Análisis Exploratorio de Datos (EDA)

Análisis Exploratorio de Datos (EDA)

El manejo de grandes cantidades de datos en bruto suele ser complicado y engorroso. A nuestra vista le resulta mucho más sencillo extraer conclusiones de gráficos que de datos colocadoe en forma de tabla. En un gráfico se puede comprobar más rápidamente como se agrupan los datos, si aparecen tendencias, ciclos, o si existen posibles errores. Vamos a ver todo esto más claro con el siguiente ejemplo.

Tomaremos los datos de temperaturas medias de un municipio de La Coruña que aparecen en la siguiente web: http://www.tutiempo.net/clima/A_Coruna_Alvedro/2007/80020.htm

En los meses de Enero, Marzo y Mayo las temperaturas medias por día han sido las siguientes:


En la tabla es difícil apreciar tendencias o puntos discrepantes, sin embargo si representamos gráficamente estos mismos datos la cosa cambia.


Con el gráfico se aprecia que el mes de enero ha tenido mucha más variabilidad que el resto, el mes de marzo ha sufrido un descenso continuado de las temperaturas, mientras que en mayo ha sido el mes mas caluroso y bastante estable.

Es evidente que el gráfico es mucho más fácil de interpretar que la tabla llena de números, pero estos tienen sus restricciones también. Si en lugar de representar 100 datos, como hemos hecho, hubiesemos tenido que representar un conjunto mucho mayor, el gráfico tampoco nos daría demasiada información ya que nos aparecería una nube de puntos tan densa que no apreciaríamos nada. Para condensar toda esa información y mostrarla de manera mucho más fácil de interpretar se utilizan tanto los resúmenes gráficos como los numéricos.

Durante los siguientes posts vamos a abordar ambos tipos de resúmenes, que se encuentran enmarcados dentro de lo que comunmente se llama Analisis Exploratorio de Datos (EDA en Inglés). Comenzaremos con los gráficos, para posteriormente comentar los resumenes numéricos, e intentaremos en todos ellos utilizar ejemplos de datos obtenidos de competiciones deportivas.

Resultados Picks US Open

Resultados Picks US Open

Primera Semifinal: Federer - Djokovic


En esta primera las cosas fueron bastante bien, de los 7 eventos posibles, hubo 5 aciertos y 2 fallos. Entre los aciertos está el pick del under en las dobles faltas totales.


Segunda Semifinal: Nadal - Murray


En la segunda las cosas se torcieron un poco debido probablemente a la sorpresa con la victoria de Murray. Los dos primeros sets gano sus servicios muy fácil lo que hizo que tomase mucha confianza en el servicio y que bajase el nivel de dobles faltas. Esto nos hizo fallar el pick, de todas formas de los 7 eventos hubiesemos acertado 4 y fallado 3.

En total 9 aciertos y 5 fallos que da un porcentaje de aciertos del 64%, que está bastante bien teniendo en cuenta que las líneas propuestas por los bookies estaban bastante bien ajustadas a las previsiones hechas. Seguiremos analizando con este sistema otros torneos de tenis en el futuro a ver como responde.

Apuestas raras en tenis V2.0

Apuestas raras en tenis V2.0

Volvemos con las semifinales del cuarto gran slam de la temporada y vamos a repasar, de manera similar a lo que hicimos para wimbledon, como han cuadrado los bookies sus líneas de apuestas.

Primera Semifinal: Federer - Djokovic

El total de juegos estimado por los bookies para este partido lo han fijado en 41.5.

• ACES:

Las estimaciones del bookie para este partido (no menciono ningún bookie para no herir sensibilidades) son de 26,5 Aces totales, handicap de 2,5, 14,5 aces para Federer y 12,5 para Djokovic. Como podemos ver han afinado bastante más que la primera vez y no se ve ninguna discrepancia grande así que no seleccionaremos nada.

• DOBLES FALTAS

Para este apartado tenemos, 7,5 de total de dobles faltas, 3,5 para Federer y 3,5 para Djokovic. Parece que han corregido un poco a la baja y la mayor discrepancia que aparece es en el total de dobles faltas por partido, que iremos con el under 7.5

Segunda Semifinal: Nadal - Murray

El total de juegos estimado por los bookies para este partido lo han fijado en 38.5.

• ACES:

Las estimaciones para este partido son de 14,5 Aces totales, handicap de 3,5, 5,5 aces para Nadal y 8,5 para Murray. La línea de Murray la han bajado un poco debido probablemente a que Nadal es un gran restador y no resulta sencillo hacerle un saque directo. Como no hay discrepancias demasiado claras dejaremos este apartado sin ningún pick.

• DOBLES FALTAS

Las estimaciones en cuanto a dobles faltas son de 6,5 para el total, 2,5 para Nadal y 4,5 para Murray. Además las cuotas indican una tendencia al under para los tres casos. Aquí creo que si que hay cuotas con value para los picks. Para Nadal la estimación es bastante ajustada, pero para Murray han ido un poco bajo, cuando, bajo mi punto de vista, arriesgará más en el saque buscando que Nadal no le presione con el resto. Así que, apoyandonos en este argumento, iremos con Over 6,5 para el total.

Esperemos tener suerte.

Fuentes de Datos

Fuentes de Datos

Antes de continuar con el curso básico de estadistica vamos a hacer un pequeño paréntesis para hablar de fuentes de datos y su tratamiento en Excel. Esto nos servirá como base para afrontar los temas a tratar en el apartado de estadística descriptiva. Lo que haremos es tomar datos de estas páginas y los utilizaremos para explicar los conceptos que iremos abordando en posteriores entradas.

Como ya hemos comentado, internet es una fuente de datos inagotable. A través de buscadores o foros podemos acceder a inumerables páginas en las que se nos facilita información de todo tipo. Las más comunes son las de resultados finales de partidos o carreras, pero también podemos encontrar otras en los que la información sobre el partido resulta mucho más detallada.

Trasladar estos datos a Excel puede ser una tarea sencilla o realmente complicada dependiendo de como aparezcan en la página. En este post de Forobet se explica como utilizar una función de Excel muy práctica para recopilar datos de una página web de manera rápida y fácil. Esto es realmente interesante para ir almacenando datos día a día, ya que la página a la que accedemos, cambia y se actualiza con los datos nuevos. Pero si lo que necesitamos es crear una base de datos con todos los partidos que se han jugado hasta hoy no podemos utilizar páginas de este tipo y debemos buscar otras en las que tengamos todos los datos en una única página. Hay que decir que este tipo de webs escasean bastante y yo solo he encontrado dos:

1. ShrpSports: Una página impresionante de resultados de deportes americanos (NBA, NHL, NFL...) con datos que se pueden filtrar por temporadas, equipos, o días de la semana entre muchos otros criterios.

2. Datos de la liga española de futbol: Pagina muy interesante con datos de partidos y resumenes de la liga española de futbol.

Dejaremos estas dos páginas en nuestros favoritos ya que son las que nos van a servir como fuente de datos para explicar los conceptos de los siguientes post. Hasta entonces, sed felices.

¿Game Over?

¿Game Over?

Hace algunos años, cuando empezaban a hacerse populares las famosas maquinitas de marcianitos, todos nos empezamos a familiarizar con dos palabras que aparecían siempre al final de la partida. GAME OVER. No habia que ser un lince, ni haber estudiado filología inglesa para saber que es lo que significaban. A mi, particularmente me daban bastante grima. Su aparición anunciaba el fin de la emoción y la diversión.

Algo parecido me ha sucedido cuando revisando las web que suelo visitar me he encontrado con un GAME OVER en uno de los blogs por los que paso. Todos estais al día de mis más y mis menos con el autor del blog, y como ya dije en su dia, no voy a hacer más comentarios tomate y este no va a ser el que rompa la norma. Este adios indefinido, que yo espero que sea un hasta luego, me ha entristecido y me ha devuelto a mis sentimientos de la infancia, frente a esa pantalla con las letras parpadeando.

A Anja lo conocí hace cosa de un año al hilo de un privado que me mandó un usuario de Forobet en el que me preguntaba si era yo, él me dió la dirección del blog y he de decir que una de las primeras entradas que leí, me sorprendió intelectualmente, cosa que me ocurre muy pocas veces, por desgracia. En ella planteaba un debate sobre las cuotas del primer juego ganado en tenis entre Federer y Nadal. Quién me iba a decir a mi que un año después un post con los mismos protagonistas, sería la base de otra de sus entradas, en un tono un poco diferente.

La forma de buscarle las cosquillas al bookie me gustó, y, dejando a parte el cálculo, el razonamiento era de lo más lógico. Me pareció muy brillante y muy distinto a todo lo que había leido hasta entonces. Así que empecé a pasarme por allí con más asiduidad. Habia planteamientos muy interesantes, comentarios sobre temas que desconocía por completo y entradas que pasaba por alto, las menos. Ultimamente las tornas se habían cambiado y las entradas que pasaba por alto eran la mayoría, basicamente porque tocaban temas que no me interesaban demasiado y en las que los comentarios eran realmente poco o nada interesantes.

Como ya le dije a él mismo en mas de una ocasión, sus brillantez y sabiduría quedaban oscurecidos por sus maneras en sus comentarios y entradas. Cada uno es libre de comportarse como le plazca y no voy a ser yo quien imponga las normas de comportamiento. Si el consideraba oportuno esta manera de proceder, pues estaba en todo su derecho. Como bien decía, él era el creador del blog y al que no le guste que no lo lea.

Anja, como ya te he dicho, espero que no sea un adios definitivo y te volvamos a ver, bien por tu blog o bien por otros blogs o foros. Sabes que en este, tanto tus comentarios como tus aportaciones, serán siempre bien recibidas. Te dejo con tu 'amigo' Kasparov que se que te hará ilusión, él, como bien sabrás le ganó a la máquina, espero que tu hagas lo mismo porque no me quiero quedar con esa sensación del GAME OVER en la pantalla y buscando la ranura por todos los lados para meter otros cinco duros.

Los Sucesos: Definición y Clases

Los Sucesos: Definición y Clases

Para introducirnos en el mundo de los sucesos haremos una breve parada en los espacios muestrales y sus conclusiones. Entenderemos por espacio muestral al conjunto de todos los posibles resultados individuales de un experimento aleatorio. Este experimento aleatorio lo definiremos como aquél que bajo el mismo conjunto de condiciones iniciales, puede presentar resultados diferentes, es decir, no se puede predecir el resultado de cada experiencia particular.

El ejemplo más claro es el lanzamiento de una moneda o de un dado. Al espacio muestral se le suele denominar "E" y se entiende por punto muestral cada uno de los elementos que lo forman. En nuestros dos ejemplos básicos sería:

Lanzar una moneda => E = {cara,cruz}
Lanzar un dado => E = {1,2,3,4,5,6}

------------------------ X ------------------------

Tras esta pequeña introducción pasamos a la definición de suceso. Se llama suceso de un experimento aleatorio a cada uno de los subconjuntos del espacio muestral "E". El conjunto de todos los sucesos de un experimento aleatorio se conoce como espacio de sucesos y se representa por "S".

Ante este atropello de definiciones podemos llegar a pensar que suceso y punto muestral es lo mismo, pero realmente no lo es. Un ejemplo claro lo podemos ver con el lanzamiento del dado, un suceso sería por ejemplo que salga número par, para lo cuál no servirían los puntos muestrales [2,4,6]. De ahí las diferencias entre unos y otros.

En la práctica sobre cada espacio muestral, asociaremos un espacio de sucesos. Como ejemplo para lanzar una moneda al aire, tendremos el siguiente cuadro:

E= {Cara, Cruz}
S= {{Ø}, {Cara}, {Cruz}, {Cara,Cruz}}

Llevado prácticamente al mundo de nuestras apuestas, consideremos el partido de la final pasada de Wimbledon que enfrentó a Roger Federer y Rafael Nadal. El esquema sería:

E= {Federer, Nadal}
S= {{No Gana Nadie}, {Federer}, {Nadal}, {Ganan Ambos}}

De este ejemplo sacaremos los diferentes tipos de sucesos que se nos pueden presentar:

1. Suceso Elemental: aquéllos formados por un único punto muestral.
2. Suceso Compuesto: aquéllos formados por dos o más puntos muestrales.
3. Suceso cierto o seguro: el que siempre se realiza, es decir, coincide con el espacio muestral y estará formado por todos los resultados posibles del experimento.
4. Suceso Imposible: se designa por "Ø" y es aquél que no se realiza nunca. En nuestro espacio de sucesos siempre aparecerán el suceso cierto y el imposible.
5. Suceso Contrario: dado un suceso cualquiera A del espacio de sucesos S, se denomina suceso contrario del suceso A al suceso que se realiza cuando no se realiza A y recíprocamente. Se designa por à o A'. El conjunto A' está formado por los puntos muestrales de E que no pertenecen a A.
   

Por tanto, el suceso contrario del suceso cierto es el imposible y viceversa:

E'=Ø → Ø'=E

Para terminar la entrada, parafrasearemos al matemático francés Henri Poncaré (1854-1917) cuya foto hemos dejado en la mitad del texto, que dijo: "El azar es la medida de nuestra ignorancia", dándonos a entender que en los fenómenos en los que interviene el azar no podermos predecir su resultado de antemano, pero intentaremos limitar los resultados.

Lo prometido es deuda

Lo prometido es deuda

Siento desilusionar a los seguidores del Aqui hay Tomate de los blog de apuestas que esperaban un comentario por alusiones a un post de este personaje a medio camino entre Risto Mejide y Paco Porras.

Siento desilusionarlos porque no voy a colocar ningún comentario en ese blog, y no lo voy a hacer por el mero hecho de no darle la opción a engordar su larga lista de comentarios-replica en los que, a los pobres usuarios, se les llama de todo menos guapos.

Vamos a hacer un flashback como dice él y vamos a ordenar los acontecimientos cronológicamente, que por si el autor del citado blog no lo sabe, significa por orden de fechas. El Domingo 6 de Julio a las 10:48, y después de ver varias apuestas en Ladbrokers y marear unos cuantos números, decido colocar un post en iApuestas con 4 picks para la final del Wimbledon. Vaya por delante que me considero el peor tipster de todos los que andan por ahí, sin discusión alguna Pero estos picks me habían hecho gracia. Los cuatro picks estaban argumentados en función de las previsiones que habían hecho los bookies sobre el total de juegos del partido y las estadísticas de todo el torneo para ambos jugadores.

El lunes 07 de julio a las 12:17 nuestro amigo, apostado desde su atalaya de erudito de las apuestas, publica un post relacionado con la final en el que comenta:

"Hubo pocos aces: 31 en total (5-26), pocos en relación a la cantidad de juegos que se jugaron. Se podían esperar menos aces de Nadal ya que invariablemente saca al revés de Federer, por ser este su golpe más débil con diferencia. Pero de Federer se podía esperar no menos de 5 aces por set y hasta el quinto set promediaba cuatro, por lo que las líneas de aces totales prepartido (22) habrían favorecido al under (5 sets era no favorito)."

Abro un paréntesis para analizar el párrafo que no tiene desperdicio. 'Federer se podía esperar no menos de 5 aces por set'. Vamos a ver alma de cántaro, como puedes hablar de aces por set si en un set un jugador puede sacar entre 3 y 6 juegos mas un tie break dependiendo de como haya ido el set. Cosas como esta son las delatan la infinita grandeza del tipster que nos ocupa. Cosas como esta son las que te dejan paralízados, con los ojos como platos y la boca abierta, esperando otros sabios consejos del gurú que todo lo sabe. Te lo voy a explicar como a un niño de cuatro años para que lo entiedas, EN-LA-VI-DA, se pueden utilizar estadísticas como estas y si las usas al menos no hagas el ridículo y no lo digas en público. A un top ten de los tipsters chapuceros como yo, solo nos hace falta ver datos como estos para llegar, como diría el gran Groucho, a las mas altas cimas de la miseria.

Seguimos. Ese mismo lunes, a las 19:06 publico un post en este blog sobre la final, y que tiene como base los cálculos que utilice para los picks colocados en iApuestas, a los que no hago referencia en ningún momento. La base del post encajaba perfectamente con el título del blog, estadistica y apuestas deportivas. Me parecía interesante ver como partiendo de premisas colocadas por los propios bookies, habían apuestas relacionadas indirectamente que parecían no ser demasiado coherentes. Este tipo de errores son los que me gusta encontrar en las apuestas y son bastante propicios en deportes como en el tenis, a ver si puedo preparar algun post sobre esto en un futuro.

Nuestro gurú de medio pelo se debe sentir muy ofendido al comprobar que sus maravillosos argumentos dedicados al número total de saques directos han sido completamente plagiados en otro blog. Sentimiento totalmente comprensible de no ser porque en sus 5 escuetas líneas referidas al tema en cuestión, que, como ya se ha visto no había por donde cogerlas, mostraban una inclinación hacia el under, mientras que el otro post estaba dedicado prácticamente en su integridad a resaltar una incoherencia presentada en las apuestas que hacían indicar tendencias más cercanas al over. La ofensa es queda clara y patente, como puede verse.

Su enojo crece aún más cuando lee, no se dónde, como el autor de este post (Buzjss) no cesa en lanzar improperios e insultos a los bookies tíldandolos de inútiles para arriba. Es probable que cegado por la ira se le haya ido el dedo y la cabeza y se haya puesto a leer comentarios en su propio blog del estilo: 'Ese día la mayoría de pro-cappers iban con Lakers, deben ser gilipollas'.

Esto no puede quedar así, debe pensar, y el miercoles 16 de Julio, desenfunda su espada vengadora, sale a su púlpito de internet e inmerso en su particular oratoria de charlatan de feria de tres al cuarto se dispone a colocar las cosas en su sitio. Realiza profundas investigaciones, analiza el post concienzudamente y plantea conclusiones dignas de un premio nobel:

'Mis superamigos de los bookies mas prestigiosos, que son muy buenos y han sido profesionales de no se que, estan muy ofendidos por todo lo que dices. ¡Vas a morir perro infiel!'

Y me mata. Me mata espetándome a bocajarro, con voz digna de infante imberbe de primero de educación infantil en el patio de algún colegio:

'Has fallado doooos ala, ala y alaaa'

Ante estos argumentos de peso uno no sabe como reaccionar y se queda totalmente desarmado, hinca la rodilla en tierra y, hecho un mar de lágrimas, pide clemencia al gran señor de las apuestas para que no le corte la cabeza:

¡Anda y que te zurzan!, vuelve a tus entradas sobre el chikichiki o las suplantaciones de identidad y deja de dar la murga con tus ridículas monsergas, que ya me has hecho perder bastante tiempo y a mí sí que me toca hacer dos blogs en lugar de uno, con cosas como mejorarte tus rudimentarios libros de excel, corregir los mil y un errores de tus entradas en comentarios que luego borras, porque, palabras textuales, 'ensuciaban el post' o darte tres entradas, preparadas para forobet, que te dejé por tu cara bonita, y que segun tú no debía publicarlas en ese foro ya que nadie las entendería.

Esta va a ser la primera y ultima réplica a este sabelotodo repipi que campa a sus anchas por foros y blogs repartiendo la misma sabiduría que repartían a principio de siglo los vendedores de crecepelos aupados en los asientos de sus carretas desvencijadas.

No voy a dedicarle ni un minuto más, pasaré por su blog como el que lee las páginas de horóscopos en cualquier periódico en busca de nimiedades y banalidades para pasar el rato y poco más. No voy a perder el tiempo replicando a tus sandeces de reportero barriobajero porque tengo cosas más importantes e interesantes que hacer.

Para terminar, te dejo una con una cita de Ramon y Cajal, que, aunque a tí te lo pueda parecer, no son una pareja de escritores de novelas policiacas, sino uno de los mayores científicos que ha tenido este dichoso pais llamado España.

'Conócense infinitas clases de necios; la más deplorable es la de los parlanchines empeñados en demostrar que tienen talento'

Evidentemente no te conocía, pero te ha clavado macho, o lo que seas.