Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 368)
Detail práce
   Přihlásit přes CAS
Srovnání modelů pravděpodobností ve fotbalovém sázení
Název práce v češtině: Srovnání modelů pravděpodobností ve fotbalovém sázení
Název v anglickém jazyce: Comparison of Models for Probabilities in Football Betting
Klíčová slova: sázkové kurzy, regresní analýza, strojové učení
Klíčová slova anglicky: betting odds, regression analysis, machine learning
Akademický rok vypsání: 2018/2019
Typ práce: bakalářská práce
Jazyk práce: čeština
Ústav: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Vedoucí / školitel: doc. RNDr. Jan Večeř, Ph.D.
Řešitel: skrytý - zadáno a potvrzeno stud. odd.
Datum přihlášení: 08.10.2018
Datum zadání: 03.01.2019
Datum potvrzení stud. oddělením: 24.02.2020
Datum a čas obhajoby: 13.07.2020 08:00
Datum odevzdání elektronické podoby:03.06.2020
Datum odevzdání tištěné podoby:04.06.2020
Datum proběhlé obhajoby: 13.07.2020
Oponenti: doc. RNDr. Zdeněk Hlávka, Ph.D.
 
 
 
Zásady pro vypracování
The aim of the thesis is to compare different statistical models for football betting odds and determine the best performing once based on the historical performance of sport teams. There are at least three possible approaches for computing the odds, namely logistic regression, Poisson regression and methods based on statistical machine learning. The idea is that the historical performance of teams is a good predictor of the future performance. Thus we can take the past performances, say all matches in the full season of the English Premier League (380 matches), and use these data for predicting the odds for the following season. The resulting odds should be compared with the actual results using the scoring rules, which will identify the best performing model.

The computer implementation should be preferably done using the machine learning library Scikit-Learn in Python, which already includes the above mentioned statistical techniques for determination of the odds. The student is expected to get familiar with both the statistical techniques, basic machine learning approaches and with the programming language Python.
Seznam odborné literatury
Lee, A. J. (1997). Modeling scores in the Premier League: is Manchester United really the best?. Chance, 10(1), 15-19.
Efron, Hastie: Computer Age Statistical Inference, Cambridge University Press, 2016
Muller, Guido: Introduction to Machine Learning with Python, O'Reilly, 2016
 
Univerzita Karlova | Informační systém UK