La modellazione statistica e l'analisi dei dati a fini previsionali nel mondo sportivo sono sicuramente dei compiti particolarmente interessanti, non solo dal punto di vista della ricerca accademica, ma anche in campo economico, dato che il mercato delle scommesse, in particolare del calcio, muovono miliardi di euro ogni anno. La previsione di risultati calcistici costituisce una prova per nulla banale data la sua grande imprevedibilità. Non è per niente raro, infatti, vedere squadre sulla carta più deboli battere altre ritenuti più forti. Basti pensare alla cavalcata del Leicester nel 2016. La problema solitamente viene affrontato in due modi, può essere modellato direttamente il risultato della partita e quindi il problema diventa di classificazione oppure possono essere modellati i gol segnati durante la partita. Nell'elaborato si propongono entrambi gli approcci. Per la classificazione verranno usati Random Forest e regressione multinomiale LASSO, per la modellazione di gol verranno utilizzati approcci Bayesiani.
Metodi statistici per la modellazione e previsione di risultati calcistici
D'ANGELA, GABRIELE
2024/2025
Abstract
La modellazione statistica e l'analisi dei dati a fini previsionali nel mondo sportivo sono sicuramente dei compiti particolarmente interessanti, non solo dal punto di vista della ricerca accademica, ma anche in campo economico, dato che il mercato delle scommesse, in particolare del calcio, muovono miliardi di euro ogni anno. La previsione di risultati calcistici costituisce una prova per nulla banale data la sua grande imprevedibilità. Non è per niente raro, infatti, vedere squadre sulla carta più deboli battere altre ritenuti più forti. Basti pensare alla cavalcata del Leicester nel 2016. La problema solitamente viene affrontato in due modi, può essere modellato direttamente il risultato della partita e quindi il problema diventa di classificazione oppure possono essere modellati i gol segnati durante la partita. Nell'elaborato si propongono entrambi gli approcci. Per la classificazione verranno usati Random Forest e regressione multinomiale LASSO, per la modellazione di gol verranno utilizzati approcci Bayesiani.| File | Dimensione | Formato | |
|---|---|---|---|
|
D'Angela_Gabriele.pdf
Accesso riservato
Dimensione
1.61 MB
Formato
Adobe PDF
|
1.61 MB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/98988