PREVISÃO PRÁTICA DESPORTIVA RECORRENDO A SÉRIES TEMPORAIS

Resumo

A preocupação em avaliar taxas de participação desportiva na europa (Rodgers, 1977) e em identificar as metodologias para medir e comparar (Hovemann & Wicker, 2009), pode ajudar a definição as políticas públicas destinadas a incentivar a participação na atividade física, antecipar o desenvolvimento do mercado de equipamento e materiais para o desporto (Tuyckom, Bracke & Scheerder, 2011), e orientar a aplicação dos recursos nas federações desportivas. A identificação do número potencial de praticantes inscritos nas federações desportivas é um problema de gestão (Camps & Pappous, 2016), nomeadamente, do ponto de vista estratégico para suportar a tomada de decisão sobre a afetação dos seus recursos.

As séries temporais têm sido frequentemente utilizadas para prever resultados de equipas ou as situações que podem melhorar suas chances de ganhar uma competição (Yiannakis, Selby, Douvis and Han, 2006), com base em resultados anteriores, no futebol (Stern, 1991), em basquetebol (Lopez & Matthews, 2015, Ruiz & Perez-Cruz 2015) ou no hóquei no gelo (Brockwell & Davis,1991). Considerando a importância na previsão do número de praticantes inscritos nas federações desportivas, desenvolvemos este estudo para suportar a tomada de decisão para o planeamento de recursos utilizando as séries temporais.

Para realizar a previsão dos praticantes nas federações foram utilizados dados de uma amostra com 22080 registos e 19 variáveis, representando a prática desportiva em todos os distritos portugueses desde 1999 até 2014, em 69 modalidades em vários escalões. Os dados obtidos foram consolidados calculando o total de praticantes de todas as modalidades. O tratamento de dados foi realizado com o Anaconda e IPython (Continuum Analytics, 2016), recorrendo ao Pandas (McKinney & others, 2010). As previsões foram desenvolvidas com 16 observações (16 anos) – valor que é considerado viável para series temporais de pequena dimensão (Makridakis & Hibon, 2000) – em R (R Development Core Team, 2008) utilizando a biblioteca forecast (Hyndman & Khandakar, 2008), recorrendo aos modelos Exponential smoothing state space model (ETS) e Autoregressive Integrated Moving Average (ARIMA) para determinar o número de praticantes para os quatro anos seguintes. Foram utilizados dois modelos com o intuito de confrontar posteriormente qual apresenta maior exatidão face ao número de praticantes reais quando os dados estiverem disponibilizados, sendo obtido o número de praticantes previstos, o intervalo superior e inferior com 80% e 90% de confiança para cada um dos modelos.

Os resultados obtidos podem ser utilizados como orientações para as federações desportivas, entidades públicas financiadoras das federações desportivas e mercado de produtos e serviços de desporto para anteciparem as necessidades de recursos.