Investigadores de la Universidad de Illinois han desarrollado un método que utiliza la inferencia causal para predecir alteraciones en el Torneo de Baloncesto Masculino de la NCAA que supera a muchas otras técnicas. Además de una precisión mejorada, el método se destaca porque se basa en datos disponibles públicamente, haciéndolo reproducible y más accesible para que otros lo usen.

El documento que informa sobre el método se publica en la Asociación Estadounidense de Estadística (ASA). Revista de análisis cuantitativo en el deporte (JQAS) por Sheldon H. Jacobson (Universidad de Illinois en Urbana-Champaign), Jason J. Sauppe (Universidad de Wisconsin La Crosse) y Shouvik Dutta (ex estudiante de posgrado de la Universidad de Illinois). En breve, La técnica identifica posibles alteraciones utilizando solo una pequeña cantidad de estadísticas disponibles públicamente al identificar coincidencias en el año actual que exhiben características similares a las exhibidas por las históricas vueltas de 64 vueltas.

Usando árboles de decisión, aprendizaje automático, e inferencia causal, Jacobson y sus colaboradores analizaron 115 estadísticas disponibles públicamente para detectar las 15 más importantes para identificar sorpresas en los enfrentamientos de primera ronda entre los equipos sembrados 2 y 15. 3 y 14, y 4 y 13. Entre los más influyentes de los 15 estaban el índice de posesión efectiva, el número de posesiones y rebotes ofensivos menos el número de pérdidas de balón, todo dividido por el número de posesiones, el número de juegos jugados en la temporada regular y una medida de oportunidades de gol por partido.

Las diferencias en esas 15 estadísticas entre los dos equipos en cada sorpresa histórica se utilizan luego para construir un perfil de las derrotas pasadas. Finalmente, los perfiles de malestar se pueden comparar con los partidos de ronda de 64 en el año en curso para encontrar enfrentamientos que se parecen más a los trastornos históricos.

Jacobson y los coautores aplicaron su enfoque al torneo de la NCAA en cada uno de los 13 años desde 2003 hasta 2015. De los 26 juegos seleccionados, 10 (38,4%) fueron molestias reales, que es más del doble del número esperado de selecciones correctas cuando se usa un método de selección aleatoria ponderada.
Identificar los factores causales en el torneo de la NCAA es un desafío por muchas razones, uno es que los ensayos controlados aleatorios, un método establecido idealmente adecuado para identificar la causalidad, no es una opción. "Al abordar el problema como un problema de inferencia causal utilizando datos de observación, "dijo Jacobson, "pudimos mejorar la previsión de alteraciones por pura casualidad".

Selección de subconjunto de optimización de balance apodado (o BOSS), el marco se puede aplicar a una amplia gama de datos en las ciencias sociales y la medicina. La investigación inicial para la idea de BOSS fue apoyada en parte por la National Science Foundation. "El enfoque de equilibrio de covariables adoptado por los autores es novedoso en el contexto de una aplicación deportiva, "dijo Mark Glickman (Universidad de Harvard), ex editor en jefe de JQAS quien manejó este manuscrito. "Es reconfortante ver que la inferencia causal juega un papel destacado en la evaluación de los factores que impactan en los trastornos del juego".

Las sorpresas previstas de Jacobson para el torneo de este año se publicarán después del domingo de selección en http://bracketodds.cs.illinois.edu, un laboratorio de aprendizaje STEM centrado en las estadísticas de March Madness.

"March Madness es una excelente oportunidad para todas las personas, joven y viejo, para disfrutar de un evento deportivo nacional mientras aprendes cómo las estadísticas y la ciencia de datos arrojan luz sobre el torneo. Simplemente pon, Nuestro programa de investigación sobre análisis de datos ayuda a entender la locura, "dijo Jacobson.

Jacobson es juez en el segundo concurso anual de Statsketball, alojado por Esto es estadística (http://thisisstatistics.org), la campaña de la ASA para hacer estudiantes, maestros y padres conscientes de las muchas carreras que se apoyan en el pensamiento estadístico.