Análise e modelagem estatística para previsão de partidas competitivas de League of Legends

Abstract

As metodologias e modelos estatísticos para análise de dados se destacam pela sua forte capacidade de não só previsão futura ou estimativas, mas também explicar e interpretar os dados. O presente trabalho tem como finalidade cumprir 3 objetivos com um propósito, neste veremos a previsão do resultado de partidas do campeonato MSI de League of Legends em 3 momentos diferentes, a partir dos primeiros 10 minutos iniciais de jogo, dos 15 minutos iniciais de jogo e também a partir da seleção de campeões, o propósito dessa análise é, não somente gerar modelos que consigam prever o futuro, mas também interpretar os modelos e os dados a fim de entender quais comportamentos em jogo levam uma equipe a vitória ou a derrota. Para atingir esses objetivos, a metodologia de previsão escolhida ao momento é a Regressão Logística, pela sua boa interpretação, não só isso como também a Análise de Agrupamento Hierárquico, a fim de classificar os campeões que participam das partidas em grupos de membros semelhantes, com o intuito de entender qual grupo pode ou não ter vantagens sobre outro.Os dados utilizados para realização da análise são referentes ao MSI (Mid-Season Invitational), que é o é o mundialito de meio de temporada, em específico dos jogos desde 01/02/2021 até 31/03/2021.

Statistical methodologies and models for data analysis are distinguished by their strong capabilities in not only future prediction and estimation but also in explaining and interpreting data. This study aims to fulfill three objectives with a singular purpose: to predict the outcomes of League of Legends MSI championship matches at three different points in time—after the first 10 minutes of gameplay, after the first 15 minutes of gameplay, and based on the champion selection. The purpose of this analysis is not only to develop models that can forecast future outcomes but also to interpret these models and the data to understand the in-game behaviors that lead a team to victory or defeat. To achieve these objectives, Logistic Regression is employed due to its interpretability, along with Hierarchical Clustering Analysis to classify the champions participating in the matches into groups of similar members, aiming to identify which group may have advantages over another. The data used for this analysis pertains to the MSI (Mid-Season Invitational), specifically from matches played between 01/02/2021 and 31/03/2021.