Modelagem estatística para previsão de pontuações no Fantasy Football : uma abordagem baseada em dados históricos da NFL

Abstract

Resumo : O objetivo deste estudo é desenvolver e avaliar modelos estatísticos para a previsão das pontuações de jogadores no Fantasy Football, utilizando dados históricos da carreira dos atletas. Para isso, foram empregadas estatísticas de desempenho de jogadores da National Football League e do College Football. Com base nesses dados, aplicaram-se técnicas avançadas de modelagem preditiva, incluindo um modelo em duas etapas para lidar com a inflação de zeros, algoritmos de ensemble baseados em árvores de decisão (Random Forest e XGBoost) para tarefas de classificação e regressão, além de Modelos Lineares Generalizados com distribuição Binomial para classificação e Gamma para regressão. Os modelos foram avaliados para todas as posições ofensivas contempladas no Fantasy Football (Quarterbacks, Running Backs, Wide Receivers e Tight Ends), com distinção entre jogadores calouros e veteranos, a fim de investigar variações de desempenho conforme posição e nível de experiência. Os métodos utilizados foram capazes de alcançar bons resultados tanto em modelos de classificação, lidando adequadamente com a inflação de zeros, quanto em modelos de regressão. Além disso, a segmentação por posição e experiência contribuiu para a melhoria da precisão preditiva, revelando padrões distintos de desempenho. As principais contribuições deste estudo incluem a demonstração da aplicabilidade de técnicas estatísticas e de aprendizado de máquina na previsão de pontuações no Fantasy Football, fornecendo uma base metodológica robusta para o tratamento e análise desses dados