-
Notifications
You must be signed in to change notification settings - Fork 2
/
script-probabilidades-qatar-2022.R
237 lines (207 loc) · 10.9 KB
/
script-probabilidades-qatar-2022.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
#---------------------------------------------------------------------------------
# PROBABILIDADES DE CLASIFICAR AL MUNDIAL QATAR 2022 - CONMEBOL
#
# Autor: César Anderson Huamaní Ninahuanca.
#---------------------------------------------------------------------------------
library(dplyr)
library(rvest)
#devtools::install_github("CesarAHN/datametria")
library(datametria)
library(ggplot2)
library(tidyr)
library(gt)
#devtools::install_github("jthomasmock/gtExtras")
library(gtExtras)
#----------------------
# Tabla de posiciones.
#----------------------
pw<-read_html("https://www.espn.com.mx/futbol/posiciones/_/liga/fifa.worldq.conmebol")
tab_pos<-cbind(pw %>%
html_nodes("table.Table.Table--align-right.Table--fixed.Table--fixed-left") %>% html_table() %>%
as.data.frame(),
pw %>%
html_nodes("div.Table__ScrollerWrapper.relative.overflow-hidden") %>% html_table() %>%
as.data.frame())
names(tab_pos)[1]<-"SELECCION"
tab_pos$SELECCION<-limpiecito(gsub("(.*)([A-Z][a-z]+)","\\2",tab_pos$SELECCION))
tab_pos %>% as_tibble() %>% gt() %>%
gt_theme_espn() %>% tab_header(title = paste0("TABLA DE POSICIONES CONMEBOL - FECHA ",max(tab_pos$J),"."),
subtitle = "Clasificatorias al mundial Qatar 2022.")
#------------------------
# Argentina gana el partido pendiente.
# Por 3 a 0.
tab_pos[1:2,2]<-tab_pos[1:2,2]+1
tab_pos[1:2,3]<-tab_pos[1:2,3]+c(0,1)
tab_pos[1:2,4]<-tab_pos[1:2,4]+0
tab_pos[1:2,5]<-tab_pos[1:2,5]+c(1,0)
tab_pos[1:2,6]<-tab_pos[1:2,6]+c(0,3)
tab_pos[1:2,7]<-tab_pos[1:2,7]+c(3,0)
tab_pos[1:2,8]<-tab_pos[1:2,8]+c(-3,3)
tab_pos[1:2,9]<-tab_pos[1:2,9]+c(0,3)
tab_pos %>% as_tibble() %>% gt() %>%
gt_theme_espn() %>% tab_header(title = paste0("TABLA DE POSICIONES CONMEBOL - FECHA ",max(tab_pos$J),"."),
subtitle = "Clasificatorias al mundial Qatar 2022.") %>%
tab_source_note("En el supuesto de que Brasil pierda por 3 a 0 contra argentina (Partido pendiente).")
#----------------------
# Puntaje de juego de visita.
# De 1 al 10, donde 1 es que le va muy mal jugando de visita y 10 que le va muy bien.
p_vist<-data.frame(SELECCION=tab_pos$SELECCION, p1=c(8,7,6,5,5,4,4,2,2,2))
# Puntaje de juego de local.
# De 1 al 10, donde 1 es que le va muy mal jugando de local y 10 que le va muy bien.
p_loc<-data.frame(SELECCION=tab_pos$SELECCION, p2=c(10,8,6,6,6,5,5,5,4,4))
# Juicio de expertos.
# De 1 al 10, donde 1 es que la selección según el experto no tiene un buen juego
# y 10 si considera el experto que sí tiene un buen juego.
p_exp<-data.frame(SELECCION=tab_pos$SELECCION, p3=c(9,8,6,5,5,5,4,4,2,2))
pp<-plyr::join_all(list(p_vist,p_loc,p_exp), by="SELECCION", type = "inner")
pp<-pp %>% mutate(ratio_vist=rowSums(select(., matches("p1|p3"))/20),
ratio_loc=rowSums(select(., matches("p2|p3"))/20))
pp %>% as_tibble() %>% gt() %>%
gt_theme_espn() %>% tab_header(title = "ÍNDICE DE DESEMPEÑO DE LOCAL Y VISITANTE PARA CADA UNA DE LAS SELECCIONES", subtitle = "Visita, Local y Situación actual") %>%
tab_source_note("p1=Desempeño Visita.\np2=Desempeño Local.\np3=Desempeño Actual.")
# Creando la función para el montecarlo.
clasificatorias<-function(tab_pos,pp){
#---------------------
# Fecha 17.
f17<-c("URUGUAY","PERU","COLOMBIA","BOLIVIA","BRASIL","CHILE",
"PARAGUAY","ECUADOR","ARGENTINA","VENEZUELA")
bd17<-data.frame()
for (i in seq(1,9,by=2)) {
d<-(1-(pp[pp$SELECCION==f17[i],6]-pp[pp$SELECCION==f17[i+1],5]))
if(d<1){
a1<-rbind(data.frame(SELECCION=f17[i], GF_=sample(0:4,1, prob = c(1*d/10,2*d/10,3*d/10,4*d/10,(1-d)))),
data.frame(SELECCION=f17[i+1], GF_=sample(0:4,1, prob = c((1-d),5*d/14,4*d/14,3*d/14,2*d/14))))
} else {
d<-(1-(pp[pp$SELECCION==f17[i+1],6]-pp[pp$SELECCION==f17[i],5]))
a1<-rbind(data.frame(SELECCION=f17[i+1], GF_=sample(0:4,1, prob = c(1*d/10,2*d/10,3*d/10,4*d/10,(1-d)))),
data.frame(SELECCION=f17[i], GF_=sample(0:4,1, prob = c((1-d),5*d/14,4*d/14,3*d/14,2*d/14))))
}
a1$GC_<-rev(a1$GF_)
a1$PTS_<-ifelse(a1$GF_>a1$GC_,3,
ifelse(a1$GF_==a1$GC_,1,0))
a1$G_<-ifelse(a1$PTS_==3,1,0)
a1$P_<-rev(a1$G_)
a1$E_<-ifelse(a1$PTS_==1,1,0)
bd17<-rbind(bd17,a1)
}
tab_pos17<-left_join(tab_pos,bd17, by="SELECCION")
tab_pos17<-tab_pos17 %>% mutate(J=J+1, G=G+G_, E=E+E_, P=P+P_, GF=GF+GF_, GC=GC+GC_,
PTS=PTS+PTS_, DIF=GF-GC) %>% select(1:9) %>% arrange(-PTS)
#---------------------
# Fecha 18.
f18<-c("URUGUAY","PERU","COLOMBIA","BOLIVIA","BRASIL","CHILE",
"PARAGUAY","ECUADOR","ARGENTINA","VENEZUELA")
bd18<-data.frame()
for (i in seq(1,9,by=2)) {
d<-(1-(pp[pp$SELECCION==f18[i],6]-pp[pp$SELECCION==f18[i+1],5]))
if(d<1){
a1<-rbind(data.frame(SELECCION=f18[i], GF_=sample(0:4,1, prob = c(1*d/10,2*d/10,3*d/10,4*d/10,(1-d)))),
data.frame(SELECCION=f18[i+1], GF_=sample(0:4,1, prob = c((1-d),5*d/14,4*d/14,3*d/14,2*d/14))))
} else {
d<-(1-(pp[pp$SELECCION==f18[i+1],6]-pp[pp$SELECCION==f18[i],5]))
a1<-rbind(data.frame(SELECCION=f18[i+1], GF_=sample(0:4,1, prob = c(1*d/10,2*d/10,3*d/10,4*d/10,(1-d)))),
data.frame(SELECCION=f18[i], GF_=sample(0:4,1, prob = c((1-d),5*d/14,4*d/14,3*d/14,2*d/14))))
}
a1$GC_<-rev(a1$GF_)
a1$PTS_<-ifelse(a1$GF_>a1$GC_,3,
ifelse(a1$GF_==a1$GC_,1,0))
a1$G_<-ifelse(a1$PTS_==3,1,0)
a1$P_<-rev(a1$G_)
a1$E_<-ifelse(a1$PTS_==1,1,0)
bd18<-rbind(bd18,a1)
}
tab_pos18<-left_join(tab_pos17,bd18, by="SELECCION")
tab_pos18<-tab_pos18 %>% mutate(J=J+1, G=G+G_, E=E+E_, P=P+P_, GF=GF+GF_, GC=GC+GC_,
PTS=PTS+PTS_, DIF=GF-GC) %>% select(1:9) %>% arrange(-PTS,-DIF,-G) %>%
mutate(PUESTO=1:n())
return(tab_pos18)
}
# Para tomar menos tiempo - Código eficiente.
resul<-data.frame(SELECCION=vector("character",length = 100000),
PTS=vector("numeric",length = 100000),
PUESTO=vector("integer",length = 100000))
# 10 mil escenarios.
for (i in 1:10000) {
resul[(10*(i-1)+1):(10*(i-1)+10),]<-clasificatorias(tab_pos,pp)[,c(1,9,10)]
}
saveRDS(resul, "simulaciones.rds")
#---
# Puntos.
resul %>% arrange(SELECCION) %>%
ggplot(aes(x=PTS))+
geom_histogram(fill="sienna2", alpha=.7)+
facet_wrap(~SELECCION, scales = "free")+
scale_x_continuous(breaks = seq(7,50,by=1))+
labs(title = "DISTRIBUCIÓN DE LOS POSIBLES PUNTAJES POR SELECCIONES",
subtitle = "Clasificatorias al mundial Qatar 2022.", x="Puntos", y="Frecuencia",
caption = "Resultados luego de 10,000 repeticiones.\nELABORACIÓN:https://github.com/CesarAHN")+
theme_bw()+
theme(plot.caption = element_text(face = "bold", size = 8),
plot.title = element_text(face = "bold"))
#----
# Puesto.
resul %>% arrange(SELECCION) %>%
ggplot(aes(x=PUESTO))+
geom_histogram(fill="skyblue3", alpha=.7)+
facet_wrap(~SELECCION, scales = "free")+
scale_x_continuous(breaks = seq(1,10,by=1))+
labs(title = "DISTRIBUCIÓN DE LOS POSIBLES PUESTOS POR SELECCIONES",
subtitle = "Clasificatorias al mundial Qatar 2022.", x="Puestos", y="Frecuencia",
caption = "Resultados luego de 10,000 repeticiones.\nELABORACIÓN:https://github.com/CesarAHN")+
theme_bw()
#----
# Puntos necesarios para clasificar.
resul %>% group_by(PUESTO) %>% summarise(media=round(mean(PTS)), mediana=median(PTS),
CV=sd(PTS)/mean(PTS)) %>%
ggplot(aes(x=PUESTO,y=mediana,fill=factor(PUESTO)))+
geom_col(show.legend = F, colour="black")+
scale_x_continuous(breaks = 1:10)+
scale_fill_brewer(palette = "RdBu")+
geom_label(aes(x=PUESTO,y=mediana+3, label=mediana), show.legend = F,
bg="white", size=6)+
labs(title = "PUNTOS NECESARIOS PARA TERMINAR EN CADA PUESTO",
y="Puntos necesarios",x="Puestos")+
annotate(geom = "rect", xmin = 4.5, xmax = 5.5, ymin= 0, ymax= Inf,
fill = "gray20", alpha = 0.3)+
theme_bw()+
theme(plot.title = element_text(face = "bold"))
#---
# Probabilidad por puesto.
banderas<-data.frame(SELECCION=sort(unique(resul$SELECCION)),
PAIS=c("https://cdn-icons-png.flaticon.com/512/197/197573.png", # Argentina
"https://cdn-icons-png.flaticon.com/512/197/197504.png", # Bolivia.
"https://cdn-icons-png.flaticon.com/512/3909/3909370.png", # Brasil
"https://cdn-icons-png.flaticon.com/512/197/197586.png", # Chile.
"https://cdn-icons-png.flaticon.com/512/197/197575.png", # Colombia.
"https://cdn-icons-png.flaticon.com/512/197/197588.png", # Ecuador
"https://cdn-icons-png.flaticon.com/512/197/197376.png", # Paraguay.
"https://cdn-icons-png.flaticon.com/512/197/197563.png", # Peru
"https://cdn-icons-png.flaticon.com/512/197/197599.png", # Uruguay.
"https://cdn-icons-png.flaticon.com/512/197/197580.png")) # Venezuela
resul<-left_join(resul, banderas)
resul %>% group_by(PAIS) %>% count(PUESTO) %>% mutate(p=n/10000) %>% select(-n) %>%
mutate(PUESTO=paste0("PUESTO ",PUESTO)) %>% spread(PUESTO,p) %>%
select(PAIS,paste0("PUESTO ",1:10)) %>% as_tibble() %>% gt() %>%
fmt_percent(columns = matches("^PUES")) %>% fmt_missing(columns = matches("^PUES"), missing_text = "-") %>%
tab_header(title = "PROBABLIDADES POR PUESTO AL CULMINAR LAS CLASIFICATORIAS\nPOR SELECCIONES.",
subtitle = "Clasificatorias al mundial Qatar 2022.") %>%
gt_theme_538() %>% gt_img_rows(columns = PAIS, height = 20) %>%
tab_source_note("ELABORACIÓN: https://github.com/CesarAHN") %>%
tab_style(style = list(cell_text(align = "center")),
locations = list(cells_body(columns = c(paste0("PUESTO ",1:10))))) %>%
gt_color_rows(`PUESTO 1`:`PUESTO 10`, palette = "RColorBrewer::RdBu")
# Probabilidad de clasificar.
resul %>% mutate(clasificacion=case_when(PUESTO<=5~"SI",
TRUE~"NO")) %>% group_by(PAIS) %>%
count(clasificacion) %>% mutate(p=n/10000) %>% select(-n) %>%
spread(clasificacion,p) %>% arrange(-SI) %>% as_tibble() %>% gt() %>%
fmt_percent(column = c(NO,SI)) %>% fmt_missing(columns = c(NO,SI), missing_text = "") %>%
tab_header(title = "PROBABLIDADES DE LAS SELECCIONES\nPARA CLASIFICAR AL MUNDIAL.",
subtitle = "Clasificatorias al mundial Qatar 2022.") %>%
gt_theme_538() %>% gt_img_rows(columns = PAIS, height = 20) %>%
tab_source_note("Se considera hasta el 5° puesto para que una selección clasifique al mundial.\nELABORACIÓN: https://github.com/CesarAHN") %>%
tab_style(style = list(cell_text(align = "center")),
locations = list(cells_column_labels(columns = c(NO,SI)))) %>%
tab_style(style = list(cell_text(align = "center")),
locations = list(cells_body(columns = c(NO,SI)))) %>%
gt_color_rows(NO:SI, palette = "RColorBrewer::RdBu")