Modelizacion estadística de resultados en fútbol a partir de indicadores de rotación de equipos
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.017 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".