Aplicación de Clustering Jerárquico a Estadísticas de Jugadores de la NBA (temporada 2024–2025)

Resumen

Se aplicó el método de clustering jerárquico a un conjunto de datos con estadísticas agregadas de 731 jugadores de la NBA correspondientes a la temporada 2024–2025. El objetivo fue identificar perfiles de rendimiento sin imponer etiquetas previas, utilizando una estrategia no supervisada basada en distancias. Para ello, se seleccionaron variables cuantitativas de producción (puntos, rebotes, asistencias), volumen de uso (minutos jugados, intentos de tiro y tiros libres) y contribuciones defensivas (robos, tapones, pérdidas y faltas). Tras un preprocesamiento orientado a hacer comparables las escalas (normalización) se construyó una matriz de disimilaridad y se generó el Dendrograma, evaluando el corte del diagrama mediante criterios de separación y coherencia interna. El análisis condujo a una partición de tres grupos bien diferenciados: un clúster de jugadores de alta carga ofensiva y gran volumen, un clúster de rol/soporte con menor uso y aportes más equilibrados, y un clúster intermedio que combina eficiencia con participación moderada. Estos resultados facilitan comparaciones entre jugadores, resumen patrones dominantes del torneo y aportan una base para análisis posteriores (segmentación y toma de decisiones).