Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol
El uso de estadística aplicada al fútbol es cada vez más convencional y utilizada por los equipos de renombre en todo el mundo, aunque muchos argumentan que el uso de analítica le quita la emoción a los deportes, otros piensan que genera un mejor espectáculo y rendimiento de los equipos, que ya son...
- Autores:
-
Garzón Mora, German Santiago
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/34593
- Acceso en línea:
- http://hdl.handle.net/11634/34593
- Palabra clave:
- Football
Regression
Principal component
Cluster
Fútbol
Regresión
Componentes Principales
Cluster
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SANTTOMAS2_6ba79fcc7af32dad598d9648ec583869 |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/34593 |
| network_acronym_str |
SANTTOMAS2 |
| network_name_str |
Repositorio Institucional USTA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol |
| title |
Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol |
| spellingShingle |
Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol Football Regression Principal component Cluster Fútbol Regresión Componentes Principales Cluster |
| title_short |
Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol |
| title_full |
Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol |
| title_fullStr |
Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol |
| title_full_unstemmed |
Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol |
| title_sort |
Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol |
| dc.creator.fl_str_mv |
Garzón Mora, German Santiago |
| dc.contributor.advisor.none.fl_str_mv |
Pacheco López, Mario José |
| dc.contributor.author.none.fl_str_mv |
Garzón Mora, German Santiago |
| dc.contributor.corporatename.spa.fl_str_mv |
Universidad Santo Tomas |
| dc.subject.keyword.spa.fl_str_mv |
Football Regression Principal component Cluster |
| topic |
Football Regression Principal component Cluster Fútbol Regresión Componentes Principales Cluster |
| dc.subject.proposal.spa.fl_str_mv |
Fútbol Regresión Componentes Principales Cluster |
| description |
El uso de estadística aplicada al fútbol es cada vez más convencional y utilizada por los equipos de renombre en todo el mundo, aunque muchos argumentan que el uso de analítica le quita la emoción a los deportes, otros piensan que genera un mejor espectáculo y rendimiento de los equipos, que ya son vistos como empresas y necesitan mantener rentabilidad, el presente trabajo se propone a identificar jóvenes promesas del futbol por medio de análisis multivariado y regresión logística, con el fin de dejar una base para futuros análisis y proponer una manera de elección para identificar jugadores talentosos. |
| publishDate |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2021-06-28T19:51:57Z |
| dc.date.available.none.fl_str_mv |
2021-06-28T19:51:57Z |
| dc.date.issued.none.fl_str_mv |
2021-06-24 |
| dc.type.local.spa.fl_str_mv |
Trabajo de grado |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.spa.fl_str_mv |
Garzon, G., 2021. Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol. Pregrado. Universidad Santo Tomas. |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/34593 |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Santo Tomás |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Santo Tomás |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.usta.edu.co |
| identifier_str_mv |
Garzon, G., 2021. Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol. Pregrado. Universidad Santo Tomas. reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
http://hdl.handle.net/11634/34593 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Hirose, N. (2011). Prediction of talent in youth soccer players: prospective study over 4-6 years. Football Science1, 8, 1-8. Vroonen, R., Decroos, T., Van Haaren, J. (2016). Predicting the Potential of Professional Soccer Players. SciSports, 1-10. Carmona, S. (2018). El Big Data que adelantó el talento de Mbappé. Líbero. https://revistalibero.com/blogs/contenidos/elbig- data-que-descubrio-el-talento-de-mpappe. Cardona, D. (2008). Fútbol: introducción a una tesis doctoral en Ciencias de la Cultura Física. efdeportes. https://www.efdeportes.com/efd118/futbol-introduccion-a-una-tesis-doctoral.htm. Gomez, M. (2006). REDES NEURONALES APLICADAS A LOS NEGOCIOS: ANALISIS DE UN CASO. Itba. Velásquez, J. (2015). IMPLEMENTACIÓN DE RED NEURONAL PARA PRONÓSTICO DE PRECIO EN BOLSA DE LA ENERGÍA ELÉCTRICA EN COLOMBIA EN UN APLICATIVO WEB. repositorio. uniandes. Pérez, F. M. D. (2000, 1 diciembre). La regresión logística: una herramienta versátil|Nefrología. revistanefrologia. Aspiazu, G. C. (2021, 12 febrero). Árboles de decisión. Mente Errabunda. Lagarrañaga, P. (2012). Redes Neuronales. ehu. Idoate, G. (2020, 22 noviembre). Fútbol 11: Qué es, Duración de los Partidos, Posiciones de Juego e Info. Mis entrenamientos de fútbol. colaboradores de Wikipedia. (2021, 9 febrero). Fútbol. Wikipedia, la enciclopedia libre. Rodríguez, D. (2018, 1 julio). La regresión logística. Analytics Lane. Razali, N., Mustapha, A., Yatim, F. A., Ab Aziz, R. (2017). Predicting Player Position for Talent Identification in Association Football. IOP Conference Series: Materials Science and Engineering, 226, 012087. Jauhiainen, S., Ayramo, S., Forsman, H., Kauppi, J.-P. (2019). Talent identification in soccer using a one-class support vector machine. International Journal of Computer Science in Sport, 18(3), 125-136. Parra, F. (2017). 6 Métodos de clasificación - Estadística y Machine Learning con R. bookdown. Arango, M. M. A. (2018, 2 octubre). Redes neuronales para clasificación : una aplicación al caso de riesgos laborales en Colombia. repository.javeriana. Garcia, D. (2021). Una aplicación de redes neuronales artificiales para el pronóstico de los rendimientos de la serie de Ecopetrol. Repositorio USTA. Gomez, P. (2009). Redes Neuronales Artificiales Conceptos básicos. Inaoep. Meneses, G. A. (2013). La investigaci´on del futbol y sus nexos con los estudios de comunicaci´on: Aproximaciones y ejemplos. scielo. http://www.scielo.org.mx/scielo.php?script=sciarttextpid = S0188− 252X2013000200003. |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.campus.spa.fl_str_mv |
CRAI-USTA Bogotá |
| dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.publisher.program.spa.fl_str_mv |
Rregrado estadística |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de estadística |
| institution |
Universidad Santo Tomás |
| bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/34593/1/2021germangarzon.pdf https://repository.usta.edu.co/bitstream/11634/34593/2/Carta%20Derechos%20de%20Autor.pdf https://repository.usta.edu.co/bitstream/11634/34593/5/German%20santiago%20garzon%20Mora%20%281%29.pdf https://repository.usta.edu.co/bitstream/11634/34593/3/license_rdf https://repository.usta.edu.co/bitstream/11634/34593/4/license.txt https://repository.usta.edu.co/bitstream/11634/34593/6/2021germangarzon.pdf.jpg https://repository.usta.edu.co/bitstream/11634/34593/7/Carta%20Derechos%20de%20Autor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/34593/8/German%20santiago%20garzon%20Mora%20%281%29.pdf.jpg |
| bitstream.checksum.fl_str_mv |
959592322ef21481a024b3b2961291a6 9ae8f610e5dc5bdf18609112bb830666 9029409ecb2b0b544eefaffcf067e4b7 217700a34da79ed616c2feb68d4c5e06 aedeaf396fcd827b537c73d23464fc27 4fc4ebab4cc3e3e438128468dba78b6b 3bb5d289aaa64671719eb0bd0e4ac434 c252c895d92624034b48ef12a2c6a646 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
| repository.mail.fl_str_mv |
repositorio@usantotomas.edu.co |
| _version_ |
1782026234922795008 |
| spelling |
Pacheco López, Mario JoséGarzón Mora, German SantiagoUniversidad Santo Tomas2021-06-28T19:51:57Z2021-06-28T19:51:57Z2021-06-24Garzon, G., 2021. Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbol. Pregrado. Universidad Santo Tomas.http://hdl.handle.net/11634/34593reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEl uso de estadística aplicada al fútbol es cada vez más convencional y utilizada por los equipos de renombre en todo el mundo, aunque muchos argumentan que el uso de analítica le quita la emoción a los deportes, otros piensan que genera un mejor espectáculo y rendimiento de los equipos, que ya son vistos como empresas y necesitan mantener rentabilidad, el presente trabajo se propone a identificar jóvenes promesas del futbol por medio de análisis multivariado y regresión logística, con el fin de dejar una base para futuros análisis y proponer una manera de elección para identificar jugadores talentosos.The use of statistics applied to football is becoming more conventional and used by renowned teams around the world, although many argue that the use of analytics takes away the excitement of sports, others think that it generates a better show and performance of the teams, which are already seen as companies and need to maintain profitability, the present work aims to identify promising young soccer players by means of multivariate analysis and logistic regression, in order to leave a basis for future analysis and propose a way of choice to identify talented players.Profesional en estadísticaPregradoapplication/pdfspaUniversidad Santo TomásRregrado estadísticaFacultad de estadísticaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Análisis multivariado y de regresión logística para la detección de jugadores promesas del futbolFootballRegressionPrincipal componentClusterFútbolRegresiónComponentes PrincipalesClusterTrabajo de gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáHirose, N. (2011). Prediction of talent in youth soccer players: prospective study over 4-6 years. Football Science1, 8, 1-8.Vroonen, R., Decroos, T., Van Haaren, J. (2016). Predicting the Potential of Professional Soccer Players. SciSports, 1-10.Carmona, S. (2018). El Big Data que adelantó el talento de Mbappé. Líbero. https://revistalibero.com/blogs/contenidos/elbig- data-que-descubrio-el-talento-de-mpappe.Cardona, D. (2008). Fútbol: introducción a una tesis doctoral en Ciencias de la Cultura Física. efdeportes. https://www.efdeportes.com/efd118/futbol-introduccion-a-una-tesis-doctoral.htm.Gomez, M. (2006). REDES NEURONALES APLICADAS A LOS NEGOCIOS: ANALISIS DE UN CASO. Itba.Velásquez, J. (2015). IMPLEMENTACIÓN DE RED NEURONAL PARA PRONÓSTICO DE PRECIO EN BOLSA DE LA ENERGÍA ELÉCTRICA EN COLOMBIA EN UN APLICATIVO WEB. repositorio. uniandes.Pérez, F. M. D. (2000, 1 diciembre). La regresión logística: una herramienta versátil|Nefrología. revistanefrologia.Aspiazu, G. C. (2021, 12 febrero). Árboles de decisión. Mente Errabunda.Lagarrañaga, P. (2012). Redes Neuronales. ehu.Idoate, G. (2020, 22 noviembre). Fútbol 11: Qué es, Duración de los Partidos, Posiciones de Juego e Info. Mis entrenamientos de fútbol.colaboradores de Wikipedia. (2021, 9 febrero). Fútbol. Wikipedia, la enciclopedia libre.Rodríguez, D. (2018, 1 julio). La regresión logística. Analytics Lane.Razali, N., Mustapha, A., Yatim, F. A., Ab Aziz, R. (2017). Predicting Player Position for Talent Identification in Association Football. IOP Conference Series: Materials Science and Engineering, 226, 012087.Jauhiainen, S., Ayramo, S., Forsman, H., Kauppi, J.-P. (2019). Talent identification in soccer using a one-class support vector machine. International Journal of Computer Science in Sport, 18(3), 125-136.Parra, F. (2017). 6 Métodos de clasificación - Estadística y Machine Learning con R. bookdown.Arango, M. M. A. (2018, 2 octubre). Redes neuronales para clasificación : una aplicación al caso de riesgos laborales en Colombia. repository.javeriana.Garcia, D. (2021). Una aplicación de redes neuronales artificiales para el pronóstico de los rendimientos de la serie de Ecopetrol. Repositorio USTA.Gomez, P. (2009). Redes Neuronales Artificiales Conceptos básicos. Inaoep.Meneses, G. A. (2013). La investigaci´on del futbol y sus nexos con los estudios de comunicaci´on: Aproximaciones y ejemplos. scielo. http://www.scielo.org.mx/scielo.php?script=sciarttextpid = S0188− 252X2013000200003.ORIGINAL2021germangarzon.pdf2021germangarzon.pdfTrabajo de Gradoapplication/pdf1655471https://repository.usta.edu.co/bitstream/11634/34593/1/2021germangarzon.pdf959592322ef21481a024b3b2961291a6MD51open accessCarta Derechos de Autor.pdfCarta Derechos de Autor.pdfCarta Derechos de Autorapplication/pdf590655https://repository.usta.edu.co/bitstream/11634/34593/2/Carta%20Derechos%20de%20Autor.pdf9ae8f610e5dc5bdf18609112bb830666MD52metadata only accessGerman santiago garzon Mora (1).pdfGerman santiago garzon Mora (1).pdfapplication/pdf261061https://repository.usta.edu.co/bitstream/11634/34593/5/German%20santiago%20garzon%20Mora%20%281%29.pdf9029409ecb2b0b544eefaffcf067e4b7MD55metadata only accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/34593/3/license_rdf217700a34da79ed616c2feb68d4c5e06MD53open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/34593/4/license.txtaedeaf396fcd827b537c73d23464fc27MD54open accessTHUMBNAIL2021germangarzon.pdf.jpg2021germangarzon.pdf.jpgIM Thumbnailimage/jpeg7711https://repository.usta.edu.co/bitstream/11634/34593/6/2021germangarzon.pdf.jpg4fc4ebab4cc3e3e438128468dba78b6bMD56open accessCarta Derechos de Autor.pdf.jpgCarta Derechos de Autor.pdf.jpgIM Thumbnailimage/jpeg9567https://repository.usta.edu.co/bitstream/11634/34593/7/Carta%20Derechos%20de%20Autor.pdf.jpg3bb5d289aaa64671719eb0bd0e4ac434MD57open accessGerman santiago garzon Mora (1).pdf.jpgGerman santiago garzon Mora (1).pdf.jpgIM Thumbnailimage/jpeg8940https://repository.usta.edu.co/bitstream/11634/34593/8/German%20santiago%20garzon%20Mora%20%281%29.pdf.jpgc252c895d92624034b48ef12a2c6a646MD58open access11634/34593oai:repository.usta.edu.co:11634/345932022-10-24 03:03:37.463open accessRepositorio Universidad Santo Tomásrepositorio@usantotomas.edu.coQXV0b3Jpem8gYWwgQ2VudHJvIGRlIFJlY3Vyc29zIHBhcmEgZWwgQXByZW5kaXphamUgeSBsYSBJbnZlc3RpZ2FjacOzbiwgQ1JBSS1VU1RBCmRlIGxhIFVuaXZlcnNpZGFkIFNhbnRvIFRvbcOhcywgcGFyYSBxdWUgY29uIGZpbmVzIGFjYWTDqW1pY29zIGFsbWFjZW5lIGxhCmluZm9ybWFjacOzbiBpbmdyZXNhZGEgcHJldmlhbWVudGUuCgpTZSBwZXJtaXRlIGxhIGNvbnN1bHRhLCByZXByb2R1Y2Npw7NuIHBhcmNpYWwsIHRvdGFsIG8gY2FtYmlvIGRlIGZvcm1hdG8gY29uCmZpbmVzIGRlIGNvbnNlcnZhY2nDs24sIGEgbG9zIHVzdWFyaW9zIGludGVyZXNhZG9zIGVuIGVsIGNvbnRlbmlkbyBkZSBlc3RlCnRyYWJham8sIHBhcmEgdG9kb3MgbG9zIHVzb3MgcXVlIHRlbmdhbiBmaW5hbGlkYWQgYWNhZMOpbWljYSwgc2llbXByZSB5IGN1YW5kbwptZWRpYW50ZSBsYSBjb3JyZXNwb25kaWVudGUgY2l0YSBiaWJsaW9ncsOhZmljYSBzZSBsZSBkw6kgY3LDqWRpdG8gYWwgdHJhYmFqbyBkZQpncmFkbyB5IGEgc3UgYXV0b3IuIERlIGNvbmZvcm1pZGFkIGNvbiBsbyBlc3RhYmxlY2lkbyBlbiBlbCBhcnTDrWN1bG8gMzAgZGUgbGEKTGV5IDIzIGRlIDE5ODIgeSBlbCBhcnTDrWN1bG8gMTEgZGUgbGEgRGVjaXNpw7NuIEFuZGluYSAzNTEgZGUgMTk5Mywg4oCcTG9zIGRlcmVjaG9zCm1vcmFsZXMgc29icmUgZWwgdHJhYmFqbyBzb24gcHJvcGllZGFkIGRlIGxvcyBhdXRvcmVz4oCdLCBsb3MgY3VhbGVzIHNvbgppcnJlbnVuY2lhYmxlcywgaW1wcmVzY3JpcHRpYmxlcywgaW5lbWJhcmdhYmxlcyBlIGluYWxpZW5hYmxlcy4K |