PREDICIENDO PARTIDOS DEL MUNDIAL FIFA BRASIL 2014
DOI:
https://doi.org/10.26495/icti.v1i1.116Palabras clave:
Big Data, Inferencia Probabilística, Machine Learning, Predicción de Partidos de Fútbol, Teorema de BayesResumen
El objetivo de este artículo es mostrar por qué las herramientas del novel campo de estudio llamado Big Data, está teniendo un creciente interés en diversas áreas alrededor del mundo. Para ello, se abordó una de las herramientas de Big Data denominada Machine Learning, específicamente un enfoque probabilístico basado en el Teorema de Bayes. Con este enfoque se propone la construcción de un modelo que permita predecir el ganador en un partido de fútbol a partir de información histórica. Esta información histórica contempla los últimos tres años de partidos disputados por cada una de las 32 selecciones participantes en el mundial FIFA Brasil 2014. A pesar de que el modelo es simple, éste obtuvo resultados competitivos en comparación con los resultados obtenidos por una red neuronal y un portal web de predicciones deportivas. Lo resultados proporcionados por las técnicas de Big Data fueron interesantes a pesar de la alta incerteza que presenta un partido de fútbol. Además, para el gobierno y empresas, estas técnicas podrían ser empleadas para salvar vidas, ahorrar tiempo y dinero en tareas críticas.Descargas
Citas
ACM, J. (2011). For fundamental contributions to artificial intelligence through the development of a calculus for probabilistic and causal reasoning. From: http://amturing.acm.org/award_winners/pearl_2658896.cfm
Berman, J. (2013). Principles of BigData: Preparing, Sharing, and Analyzing Complex Information. Ed. Elsevier Inc.
Bloomberg (2014). http://www.bloomberg.com/visual-data/world-cup/#0,0,-1. Fecha de Acceso: 26 de Junio del 2014.
Ehab, Z. (2014). Math equation could help find missing Malaysian plane. From: http://america.aljazeera.com/articles/2014/3/12/mathematical-equationcouldhelpfindmiss
ingmalaysianplane.html
Florez, O. (2014). Predicting the Results of the 2014 FIFA World Cup. https://medium.com/@ouflorez/predicting-the-results-of-the-2014-fifa-world-cup-b8d313138f48. Fecha de Acceso: 26 de Junio del 2014.
Gopalkrishnan, V., Steier, D., Lewis, H. & Guszcza, J. (2012). Big Data, Big Business: Bridging the Gap
Hsinchun, C., Chiang, R. & Storey, V. (2012). Business intelligence and analytics: from big data to big impact. From:
http://hmchen.shidler.hawaii.edu/Chen_big_data_MISQ_2012.pdf
Intel (2014). Internet Minute Infrographics. Fecha de Acceso: 26 de Junio del 2014.
http://www.intel.com/content/www/us/en/communications/internet-minute-infographic.html.
Koller, D. & Friedman , N. (2009). Probabilistic Graphical Moldels: Principles And Techniques
Lohr, S. (2012). The Age of Big Data. From: The New York Times.
Russell, S. & Norvig, P. (2010). Artificial Intelligence: A Modern Approach (3ra Edición). Ed. Pearson Educación.
Shiguihara, P. & Andrade, A. (2013). Learning bayesian network using parse trees for extraction of protein-protein interaction. (University of São Paulo, Brazil) From:
http://dl.acm.org/citation.cfm?id=2458340
Wikipedia, (2014a). http://es.wikipedia.org/wiki/Anexo:Pa%C3%ADses_afiliados_a_la_FIFA. Fecha de Acceso: 26 de Junio del 2014.
Wikipedia, (2014b). http://es.wikipedia.org/wiki/Copa_Mundial_de_F%C3%BAtbol. Fecha de Acceso: 26 de Junio del 2014.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Creative Commons Atribución-NoComercial-CompartirIgual 4.0
Política editorial
