La influencia del juego y la inversión económica en la clasificación de los equipos de fútbol

Abstract

[ES] En el mundo del fútbol es cada vez más importante quedar en una mejor posición al finalizar la temporada. Esto es debido a las grandes diferencias de beneficios que existen entre los equipos que se clasifican a competiciones europeas y los equipos que descienden de categoría. Este trabajo estudiará las 5 grandes ligas, es decir Serie A , La Liga , Premier League , Ligue 1 y Bundesliga . El objetivo de este trabajo será el análisis de las diferentes variables deportivas que pueden afectar al rendimiento a lo largo de la temporada de un equipo para poder determinar cuáles de ellas tienen un mayor impacto en su posición, qué estrategias deberían utilizar los equipos y poder predecir su clasificación a final de temporada. Para el análisis se utilizarán diferentes técnicas de supervisión multivariante y modelos de machine learning. Las variables que se utilizarán serán de carácter numérico como por ejemplo el número de pases completados, el número de disparos a puerta o la cantidad de recuperaciones de balón y también se incluyen algunas variables económicas como el valor de mercado de los equipos o los ingresos por ventas de jugadores, por ejemplo. Los datos serán extraídos de las diferentes webs que incluye el paquete de datos de R llamado worldfootballR

[EN] In the world of football, it is increasingly important to finish the season in a better position. This is due to the significant differences in profits between teams qualifying for European competitions and those relegated to lower divisions. This study will focus on the five major leagues: “Serie A”, “La Liga”, “Premier League”, “Ligue 1”, and “Bundesliga”. The objective is to analyse various sports variables that may affect a team's performance throughout the season in order to, determine which ones have the greatest impact on its position, what strategies teams should employ, and to predict their end-of-season ranking. The analysis will employ various multivariate supervision techniques and machine learning models. The variables used will include numerical data such as completed passes, shots on target, ball recoveries, and some economic variables such as the market value of the teams or the players sales revenue, for example. Data will be extracted from various websites included in the R data package called worldfootballR.

[CA] En el món del futbol és cada vegada més important quedar en una millor posició en finalitzar la temporada. Això és degut a les grans diferències de beneficis que existeixen entre els equips que es classifiquen a competicions europees i els equips que descendeixen de categoria. Este treball estudiarà les 5 grans lligues, és a dir “Serie A”, “La Liga”, “Premier League”, “Ligue 1” i “Bundesliga”. L'objectiu d'este treball serà l'anàlisi de les diferents variables esportives que poden afectar el rendiment al llarg de la temporada d'un equip per a poder determinar quals d'elles tenen un major impacte en la seua posició, quines estratègies haurien d'utilitzar els equips i poder predir la seua classificació a final de temporada. Per a l'anàlisi s'utilitzaren diferents tècniques de supervisió multivariant i models de machine learning. Les variables que s'utilitzaran seran de caràcter numèric com per exemple el nombre de passades completades, el nombre de trets a porta o la quantitat de recuperacions de pilota i també s'inclouen algunes variables econòmiques com el valor de mercat dels equips o els ingressos per vendes de jugadors, per exemple. Les dades seran extretes de les diferents webs que inclou el paquet de dades de R anomenat worldfootballR