Documentos de Académico
Documentos de Profesional
Documentos de Cultura
104 PDF
104 PDF
RESUMEN
En este trabajo presentamos un mtodo para ordenar los equipos de la Liga de Ftbol
Profesional Espaola. Se determinan unos inputs y unos outputs que permiten evaluar eficiencia
defensiva y ofensiva, tanto en casa como fuera de casa, de cada club. La tcnica utilizada se
basa en los modelos de Data Envelopment Analysis (DEA). A partir de los scores de eficiencia
de cada club se obtiene una valoracin y ordenacin de los clubes (rating) de las ligas 2001/02
hasta 2007/08 y se muestra su potencial aplicabilidad para la formulacin de predicciones.
ABSTRACT
In this paper we present an algorithm to rank the teams of the Spanish Professional Football
League. Inputs and outputs allowing the evaluation of defensive and offensive efficiencies for
each club (home and away). The method is based on Data Envelopment Analysis (DEA). From
the efficiency score of each team, a valuation and ranking/rating for the seasons 2001/02 until
2007/08 is obtained. Finally, our procedure is applied to prediction making.
1. INTRODUCCIN
En muchos escenarios econmicos, la toma de decisiones pasa por poder ordenar los elementos
de un conjunto. De hecho, en algunas aplicaciones prcticas, como es el caso de una
competicin deportiva, establecer el orden en una clasificacin resulta fundamental. Por
ejemplo, en el caso de la Liga de Ftbol Profesional espaola (igual que ocurre en otros
campeonatos) el orden en la clasificacin determina en gran medida el futuro inmediato del
club, ya que en la actualidad los cuatro primeros clasificados participan en la UEFA Champion
League, mientras que los dos siguientes participan en la UEFA Cup, y an es ms decisivo para
los tres ltimos clasificados, puesto que en la temporada siguiente ya no participan en la
Primera Divisin sino que deben jugar en la Segunda Divisin.
Otro aspecto que no podemos olvidar, es que el inters de una competicin deportiva depende
en gran parte de que exista un balance competitivo entre los equipos que la forman, puesto que
si no es as, la competicin pierde inters porque el resultado esperado coincide, casi siempre,
con el real, es decir, los buenos equipos siempre vencen a los restantes, con lo que la calidad
del espectculo se ve mermada y, por tanto, esto repercute en las ganancias que reportan los
ingresos, especialmente los televisivos. Tambin en este aspecto, el establecimiento de una
ordenacin entre los equipos permite determinar si existe ese balance competitivo o no, ya que
en algunos casos es posible establecer previsiones sobre el posible vencedor de algunos de los
partidos de la competicin.
El trabajo se organiza en un epgrafe dedicado a revisar los antecedentes del problema a partir
de referencias bibliogrficas de los diferentes mtodos propuestos en la literatura. El apartado
siguiente se dedica a describir el procedimiento DEA, y su aplicacin al ftbol. A partir de ah,
se define, en el epgrafe 4, el concepto de rating usando los scores de eficiencia de los equipos.
Para validar la propuesta se dedican dos apartados a analizar la adecuacin del mtodo ex-post
con la clasificacin de las ltimas ligas, mientras que en el siguiente epgrafe se dedica a
analizar las probabilidades a priori.
2. ANTECEDENTES
Para predecir el resultado de un partido se han desarrollado diferentes modelos, por ejemplo, el
Modelo (OMD) ofensivo-defenso de Govan et al.(2009), el mtodo matricial de Colley (2002),
el enfoque vectorial de Keener-Perron (Keener (1993)), y el modelo de mnimos cuadrados
utilizado por Massey (1997)
En el modelo ODM, para calcular los ratings ofensivos y defensivos se empieza con la
suposicin de que las clasificaciones ofensivas ms grandes se corresponden con la fuerza
ofensiva ms grande, es decir, la capacidad de producir marcadores ms grandes. Por otro lado,
las clasificaciones defensivas ms pequeas correspondern a la fuerza defensiva ms grande, es
decir, una clasificacin defensiva baja indica que es difcil que el adversario obtenga un gran
marcador. Para cada par de equipos i, j se construye la matriz A = [ aij ], donde aij es el
resultado que ha obtenido el equipo i frente al equipo j (si aij = 0 significa que los equipos i, j
A partir de ah, se calculan sucesivamente los valores defensivos y ofensivos mediante las
siguientes expresiones:
1
o (k ) = AT
(k1)
d (3)
1
d (k )
=A
o (k)
El mtodo matricial de Colley usa solamente el nmero de las victorias y derrotas y el nmero
de partidos jugados por cada equipo, sin asumir ningn empate. La esencia del mtodo de
Colley es formular y resolver un sistema de ecuaciones lineales Cr = b para obtener el rating de
cada equipo. Cada ecuacin del sistema corresponde a un equipo y la solucin del sistema
suministra la puntuacin de clasificacin para cada equipo. El algoritmo est basado en un
resultado de la probabilidad, denominada Regla de sucesin de Laplace que puede ser
encontrado en Ross (2006, p.108), que se usa para aproximar las probabilidades de los sucesos
booleanos (en nuestro caso, la probabilidad de ganar o perder un partido). Por otro lado, la
existencia y unicidad de la solucin est basada en una teora de un tipo especial de matrices no-
negativas, denominadas M-matrices.
En 1993, James P. Keener propone un mtodo basado en la teora de matrices no-negativas que
utiliza las propiedades del vector de Perron, garantizadas por el teorema de Perron-Frobenius
(vase Meyer (2001, p..673)). El resultado de la matriz no-negativa K se obtiene usando la regla
de la sucesin de Laplace y suavizando la funcin. La esencia de este algoritmo de rating es la
de determinar un autovector de la matriz correspondiente a un autovalor dominante de K2.
Kenneth Massey (1997) ide uno enfoque de mnimos cuadrados para calcular los ratings. La
idea consista en calcular el rating resolviendo el problema de mnimos cuadrados
LT Lx = LT b (4)
1
El procedimiento empleado en el teorema de Sinkhorn-Knopp, es usar uno de los mtodos para
equilibrio de matrices que es citado en algunos trabajos como el mtodo de RAS (vase el
funcionamiento del algoritmo RAS en Pavia, Cabrer y Sala (2009)).
2
Otros ejemplos de modelos de rating que usan el teorema de Perron-Frobenius pueden encontrarse en
Kleinberg (1999) y Saaty (1987).
donde L es una matriz de partidos por equipo y cada (i,j) indica si gan el equipo j (toma el
valor 1), en caso de perder (el valor sera -1) o no jug (entonces es 0), b es el vector formado
por las diferencias de puntuacin de los partidos correspondientes.3
En los modelos previos, las calificaciones ofensiva y defensiva se obtienen con independencia
de los resultados obtenidos en casa o fuera.. Nuestra propuesta de rating permite determinar la
clasificacin ofensiva y defensiva tanto en casa como fuera, ya que el comportamiento de los
equipos de ftbol difiere notablemente segn el escenario del partido (home advantage). Por
esta razn, nuestra definicin de rating se basar en los scores de eficiencia obtenidos por los
equipos y se obtendr como el producto de las eficiencias obtenidas en casa y fuera, tanto en las
orientaciones ofensiva como defensivas. Asimismo, nuestra definicin de rating ofensivo y
defensivo tendr en cuenta el valor del score o ndice de eficiencia, que indicar que cuanto
mayor sea, tanto mejor ser la clasificacin en ambos casos, a diferencia de la propuesta de
Govan et al. (2009).
Para calcular esta eficiencias recurriremos a los modelos DEA (Data Envelopment Analysis),
desarrollados por Charnes et al (1978). Estos modelos han sido aplicados a una amplia gama de
reas, tanto productivas como de organizaciones no lucrativa4. Se trata de una tcnica no
paramtrica, que puede formularse como un modelo de programacin lineal que calcula la
mejor relacin entre una suma ponderada de outputs y una suma ponderada de inputs para cada
una de las unidades productivas o de decisin, con ello se obtiene un valor del score o ndice de
3
Otro modelo de rating que usa uno el enfoque de mnimos cuadrados puede encontrarse en Stefani y
Clarke (1992).
4
Para un desarrollo amplio de esta tcnica puede verse el libro de Cooper et al. (2007).
eficiencia de esa unidad con relacin a las restantes de la muestra. Estos valores siempre estn
comprendidos entre 0 y 1.
Una de las limitacin de tcnica DEA es que supone que los datos estn libres del errores de
medicin y, por lo tanto, es ms sensible a estos errores que las tcnicas paramtricas (funciones
frontera). Pero frente a este inconveniente, presentan la ventaja de una gran flexibilidad y que
no es necesario escoger ninguna forma funcional especial.
Max
sujeto a :
n
j xij xi 0 i =1,2,...m (5)
j=1
j y rj y r0 r = , 1,2,...s
j 0
donde xij y yrj representan los inputs y los outputs, respectivamente, para la j-esima DMU (j= 1,
2,..., n), xi0 es el nivel de input de la unidad que est analizado, yr0 el output de esa DMU y j
Esta propuesta de DEA asume rendimientos constantes a escala, ello es debido a realizar un
anlisis general de la liga.. Si la unidad del anlisis lo fuera cada partido, tambin podra ser
razonable usar rendimientos variables o no creciente a escala. Para usar VRS basta con aadir la
n
restriccin : j =1 .
j =1
Segn lo expuesto, es posible usar la idea de una "funcin de produccin deportiva", como
propone Rottenberg (1956) analizando el bisbol. Posteriormente, Scully (1974) ofreci una
estimacin emprica inicial de las funciones de produccin para el mismo deporte. Estas obras
innovadoras fueron seguidas por otros deportes, Zak, Huang y Siegfried (1979), o Scott, Long y
Somppi (1985) o Anderson & Sharp (1997) o Hoeffler & Payne (1997) en el baloncesto,
Schofield (1988) en la liga de criket y Sloane (1971) y (1997) en el ftbol. Trabajos ms
recientes, como Carmichael y Thomas (1995), Hadley, Potrias, Ruggeiro y Knowles (2000),
Carmichael, Thomas y Ward (2000), Dawson, Dobson y Gerrard (2000), han aplicado la
funcin de produccin y el anlisis de eficiencia al rugby y la liga inglesa de ftbol.
Para obtener los scores5 para los diferentes equipos que han jugado en la liga espaola, se han
utilizado una serie de inputs y outputs, tanto en la orientaciones ofensivas como defensivas. En
la caja de tanto ataque como la defensa, de acuerdo con el mtodo detallado en Bosc et al.
(2009):
Ataque (en casa o fuera)
- Inputs
o Remates a puerta
o Jugadas de ataque en el rea
o Centros al rea
o Minutos de posesin a favor
- Ouput
o Goles marcados
Defensa (local o visitante)
- Inputs
o Remates recibidos
o Jugadas de ataque del adversario en el rea propia
o Centros recibidos
o Minutos de posesin en contra.
- Outputs
o Goles encajados.
Como puede apreciarse, los inputs y los outputs son los mismos, pero con orientacin diferente.
Para calcular los scores ofensivos utilizando el modelo (5), se han empleado los dados
originales de los inputs y los outputs, mientras que en el caso de las medidas defensivas se han
usado las inversas de los datos de inputs y outputs.
5
Los datos usados en este artculo han sido proporcionados de forma desinteresada por GECA Sport, una
empresa que posee una de las bases de datos ms axhaustivas del ftbol espaol.
XVII Jornadas ASEPUMA V Encuentro Internacional 7
Rect@ Vol Actas_17 Issue 1: 104)
Liern, Vicente y Sala, Ramn
4. RATING
Supongamos que el equipo 1, tiene mayor fuerza ofensiva que los equipos 2 y 3, y el equipo 2,
mayor que el equipo 3, los ratings cumplen que: o1 o2 o3 . En la orientacin defensiva, la
ordenacin es : d1 d 2 d 3
Para obtener el rating ofensivo y defensivo en casa que aparecen en la Tabla 3, tenemos:
rOC = Score _ Offensive (6)
rDC = Score _ deffensive
y para obtener el rating en casa ( o fuera, basta con sustituir C por F):
RC = rOC rDC (7)
Si se desea obtener la eficiencia global, basta con considerar las eficiencias ofensivas y
defensivas de forma conjunta.
Debido a que las medidas de ambas distribuciones son diferentes, para poder compararlas se han
de normalizar. En este proceso de normalizacin, y con el fin de evitar valores negativos, se ha
considerado conveniente sumar una constante (k =5). Vase la Tabla 4.
Tabla 4: Ratings normalizados
TEAM R_n_c_m R_n_f_m
Almera 4,22675 4,37500
Athletic 4,94276 5,29171
Atltico de Madrid 6,47536 5,50843
Numancia 5,79866 4,26355
Deportivo 4,46455 4,17585
Espanyol 3,70583 5,05266
Barcelona 6,58497 6,06825
Getafe 5,74328 5,95065
Mlaga 5,23412 5,50524
Osasuna 3,81077 5,62007
Mallorca 3,53957 7,61954
Racing 4,24758 4,07685
Betis 3,88633 4,18475
Real Madrid 5,94781 4,49835
Valladolid 5,80373 5,36311
Recreativo 3,85173 4,63929
Sevilla 4,58059 2,67408
Sporting 5,15636 5,22399
Valencia 5,78980 4,96110
Villarreal 6,20944 4,94752
Media 5,00000 5,00000
Desviacin 1,00000 1,00000
Para comprobar la utilidad prctica, esta tcnica se puede aplicar de forma retroactivas a las
temporadas previas, (pronstico de visin retrospectiva). Queremos aplicar la clasificacin a la
temporada del ftbol espaola de 2000/01 hasta 2007/08.
En los Anexo 1, se muestran estos resultados de la aplicacin retrospectivas por ello aqu
solamente se comentara los resultados de la ltima temporada 2007/08. En Sala - Garrido et al.
(2009) estn los scores de eficiencia de los equipos de la Liga:
La tabla 5 muestra los resultados para los 20 equipos de los que participaron en la Liga 2007/08,
con ello se obtiene el indicador R de la fortaleza del equipo. La ordenacin de esta fuerza de los
equipos es la columna OR, la cul se compara con la ordenacin real de la Liga, obteniendo un
alto indice de correlacin de cerca del 80 por ciento, un valor notablemente alto.
Aplicando el mtodo a varias temporadas, obtenemos los datos que se recogen en la Tabla 6.
Los valores oscilan 0.86316 y 0.64269, el ltimo valor correspondiendo a la temporada
2006/07, es lgico por las explicaciones contenidas en Sala-Garrido et al. (2009), debido a las
diferencias entre los valores de la eficiencia de los equipos diferentes.
Sin embargo, si estos valores son comparados con los propuestos por Govan et al. (2009) para
el pronstico de forma retrospectiva en los deportes diferentes (ftbol americano de NCAA y
baloncesto de NCAA), se observa que son inferiores, es decir, los rating basados en la eficiencia
son mejores que los cuatro indicadores comentado en el trabajo,.
La validacin del procedimiento puede ser analizada de formas diferentes. Una manera de
validar un modelo de rating es mediante los pronsticos de un partido. Este poda ser igual a
calcular las clasificaciones de equipo en conjunto peridicamente y use que ellos pronostiquen
los resultados del (pronstico de previsin) de partidos prximo.
Si aplicamos la clasificacin al pronstico de la Jornada 20, con los datos de la Tabla 4, los
resultados obtenidos son los que aparecen en la Tabla 7:.
Tabla 7: Pronstico
Jornada 20 (25/01/2009) r_n_h_m r_n_a_m diferencia %
Sevilla Racing 4,5806 4,0768 0,5037 11,0%
Almera Athletic 4,2268 5,2917 -1,0650 -25,2%
Valladolid Espanyol 5,8037 5,0527 0,7511 12,9%
Barcelona Numancia 6,5850 4,2636 2,3214 35,3%
Mlaga Atltico de Ma 5,2341 5,5084 -0,2743 -5,2%
Mallorca Valencia 3,5396 4,9611 -1,4215 -40,2%
Real Madrid Deportivo 5,9478 4,1758 1,7720 29,8%
Recreativo Betis 3,8517 4,1848 -0,3330 -8,6%
Villarreal Osasuna 6,2094 5,6201 0,5894 9,5%
Getafe Sporting 5,7433 5,2240 0,5193 9,0%
resultados de casa. Esta es una de las diferencia importantes que no contemplan los modelos de
rating generales, ya que solamente computan victorias y derrotas y nunca empate entre los
contendientes.
En nuestra opinin, una muestra de la bondad del modelo sera la comparacin nuestros
resultados con los resultados que proporciona una casa de apuestas bwin.com y comparar el
nmero de xito. En la Tabla 8 aparecen los resultados:
6. CONCLUSIONES
Establecer una ordenacin de equipos de ftbol, tambin resulta importante, ya que ocupar unos
de los seis primeros puestos (en la liga espaola) tiene el premio de competir en la temporada
siguiente es un competicin UEFA, mientras que ocupar una de las tres ltimas posiciones
significa perder la categora actual y competir en la segunda divisin, lo que significa de prdida
de ingresos. Evidentemente, la ordenacin final viene dada por la clasificacin obtenida a partir
de los puntos conseguidos a lo largo de la temporada, pero el poder aproximar esta clasificacin
y conocer las fortalezas de los equipos tanto en casa como fuera de casa es una labor muy til.
Para poder llevar a cabo esta ordenacin y poder establecer una posibilidades de triunfo es el
modelo que proponemos. Este modelo tiene la ventaja, de adems de considerar las
orientaciones ofensivas y defensivas de los equipos, el poder establecer esa ordenacin tanto
para los partidos jugados en casa como fuera de casa. Este valor incorpora el conocido como
home advantage que significa que los equipos gana ms partido en casa que fuera.
Para construir este ndice o rating se recurre al clculo de los scores ofensivos y defensivo
(casay fuera) utilizando la metodologa DEA. A partir de estos scores se construye el rating, sin
ms que multiplicar ambos scores. Comparando este rating para las 7 ltimas temporadas de la
liga espaola de Primera Divisin (actualmente Liga BBVA), y comparando los resultados de
esta ordenacin con los resultados reales de los equipos, se concluye que la existe un elevado
ndice de correlacin entre ambas clasificaciones (ms del 75 por ciento de media en todas las
temporadas).
Una de las principales aplicaciones prcticas de este mtodo es el proporcionar una estimacin
de la prediccin a priori de los posibles resultados de un partido de ftbol, al comparar el rating
del equipo que juega en casa con el rating del equipo visitante, la diferencia entre ambos nos
indicar el sentido esperado del resultado. Si ambos valores estn suficientemente cercanos, el
empate debera ser la mejor alternativa. Este mtodo se ha aplicado a la segunda parte de la liga
de la temporada 2008/09, y estos resultados se han comparado con las preferencias en las
apuestas realizadas por una de las ms famosas casas de apuestas en internet (bwin.com). De la
comparacin de ambas propuestas, se observa que nuestro mtodo presenta, por ahora, una
ligera ventaja sobre la casa de apuestas.
Por ltimo, nos gustara destacar que otra ventaja de nuestra propuesta es la facilidad para
calcular los scores, ya que existen numerosos programas comerciales que facilitan el clculo de
estos ndices de eficiencia mediante modelos DEA.
7. REFERENCIAS BIBLIOGRFICAS
Anderson. T. R. & Sharp. G. P.. A new measure of baseball batters using DEA. 1977.
Annals of Operations Research. 73. 141-151.
Barros. CP and Santos. A. (Bolle. G. and Desbordes. M. eds.) Les relations entre
performance sportive et la performance financiere dans le football: application au cas du
football Portugais. 2004. Marketing et Football: Une Prespective Internationale Presses
Universitaires du Sport . Voiron. France
Bonilla. M; Casasus. T.; Medal. A. and Sala. R. Traffic in Spanish ports: an
efficiency analysis. 2002. International Journal of Transport Economics. 29. 215-230.
Bosca. J.E.; Liern. V.; Martinez. A and Sala. R. Increasing offensive or defensive
efficiency? An analysis of Italian and Spanish football. 2009. Omega. 37. 63-78.
Brin, S., and Page, L. The anatomy of a large-scale hypertextual web search engine.
Computer Networks and ISDN Systems 33 (1998), 107117.
Carmichael. F.; Thomas. D. and Ward. R.. Team Performance: The Case of English
Premiership Football. 2000. Managerial and Decision Economics. 21. 31-45.
Charnes. A.; Cooper. W.W. and Rhodes. E.. Measuring the Efficiency of Decision
Making Units. 1978. European Journal of Operational Research. 2. 429-444.
Clarke, S. R., and Dyte, D. Using official ratings to simulate major tennis
tournaments. International Transactions in Operational Research 7, 6 .2000, 585594.
Colley, W. N. Colleys bias free college football ranking method: The colley matrix
explained. 2002.
Coelli. T.; Rao. D.S. and Battese. G.E.: An introduction to efficiency and productivity
analysis. 1998. Kluwer. Boston.
Cooper. W.W.; Seiford L.M. and Tone. K.: Data Envelopment Analysis. 2007.
Springer. New York.
Dawson. P.; Dobson. S. and Gerrard. B.. Stochastic Frontiers and the Temporal
Structure of Managerial Efficiency in English Soccer. 2000. Journal of Sports
Economics. 1-4 341-362.
XVII Jornadas ASEPUMA V Encuentro Internacional 16
Rect@ Vol Actas_17 Issue 1: 104
Un modelo Ofensivo - Defensivo para establecer un rating de equipos de ftbol
Govan, A., Meyer, C. D., and Albright, R. Generalizing googles pagerank to rank
national football league teams. In Proceedings of the SAS Global Forum 2008 (2008).
Govan, Anjela Y.; Langville, Amy N.; and Meyer, Carl D. "Offense-Defense
Approach to Ranking Team Sports," Journal of Quantitative Analysis in Sports: Vol. 5 :
Iss. 1, Article 4. 2009. Available at: http://www.bepress.com/jqas/vol5/iss1/4
Haas. D. J.. Technical Efficiency in the Major League Soccer. 2003. Journal of Sports
Economics. 04-03. 203-215.
Keener, J. P. The perron-frobenius theorem and the ranking of football teams. SIAM
Review 35, 1. 1993 pp 8093.
Kvam, P., and Sokol, J. S. A logistic regression/markov chain model for ncaa
basketball. Naval Research Logistics 53, 8.2006. pp 788803.
Scott. F.A.; Long. J.E. and Somppi. K.. Salary vs marginal revenue product under
monopsony and competition: The case of professional basketball. 1985. Atlantic
Economic Journal. 13. 50-59.
Scully. G W.. Pay and Performance in Major League Baseball. 1974. American
Economic Review. 64. 915-930.
Sinkhorn, R., and Knopp, P. Concerning nonnegative matrices and doubly stochastic
matrices. Pacific Journal Of Mathematics. 21, 2. 1967. pp 343348.
Sloane. P.J. . The economics of professional football. the football club as a utility
maximiser. 1971. Scottish Journal of Political Economy. 8. 121-146.
Sloane. P.J. ed. . The economic of sport. 1997. Economic Affairs. 17. Special issue.
Smith, W. D. Sinkhorn ratings, and new strongly polynomial time algorithms for
sinkhorn balancing, perron eigenvector, and markov chains, 2005.
Stefani, R., and Clarke, S. Predictions and home advantage for Australian rules
football. Journal of Applied Statistics 19. 1992. pp 251261.
Zak. T. A.; Huang. C.J. and Siegfried. J.J.. Production efficiency: the case of
professional basketball. 1979. Journal of Business. 52. 379-392.
ANEXO
2000
TEAM Ofensive Defensive RO RD R OR OL
Real Madrid 1 0,91589 1,0000 1,0918 0,9159 2 1
Dep. A Corua 1 0,97104 1,0000 1,0298 0,9710 1 2
R.C.D. Mallorc 0,88238 0,98662 0,8824 1,0136 0,8706 3 3
F.C. Barcelon 0,96601 0,64400 0,9660 1,5528 0,6221 14 4
Valencia C.F. 0,75184 1 0,7518 1,0000 0,7518 6 5
R.C. Celta de 0,71654 0,89651 0,7165 1,1154 0,6424 13 6
Villarreal C.F. 0,87513 0,91423 0,8751 1,0938 0,8001 4 7
Mlaga C.F. 0,99792 0,71029 0,9979 1,4079 0,7088 9 8
R.C.D. Espan 0,75613 0,99839 0,7561 1,0016 0,7549 5 9
Dep. Alavs 0,88751 0,82616 0,8875 1,2104 0,7332 7 10
Las Palmas 0,75820 0,77648 0,7582 1,2879 0,5887 16 11
Ath. Bilbao 0,66420 0,82242 0,6642 1,2159 0,5462 12 12
Rayo Vallecan 0,95201 0,70796 0,9520 1,4125 0,6740 11 13
Real Sociedad 0,97961 0,71681 0,9796 1,3951 0,7022 10 14
Osasuna 0,70077 0,72435 0,7008 1,3805 0,5076 19 15
Real Valladoli 0,74331 0,68894 0,7433 1,4515 0,5121 18 16
Real Zaragoza 0,81537 0,75485 0,8154 1,3248 0,6155 15 17
Real Oviedo 1 0,72302 1,0000 1,3831 0,7230 8 18
C.D. Numanci 0,82364 0,69398 0,8236 1,4410 0,5716 17 19
Racing de San 0,62752 0,79923 0,6275 1,2512 0,5015 20 20
Correlation Index 0,7293
2001
TEAM Ofensive Defensive RO RD R OR OL
Valencia C.F. 0,8015 1 0,8015 1,0000 0,8015 6 1
Dep. A Corua 1 0,8529 1,0000 1,1724 0,8529 3 2
Real Madrid 1 0,8064 1,0000 1,2400 0,8064 5 3
F.C. Barcelon 1 1 1,0000 1,0000 1,0000 1 4
R.C. Celta de 1 0,8381 1,0000 1,1932 0,8381 4 5
Real Betis 0,7307 0,9528 0,7307 1,0495 0,6963 8 6
Dep. Alavs 0,6754 0,8760 0,6754 1,1416 0,5917 14 7
Sevilla 0,9307 0,9383 0,9307 1,0657 0,8733 2 8
Ath. Bilbao 0,9158 0,5609 0,9158 1,7830 0,5136 17 9
Mlaga C.F. 0,7817 0,9349 0,7817 1,0697 0,7307 7 10
Rayo Vallecan 0,8054 0,8404 0,8054 1,1900 0,6768 9 11
Real Valladoli 0,8031 0,7445 0,8031 1,3431 0,5979 12 12
R.C.D. Espan 0,8894 0,7200 0,8894 1,3890 0,6403 10 13
Real Sociedad 0,7801 0,7237 0,7801 1,3817 0,5646 15 14
Villarreal C.F. 0,7646 0,7755 0,7646 1,2895 0,5929 13 15
R.C.D. Mallorc 0,7266 0,8255 0,7266 1,2114 0,5998 11 16
Osasuna 0,6621 0,7146 0,6621 1,3993 0,4732 19 17
Las Palmas 0,7032 0,7852 0,7032 1,2736 0,5521 16 18
Tenerife 0,5742 0,6559 0,5742 1,5246 0,3766 20 19
Real Zaragoza 0,5602 0,8708 0,5602 1,1483 0,4878 18 20
Correlation Index 0,8060
2002
TEAM Ofensive Defensive RO RD R OR OL
Real Madrid 1 0,90899 1,0000 1,1001 0,9090 1 1
Real Sociedad 1 0,74987 1,0000 1,3336 0,7499 3 2
Dep. A Corua 0,99008 0,72860 0,9901 1,3725 0,7214 4 3
R.C. Celta de 0,80195 1 0,8020 1,0000 0,8020 2 4
Valencia C.F. 0,70557 1 0,7056 1,0000 0,7056 5 5
F.C. Barcelon 0,78017 0,74376 0,7802 1,3445 0,5803 7 6
Ath. Bilbao 0,95689 0,57100 0,9569 1,7513 0,5464 10 7
Real Betis 0,80346 0,62421 0,8035 1,6020 0,5015 12 8
R.C.D. Mallorc 0,73305 0,73137 0,7331 1,3673 0,5361 11 9
Sevilla F.C. 0,53182 0,90386 0,5318 1,1064 0,4807 13 10
Osasuna 0,64091 0,70190 0,6409 1,4247 0,4499 16 11
Atl. de Madrid 0,66082 0,67547 0,6608 1,4805 0,4464 17 12
Mlaga C.F. 0,71856 0,75969 0,7186 1,3163 0,5459 8 13
Real Valladoli 0,62061 0,87918 0,6206 1,1374 0,5456 9 14
Villarreal 0,68612 0,66940 0,6861 1,4939 0,4593 14 15
Racing de San 0,78884 0,55693 0,7888 1,7956 0,4393 18 16
Espanyol 0,91835 0,76329 0,9184 1,3101 0,7010 6 17
Recreativo de 0,65302 0,70135 0,6530 1,4258 0,4580 15 18
Dep. Alavs 0,72137 0,51608 0,7214 1,9377 0,3723 19 19
Rayo Vallecan 0,51851 0,58394 0,5185 1,7125 0,3028 20 20
Correlation Index 0,7895
2003
TEAM Ofensive Defensive RO RD R OR OL
Valencia C.F. 1 1 1,0000 1,0000 1,0000 1 1
F.C. Barcelon 0,92125 0,82441 0,9212 1,2130 0,7595 4 2
Dep. A Corua 1 1 1,0000 1,0000 1,0000 2 3
Real Madrid 1 0,77829 1,0000 1,2849 0,7783 3 4
Ath. Bilbao 0,82938 0,71315 0,8294 1,4022 0,5915 8 5
Sevilla F.C. 0,88316 0,71748 0,8832 1,3938 0,6337 6 6
Atl. de Madrid 0,80421 0,71279 0,8042 1,4029 0,5732 13 7
Villarreal 0,80781 0,65821 0,8078 1,5193 0,5317 17 8
Real Betis 0,76679 0,75663 0,7668 1,3217 0,5802 10 9
Mlaga C.F. 1 0,59040 1,0000 1,6938 0,5904 9 10
R.C.D. Mallorc 0,98327 0,52946 0,9833 1,8887 0,5206 18 11
Osasuna 0,71636 0,87876 0,7164 1,1380 0,6295 7 12
Real Zaragoza 0,90479 0,59457 0,9048 1,6819 0,5380 15 13
Albacete 0,90139 0,72400 0,9014 1,3812 0,6526 5 14
Real Sociedad 0,94905 0,57356 0,9491 1,7435 0,5443 14 15
Espanyol 0,83632 0,68620 0,8363 1,4573 0,5739 12 16
Racing de San 0,94949 0,56207 0,9495 1,7791 0,5337 16 17
Real Valladoli 0,84510 0,68535 0,8451 1,4591 0,5792 11 18
R.C. Celta de 0,85491 0,45976 0,8549 2,1751 0,3931 20 19
Murcia 0,63853 0,72076 0,6385 1,3874 0,4602 19 20
Correlation Index 0,7278
2004
TEAM Ofensive Defensive RO RD R OR OL
F.C. Barcelon 0,94543 0,92155 0,9454 1,0851 0,8713 2 1
Real Madrid 1 1 1,0000 1,0000 1,0000 1 2
Villarreal 1 0,87053 1,0000 1,1487 0,8705 3 3
Real Betis 1 0,66096 1,0000 1,5129 0,6610 5 4
Espanyol 0,90727 0,71616 0,9073 1,3963 0,6498 6 5
Sevilla F.C. 0,71571 0,77623 0,7157 1,2883 0,5556 9 6
Valencia C.F. 0,83108 0,84022 0,8311 1,1902 0,6983 4 7
Ath. Bilbao 0,96029 0,60553 0,9603 1,6514 0,5815 8 8
Dep. A Corua 0,68089 0,66445 0,6809 1,5050 0,4524 16 9
Mlaga C.F. 0,73744 0,72780 0,7374 1,3740 0,5367 11 10
Atl. de Madrid 0,66329 0,88055 0,6633 1,1356 0,5841 7 11
Real Zaragoza 0,81729 0,57489 0,8173 1,7395 0,4698 15 12
Getafe 0,69017 0,75565 0,6902 1,3234 0,5215 13 13
Real Sociedad 0,89851 0,59139 0,8985 1,6909 0,5314 12 14
Osasuna 0,81097 0,46866 0,8110 2,1337 0,3801 19 15
Racing de San 0,77833 0,61798 0,7783 1,6182 0,4810 14 16
R.C.D. Mallorc 1 0,54731 1,0000 1,8271 0,5473 10 17
Levante 0,63910 0,57100 0,6391 1,7513 0,3649 20 18
Albacete 0,65221 0,61572 0,6522 1,6241 0,4016 17 19
C.D. Numanci 0,66970 0,58014 0,6697 1,7237 0,3885 18 20
Correlation Index 0,8632
2005
TEAM Ofensive Defensive RO RD R OR OL
F.C. Barcelon 1 0,7923 1,0000 1,2621 0,7923 4 1
Real Madrid 1 1 1,0000 1,0000 1,0000 1 2
Valencia C.F. 0,9783 1 0,9783 1,0000 0,9783 2 3
Osasuna 1 0,7441 1,0000 1,3440 0,7441 5 4
Sevilla F.C. 0,8230 0,8184 0,8230 1,2219 0,6735 8 5
R.C. Celta de 0,8196 1 0,8196 1,0000 0,8196 3 6
Villarreal 0,8690 0,8539 0,8690 1,1712 0,7420 6 7
Dep. A Corua 0,9206 0,7574 0,9206 1,3204 0,6972 7 8
Getafe 0,8383 0,6611 0,8383 1,5127 0,5542 14 9
Atl. de Madrid 0,7692 0,8502 0,7692 1,1762 0,6539 10 10
Real Zaragoza 0,7567 0,6519 0,7567 1,5340 0,4933 17 11
Ath. Bilbao 0,8172 0,7326 0,8172 1,3649 0,5987 12 12
R.C.D. Mallorc 0,8414 0,6554 0,8414 1,5258 0,5514 15 13
Real Betis 0,5803 0,7028 0,5803 1,4228 0,4079 20 14
Espanyol 0,7265 0,6744 0,7265 1,4828 0,4899 18 15
Real Sociedad 0,9723 0,6740 0,9723 1,4837 0,6553 9 16
Racing de San 0,7921 0,7209 0,7921 1,3871 0,5710 13 17
Dep. Alavs 0,7738 0,6731 0,7738 1,4856 0,5209 16 18
Cdiz 0,7741 0,8425 0,7741 1,1869 0,6522 11 19
Mlaga C.F. 0,8954 0,5410 0,8954 1,8486 0,4844 19 20
Correlation Index 0,7925
2006
TEAM Ofensive Defensive RO RD R OR OL
Real Madrid 1 0,83925 1,0000 1,1915 0,8393 3 1
F.C. Barcelon 1 0,82375 1,0000 1,2140 0,8238 4 2
Sevilla F.C. 1 1 1,0000 1,0000 1,0000 1 3
Valencia C.F. 0,96867 0,79802 0,9687 1,2531 0,7730 7 4
Villarreal 0,91376 0,89966 0,9138 1,1115 0,8221 5 5
Real Zaragoza 0,87162 0,80488 0,8716 1,2424 0,7015 12 6
Atl. de Madrid 0,71981 0,76543 0,7198 1,3065 0,5510 14 7
Recreativo de 1 0,76734 1,0000 1,3032 0,7673 8 8
Getafe 0,80784 1 0,8078 1,0000 0,8078 6 9
Racing de San 1 0,71744 1,0000 1,3938 0,7174 10 10
Espanyol 0,88332 0,82770 0,8833 1,2082 0,7311 9 11
R.C.D. Mallorc 0,72572 0,76635 0,7257 1,3049 0,5562 13 12
Dep. A Corua 0,68550 0,77969 0,6855 1,2826 0,5345 15 13
Osasuna 1,00000 0,71388 1,0000 1,4008 0,7139 11 14
Levante 0,74259 0,65485 0,7426 1,5271 0,4863 17 15
Real Betis 0,80775 0,71386 0,8077 1,4008 0,5766 12 16
Ath. Bilbao 0,91991 0,56580 0,9199 1,7674 0,5205 16 17
R.C. Celta de 0,65623 0,64639 0,6562 1,5471 0,4242 19 18
Real Sociedad 0,99539 0,96188 0,9954 1,0396 0,9574 2 19
Gimnastic Tar 0,74043 0,60065 0,7404 1,6649 0,4447 18 20
Correlation Index 0,6427