Pabón Burbano, María ConstanzaIriarte Sóltau, Germán David2026-08-312026-08-312026http://hdl.handle.net/11522/5764Este trabajo de grado presenta el diseno e implementación de un sistema comparativo basado en la clusterización de atletas de CrossFit. A partir de un dataset público de rendimiento (variables antropometricas, levantamientos maximos y Benchmark WODs), se construyeron tres cohortes analiticas (mixta, masculina y femenina), se caracterizo el mecanismo de datos faltantes y se aplicaron dos estrategias de imputacion (one-step clustering imputation y multiple imputation pooled). Sobre los datasets completos se evaluaron dieciocho escenarios experimentales (3 cohortes x 2 imputaciones x 3 algoritmos: K-Means, Agglomerative Ward y GMM), con barridos de k =2, ... ,10. Como corte productivo se adopto la cohorte masculina (n = 9.576), imputación one-step y K-Means con k = 6, obteniendo seis perfiles interpretables de rendimiento. Sobre ese modelo se prototipó un módulo comparativo que asigna atletas a perfiles y facilita la identificacion de fortalezas y debilidades relativas. Los resultados muestran que la estructura de agrupamiento es robusta frente a la estrategia de imputacion y que K-Means ofrece mejor equilibrio entre separación y balance que los métodos de sensibilidad.107 p.application/pdfspaClusterizaciónCrossFitPerfiles atléticosImputación de datosK-meansClusteringAthletic profilesData imputationbachelor thesishttps://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2