Mostrar el registro sencillo del ítem
Modelo predictivo para determinar resultados de partidos de fútbol en la Liga EA Sports 2024
dc.contributor.advisor | Tavara Ramos, Anthony Paul | |
dc.contributor.author | Siancas Huaman, Daniel Alberto | |
dc.contributor.author | Valencia Yovera, Franklin Paul | |
dc.date.accessioned | 2024-11-25T17:28:15Z | |
dc.date.available | 2024-11-25T17:28:15Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12692/154334 | |
dc.description.abstract | El presente estudio tuvo como objetivo general desarrollar e implementar un modelo predictivo para determinar el resultado de un partido en La Liga EA Sports 2024. Esta investigación es de tipo aplicada con un enfoque cuantitativo y tuvo un diseño no experimental. Se tomo como población todos los datos relevantes para la construcción del modelo predictivo. La recolección de datos se obtuvo mediante las fichas de registro y la observación, el análisis de datos se realizó mediante el software estadístico Jamovi. Entre los principales resultados se llegó a demostrar que uno de los factores más influyentes en el resultado de un partido es el de marcar goles esto de acuerdo a la prueba de ANOVA. Se logro un porcentaje de precisión del 73.02% el cual se logró mediante la matriz de confusión que se desarrolló en el mismo modelo. Por lo tanto, se logra alcanzar los objetivos de investigación. Como conclusión se logró desarrollar e implementar un modelo predictivo para determinar el resultado de un en La Liga EA Sports 2024. | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad César Vallejo | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | es_PE |
dc.source | Repositorio Institucional - UCV | es_PE |
dc.source | Universidad César Vallejo | es_PE |
dc.subject | Modelo predictivo | es_PE |
dc.subject | Resultado de un partido de futbol | es_PE |
dc.subject | Factores influyentes | es_PE |
dc.subject | Redes neuronales | es_PE |
dc.subject | Machine learning | es_PE |
dc.title | Modelo predictivo para determinar resultados de partidos de fútbol en la Liga EA Sports 2024 | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | es_PE |
thesis.degree.discipline | Ingeniería de Sistemas | es_PE |
thesis.degree.grantor | Universidad César Vallejo. Facultad de Ingeniería y Arquitectura | es_PE |
thesis.degree.name | Ingeniero de Sistemas | es_PE |
dc.description.sede | Piura | es_PE |
dc.description.escuela | Escuela de Ingeniería de Sistemas | es_PE |
dc.description.lineadeinvestigacion | Sistema de Información y Comunicaciones | es_PE |
renati.advisor.dni | 40784283 | |
renati.advisor.orcid | https://orcid.org/0000-0002-4159-930X | es_PE |
renati.author.dni | 75689387 | |
renati.author.dni | 77430362 | |
renati.discipline | 612076 | es_PE |
renati.juror | Correa Calle, Teofilo Roberto | |
renati.juror | Villaseca Nuñez, Ruby Donna | |
renati.juror | Tavara Ramos, Anthony Paul | |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | es_PE |
dc.publisher.country | PE | es_PE |
dc.description.lig | Educación y calidad educativa | es_PE |
dc.description.rsu | Apoyo a la reducción de brechas y carencias en la educación en todos sus niveles | es_PE |
dc.description.ods | Educación de calidad | es_PE |
dc.description.modality | PRESENCIAL | es_PE |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(es)
-
Piura [265]