Como você prevê o resultado de uma partida com métodos estatísticos? A resposta honesta começa com probabilidades, não com profecia. O futebol é um esporte de baixa pontuação e alta variância, portanto, um único placar nunca é uma certeza. Um bom modelo estima a frequência com que cada resultado deve acontecer em muitas partidas semelhantes. Vitória em casa, empate e vitória fora formam o clássico mercado de possibilidades 1X2. Totais acima e abaixo, ambas as equipes marcando e pontuações exatas são apenas outras visões do mesmo processo de gol. O mecanismo prático mais antigo é o modelo de Poisson para objetivos. O trabalho de Michael Maher em 1982 tratou a pontuação de cada equipe como um processo de contagem com uma taxa de ataque e uma taxa de defesa. Você estima essas taxas a partir de partidas recentes e depois adiciona um fator de vantagem em casa. A fórmula de Poisson dá então a chance de zero, um, dois ou mais gols. A combinação de dois Poissons independentes produz uma grade de pontuação de 0-0 a 5-4 e além. Somando as células onde o time da casa marca mais, resulta uma probabilidade de vitória da casa. A soma da diagonal produz o empate. A massa restante é a vitória fora de casa. Dixon e Coles mostraram mais tarde que 0-0 e 1-1 acontecem com mais frequência do que um simples Poisson espera. Seu ajuste aumenta as células com pontuação baixa e esvazia ligeiramente outras. A redução do tempo é importante porque o formulário do mês passado é mais informativo do que uma correspondência de dez meses atrás. Os pesos exponenciais dão mais voz aos jogos recentes sem jogar fora a história. A força da liga também é importante quando as equipes se enfrentam entre competições. Um golo contra uma defesa de topo não é a mesma prova que um golo contra uma equipa despromovida. Classificações como Elo convertem o histórico de vitórias, derrotas e empates em um único número de força que é atualizado após cada partida. Os rankings da FIFA são primos públicos da mesma ideia, embora sejam mais lentos e mais políticos. Os modelos de clubes geralmente superam as classificações nacionais nos jogos da liga nos finais de semana porque veem mais dados. A qualidade dos dados é o gargalo silencioso. Lesões perdidas, cartões vermelhos codificados incorretamente e escalações atrasadas envenenarão a matemática elegante. Comece com jogos limpos, resultados limpos e uma definição clara de casa. Então as estatísticas poderão falar.

Os gols esperados mudaram a conversa porque os chutes não são iguais. Uma batida de seis metros não é um passeio de trinta metros no meio de uma multidão. Os modelos xG atribuem a cada chute uma probabilidade histórica de conversão com base na localização, tipo de assistência e, às vezes, na densidade do defensor. A soma da qualidade dos chutes ao longo de uma partida estima quantos gols um time mereceu. Ao longo de uma temporada, xG a favor e contra são mais estáveis ​​do que gols brutos, que balançam nos postes e nos goleiros. Usar xG como entradas de ataque e defesa em um modelo estilo Poisson geralmente melhora a calibração. Ainda assim, xG não é mágico. O tamanho da amostra em um único fim de semana é pequeno. Uma equipe pode postar 2,4 xG e perder por 1-0 sem que o modelo esteja errado. A modelo disse que chances foram criadas. A partida disse que finalizações e defesas intervieram. Essa lacuna é uma variação e não uma razão para abandonar os números. Posse, passes para a área e intensidade de pressão adicionam contexto, mas podem contar duas vezes a mesma história de ataque. A seleção de recursos deve preferir variáveis ​​que prevejam objetivos futuros, e não variáveis ​​que apenas descrevam a última transmissão. A validação cruzada em temporadas anteriores é a escolha dos adultos. Treine nos anos anteriores, teste nos anos posteriores e recuse-se a celebrar o ajuste à amostra. A pontuação de Brier e a perda de log punem probabilidades excessivamente confiantes. Precisão da pontuação mais provável | é uma métrica de vaidade porque 1-1 e 1-0 compartilham massa de probabilidade. Um modelo que diz 38 por cento em casa, 28 por cento empatado e 34 por cento fora pode ser excelente mesmo quando o time visitante vence. A questão é se essas 34 por cento de vitórias fora de casa realmente acontecem em cerca de um terço das vezes. Os gráficos de calibração respondem a essa pergunta. A nitidez é o outro eixo: um modelo que sempre diz 33-33-33 está calibrado e inútil. Você quer probabilidades que se movam quando as evidências se movem. Lesões em um atacante titular devem diminuir a taxa de ataque. Um meio de semana congestionado deve aumentar um pouco a chance de rodízio e gols tardios. A distância percorrida, os dias de descanso e a intensidade do derby são pequenos efeitos que ainda se somam. O clima e a qualidade do campo pertencem ao termo de erro, a menos que você tenha partidas chuvosas suficientes para estimá-las. Mantenha o modelo central simples o suficiente para ser explicado. A complexidade que não pode ser verificada acabará mentindo para você.

Um pipeline prático parece menos romântico do que um gráfico de televisão. Colete partidas concluídas com datas, equipes, locais e pontuações. Calcule classificações de ataque e defesa contínuas com redução de tempo. Combine xG se a liga publicar dados de arremessos confiáveis. Converta as classificações em gols esperados para o próximo jogo. Construa a matriz de pontuação. Leia 1X2, totais e ambas as equipes marcando. Compare essas probabilidades com os preços de fechamento do mercado apenas como uma verificação de sanidade, e não como um substituto para sua própria probabilidade. Os mercados são multidões. As multidões costumam ser atentas e às vezes lentas com as últimas notícias. Sua vantagem, se você tiver uma, geralmente é um melhor momento de lesão ou um fator doméstico específico da liga mais limpo. Nunca trate uma vitória de 55 por cento em casa como uma promessa. Trate isso como uma afirmação de que casas semelhantes ganham um pouco mais da metade das vezes. O pensamento de banca pertence às apostas, que é uma disciplina separada da previsão. A previsão termina quando as probabilidades são honestas. Previsões honestas ainda deixam passar surpresas famosas, porque as surpresas estão na cauda. Cartões vermelhos, loterias de pênaltis e gols contra no último minuto vivem nessa cauda. Um bom artigo sobre métodos deve dizer isso duas vezes. A previsão estatística não é uma bola de cristal. É um mapa de probabilidade relativa. Os mapas ajudam a evitar os dois erros comuns dos fãs. O primeiro erro é recente: uma vitória por 4-0 não torna uma equipa do meio da tabela favorita ao título. O segundo erro é a captura narrativa: um nome de clube famoso não é uma classificação. As classificações devem cair quando os desempenhos caem. Os modelos hierárquicos podem compartilhar força entre as ligas quando os dados são escassos. A atualização bayesiana é uma forma formal de começar a partir de um ponto anterior e avançar com evidências. Você não precisa de um PhD para usar a ideia. Comece com a média de gols esperados da liga e, em seguida, compare a estimativa com as partidas recentes do time. Amostras pequenas encolhem em direção à média. Amostras grandes podem parecer extremas. Essa redução evita que você reaja exageradamente a uma seqüência de três jogos. Também impede que você enterre um time recém-promovido após duas derrotas contra gigantes. O contexto continua sendo rei. Um 1-0 em casa contra o líder da liga pode ser um sinal mais forte do que um 3-0 contra o último clube. O saldo de gols sem ajuste do adversário é um instrumento contundente. O saldo de gols ajustado pelo adversário está mais próximo do que Poisson e Elo já tentam capturar.

Então, como um leitor deve realmente usar esses métodos antes do início? Primeiro, escreva a pergunta em números. Você quer o 1X2 mais provável, uma distribuição de pontuação ou apenas se ambas as equipes marcam? Em segundo lugar, reúna os últimos trinta a cinquenta jogos relevantes de cada lado, e não os últimos três títulos. Terceiro, ajuste para o fator casa, que na maioria das ligas ainda acrescenta alguns décimos de gol. Quarto, desconte amistosos e empates de copa incompatíveis, a menos que você não tenha dados da liga. Quinto, aplique uma correção de estilo Dixon-Coles se você se preocupa com 0-0 e 1-1. Sexto, converta a grade nas probabilidades que você realmente discutirá. Sétimo, verifique a sanidade contra lesões, suspensões e rotações óbvias. Oitavo, recuse-se a arredondar 47% para uma coisa certa. Nono, mantenha um registro de suas probabilidades e dos resultados reais. Décimo, revise a calibração todos os meses, em vez de lembrar apenas dos fins de semana em que você parecia inteligente. Existem páginas estatísticas no estilo FootballAlarm porque fazer isso manualmente para cada liga é entediante. A automação não substitui o julgamento. Ele substitui erros de copiar e colar. O julgamento ainda decide se um atacante recém-contratado está no onze. O julgamento ainda decide se um campo encharcado altera o valor do arremesso. O modelo então absorve essas chamadas como entradas alteradas, não como vibrações. As vibrações não são um método. Os métodos sobrevivem ao constrangimento porque podem ser auditados. As trilhas de auditoria incluem a safra de dados, o parâmetro de decaimento e o fator inicial que você usou. Se você não consegue indicar esses três, ainda não tem uma previsão estatística. Você tem uma opinião vestindo uma fantasia de planilha. As opiniões podem estar certas. Os métodos estatísticos tentam acertar por uma razão que ainda funcionará no próximo sábado. O próximo sábado terá pelo menos uma pontuação que a grade classificou como improvável. Isso não é fracasso. Isso é futebol. É no futebol que modelamos contagens em vez de fingir que as partidas são lançamentos de moeda com logotipos famosos. Os lançamentos de moedas ignoram o ataque e a defesa. Poisson não. xG não. Elo não. Use-os juntos com humildade. A humildade é o último método estatístico, e aquele que os fãs ignoram. Não pule isso. Preveja, registre, revise. Então assista ao jogo mesmo assim, porque a beleza nunca foi dos 38 por cento. A beleza é a bola, o erro e o número que tentou avisar com antecedência.

A vida de uma previsão de jogo é, portanto, um ciclo, não uma manchete. Colete, avalie, projete, pontue e aprenda. Poisson fornece uma linguagem objetivo. Dixon-Coles repara as pontuações silenciosas. xG informa quais chances eram reais. Elo mantém uma força de corrida que não entra em pânico toda segunda-feira. A vantagem de jogar em casa continua a ser um facto empírico persistente. A redução do tempo mantém o modelo acordado. A calibração mantém o modelador honesto. Nada disso elimina o drama dos noventa minutos. Isso apenas avalia o drama. O drama dos preços é como os analistas falam quando se recusam a adivinhar. Adivinhar é barato. Estimar é trabalho. O trabalho parece um placar que pode indicar 2-1 faltando cinco minutos para o fim, enquanto a grade pré-jogo tinha 1-1 como modo. Ambos podem ser verdadeiros. O modo não é um comando. A moda é o pico de uma distribuição. As distribuições são o ponto principal da previsão estatística de correspondência. Se você se lembra de apenas uma frase, lembre-se disso. Um resultado é uma amostra. Um método é uma distribuição. Métodos que publicam apenas uma pontuação sem probabilidades estão escondendo sua incerteza. A incerteza é o produto. Publique-o. Então o leitor poderá decidir o que realmente significa 40% de casa. Significa quatro jogos semelhantes em dez, e não um troféu já gravado. A gravação acontece após o apito. As estatísticas acontecem antes. Antes é onde este artigo reside. Depois é onde a tabela é atualizada. Entre eles está a única arte honesta que temos para responder como uma partida pode terminar. Pode terminar como favorito. Talvez não. Os números indicaram a divisão. Essa divisão é a previsão. Todo o resto é teatro. Teatro é permitido. O teatro não é um método. O método está aqui, em duzentas frases, para que o próximo jogo se depare com uma grade em vez de um boato. Use a grade. Respeite a cauda. Aproveite a partida.

As tabelas da liga são indicadores atrasados ​​em comparação com os xG rolantes. Um clube recém-promovido muitas vezes supera os anteriores pessimistas. Um campeão em transição muitas vezes apresenta desempenho inferior aos anteriores otimistas. Os especialistas em lances de bola parada merecem um pequeno golpe de ataque separado. Equipes de alta pressão concedem chances de transição que Poisson nos chutes pode perder se os dados dos chutes estiverem incompletos. A qualidade do goleiro está na classificação da defesa, não em uma aura mística. As taxas de penalidade são barulhentas; não reconstrua um modelo após um pênalti. As frequências dos cartões vermelhos também são barulhentas e devem ser classificadas com base na liga. As competições de copa misturam motivações que os modelos de liga captam apenas parcialmente. As interrupções internacionais redefinem o ritmo do clube e aumentam ligeiramente as chances de empate para alguns times do meio da tabela. As ligas femininas e masculinas precisam de arquivos de parâmetros separados. Copiar a vantagem de jogar em casa na Premier League para outra divisão é um erro silencioso comum. Estime a vantagem de jogar em casa dentro da liga que você está prevendo. Três pontos por vitória mudaram os incentivos historicamente, por isso não agrupe cegamente os dados anteriores à década de 1990. Mudanças nas regras, como cinco substituições, também alteram as taxas de gols no final do jogo. Acompanhe essas mudanças de regime ou seus pesos decadentes lutarão contra o passado. Dados abertos do StatsBomb e projetos similares tornaram o xG reproduzível para amadores. A reprodutibilidade é mais valiosa do que um molho secreto que ninguém pode verificar. Se dois modelos discordarem, inspecione as entradas antes de calcular a média das saídas. A média dos modelos calibrados pode ajudar; calcular a média das histórias raramente ajuda. Uma liga com muitos empates precisa de uma intensidade Dixon-Coles diferente de uma liga com muitos gols. Os campos escandinavos do início da temporada não são agosto na Espanha. A geografia não é destino, mas é uma covariável. Viajar através de fusos horários em copas continentais é uma verdadeira variável de fadiga. Os jogos europeus no meio da semana muitas vezes suprimem a intensidade da liga no fim de semana. As políticas de rotação de grandes esquadrões tornam as escalações de onze nomes uma contribuição necessária.