Número do Painel
Autor
Instituição
UFSC
Tipo de Bolsa
PIBIC/CNPq
Orientador
LUIZ RICARDO NAKAMURA
Depto
DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA / INE/CTC
Centro
CENTRO TECNOLOGICO
Laboratório
Núcleo de Normalização e Qualimetria – NNQ
Grande Área / Área do Conhecimento
Outros/Outros
Sub-área do Conhecimento
Multidisciplinar
Titulo
Desenvolvimento e aplicações dos modelos aditivos generalizados para locação, escala e forma
Resumo

Neste trabalho tentamos descrever quais são os principais fatores que influenciam na habilidade de um jogador de Counter Strike profissional, mensurada por uma pontuação (variável resposta, Rating 2.0), por meio de um modelo de regressão linear múltipla. Para tanto, utilizamos como potenciais variáveis explicativas as seguintes características: i) Idade; ii) Dano por granada/round; iii) Mapas jogados; iv) Rounds jogados; v) Salvo pelo time/round; vi) Times; vii) Dias no time atual; viii) Dias em times; ix) Assassinatos com rifle; x) Assassinatos com sniper; xi) Assassinatos com SMG; xii) Assassinatos com pistola; xiii) Assassinatos com granada; xiv) Assassinatos com outras armas;. No total, foram coletadas n=329 observações diretamente do endereço www.hltv.org/ em 02/11/2019, selecionando dados referentes a 3 meses anteriores. Em um primeiro momento, uma análise exploratória entre a variável resposta e cada uma das possíveis variáveis explicativas foi realizada por meio de gráficos de dispersão, onde as relações obtidas eram lineares. Assim, prosseguiu-se com o procedimento de seleção de variáveis backward com o intuito de eleger os fatores que mais influenciam a pontuação de jogadores de Counter Strike profissionais. Com a aplicação da metodologia, foi constatado que: as variáveis mapas jogados, dias no time atual, assassinatos com rifle e assassinatos com sniper influenciam positivamente o rating dos jogadores, ao passo que as variáveis idade, rounds jogados e salvo pelo time/round influenciam negativamente essa pontuação. Uma vez selecionadas as variáveis, observou-se por meio de uma análise de resíduos que todas as pressuposições do modelo foram atendidas e, sendo assim, podemos concluir que a aplicação da metodologia backward para a seleção de variáveis explicativas de um modelo de regressão linear múltipla é bastante razoável para indicar as principais características que definem um bom jogador de Counter-Strike.

Link do Videohttps://repositorio.ufsc.br/handle/123456789/212493
Palavras-chave
esportes eletronicos, estatística, método stepwise, modelo de regressão linear, seleção de variáveis, software R
Colaboradores

Pró-Reitoria de Pesquisa(PROPESQ) | Central Telefônica - (48) 3721-9332 | Email - pibic@contato.ufsc.br