Que Guanyi el Millor

Rodrigo Salinas Pérez

1634918

1 Introducció
Considerem un esport qualsevol, a un partit, és impossible dir qui guanyarà al
principi, sinó les cases d'apostes no tindrien sentit. Hi ha, però, certs equips
o competidors que són millors que uns altres. És a dir, amb la pràctica i l'en-
trenament s'augmenta la probabilitat de guanyar a una persona amb menys
habilitat, encara això aquesta probabilitat no serà mai del 100%. L'objectiu
d'aquest treball és poder modelitzar aquesta probabilitat i donar resposta a la
pregunta: Quina probabilitat hi ha de que guanyi el millor?

2 Simplicacions
ˆ Encara que a la majoria d'esports existeixi la probabilitat d'empat. No
comptarem amb ella, ens basarem en un sistema binari el qual només
tindrà en compte que un equip pugui guanyar o perdre contra un altre.
ˆ En aquest model, només tractarem esports en els quals, a cada partit
només s'involucren 2 bandes. És a dir, esports com l'atletisme on a cada
carrera participen 8 atletes no els tindrem en compte.
ˆ Per la manera en la que es quanticarà la qualitat d'un equip, simpli-
carem dient que aquest model es pot utilitzar a l'hora de "mesurar"dos
equips de la mateixa lliga, si dos equips són de lligues distintes, aquest
model no qualica.
ˆ No tindrem en compte, a l'hora de mesurar la sort d'un partit que aquesta
es decanti cap a un costat en particular, és a dir. No tindrem en compte
corrupcions per part de l'arbitratge, que el vent vagi a favor d'un dels
oponents etc. En general, si l'habilitat dels dos equips és la mateixa, la
probabilitat de guanyar també.

3 Discussió en General
És important, per poder mesurar la qualitat de cada equip, que aquesta mesura
sigui precisa i numèrica, per poder treballar amb ella i compararla amb la del

1
 FUNCIÓ DISTRIBUCIÓ QUALITAT

rival.
Ja que, per les simplicacions, estarem treballant amb equips de la mateixa
lliga podem prendre el paràmetre de comparació com el ràtio de partits gua-
nyats entre els partits jugats totals que anomenarem q. A l'estudi [1], es fa una
comparació de diferents lligues americanes on, sigui F(x) la funció que dona la
quantitat d'equips amb una ”mesura” com l'explicada abans igual o inferior a
x i dona el següent gràc: Encara que aquesta funció no sigui la que busquem,
té moltes propietats similars. Nosaltres estem buscant la PROBABILITAT, que
un equip A, amb ràtio qA guanyi a un equip B amb ràtio qB . Les propietats
similars que observem són que aquesta funció tendeix a 0 quan x− > −∞ i
a 1 quan x− > ∞, en el cas de la funció distribució en aquesta observació,
el que passa és que F (x) ≈ 0.5. I pel nostre model, nosaltres volem que si
qA = qB , aleshores la probabilitat de guanyar sigui la mateixa, 1/2 (per les
simplicacions). Per tant, prenem xAB = qA − qB i la funció sigmoide logís-
tica: P(A,B):=logist(xAB )= 1+e−x 1
AB
on P(A,B) es la funció que determina la
probabilitat que guanyi A a B. Veiem que clarament P(A,B) quan qA = qB és
logist(0)=1/2 i clarament limx−>−∞ (logist(x)) = 0 i limx−>∞ (logist(x)) = 1.
Una altra propietat que ha de cumplir aquesta funció és la següent: logist(-x)=1-
logist(x) ja que la P(B,A)=1-P(A,B) per denició i clarament xAB = −xBA ,
la funció logística compleix aquesta propietat. Per últim, aquesta funció ha de
ser, i és, monòtonament creixent, ja que a mesura que augmenta la diferència
de nivell entre dos equips, també ha d'augmentar la probabilitat de guanyar del
millor equip.
Un problema que ens trobem aquí és que 0 ≤ q ≤ 1. El que vol implica que
−1 ≤ x ≤ 1 però aleshores 0.25 ≤ logist(x) ≤ 0.75 per tant estem acotant
massa aquesta funció. Una solució a aquest problema és utilitzar la funció
logística modicada:logistmod(x)= 1+e−kx 1
AB
on k és un paràmetre. Podem
utilitzar aquesta funció ja que conserva totes les propietats esmentades abaix.
El que volem fe, és fer que la probabilitat quan q < −1 o q > 1 sigui negli-
gible ja que això no passarà mai, aleshores podriem agafar, per exemple k=5,
0.01 ≤ logistmod(x) ≤ 0.99.

2
Referències
[1] E. Ben-Naim, F. Vazquez, and S. Redner. Parity and Predictability of Com-
petitions. Physical Review E, 2006.

[2] Stewart, J. (2010). Parity and Predictability of Competitions. The American

Mathematical Monthly, 117(7), 614-631. Recuperado de https://ecommons.
luc.edu/cgi/viewcontent.cgi?article=1025&context=math_facpubs
[3] Wikipedia. (s.f.). Función sigmoide. Recuperado de https://es.
wikipedia.org/wiki/Funci%C3%B3n_sigmoide
[4] Baudier, F. (2012). A New Football Game Evaluation Model. Journal of
Quantitative Analysis in Sports,
8(3), Article 4. Recuperado de https://
www.degruyter.com/document/doi/10.2202/1559-0410.1034/html
[5] FC Barcelona. (s.f.). Los goles aleatorios: el papel del
azar y lo incontrolable en el fútbol. Recuperado de
https://barcainnovationhub.fcbarcelona.com/es/blog/
los-goles-aleatorios-el-papel-del-azar-y-lo-incontrolable-en-el-futbol/