En este episodio de The Fluxions nos adentramos en el mundo de la competición. Ya sea LoL, boxeo o ajedrez (o todas), medir las habilidades de los jugadores es una tarea muy complicada. Intuitivamente, todos tenemos nociones que nos guían para decir que unos jugadores son mejores que otros, pero a la hora de la verdad fallamos más de lo que acertamos.

Para solucionarlo, desde el siglo pasado, hemos intentado crear Modelos Matemáticos que reflejen la habilidad de un jugador y su probabilidad de ganar frente a otro. El más famoso es el sistema ELO usado (a grandes rasgos) hoy día. Pero esto no está siendo nada sencillo.

Acompaña a Bart y Mike en esta aventura matemática y descubre qué está detrás de estos modelos y si realmente nos ayudan a predecir resultados, o hacer encuentros más igualados e interesantes. Ya sabes, dale al play y ¡FLUXEA!





Referencias

  • Berg, A. (2020). Statistical Analysis of the Elo Rating System in Chess. CHANCE, 33(3), 31–38. doi:10.1080/09332480.2020.1820249
  • Herbrich, Ralf; Minka, Tom; Graepel, Thore (2007), Schölkopf, B.; Platt, J. C.; Hoffman, T. (eds.), “TrueSkill : A Bayesian Skill Rating System” (PDF), Advances in Neural Information Processing Systems 19, MIT Press, pp. 569–576, retrieved 2018-10-11
  • Minka, Tom; Cleven, Ryan; Zaykov, Yordan (2018-03-22). “TrueSkill 2: An improved Bayesian skill rating system”.
  • Glicko 1 and Glicko 2:
  • ELO adaptado en Chess.com
  • Elo, Arpad E. (2008). “8.4 Logistic probability as a rating basis”. The Rating of Chessplayers, Past & Present. Bronx, NY: ISHI Press International

Música

  • neon_light_03.wav by Glaneur de sons is licensed under a Attribution-NonCommercial 3.0 International License.
  • Hotshot by scottholmesmusic.com is licensed under a Attribution-NonCommercial 3.0 International License.
  • Acid Trumpet by Kevin Macleod is licensed under a filmmusic.io standard license.
  • Hip Jazz by bensound.com is licensed under a Attribution-NonCommercial 3.0 International License.