Construcción de un modelo de goles esperados para los partidos de la Copa Mundial de la FIFA del año 2018

Abstract

Durante los últimos años la Estadística avanzada se ha abierto paso en el mundo del fútbol hasta tal punto que la mayoría de clubs cuentan en su organigrama con un departamento encargado de realizar análisis económicos y deportivos basados en Big Data. En este trabajo se realiza una aproximación a la Estadística en el ámbito del fútbol por medio de una de las métricas que más popularidad ha adquirido en los últimos años, los expected goals (xG) o goles esperados. Esta métrica mide el número de goles que un jugador o equipo debería haber conseguido dadas las ocasiones de las que dispuso, permitiendo realizar comparaciones de rendimiento ofensivo tanto individuales como colectivas. En el presente documento se expone el proceso de construcción de un modelo de goles esperados para los partidos disputados en la Copa Mundial de la FIFA en el año 2018. Se han empleado los datos de los partidos de las cinco grandes ligas europeas en la temporada 2017-2018 para generar el modelo, ya que como se explica más adelante, estas competiciones suponen un espacio muestral representativo de los partidos del Mundial. Como parte del proceso de creación del modelo se detallan las variables consideradas de interés, así como los procedimientos seguidos para su obtención. Desde el punto de vista teórico, se ha utilizado el algoritmo Gradient Boosting, y en concreto su implementación XGBoost, para la construcción del modelo, ya que es una de las técnicas de clasificación más utilizadas en la actualidad debido a sus buenos resultados y eficiencia.

Over the last few years, advanced Statistics has made its way into the world of football to such an extent that most clubs have a department in charge of economic and sporting analysis based on Big Data. In this paper, an approach to Statistics related to soccer is developed by means of one of the most popular metrics in recent years, the expected goals (xG). This metric measures the number of goals a player or team should have scored given the chances they had, allowing comparisons of both individual and collective offensive performance. This dissertation outlines the process of building a model of expected goals for the matches played in the 2018 FIFA World Cup. Data from matches of the five major European leagues in the 2017-2018 season have been used to generate the model, since, as it is explained below, these competitions suppose a representative sample space of World Cup matches. As part of the model creation process, the variables considered significant are detailed, as well as the procedures followed to obtain them. From a theoretical point of view, the Gradient Boosting algorithm, and specifically its implementation XGBoost, has been used to build the model, as it is one of the most widely used classification techniques due to its good results and efficiency.