Atleta vs. Algoritmo: cómo se comparan nuestras predicciones de los Juegos Olímpicos de invierno de 2018 con los resultados reales

Actualizado el 9 de marzo de 2018

Escritor colaborador

Los Juegos Olímpicos de Invierno de 2018 concluyeron en PyeongChang, Corea del Sur, el 2 de febrero. 25. Después de 17 días de competencia feroz, Noruega continuó su dominio de los Juegos Olímpicos de Invierno, llevándose 39 medallas en total. Noruega y Alemania ganaron cada uno 14 medallas de oro, aunque Alemania cayó al segundo lugar en la tabla general con 31 medallas en total.

Y mientras los atletas de todo el mundo luchaban por el primer lugar en 102 eventos, Sciences participó en una competencia propia. Nos propusimos predecir los resultados de los Juegos Olímpicos de Invierno y nos encontramos codo con codo con algunas publicaciones importantes.

Para comprender mejor nuestro desempeño, analizaremos los diversos factores que contribuyeron a los resultados. Comenzaremos observando cómo otras publicaciones organizaron sus predicciones. Estos son los tres tipos que notamos:

• Predicciones individuales del ganador del evento (Associated Press y Deportes Ilustrados)

• Tabla de medallas general (Gracenote)

• Tabla de medallas general con solo el recuento total de medallas (Wall Street Journal)

Luego, dependiendo de los datos de predicción proporcionados por diferentes editores, los evaluaremos de la siguiente manera:

• Predicciones exactas: número de medallistas correctos predichos

• Error absoluto total (TAE): Suma de la diferencia absoluta entre el recuento de cada tipo de medalla. En los casos en los que se dan los recuentos de medallas de oro, plata y bronce, calculamos el TAE por medalla. De lo contrario, TAE solo toma en cuenta el recuento total de medallas.

Las predicciones exactas ofrecen la mejor métrica de evaluación, seguida de TAE en los casos en que se proporciona el recuento de cada tipo de medalla. TAE para el recuento total de medallas es la tercera mejor métrica de evaluación. Esto se debe a que en el caso de TAE, el error puede distribuirse. Por ejemplo, digamos que predijimos que Canadá ganaría el oro en curling masculino pero no en curling femenino. Si Canadá pierde el curling masculino pero gana en curling femenino, el recuento general de medallas de oro sigue siendo el mismo.

Durante los Juegos Olímpicos, estábamos en una carrera reñida con el Associated Press y Deportes Ilustrados, sentado cómodamente en segundo lugar durante una buena parte de los juegos. Sin embargo, un mal resultado nos relegó al tercer lugar en total de predicciones, dejándonos con la medalla de bronce.

Aquí hay un vistazo a la tabla de medallas final:

Gracenote solo se publicaron predicciones generales de recuento de medallas. Entonces usamos TAE para comparar nuestro resultado con ellos. Vencimos a Gracenote en todo tipo de medallas. El VMT de Gracenote se perdió 2 países que ganaron medallas: Eslovenia y Nueva Zelanda. Aquí está el TAE para diferentes medallas:

Wall Street Journal solo se publicaron las predicciones del recuento total de medallas en general. Entonces usamos TAE para comparar los resultados con ellos. El error de WSJ es menor que el nuestro. Tenían un TAE de 74 y ciencia de datos tenía un TAE de 82.

• De las 307 medallas otorgadas en los Juegos Olímpicos de Invierno de este año, tuvimos una precisión de 72/307 (23,45 por ciento) para los medallistas generales correctos previstos.

• Aunque Associated Press predijo la mayoría de las medallas correctas, las ilustraciones de Ciencia y Deportes tenían la mayoría de las medallas de oro correctas.

• Nuestra precisión en la predicción del ganador de cada evento es la más alta entre todas las predicciones, 36/102 (35,29 por ciento).

• Nuestra predicción es la solo predicción que acertó a los 30 países ganadores de medallas.

Si bien nuestras cifras de precisión general pueden no parecer excelentes, hay algunos factores fuera de nuestro control. Por ejemplo, los eventos con penalizaciones (como el biatlón) complican el proceso y agregan una capa de imprevisibilidad. Los eventos por equipos también dificultan la proyección de resultados, porque la lista de un país durante la temporada regular (de donde provienen nuestros datos de predicción) puede incluir atletas que no están en la lista olímpica.

• Patinador de velocidad holandés Sven Kramer ganó el oro en el evento masculino de 5000 m. Ahora es el único patinador de velocidad masculino que ha ganado el mismo evento olímpico tres veces.

• Ester Ledecka se convirtió en la primera mujer en ganar medallas de oro olímpicas en dos deportes diferentes en un solo juego de invierno. La atleta checa es principalmente una snowboarder, pero sorprendió al mundo al ganar la final de super-G femenina, tomando prestados los esquís de Mikaela Shiffrin en el proceso. Ganó el slalom gigante paralelo en snowboard el día 15.

• Noruega Marit Bjorgen ganó el oro en esquí de fondo (30 km de salida en masa) y se convirtió en el atleta olímpico de invierno más condecorado de la historia. Con cinco medallas en PyeongChang, ahora tiene 15 medallas en total en el transcurso de su carrera olímpica.

• Estados Unidos ganó el oro en hockey sobre hielo femenino, venciendo a Canadá en una ronda épica de tiros penales y asegurando la primera medalla de oro del equipo en 20 años.

• Patinadora artística estadounidense Nathan Chen se convirtió en el primer patinador artístico en realizar cinco saltos cuadrupolos en un programa.

Aquí están las predicciones de la medalla de oro en eventos de 4 editores. Tenga en cuenta que en caso de empate (Bobsled 2-man), otorgamos puntos si al menos una de las predicciones era correcta.