Textos de referência

• Tipo de texto

  Resumo

  Data do texto

  2018

  Autor do texto

  Renato Monteiro Pinha Gomes

  Status

  Finalizado

  Texto de referência

  No cenario esportivo, técnicas estatísticas estão sendo cada vez mais utilizadas com finalidades diversas, como fornecer informacões para melhorar o desempenho das equipes na avaliação de jogadores e na previsão de resultados. Percebe-se que varios veículos de comunicação utilizam essas ferramentas para exibir dados ligados a esportes como, por exemplo, preferência do público com relação à determinada modalidade esportiva, média de público e renda, entre outros. O foco da dissertação é estudar e desenvolver modelos de previsão para resultados das partidas de futebol. Modelos serão propostos para previsão dos placares em que assume-se fatores latentes para explicar ataque, defesa e efeito do mando de campo das equipes. Considerou-se diferentes modelos: assumindo que os fatores são estáticos ao longo das rodadas; que eles evoluem no tempo de forma dinâmica; que eles evoluem no tempo por meio de componentes auto-regressivas; e assumindo estruturas hierarquicas de regressão. O procedimento de inferência sera feito sob o enfoque bayesiano. Como as distribuições a posteriori não são analiticamente tratáveis, adotou-se o Método de Monte Carlo via Cadeias de Markov (MCMC), em particular utilizando os algoritmos amostrador de Gibbs e Metropolis-Hastings para obter amostras dessa distribuição.
  

  
  

• Tipo de texto

  Resumo

  Data do texto

  2018

  Autor do texto

  Renato Monteiro Pinha Gomes

  Status

  Finalizado

  Texto de referência

  ABSTRACT: In sports scene, statistical techniques are being increasily used for several purposes, such as providing information to improve teams’ performance at evaluation of players, and prediction of results. Various communication vehicles use these tools to display data related to sports such as, for example, public preference concerning to a particular sport modality, average audience and income, among others. The focus of dissertation is to study and develop predictive models from results to soccer matches. Models are proposed for prediction of scoreboards which latent factors assumed to explain attack, defense and the effect from teams’ field command. Different models were considered: assuming that factors are static along the matches; they evolve dynamically over time by means of autoregressive components; and assuming hierarchical regression structures. The inference procedure is done under the bayesian approach. The posteriori distribution is not analytically tractable, then Monte Carlo’s method via Markov Chains (MCMC) was adopted, in particular using the algorithms Sampler of Gibbs and Metropolis-Hastings to obtain samples from it.