Využití statistických metod pro predikci sportovních výsledků – Daniel Randuška
Daniel Randuška
Bakalářská práce
Využití statistických metod pro predikci sportovních výsledků
The use of statistical methods for prediction of sport results
Anotace:
Práce se zabývá tvorbou modelů pro predikci výsledků utkání basketbalové NBA. Za pomoci historických statistik z utkáních a týmového ohodnocení založených na Elo modelu, vytvořené modely určují pravděpodobnost výhry domácích týmů. Pro vytvoření ohodnocení dle Elo modelu byly zvoleny dva postupy. Jedním z nich je převzetí již existující modifikované verze původního modelu. Druhým je vytvoření vlastní …víceAbstract:
The thesis is focused on the creation of models for predicting the results of NBA basketball games. With the help of historical statistics from the matches and team evaluation based on the Elo model, the created models determine the probability of the home team winning games. There are two ways which have been chosen to create team evaluation based on the Elo model. One of them was the adoption of …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 7. 5. 2023
Identifikátor:
https://vskp.vse.cz/eid/89547
Obhajoba závěrečné práce
- Obhajoba proběhla 14. 6. 2023
- Vedoucí: Jan Fojtík
- Oponent: Jan Rejthar
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Vysoká škola ekonomická v Prazehttps://vskp.vse.cz/eid/89547
Vysoká škola ekonomická v Praze
Bakalářský studijní program / obor:
Kvantitativní metody v ekonomice / Matematické metody v ekonomii
Práce na příbuzné téma
-
Klasifikace pomocí metod strojového učení
Tomáš Pompa -
Modelování vlivu podmínek prostředí na biologická společenstva s využitím metod strojového učení.
Hana Mlčochová -
Support vector machines a evoluční algoritmy
Martin Ševčík -
Support vector machines: teorie, aplikace a softwarové implementace
Daniil Podtesov -
Rozpoznávání ručně psaných číslic pomocí support vector machines
Jozef Hricko -
Support vector machines for credit scoring
Michal Haltuf -
Logistic regression improvements for credit scoring development
Nikolai Pravdin -
Multinomická logistická regrese, Trojcestné ROC, VUS
Juraj Kapasný