Análisis paramétrico multidimensional del sesgo en la valoración del patinaje artístico

Abstract

Este trabajo se centra en la aplicación de herramientas estadísticas y la inteligencia artificial para la creación de modelos predictivos en el ámbito de las competiciones de patinaje artístico. Se trata de un deporte muy complejo en el que muchos factores tanto objetivos como subjetivos que pueden alterar las puntuaciones finales, dando lugar a resultados inesperados. En un intento de evitar estas situaciones se pretende crear un modelo capaz de predecir las puntuaciones finales de las patinadoras tanto en el programa corto como en el programa largo, las dos partes que componen una competición de patinaje artístico, sin tener en cuenta la dificultad de los elementos técnicos, ya que se pretende considerar solo aquellos factores que influyen de manera menos obvia para los espectadores menos expertos.Durante el proyecto emplean tanto la regresión lineal múltiple como como las máquinas de vectores de soporte para la creación de distintos modelos, con el objetivo de comparar los resultados obtenidos a partir de estos y seleccionar el método óptimo.El trabajo continúa con la aplicación del modelo creado a un ejemple práctico, concretamente a las diez mejores patinadoras participantes en los Juegos Olímpicos de Pekín en 2022. A partir de este se comprueba la precisión de este, comparando sus resultados con los obtenidos por las patinadoras en la vida real.

The purpose of this research is to develop predictive models for figure skating contests using statistical techniques and artificial intelligence. The project uses support vector machines and multiple linear regression to build various models with the goal of comparing the output from each of them and choosing the best approach. This is a very complex sport where a variety of objective and subjective elements may have an unexpected impact on the final scores. The objective is to develop a model that can forecast skaters' final results in both the short program and the free program, which are the two events that make up a figure skating competition, in an effort to prevent these occurrences. The objective is to simply take into account those characteristics that have a less evident impact on less experienced viewers, therefore the complexity of technical parts is not taken into consideration. The next step in the project is to apply the developed model to a real-world example, in this case, the top ten skaters competing in the 2022 Beijing Olympic Games. By contrasting the model's predictions with the skaters' actual performance, the model's accuracy is confirmed.