Análisis de medallas en los Juegos Olímpicos 2024
Crister Paola Briñez - José Manuel Galvis - Valeria Saldaña
2025-07-02
Introducción
Los Juegos Olímpicos representan uno de los eventos deportivos más importantes del mundo, no solo por el despliegue de excelencia atlética, sino también por lo que reflejan en términos del desarrollo institucional, económico y social de los países participantes. El desempeño olímpico ha sido abordado desde múltiples disciplinas, incluyendo la economía, la sociología y las ciencias del deporte, como una vía para comprender las dinámicas estructurales que determinan la capacidad de los países para competir exitosamente en el ámbito internacional. En este contexto, el medallero olímpico puede entenderse como un indicador indirecto del compromiso estatal con el desarrollo deportivo, pues sintetiza múltiples factores estructurales que inciden en la identificación del talento, el financiamiento del alto rendimiento y la promoción del deporte como política pública.
Numerosos estudios han demostrado que variables como el Producto Interno Bruto (PIB), la población total y el nivel de desarrollo humano tienen una importante incidencia con el éxito en los Juegos Olímpicos (Bernard & Busse, 2000; Johnson, D. K. N., & Ali, A., 2004). Estos factores no solo reflejan la capacidad económica y demográfica de un país, sino que también evidencian la posibilidad de construir infraestructura especializada, consolidar sistemas de entrenamiento, atraer entrenadores de élite y fomentar una cultura deportiva desde edades tempranas. Aunque investigaciones iniciales como la de Bernard y Busse (2000) identificaron el PIB y la población como predictores claves del rendimiento en los Juegos Olímpicos, en años recientes se ha reconocido que estos modelos tradicionales no logran captar la complejidad del fenómeno cuando se analizan múltiples ediciones y contextos nacionales heterogéneos. Por ello, la literatura contemporánea ha incorporado técnicas de análisis más sofisticadas, como modelos multinivel, redes neuronales artificiales, aprendizaje supervisado y no supervisado, con el fin de modelar mejor las interacciones entre variables estructurales y rendimiento deportivo.
En los pasados Juegos Olímpicos, celebrados en París, en el año 2024, se reunieron 10.714 atletas provenientes de 206 países, con un medallero olímpico distribuido entre 92 naciones. Este magno acto deportivo no solo marcó un hito histórico por alcanzar la plena paridad de género, sino que también evidenció las profundas desigualdades estructurales entre las naciones en términos de acceso a recursos y oportunidades para el desarrollo deportivo. En este contexto, el éxito olímpico se presenta como un fenómeno multifactorial, condicionado tanto por variables macroeconómicas y demográficas como por aspectos socioculturales y políticos. Para abordar esta problemática, se identificaron tres variables estructurales que consideramos fundamentales para el análisis: el PIB a precios corrientes, la población total y el gasto público en educación, estas a su vez, darán paso a la pregunta de investigación.
Pregunta de investigación
¿Cómo se relacionan el Producto Interno Bruto en dólares, la población y el gasto público en educación de un país con su desempeño en los Juegos Olímpicos de París 2024?
Para responder esta pregunta se alude al enfoque cuantitativo con el fin de validar empiricamente a través de métodos tradicionales como la regresión lineal, si, efectivamente, los factores estructurales a nivel socioeconómico inciden de manera significativa en el rendimiento deportivo internacional.
Estadisticas descriptivas
Para el desarrollo del presente proyecto se utilizó el conjunto de datos “Medals_total.xlsx”, el cual incluye información detallada sobre el número de medallas obtenidas por cada país en los Juegos Olímpicos de París 2024, así como una serie de indicadores socioeconómicos y demográficos. Las variables principales consideradas fueron:
-TOTAL_MEDALS, que representa la suma de medallas de oro, plata y bronce.
-PIB_CORR, es el Producto Interno Bruto a precios corrientes expresados en dólares, cuya escala se encuentra en miles de millones.
-POPULATION, en millones de habitantes.
-EXP_ON_EDU, que corresponde al porcentaje del PIB destinado a educación.
Estas variables fueron escogidas por su importancia teórica y por su disponibilidad en el conjunto de datos. Cabe señalar que, durante la revisión y depuración del dataset se identificaron tres casos que fueron tratados como valores atípicos y se excluyeron del análisis multivariado para evitar distorsiones en la validez analítica del modelo propuesto.
1. Federación Rusa, que participó con una delegación reducida debido a sanciones derivadas de su conflicto geopolítico con Ucrania, lo que incidió significativamente en su desempeño olímpico y su comparabilidad histórica.
2. Corea del Norte, país para el cual no se encontraron datos actualizados sobre su PIB ni sobre el gasto público en educación, razón por la cual fue excluido del modelo de regresión.
3. Equipo de Atletas Refugiados, cuya participación, aunque significativa en términos deportivos y simbólicos, no puede ser evaluada bajo los mismos criterios estructurales al no representar un Estado soberano con variables económicas propias.
Boxplots
Se inicia el análisis descriptivo con la visualización de boxplots para cada una de las variables seleccionadas, con el fin de identificar la distribución de los datos y detectar posibles valores atípicos.
En términos generales, las variables del análisis presentan fuertes asimetrías en su distribución derivado de la presencia de valores atípicos. En particular, el PIB a precios corrientes y la población son las variables socioeconómicas con mayor dispersión asociada a la amplia heterogeneidad entre los países participantes. Por otro lado, el gasto en educación muestra una distribución más concentrada, aunque con algunos valores extremos que podrían indicar inversiones excepcionales en este ámbito. Finalmente, el número de medallas también presenta un fuerte sesgo dado que una gran cantidad de medallas ganadas se encuentra concentrada en un número reducido de países.
| TOTAL_MEDALS | PIB_CORR | POPULATION | EXP_ON_EDU | |
|---|---|---|---|---|
| Min. : 1.00 | Min. : 0.697 | Min. : 0.075 | Min. :0.2426 | |
| 1st Qu.: 2.00 | 1st Qu.: 72.463 | 1st Qu.: 5.422 | 1st Qu.:3.6237 | |
| Median : 5.00 | Median : 264.913 | Median : 11.817 | Median :4.2495 | |
| Mean : 11.58 | Mean : 1151.567 | Mean : 69.388 | Mean :4.3839 | |
| 3rd Qu.: 9.00 | 3rd Qu.: 610.118 | 3rd Qu.: 49.078 | 3rd Qu.:5.2301 | |
| Max. :126.00 | Max. :29184.900 | Max. :1441.720 | Max. :9.3859 |
Considerando los estadísticos descriptivos se encuentra las medidas de tendencia central como la media y la mediana tienden a estar bastante alejadas entre sí, lo cual denota una fuerte asimetría en la distribución de los datos, que gráficamente se evidencia en los boxplots.
Top 10 de países con más medallas ganadas y ranking por PIB
A continuación se presenta una revisión preliminar de la psoible relación entre PIB y el número de medallas ganadas durante los Juegos Olímpicos de París 2024 (JJOO 2024).
Como se puede observar, del top 10 de países por PIB ganadores de
medalla en los Juegos Olímpicos de París 2024, 7 también hacen parte del
top 10 del medallero, mientras que Canadá (11) y Brasil (13) están
cercanos al décimo lugar, por lo que se observa un comportamiento
similar entre ambas variables.
Sin embargo, la India siendo el quinto país con mayor PIB del 2024 quedó en el puesto 42 del medallero olímpico, esto quizá debido a la alta población del país (sin embargo China si está dentro de la tendencia esperada) o al gasto en educación por parte del país.
A pesar de que solo se considera una muestra de 10 países, ya se evidencian amplias disparidades entre las medidas planteadas, lo que refuerza la presencia de valores atípicos considerables en los datos.
Relación entre Gasto en educación y Población con el número de medallas ganadas
Con respecto a la relación entre el gasto en educación y el número de medallas ganadas, se observa una tendencia positiva, lo que podría denotar una posible influecia de este tipo de gasto sobre el desempeño olímpico. Sin embargo, la relación no es tan fuerte como se esperaría, lo que sugiere que otros factores también juegan un papel importante en el éxito deportivo.
Por otro lado, la relación entre la población y el número de medallas ganadas también muestra una tendencia positiva, no obstante, para esta variable en específico se presentan dos valores atípicos ampliamente distantes del resto de los datos, lo que podría afectar la relación.
Considerando que tanto PIB como Población presentan valores atípicos demasiado extremos, se procede a implementar la escala logaritmica con el fin de tener un mejor re-escalamiento de la información. Adicionalmente, considerando la interpretabilidad del modelo, se mantiene en su escala original el número de medallas.
Así, implementándo dicho reescalamiento, también se generan gráficos de dispersión para establecer las relaciones de las variables socioeconómicas con respecto al número de medallas.
Contraste entre países
Finalmente, para obtener una visión más amplia del comportamiento de las variables en términos de país, se procede a realizar un gráficos geoespaciales sobre las variables transformadas (logaritmos de PIB y Población), así como también el gasto en educación.
Logaritmo del PIB a precios corrientes
Se evidencia que los países ganadores de medallas coloreados con tonos más claros presentan un menor PIB a precios corrientes, los cuales se concentran principalemente en el continente africano y asiático. Los países con un PIB medio-alto se encuentran presentes en todos los continentes de la muestra y son la mayoría, mientras que aquellos con PIB muy elevado se encuentran principalmente en países como China y Estados Unidos.
Gasto en educación (% PIB)
A través del gráfico es posible evidenciar que la inversión en educación es bastante equilibrada entre los países ganadores de medallas, sin embargo, también se enmarcan ciertas excepciones como el caso de Suiza, quien destina más del 7% de su PIB en educación.