Modelizacion estadística de resultados en fútbol a partir de indicadores de rotación de equipos
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Este Trabajo de Fin de Grado tiene como objetivo modelizar estadísticamente los resultados en el fútbol profesional a partir de indicadores de rotación de equipos, centrándose en cómo las decisiones relacionadas con las alineaciones y las sustituciones influyen en el desenlace de los partidos. Para ello, se ha recopilado y procesado un conjunto de datos detallado de la Primera División española entre las temporadas 2019 y 2024, excluyendo partidos de equipos con presupuestos extremos y primeras jornadas sin historial previo suficiente. El estudio comienza con un analisis descriptivo de las variables objetivo (resultado del partido y goles de cada equipo) y de variables explicativas relacionadas con las rotaciones. A continuacion, se implementan y comparan distintos modelos predictivos: regresión de Poisson, regresión logística multinomial (con y sin regularizacion mediante glmnet), y el algoritmo XGBoost, tanto en versiones de regresión como de clasificación directa. Los resultados muestran que, los modelos mas simples, como la regresión de Poisson, proporcionan un rendimiento aceptable, aunque con ciertas limitaciones. En cambio, al aplicar métodos como la regresion multinomial, la regresión regularizada con glmnet o la clasificación directa con XGBoost, se ha conseguido una mejora significativa en la precisión, alcanzando niveles de accuracy por encima del 48 %. Estos enfoques permiten capturar mejor la complejidad del problema y ofrecen resultados mas competitivos. Este trabajo aporta evidencia empírica sobre el valor de incluir indicadores de rotación en los modelos estadísticos de predicción deportiva, y destaca el potencial de la estadística aplicada para mejorar la toma de decisiones en contextos competitivos.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle