¿Cómo se predice el resultado de un partido con métodos estadísticos? La respuesta honesta comienza con probabilidades, no con profecías. El fútbol es un deporte de baja puntuación con una gran variación, por lo que un único resultado nunca es una certeza. Un buen modelo estima con qué frecuencia debería ocurrir cada resultado en muchas coincidencias similares. Victoria local, empate y victoria visitante forman el clásico mercado de posibilidades 1X2. Los totales por encima y por debajo, ambos equipos marcan y los puntajes exactos son solo otras vistas del mismo proceso de gol. El motor práctico más antiguo es un modelo de Poisson para porterías. El trabajo de Michael Maher de 1982 trató la puntuación de cada equipo como un proceso de conteo con una tasa de ataque y una tasa de defensa. Calcula esas tasas a partir de partidos recientes y luego agrega un factor de ventaja de local. La fórmula de Poisson da entonces la posibilidad de que se produzcan cero, uno, dos o más goles. La combinación de dos Poisson independientes produce una tabla de puntuación de 0-0 a 5-4 y más. La suma de las celdas donde el equipo local anota más arroja una probabilidad de victoria local. Sumar la diagonal produce el empate. La masa restante es la victoria visitante. Dixon y Coles demostraron más tarde que el 0-0 y el 1-1 ocurren con más frecuencia de lo que espera un simple Poisson. Su ajuste infla esas celdas de puntuación baja y desinfla ligeramente otras. El paso del tiempo es importante porque el estado de forma del mes pasado es más informativo que un partido de hace diez meses. Los pesos exponenciales dan más voz a los juegos recientes sin desperdiciar la historia. La fuerza de la liga también importa cuando los equipos se enfrentan en distintas competiciones. No es lo mismo un gol contra una defensa de primer nivel que un gol contra un equipo descendido. Clasificaciones como Elo convierten el historial de victorias, derrotas y empates en un único número de fuerza que se actualiza después de cada partido. Las clasificaciones de la FIFA son primas públicas de la misma idea, aunque son más lentas y más políticas. Los modelos de clubes suelen superar las clasificaciones nacionales en los partidos de liga de fin de semana porque ven más datos. La calidad de los datos es el cuello de botella silencioso. Las lesiones perdidas, las tarjetas rojas mal codificadas y las alineaciones retrasadas envenenarán las matemáticas elegantes. Comience con partidos limpios, puntajes limpios y una definición clara de local. Entonces las estadísticas pueden hablar.

Los goles esperados cambiaron la conversación porque los tiros no son iguales. Un toque desde seis metros no es un recorrido de treinta metros entre una multitud. Los modelos xG asignan a cada tiro una probabilidad de conversión histórica basada en la ubicación, el tipo de asistencia y, a veces, la densidad de los defensores. La suma de la calidad de los tiros durante un partido estima cuántos goles mereció un equipo. A lo largo de una temporada, los xG a favor y en contra son más estables que los goles en bruto, que se balancean sobre los postes y los porteros. El uso de xG como entradas de ataque y defensa en un modelo estilo Poisson a menudo mejora la calibración. Aún así, xG no es mágico. El tamaño de la muestra en un solo fin de semana es pequeño. Un equipo puede registrar 2,4 xG y perder 1-0 sin que el modelo se equivoque. La modelo dijo que se crearon oportunidades. El partido dijo remate y atajadas intervinieron. Esa brecha es variación, no una razón para abandonar los números. La posesión, los pases al área y la intensidad de la presión añaden contexto, pero pueden contar dos veces la misma historia de ataque. La selección de funciones debe preferir variables que predigan objetivos futuros, no variables que simplemente describan la última transmisión. La validación cruzada de temporadas pasadas es la forma adulta de elegir. Entrene en años anteriores, pruebe en un año posterior y niéguese a celebrar el ajuste en la muestra. La puntuación de Brier y la pérdida de registros castigan las probabilidades excesivamente confiadas. Precisión de la puntuación más probable| Es una métrica de vanidad porque 1-1 y 1-0 comparten masa de probabilidad. Un modelo que dice 38 por ciento en casa, 28 por ciento empatado y 34 por ciento fuera puede ser excelente incluso cuando gana el equipo visitante. La pregunta es si ese 34 por ciento de victorias fuera de casa realmente llega aproximadamente un tercio de las veces. Los gráficos de calibración responden a esa pregunta. La nitidez es el otro eje: un modelo que siempre dice 33-33-33 está calibrado y es inútil. Quiere probabilidades que cambien cuando la evidencia se mueva. Las lesiones de un delantero titular deberían reducir la tasa de ataque. Una mitad de semana congestionada debería aumentar ligeramente las posibilidades de rotación y goles tardíos. La distancia recorrida, los días de descanso y la intensidad del derbi son pequeños efectos que aún se acumulan. El clima y la calidad del campo pertenecen al término de error a menos que tengas suficientes partidos lluviosos para estimarlos. Mantenga el modelo central lo suficientemente simple como para explicarlo. La complejidad que no se puede controlar acabará mintiéndote.

Un oleoducto práctico parece menos romántico que un gráfico de televisión. Recopile partidos terminados con fechas, equipos, sedes y puntuaciones. Calcule las calificaciones de ataque y defensa con caída del tiempo. Agregue xG si la liga publica datos confiables de tiros. Convierta las calificaciones en goles esperados para el próximo encuentro. Construya la matriz de puntuación. Lea 1X2, totales y ambos equipos anotarán. Compare esas probabilidades con los precios de cierre del mercado sólo como una prueba de cordura, no como un sustituto de su propia probabilidad. Los mercados son multitudes. Las multitudes suelen ser agudas y a veces lentas ante las últimas noticias. Su ventaja, si la tiene, suele ser un mejor momento de lesión o un factor local más limpio específico de la liga. Nunca trates una victoria local del 55 por ciento como una promesa. Trátelo como una afirmación de que casas similares ganan un poco más de la mitad de las veces. El pensamiento sobre los fondos pertenece a las apuestas, que son una disciplina separada de la previsión. La previsión termina cuando las probabilidades son honestas. Los pronósticos honestos todavía pasan por alto las sorpresas famosas, porque las sorpresas están en la cola. En esa cola viven tarjetas rojas, loterías de penaltis y goles en propia puerta de último minuto. Un buen artículo sobre métodos debe decir esto dos veces. La predicción estadística no es una bola de cristal. Es un mapa de probabilidad relativa. Los mapas te ayudan a evitar los dos errores comunes de los fanáticos. El primer error es el teatro de los últimos tiempos: una victoria por 4-0 no convierte a un equipo de mitad de tabla en favorito al título. El segundo error es la captura narrativa: el nombre de un club famoso no es una calificación. Se debe permitir que las calificaciones caigan cuando caen las actuaciones. Los modelos jerárquicos pueden compartir fortalezas entre ligas cuando los datos son escasos. La actualización bayesiana es una forma formal de comenzar desde un principio y avanzar con evidencia. No necesitas un doctorado para utilizar la idea. Comience con los goles esperados promedio de la liga y luego aplique la estimación a los partidos recientes del equipo. Las muestras pequeñas se reducen hacia la media. Se permite que las muestras grandes parezcan extremas. Esa contracción le evita reaccionar exageradamente ante una buena racha de tres partidos. También te impide enterrar a un equipo recién ascendido después de dos derrotas contra gigantes. El contexto sigue siendo el rey. Un 1-0 en casa contra el líder de la liga puede ser una señal más fuerte que un 3-0 contra el colista. La diferencia de goles sin ajuste del oponente es un instrumento contundente. La diferencia de goles ajustada al oponente se acerca más a lo que Poisson y Elo ya intentan capturar.

Entonces, ¿cómo debería un lector utilizar estos métodos antes del inicio? Primero, escriba la pregunta en números. ¿Quieres el 1X2 más probable, una distribución de puntuación o solo si ambos equipos anotan? En segundo lugar, recopile los últimos treinta a cincuenta partidos relevantes de cada equipo, no los últimos tres titulares. En tercer lugar, ajuste la ventaja de jugar en casa, que en la mayoría de las ligas todavía suma unas décimas de gol. Cuarto, descontar los amistosos y las eliminatorias de copa que no coinciden a menos que carezcas de datos de la liga. Quinto, aplique una corrección de estilo Dixon-Coles si le interesan el 0-0 y el 1-1. Sexto, convierta la cuadrícula en las probabilidades que realmente discutirá. Séptimo, control de cordura contra lesiones, suspensiones y rotaciones obvias. En octavo lugar, negarse a redondear el 47 por ciento a algo seguro. Noveno, lleve un registro de sus probabilidades y de los resultados reales. Décimo, revise la calibración todos los meses en lugar de recordar solo los fines de semana en los que parecía inteligente. Existen páginas estadísticas al estilo FootballAlarm porque hacerlas a mano para cada liga es tedioso. La automatización no reemplaza el juicio. Reemplaza los errores de copiar y pegar. El criterio aún decide si un delantero recién fichado está en el once. El juicio aún decide si un campo anegado cambia el valor de tiro. Luego, el modelo absorbe esas llamadas como entradas modificadas, no como vibraciones. Las vibraciones no son un método. Los métodos sobreviven a la vergüenza porque pueden ser auditados. Los registros de auditoría incluyen la antigüedad de los datos, el parámetro de deterioro y el factor de origen que utilizó. Si no puede indicar esos tres, aún no tiene un pronóstico estadístico. Tienes una opinión vistiendo un disfraz de hoja de cálculo. Las opiniones pueden ser correctas. Los métodos estadísticos intentan acertar por una razón que seguirá funcionando el próximo sábado. El próximo sábado habrá al menos un resultado que la grilla calificó de improbable. Eso no es fracaso. Eso es fútbol. El fútbol es la razón por la que modelamos los conteos en lugar de pretender que los partidos sean lanzamientos de monedas con logotipos famosos. Los lanzamientos de monedas ignoran el ataque y la defensa. Poisson no lo hace. xG no. Elo no. Úselos junto con humildad. La humildad es el último método estadístico y el que los fanáticos omiten. No te lo saltes. Predecir, registrar, revisar. Entonces mira el partido de todos modos, porque la belleza nunca fue el 38 por ciento. La belleza es la pelota, el fallo y el número que intentó avisarte con antelación.

Por lo tanto, la vida de un pronóstico de partido es un bucle, no un titular. Recopile, califique, proyecte, califique y aprenda. Poisson te da un lenguaje objetivo. Dixon-Coles repara las partituras tranquilas. xG te dice qué oportunidades fueron reales. Elo mantiene una fuerza para correr que no entra en pánico todos los lunes. La ventaja de jugar en casa sigue siendo un hecho empírico obstinado. La caída del tiempo mantiene al modelo despierto. La calibración mantiene al modelista honesto. Nada de esto quita dramatismo a los noventa minutos. Sólo valora el drama. El drama de los precios es como hablan los analistas cuando se niegan a adivinar. Adivinar es barato. Estimar es trabajo. El trabajo parece un marcador que podría indicar 2-1 cuando faltan cinco minutos, mientras que la parrilla previa al partido tenía 1-1 como modo. Ambas pueden ser ciertas. El modo no es un comando. La moda es el pico de una distribución. Las distribuciones son el objetivo de la predicción estadística de partidos. Si recuerdas sólo una frase, recuérdala. Un resultado es una muestra. Un método es una distribución. Los métodos que publican sólo una puntuación sin probabilidades ocultan su incertidumbre. La incertidumbre es el producto. Publicarlo. Entonces el lector podrá decidir qué significa realmente el 40 por ciento en casa. Son cuatro partidos similares de cada diez, ni un trofeo ya grabado. El grabado se produce después del silbato. Las estadísticas suceden antes. Antes es donde vive este artículo. Después es donde se actualiza la tabla. Entre ellos se encuentra el único oficio honesto que tenemos para responder cómo podría terminar un partido. Podría terminar como favorito. Puede que no. Los números te dijeron la división. Esa división es la predicción. Todo lo demás es teatro. Se permite el teatro. El teatro no es un método. El método está aquí, en doscientas frases, para que el próximo partido se enfrente a una cuadrícula en lugar de a un rumor. Usa la cuadrícula. Respeta la cola. Disfruta el partido.

Las tablas de clasificación son indicadores rezagados en comparación con los xG móviles. Un club recién ascendido a menudo supera a sus anteriores pesimistas. Un campeón en transición a menudo tiene un desempeño inferior al de sus anteriores optimistas. Los especialistas en jugadas a balón parado merecen un pequeño golpe de ataque aparte. Los equipos de alta presión conceden oportunidades de transición que Poisson puede fallar en los tiros si los datos de los tiros están incompletos. La calidad del portero pertenece al rating defensivo, no a un aura mística. Las tasas de penalización son ruidosas; No reconstruyas un modelo después de un penalti. Las frecuencias de las tarjetas rojas también son ruidosas y deberían estar clasificadas según la liga. Las competiciones de copa mezclan motivaciones que los modelos de liga captan sólo parcialmente. Las pausas internacionales restablecen el ritmo del club y aumentan ligeramente las posibilidades de empate para algunos equipos de la mitad de la tabla. Las ligas femeninas y masculinas necesitan archivos de parámetros separados. Copiar la ventaja de jugar en casa de la Premier League a otra división es un error silencioso común. Calcule la ventaja de local dentro de la liga que está pronosticando. Tres puntos por una victoria cambiaron los incentivos históricamente, por lo que no se deben agrupar datos anteriores a la década de 1990 a ciegas. Los cambios en las reglas, como cinco sustituciones, también modifican los índices de goles al final del juego. Siga esos cambios de régimen o sus pesos en decadencia lucharán contra el pasado. Los datos abiertos de StatsBomb y proyectos similares hicieron que xG fuera reproducible para los aficionados. La reproducibilidad es más valiosa que una salsa secreta que nadie puede comprobar. Si dos modelos no están de acuerdo, inspeccione las entradas antes de promediar las salidas. Promediar modelos calibrados puede ayudar; promediar historias rara vez ayuda. Una liga con muchos empates necesita una intensidad Dixon-Coles diferente a la de una liga con muchos puntajes. Los lanzamientos escandinavos de principios de temporada no son agosto en España. La geografía no es destino, pero es una covariable. Viajar a través de zonas horarias en copas continentales es una verdadera variable de fatiga. Los partidos europeos entre semana suelen suprimir la intensidad de la liga del fin de semana. Las políticas de rotación de los equipos grandes hacen que las alineaciones de once nombres sean un aporte necesario.