La importancia del pasado

 

En palabras de  Enrique Pérez Frías: "El rendimiento del pasado de un equipo nos proporciona información valiosa sobre su rendimiento futuro." Kike quiere saber el tamaño de la ventana temporal que deben tener las variables explicativas que utilizamos en nuestros modelos.

Él encontró que la mejor ventana es las dos últimas temporadas y lo que va de la actual. Sus modelos predicen la probabilidad de que el equipo local gane. Las variables predictivas que utiliza son los puntos logrados por cada uno de los equipos en un partido dado.

El modelo de Kike no considera igual de importante los datos de distintas temporadas. Por ejemplo, a la información de hace dos temporadas solo le da una importancia del 27%. A la de la temporada pasada, una importancia del 32%. Y a los datos de la temporada actual un 41%.

¿Qué pasará con las predicciones del NIES si hacemos algo similar? Por ejemplo, ¿cómo se modifican las predicciones si le damos 50% de importancia a los últimos juego y 50% al  resto del torneo? Como muestra pondremos algunas de las predicciones falladas de esta semana. En negritas está el favorito:

1. Feyenoord vs Ajax, cambió de 52% a 63% 
2. Crystal Palace vs Newcastle, cambio de 57% a 54%
3. Borussia Monchengladbach vs Bayer Leverkusen, cambió de 52% a 48%
4. Elche vs Osasuna, cambió de 55% a 52%
5. Fiorentina vs Torino, cambió de 72% a 67%
6. Famalicao vs Rio Ave, cambió de 50% a 35%

Vemos que para el único partido (de los que mostramos) que tuvo un cambio "drástico" fue para el del Famalicao. ¿A qué se deberá esto? Y para los partidos de mañana ¿cómo cambian las predicciones?

1.  Inter vs Empoli, cambia de 71% a 70%
2. Valencia vs Almeria, cambia de 78% a 79%

Nada qué reportar. 

Ya veremos cómo cambian cuando consideremos los datos de las dos temporadas anteriores.