PREDICIENDO PARTIDOS DEL MUNDIAL FIFA BRASIL 2014

Pedro Nelson Shiguihara Juárez; Víctor Yoel Huamán Asencio

doi:10.26495/icti.v1i1.116

Autores/as

Pedro Nelson Shiguihara Juárez Universidad Señor de Sipan
Víctor Yoel Huamán Asencio Universidad Señor de Sipan

DOI:

https://doi.org/10.26495/icti.v1i1.116

Palabras clave:

Big Data, Inferencia Probabilística, Machine Learning, Predicción de Partidos de Fútbol, Teorema de Bayes

Resumen

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.

Biografía del autor/a

Pedro Nelson Shiguihara Juárez, Universidad Señor de Sipan

Adscrito a la Escuela Académico Profesional de Ingeniería de Sistemas, Ingeniero de Sistemas, Docente de la Universidad Señor de Sipan, Pimentel, Perú, pshiguihara@crece.uss.edu.pe
Víctor Yoel Huamán Asencio, Universidad Señor de Sipan

Adscrito a la Escuela Académico Profesional de Ingeniería de Sistemas, Estudiante de Ingeniería de Sistemas, Estudiante de la Universidad Señor de Sipan, Pimentel, Perú, hasenciov@crece.uss.edu.pe.

Referencias

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.