2026-05-05T11:30:19Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/632442023-11-27T20:03:46Zcom_10324_38col_10324_852
Pulido Junquera, José Belarmino
Fernández Temprano, Miguel Alejandro
Mulero Merino, Víctor
Universidad de Valladolid. Facultad de Ciencias
2023-11-27T11:15:47Z
2023-11-27T11:15:47Z
2023
https://uvadoc.uva.es/handle/10324/63244
En la actualidad, el fútbol es el deporte más importante en Europa y ha evolucionado
mucho en cuanto al análisis y optimización del rendimiento de los equipos gracias al uso
de la estadística y el Big Data. Este Trabajo de Fin de Grado tiene como primer objetivo
comparar las cinco grandes ligas europeas de fútbol: LaLiga, Premier League, Serie A,
Ligue 1 y Bundesliga para observar las diferencias y similitudes que existen entre los
jugadores de cada competición. También se pretende conocer si un procedimiento de
clasificación no supervisada como el análisis clúster permite clasificar a los jugadores de
acuerdo a su posición en el campo a través de las variables disponibles.
Se utilizarán datos entre los años 2017 y 2022 abarcando un total de 5 temporadas.
Se dispone de información sobre todos los jugadores de cada liga con estadísticas sobre
los partidos en los que participaron. Para el análisis se seleccionarán las variables más
importantes de los diferentes aspectos del juego y se utilizarán para identificar los clústeres
que serán analizados posteriormente.
Nowadays, soccer is the most important sport in Europe and has evolved a lot in terms
of analysis and optimization of team performance thanks to the use of statistics and
Big Data. The first objective of this work is to compare the five major European soccer
leagues: LaLiga, Premier League, Serie A, Ligue 1 and Bundesliga in order to observe
the differences and similarities that exist between the players of each competition. It is
also intended to know if an unsupervised classification procedure such as cluster analysis
allows to classify the players according to their position on the field through the available
variables.
Data will be used between the years 2017 and 2022 covering a total of 5 seasons. Information
is available for all players in each league with statistics on the games in which they
participated. For the analysis, the most important variables of the different aspects of the
game will be selected and used to identify the clusters that will be analyzed later.
Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
Departamento de Estadística e Investigación Operativa
Grado en Estadística
application/pdf
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Fútbol
Clúster
Análisis en componentes principales
Análisis de correspondencias
Estudio de técnicas de clustering aplicadas a una competición profesional de fútbol
info:eu-repo/semantics/bachelorThesis