Modelos estadísticos en Sports Analytics

Abstract

El objetivo de este trabajo ha sido ajustar distintos modelos estadísticos a los datos de la liga española de voleibol femenino. La estadística es esencial en el mundo del deporte. Actualmente, el desarrollo de cualquier deporte o actividad física lleva consigo un estudio acerca de la realización del mismo. El fin de este estudio es analizar los datos recogidos y utilizarlos de la forma más eficiente posible de cara al éxito deportivo. Con respecto a la aplicación de modelos estadísticos, algunas de las principales funciones podrían ser describir el desarrollo de competiciones y/o partidos por parte de los equipos y poder predecir a partir de ellos. En este Trabajo Fin de Grado (TFG), se han considerado los 132 partidos de la fase regular de la Liga Iberdrola de la temporada 2020/2021, con la finalidad de obtener aquellos modelos que mejor clasificaban el resultado final del partido a partir de las acciones que se desarrollaron durante los mismos. Es decir, se han buscado algoritmos estadísticos que den mayor fiabilidad para aplicarlos a nuevos datos y poder predecir con ellos. Este trabajo se ha dividido en 3 capítulos. En el primero introducimos pequeñas nociones sobre la estadística deportiva y nos centramos en artículos recientes en los que la aplicación de métodos estadísticos ha sido el objetivo fundamental. Hablamos tanto de deportes populares, como lo es el fútbol, como del voleibol ya que es el objetivo principal de este trabajo. En el Capítulo 2 hacemos una descripción de lo que es el Aprendizaje Estadístico, donde se engloban los modelos de regresión y clasificación y su correspondiente estudio. También se centra en modelos estadísticos con gran capacidad de aplicación a distintos ámbitos. Se ha evaluado la mayoría de métodos estudiados a lo largo de la carrera sobre los datos disponibles. Además, a partir de las técnicas de selección y medición del rendimiento descritas en el Capítulo 2, finalmente se han seleccionado los modelos con mejor rendimiento y se ha realizado un estudio exhaustivo en el Capítulo 3. Se ha realizado una comparación empírica del modelo de Redes Neuronales y el de Máquinas de vectores soporte sobre el conjunto de datos. Estos modelos recogen lo relativo a las estadísticas de cada equipo en los encuentros disputados de la Liga Iberdrola. En la última parte de este capítulo se toman una serie de conclusiones finales acerca del estudio realizado. Como anexo, se ha incluido el código de R donde se encuentran los cálculos descritos en el Capítulo 3 de la aplicación de los modelos. Y finalmente, se indican las referencias bibliográficas de los documentos consultados.

The objective of this study has been to fit different statistical models to data of the Spanish women’s volleyball league. Statistic is essential in sports world. Nowadays, the development of any sport or physical activity involves a study of how it is carried out. The purpose of this work is to analyse the data collected and use them in the most efficient way to lead to sports success. Regarding the application of statistical models, some of the main functions could be describe the development of competitions and/or matches and to be able to predict from them. In this end-of-degree project we have been considered the 132 matches of the regular phase of “Iberdrola League” of the 2020/2021 season, with the aim of obtaining those models that best classified the final result of the match based on the actions that took place during the matches. In other words, statistical models have been sought to fit new data and to be able to predict from it. This document has been divided into 3 chapters. In the first one, we introduce basic ideas about sports statistics and we focus on recent articles where the application of statistical methods is the main objective. We discuss popular sports, such as football, and others like volleyball, which is the goal of this work. In Chapter 2 we describe what Statistical Learning is, where regression and classification models and their corresponding study are included. It also focuses on statistical models with high applicability to different areas. Most of the methods studied during the degree have been evaluated on the available data. In addition, using selection and performance measurement techniques described in Chapter 2, the best performing models have been finally selected and an exhaustive study has been carried out in Chapter 3. An empirical comparison between Neural Networks model and the Support Vector Machines model on the dataset has been carried out. These models collect information related to the statistics of each team in the matches played in “Iberdrola League”. In the last section of this chapter, a series of final conclusions are drawn about the study carried out. As a Annexe, the R code has been included where the calculations described in Chapter 3 of the application of the models are found. Finally, all the bibliographical references of the documents consulted are indicated in the last section.