a posição do jogador;
Investigar a relação entre o número de jogos e a quantidade de cestas feitas pelo jogador;
Averiguar se existe relação entre o número de cestas e tentativas de arremesso;
Verificar qual é a relação entre as posições e as faixas de pontuação atingidas.
2. METODOLOGIA
Descreva os dados utilizados, informando a composição da amostra, incluindo critérios de inclusão e exclusão (se for o caso), tamanho da amostra, características das observações, entre outros aspectos.
Descreva também as variáveis e a fonte dos dados utilizados. Cite todas as variáveis informando as categorias quando se tratar de variável qualitativa.
Em seguida, mencione os gráficos criados, as medidas calculadas, os testes de hipóteses usados e o modelo de regressão. Inclusive, mencione sobre a avaliação da normalidade dos dados. Não se esqueça de citar o software (e versão) utilizado e o nível de significância adotado.
3.RESULTADOS E DISCUSSÕES
TABELA SOBRE OS DADOS
Podemos observar que foi registrado 615 jogadores, que atuam em 5 posições, 20% atuam na posição de Pivô, 19% na posição de Ala pivô, 17% na posição Armador, 19% atuam na posição Ala e 25% na posição Ala Armador.
A faixa etária dos jogadores é entre, 23 e 29 anos, com uma média de 25 anos.
Em times, a variável é politômica, com 31 categorias. A categoria que possui a maior porcentagem de jogadores é a categoria que o jogador atua em mais de um time por temporada, conhecido na liga como (TOT) com 9.3% é o time que possui a menor é o New York Knicks (NYK) com 2.3%. O número de partidas jogadas pelo jogador está entre 25 e 67 partidas, com a média de 48 partidas jogadas.
O número de arremessos (cestas) pelo jogador é entre 1.70 e 4.50, com uma média de 2.70 e o número de tentativas de arremessos (cestas) pelo jogador é entre 3.6 e 9.7, com a média 6.0 de tentativas. Os pontos marcados é entre 5 e 12, com a média de 7 pontos.
A faixa de pontos até 16 pontos é de 85% e mais que 16 pontos e menos de 34 é de 15%.
Com isso, abaixo visualizaremos para analisar em tabela os dados dos jogadores da nba:
TABELA 1
Existe diferença dos pontos marcados em relação à posição do jogador?
Pontos Marcados X Posição
Utilizando o gráfico de boxplot para analisar se há relação entre o número de pontos marcados e a posição do jogador, foram possíveis observar os seguintes dados:
Em relação à mediana, o Armador foi a posição que obteve a maior pontuação (8.90), seguido do Ala Pivô (7.85), Ala Armador (7.80), Ala (7.60) e Pivô (6.10).
Em relação à amplitude e aos quartis, o Armador também foi a posição que obteve a maior amplitude, atingindo 9.98 pontos, seguido das posições de Ala (7.40), Pivô (6.80), enquanto as posições de Ala Pivô e Ala Armador obtiveram a mesma amplitude de pontos (6.70).
Em relação à presença de Outliers, todas as posições obtiveram aparição de jogadores com um desempenho fora da curva, sendo a posição de Pivô a categoria com a presença do maior outlier (33.1), seguido do Armador (32.4), Ala Pivô (31.1), Ala (30.1), Ala Armador (28.6)
GRÁFICO 1
TABELA 2
Descriptive Statistics
Pontos Marcados pelo Jogador by Posição
Data Frame: dados_archive_2_
N: 123
Pivô Ala pivô Armador Ala Ala armador
----------------- -------- ---------- --------- -------- -------------
Mean 7.82 9.72 10.97 9.26 9.25
Std.Dev 5.68 7.10 7.65 6.06 6.23
Min 0.90 1.30 1.20 0.90 1.00
Q1 3.80 4.90 5.20 4.70 4.80
Median 6.10 7.85 8.90 7.60 7.80
Q3 10.80 12.00 15.30 12.10 11.50
Max 33.10 31.10 32.40 30.10 28.30
MAD 4.00 4.74 6.60 5.04 4.60
IQR 6.80 6.70 9.98 7.40 6.70
CV 0.73 0.73 0.70 0.65 0.67
Skewness 1.62 1.29 0.97 1.16 1.14
SE.Skewness 0.22 0.22 0.23 0.22 0.20
Kurtosis 3.12 0.90 0.21 1.00 0.77
N.Valid 123.00 116.00 106.00 117.00 153.00
Pct.Valid 100.00 100.00 100.00 100.00 100.00Existe relação entre o número de tentativas de arremessos (CESTAS) e a posição do jogador?
O gráfico utilizado para analisar esse tipo de relação foi o gráfico Boxplot.
Em relação a posição Pivô, o 1° quartil apontou 2.90 tentativas de arremessos, sua amplitude foi de 4.60, sua mediana de 4.30 tentativas e o 3° quartil apontou 7.50 tentativas. Seu limite inferior foi de 1.00 e seu limite superior de 14.40. Há a presença de outliers de 14,80 a 20.10.
Na posição Ala Pivô, o 1° quartil apontou 3.70 tentativas, a amplitude em 6,20, sua mediana de 6.30 tentativas e o 3° quartil apontou 9.90 tentativas. Seu limite inferior foi de 1.10 e o seu limite superior foi de 19.20 Há a presença de dois outliers de 20.30 e 22.20 tentativas.
Na posição Armador, o 1° quartil apontou 4.60 tentativas, a amplitude em 6.68, a mediana ficou em 8.15 tentativas e o 3° quartil apontou 11.30 tentativas. Seu limite inferior foi de 1.30 e o seu limite superior foi de 21.32. Há a presença de um outlier em 22.00 tentativas.
Na posição Ala, o 1° quartil apontou 4.10 tentativas, a amplitude de 5.20, a mediana ficou em 6.30 tentativas e o 3° quartil apontou 9.30 tentativas. Seu limite inferior foi de 0.90 e o seu limite superior foi de 17.10. Há a presença de seis outliers de 17.70 à 21.10 tentativas.
Na posição Ala Armador, o 1° quartil apontou 4.00 tentativas, a amplitude de 5.40, sua mediana ficou em 6.40 tentativas e seu 3° quartil apontou 9.40 tentativas. Seu limite inferior foi de 0.50 e o seu limite superior foi de 17.50. Há a presença de 9 outliers de 17.90 à 20.60 tentativas.
GRÁFICO 2
TABELA 3
Descriptive Statistics
Número de tentativas de arremessos (cestas) pelo jogador by Posição
Data Frame: dados_archive_2_
N: 123
Pivô Ala pivô Armador Ala Ala armador
----------------- -------- ---------- --------- -------- -------------
Mean 5.51 7.41 8.80 7.46 7.47
Std.Dev 3.76 4.81 5.41 4.53 4.74
Min 1.00 1.10 1.30 0.90 0.50
Q1 2.90 3.70 4.60 4.10 4.00
Median 4.30 6.30 8.15 6.30 6.40
Q3 7.50 9.90 11.30 9.30 9.40
Max 20.10 22.20 22.00 21.10 20.60
MAD 2.82 4.00 5.19 3.71 4.15
IQR 4.60 6.20 6.68 5.20 5.40
CV 0.68 0.65 0.61 0.61 0.63
Skewness 1.41 1.07 0.69 1.05 1.03
SE.Skewness 0.22 0.22 0.23 0.22 0.20
Kurtosis 1.76 0.39 -0.49 0.52 0.39
N.Valid 123.00 116.00 106.00 117.00 153.00
Pct.Valid 100.00 100.00 100.00 100.00 100.00Qual a relação entre o número de jogos e a quantidade de cestas feitas pelos jogadores?
Número de cestas X Número de Jogos
O gráfico utilizado para analisar esse tipo de relação foi o gráfico de dispersão para entender a relação entre o número de jogos e a quantidade de cestas feitas, se elas aumentavam ou diminuiam paralelamente. O desvio padrão do número de jogos foi de 24,7 e a sua variância de 611, já da quantidade de cestas, o desvio padrão foi de 2,36 e sua variância foi de 5,6. Dessa forma é possivel concluir que o número de cestas se concentram até 6 em relação a quantidade de partidas jogadas.
GRÁFICO 3
Como é a relação entre o número de cestas e as tentativas de arremesso?
Número de cestas X Tentativas de arremesso
Para analisar se houve relação entre o número de cestas e as tentativas de arremesso, foi utilizado um gráfico de dispersão, e para chegar nos resultados é preciso calcular o coeficiente de variação, que se dá pela divisão do desvio padrão pela média, e o resultado é multiplicado por 100, assim, chegamos num valor percentual. Logo, o coeficiente de de variação do número de cestas é 26,6%, pois sua média está em 8,26 pontos e seu desvio padrão em 2,36 pontos. Já o coeficiente de variação das tentativas de arremesso está em 69,2%, pois sua média está em 6,92 pontos e seu desvio padrão em 4,79 pontos. Logo, é possível observar que quanto maior o número de tentativas de arremesso, maior o número de cestas feita.
GRÁFICO 4
A posição interfere na faixa de pontuação do jogador?
Posição x Faixa de Pontos
O gráfico utilizado para analisar essa relação foi o gráfico de barras empilhadas. Tem as categorias representadas por barras empilhadas, cada barra totaliza a frequência relativa de cada posição, representado entre 0.00 e 1.00.
Em relação à posição de Pivô, a Faixa de pontuação de até 16 pontos tem a frequência de 0.91, já na classe mais que 16 pontos e menos de 34 tem frequência de 0.08. Em relação à Ala Pivô, a até 16 pontos a faixa tem a frequência 0.82, mais que 16 e menos de 34 tem frequência de 0.17. Em relação à posição de Armador, a Faixa de até 16 pontos tem a frequência 0.78, na faixa de mais que 16 pontos e menos que 34 tem a frequência 0.21.
Em relação à posição Ala a faixa de pontuação de até 16 pontos tem a frequênciade 0.87, na faixa de mais que 16 pontos e menos que 34 possui a frequência 0.12.
Em relação à posição de Ala Armador a faixa de pontuação de até 16 pontos possui a frequência de 0.85, enquanto a faixa de pontuação mais que 16 pontos e menos que 34 a frequência é de 0.15.
TABELA 4
Cross-Tabulation, Row Proportions
Posição * Faixa_de_Pontos
Data Frame: dados_archive_2_
------------- ----------------- --------------- ----------------------------------- --------------
Faixa_de_Pontos Até 16 pontos Mais que 16 pontos e menos que 34 Total
Posição
Pivô 112 (91.1%) 11 ( 8.9%) 123 (100.0%)
Ala pivô 96 (82.8%) 20 (17.2%) 116 (100.0%)
Armador 83 (78.3%) 23 (21.7%) 106 (100.0%)
Ala 102 (87.2%) 15 (12.8%) 117 (100.0%)
Ala armador 130 (85.0%) 23 (15.0%) 153 (100.0%)
Total 523 (85.0%) 92 (15.0%) 615 (100.0%)
------------- ----------------- --------------- ----------------------------------- --------------GRÁFICO 5
4.TESTES ESTATÍSTICOS
4.1 Análise do primeiro e segundo gráficos: Variáveis quantitativas x qualitativas
GRÁFICO 1: Pontos Marcados pelo Jogador x Posição
O primeiro gráfico trata da relação entre duas variáveis distintas com mais de 3 grupos independentes , logo há três possibilidades de análise: ANOVA,ANOVA COM WELCH e teste de Kruskal-Wallis.
Verificando a normalidade dos grupos:
Shapiro-Wilk normality test
data: dados_archive_2_$`Pontos Marcados pelo Jogador`[dados_archive_2_$Posição == "Pivô"]
W = 0.84928, p-value = 7.399e-10
Shapiro-Wilk normality test
data: dados_archive_2_$`Pontos Marcados pelo Jogador`[dados_archive_2_$Posição == "Ala pivô"]
W = 0.85571, p-value = 2.956e-09
Shapiro-Wilk normality test
data: dados_archive_2_$`Pontos Marcados pelo Jogador`[dados_archive_2_$Posição == "Armador"]
W = 0.90788, p-value = 1.886e-06
Shapiro-Wilk normality test
data: dados_archive_2_$`Pontos Marcados pelo Jogador`[dados_archive_2_$Posição == "Ala"]
W = 0.902, p-value = 3.302e-07
Shapiro-Wilk normality test
data: dados_archive_2_$`Pontos Marcados pelo Jogador`[dados_archive_2_$Posição == "Ala armador"]
W = 0.89633, p-value = 6.365e-09Visto que o valor -p do teste de Shapiro-Wilk foi -p> 0,05, para todos os grupos da variável posição, os dados apresentam distribuição normal. Assim, foi aplicado o teste de Levene para avaliar homocedasticidade.
HO: Não há diferença entre a distribuição dos pontos marcados e a posição do jogador.
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 4 2.7465 0.02764 *
610
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Uma vez que o teste de Levene apresentou valor -p < 0,05, sabemos que não há homocedasticidade.Ou seja, seguimos a hipótese nula, as variâncias dos grupos são iguais. Portanto, precisamos realizar o teste ANOVA com WELCH para verificar se as médias diferem.
One-way analysis of means (not assuming equal variances)
data: `Pontos Marcados pelo Jogador` and Posição
F = 3.3686, num df = 4.00, denom df = 294.95, p-value = 0.01025Após a aplicação do teste ANOVA COM WELCH, foi encontrado um valor- p< 0,05. Assim, rejeita-se a hipótese nula concluindo que os cinco grupos diferem, sendo a posição Pivô o grupo com maiores valores de pontos marcados.
GRÁFICO 2: Número de tentativas de arremessos (cestas) pelo jogador x Posição
Assim como o primeiro , segundo gráfico trata da relação entre duas variáveis distintas com mais de 3 grupos independentes , logo há três possibilidades de análise: ANOVA,ANOVA COM WELCH e teste de Kruskal-Wallis.
Verificando a normalidade dos grupos:
Shapiro-Wilk normality test
data: dados_archive_2_$`Número de tentativas de arremessos (cestas) pelo jogador`[dados_archive_2_$Posição == "Pivô"]
W = 0.86143, p-value = 2.344e-09
Shapiro-Wilk normality test
data: dados_archive_2_$`Número de tentativas de arremessos (cestas) pelo jogador`[dados_archive_2_$Posição == "Ala pivô"]
W = 0.89346, p-value = 1.366e-07
Shapiro-Wilk normality test
data: dados_archive_2_$`Número de tentativas de arremessos (cestas) pelo jogador`[dados_archive_2_$Posição == "Armador"]
W = 0.92734, p-value = 2.106e-05
Shapiro-Wilk normality test
data: dados_archive_2_$`Número de tentativas de arremessos (cestas) pelo jogador`[dados_archive_2_$Posição == "Ala"]
W = 0.90767, p-value = 6.518e-07
Shapiro-Wilk normality test
data: dados_archive_2_$`Número de tentativas de arremessos (cestas) pelo jogador`[dados_archive_2_$Posição == "Ala armador"]
W = 0.9026, p-value = 1.446e-08Visto que o valor -p do teste de Shapiro-Wilk foi -p> 0,05 para todos os grupos da variável posição, Podemos concluir que os dados apresentam uma distribuição normal. Assim, foi aplicado o teste de Levene para avaliar se há homocedasticidade.
HO: Não há diferença entre as tentativas de arremesso e a posição do jogador.
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 4 4.1043 0.00273 **
610
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Após a aplicação do teste de Levene, foi possível observar um valor- p<0,05, ou seja, não há homocedasticidade. Rejeitamos a hipótese nula e podemos concluir que pelo menos um dos cinco grupos diferem, sendo a posição Pivô o grupo com maiores valores de tenativas de arremesso.
Portanto, precisamos realizar o teste ANOVA COM WELCH para correção dos grupos com heterocedasticidade.
One-way analysis of means (not assuming equal variances)
data: `Número de tentativas de arremessos (cestas) pelo jogador` and Posição
F = 8.5698, num df = 4.00, denom df = 295.78, p-value = 1.482e-06Como foi encontrado um valor-p> 0,05, não há diferença entre as médias dos grupos, a hipótese é nula.
4.2 Análise dos gráficos 3 e 4 : Variáveis quantitativas x quantitativas
Por se tratar de variáveis quantitativas o teste de hipótese utilizado na análise dos gráficos 3 e 4 é o teste que avalia a correlação. Onde primeiro é feito o teste de Shapiro-Wilk para a análise da normalidade das variáveis, onde HO indica que há normalidade e H1 indica que não há normalidade.
Gráfico 3: Número de cestas x número de jogos
Verificando a normalidade:
Shapiro-Wilk normality test
data: dados_archive_2_$`Número de arremessos(cestas) pelo jogador`
W = 0.89377, p-value < 2.2e-16
Shapiro-Wilk normality test
data: dados_archive_2_$`Partidas Jogadas pelo jogador`
W = 0.94445, p-value = 2.072e-14Visto que uma das variáveis não apresentam -p> 0,05, concui-se que não há normalidade, ou seja, rejeitamos a hipótese nula, logo o teste correto a ser realizado é o teste de correlação de Spearman (rho).
Spearman's rank correlation rho
data: dados_archive_2_$`Número de arremessos(cestas) pelo jogador` and dados_archive_2_$`Partidas Jogadas pelo jogador`
S = 18573567, p-value < 2.2e-16
alternative hypothesis: true rho is not equal to 0
sample estimates:
rho
0.5209042 HO: Não há correlação entre o número de cestas e o número de jogos.
H1: há correlação entre o número de cestas e o número de jogos.
Ao realizar o teste de correlação de Spearman, foi encontrado um valor-p < 0,001, indicando haver uma correlação estatisticamente significativa entre as variáveis. O coeficiente de correlação r = 0,43 indica que esta correlação é positiva e fraca. Isso significa que a relação entre as variáveis não é significativa o suficiente para ser considerada relevante.
Gráfico 4: Número de cestas x tentativas de arremesso
Verificando a normalidade:
Shapiro-Wilk normality test
data: dados_archive_2_$`Número de arremessos(cestas) pelo jogador`
W = 0.89377, p-value < 2.2e-16
Shapiro-Wilk normality test
data: dados_archive_2_$`Número de tentativas de arremessos (cestas) pelo jogador`
W = 0.90086, p-value < 2.2e-16Visto que ambas as variáveis apresentam -p< 0,05, concui-se que não há normalidade, logo o teste correto a ser realizado é o teste de correlação de Spearman.
Spearman's rank correlation rho
data: dados_archive_2_$`Número de arremessos(cestas) pelo jogador` and dados_archive_2_$`Número de tentativas de arremessos (cestas) pelo jogador`
S = 1073300, p-value < 2.2e-16
alternative hypothesis: true rho is not equal to 0
sample estimates:
rho
0.9723148 HO: não há correlação entre o número de cestas e as tentativas de arremesso.
H1: há correlação entre o número de cestas e as tentativas de arremesso.
Ao realizar o teste de correlação de Spearman, foi obtido um valor-p < 0,001, indicando haver uma correlação estatisticamente significativa entre as variáveis. O coeficiente de correlação rho = 0,97 indica que esta correlação é positiva e forte. Dessa forma, quanto maior o número de cestas, maior serão as tenativas de arremessos feitas pelo jogador.
4.3 Análise do quinto gráfico: Variáveis qualitativas x qualitativas
GRÁFICO 5: Posição X Faixa de pontuação
Por se tratar de duas variáveis qualitativas o teste de hipótese utilizado foi o de correlação Qui-quadrado.
Onde:
HO: Não existe correlação entre a posição do jogador e a faixa de pontuação.
H1: Existe correlação entre a posição do jogador e a faixa de pontuação.
Visto que o teste qui-quadrado apresentou valor -p > 0,05 (0,85), os dados sugerem que não há uma associação estatisticamente significativa entre a posição do jogador e a faixa de pontuação obtida nos jogos.
Pearson's Chi-squared test
data: dados_archive_2_$Posição and dados_archive_2_$Faixa_de_Pontos
X-squared = 8.1796, df = 4, p-value = 0.08522Cross-Tabulation, Row Proportions
Posição * Faixa_de_Pontos
Data Frame: dados_archive_2_
------------- ----------------- --------------- ----------------------------------- --------------
Faixa_de_Pontos Até 16 pontos Mais que 16 pontos e menos que 34 Total
Posição
Pivô 112 (91.1%) 11 ( 8.9%) 123 (100.0%)
Ala pivô 96 (82.8%) 20 (17.2%) 116 (100.0%)
Armador 83 (78.3%) 23 (21.7%) 106 (100.0%)
Ala 102 (87.2%) 15 (12.8%) 117 (100.0%)
Ala armador 130 (85.0%) 23 (15.0%) 153 (100.0%)
Total 523 (85.0%) 92 (15.0%) 615 (100.0%)
------------- ----------------- --------------- ----------------------------------- --------------5.Regressão Logística
Vamos começar nossa análise construíndo um modelo de regressão logística. Para isso, nossa variável resposta precisa ser qualitativa binária
Variável resposta: Faixa de Pontos
6.Conclusão
REFERÊNCIAS BIBLIOGRÁFICAS
MIGUEL, Caio Garbo. SUCESSO NA NBA E SEUS POSSÍVEIS PREDITORES. Orientador: Prof. Dr. Humberto Moreira Carvalho. 2022. 36 p. Trabalho de conclusão de curso (Bacharel em Eduação Física) - Universidade Federal de Santa Catarina, Florianópolis, 2022. Disponível em: https://repositorio.ufsc.br/handle/123456789/233489. Acesso em: 16 out. 2023.
MENEZES, João Lucas Galvão. Rumo ao estrelato: Uma análise com estatísticas de jogadores recém ingressados na NBA. Orientador: Professor Dr. Nazareno Ferreira de Andrade. 2022. 10 p. Trabalho de conclusão de curso (Bacharel em Ciência da Computação.) - UNIVERSIDADE FEDERAL DE CAMPINA GRANDE, Campina Grande- PB, 2022. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/25005. Acesso em: 16 out. 2023.
CUNHA, MATHEUS NAKAHASHI. DIFERENÇA DE APROVEITAMENTO NA LINHA DE LANCES LIVRES ENTRE PIVÔS E ARMADORES NA NBA (1996-2022). Orientador: Júlia Barreira Augusto. 2022. Trabalho de conclusão de curso (Bacharel em Educação Física) - UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO, São Paulo, 2022. Disponível em: http://hdl.handle.net/11449/238088. Acesso em: 16 out. 2023.
PONTÉ, João Victor. A GLOBALIZAÇÃO DO BASQUETEBOL E SUA POSTERIOR INTERNACIONALIZAÇÃO: UMA ANÁLISE DA NBA E DE MICHAEL JORDAN. Orientador: Prof. Dr. Rafael Salatini de Almeida. 2023. Trabalho de conclusão de curso (Bacharel em Relações Internacionais) - UNIVERSIDADE ESTADUAL PAULISTA “JÚLIO DE MESQUITA FILHO”, Marília - SP, 2023. Disponível em: http://hdl.handle.net/11449/242884. Acesso em: 16 out. 2023.