Jugamos como nunca, perdimos como siempre - ¿Siempre gana el mejor?: Contraste entre las sumatorias de valoraciones de rendimientos individuales de los equipos y el resultado final de un partido de la Primera División del fútbol chileno
Date
2023
Type:
Thesis
item.page.extent
67 p.
item.page.accessRights
Acceso abierto
item.contributor.advisor
ORCID:
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad del Desarrollo. Facultad de Ingeniería
item.page.isbn
item.page.issn
item.page.issne
item.page.doiurl
item.page.other
item.page.references
Abstract
El fútbol es un deporte colectivo en el cual gana el equipo que le marca más goles al rival. Si bien esto es simple de entender, no es sencillo conseguirlo ni explicarlo pues los equipos marcan goles a través de jugadas colectivas o de acciones individuales que pueden generarse a partir de diversas situaciones y en diferentes contextos durante un partido, como tiros de media distancia, lanzamientos penales, centros al área y jugadas
asociadas, entre otras, por lo que dependen directamente de todas las acciones involucradas en el juego como por ejemplo pases, remates, faltas y lanzamientos libres.
Al existir tantas variables involucradas, cada partido de fútbol puede generar una gran cantidad de información. En la actualidad, los avances tecnológicos permiten recopilar y almacenar estos grandes volúmenes, por ejemplo, en el Mundial de Qatar 2022 se generaron cerca de 15.000 data points por partido (FIFA, 2022), lo que equivale aproximadamente a ocho millones de datos por encuentro. Plataformas como Wyscout, Opta, InStat y StatsBomb recogen y publican más de cien métricas distintas de los partidos y los jugadores.
El siguiente trabajo presenta el análisis de los datos de todos los partidos del fútbol chileno de Primera División jugados entre los años 2017 y 2023, obtenidos desde Wyscout, para el desarrollo de modelos predictivos utilizando distintos algoritmos de
machine learning, que determinen si un equipo puede ganar o no un encuentro a partir de las métricas grupales. Los pesos o la importancia de las características de dichos modelos se utilizan posteriormente para evaluar y calificar el rendimiento individual de los jugadores involucrados en un partido, con el fin de obtener una valoración final por equipo y contrastar con el resultado final del encuentro para saber si un equipo que tiene
mejores rankings individuales es finalmente el que termina imponiéndose en el marcador y llevándose la victoria, o dicho de otra manera: si gana el mejor.
Description
Proyecto de grado presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data Science
item.page.coverage.spatial
Santiago
item.page.sponsorship
Citation
Keywords
Chile, Fútbol, Deporte, Machine Learning, Data science, 070037S