Come si prevede il risultato di una partita con metodi statistici? La risposta onesta inizia con le probabilità, non con la profezia. Il calcio è uno sport con punteggi bassi e varianza elevata, quindi un singolo punteggio non è mai una certezza. Un buon modello stima la frequenza con cui ogni risultato dovrebbe verificarsi in molte partite simili. La vittoria in casa, il pareggio e la vittoria in trasferta costituiscono il classico mercato di possibilità 1X2. I totali sopra e sotto, entrambe le squadre che segnano e i punteggi esatti sono solo altre visualizzazioni dello stesso processo di goal. Il motore pratico più antico è un modello di Poisson per obiettivi. Il lavoro di Michael Maher del 1982 trattava il punteggio di ciascuna squadra come un processo di conteggio con un tasso di attacco e un tasso di difesa. Stimi tali tassi dalle partite recenti, quindi aggiungi un fattore di vantaggio della casa. La formula di Poisson dà quindi la possibilità di zero, uno, due o più gol. La combinazione di due Poisson indipendenti produce una griglia di punteggio da 0-0 a 5-4 e oltre. Sommando le celle in cui la squadra di casa segna di più si ottiene una probabilità di vittoria in casa. Sommando la diagonale si ottiene il pareggio. La massa rimanente è la vittoria in trasferta. Dixon e Coles hanno poi dimostrato che lo 0-0 e l’1-1 accadono più spesso di quanto un semplice Poisson si aspetti. La loro regolazione gonfia le celle con punteggio basso e sgonfia leggermente le altre. Il decadimento temporale è importante perché la forma del mese scorso è più informativa di una partita di dieci mesi fa. I pesi esponenziali danno più voce ai giochi recenti senza buttare via la storia. La forza del campionato conta anche quando le squadre si incontrano nelle competizioni. Un gol contro una difesa di vertice non è la stessa prova di un gol contro una squadra retrocessa. Valutazioni come Elo convertono la cronologia di vittorie-sconfitte-pareggi in un unico numero di forza che si aggiorna dopo ogni partita. Le classifiche FIFA sono cugine pubbliche della stessa idea, sebbene siano più lente e più politiche. I modelli di club di solito battono le classifiche nazionali per le partite della lega del fine settimana perché vedono più dati. La qualità dei dati è il collo di bottiglia silenzioso. Infortuni mancati, cartellini rossi codificati erroneamente e formazioni ritardate avveleneranno la matematica elegante. Inizia con partite pulite, punteggi puliti e una chiara definizione di casa. Poi potranno parlare le statistiche.

I gol attesi hanno cambiato la conversazione perché i tiri non sono uguali. Un tap-in da sei metri non è un tiro di trenta metri in mezzo alla folla. I modelli xG assegnano a ogni tiro una probabilità di conversione storica in base alla posizione, al tipo di assist e talvolta alla densità del difensore. Sommando la qualità del tiro durante una partita si stima quanti gol avrebbe meritato una squadra. Nel corso di una stagione, gli xG a favore e contro sono più stabili dei gol grezzi, che oscillano su pali e portieri. L’uso di xG come input di attacco e difesa in un modello in stile Poisson spesso migliora la calibrazione. Tuttavia, xG non è magico. La dimensione del campione in un singolo fine settimana è piccola. Una squadra può postare 2,4 xG e perdere 1-0 senza che il modello sia sbagliato. Il modello diceva che le occasioni venivano create. La partita ha detto rifinitura e sono intervenute le parate. Questo divario è una varianza, non un motivo per abbandonare i numeri. Il possesso palla, i passaggi in area e l’intensità del pressing aggiungono contesto ma possono raddoppiare la stessa storia offensiva. La selezione delle funzionalità dovrebbe preferire variabili che predicono obiettivi futuri, non variabili che descrivono semplicemente l’ultima trasmissione. La convalida incrociata delle stagioni passate è il modo adulto di scegliere. Allenarsi negli anni precedenti, testare l’anno successivo e rifiutarsi di celebrare l’adattamento del campione. Il punteggio Brier e la perdita del log puniscono le probabilità troppo sicure. Precisione del punteggio più probabile| è una metrica di vanità perché 1-1 e 1-0 condividono la massa di probabilità. Un modello che dice 38% in casa, 28% pareggio, 34% in trasferta può essere eccellente anche quando vince la squadra in trasferta. La domanda è se quel 34% di vittorie esterne arriva effettivamente circa un terzo delle volte. I grafici di calibrazione rispondono a questa domanda. La nitidezza è l’altro asse: un modello che dice sempre 33-33-33 è calibrato e inutile. Vuoi che le probabilità si muovano quando si muovono le prove. Gli infortuni a un attaccante titolare dovrebbero abbassare la velocità di attacco. Un infrasettimanale congestionato dovrebbe aumentare leggermente la possibilità di rotazione e gol nel finale. La distanza percorsa, i giorni di riposo e l’intensità del derby sono piccoli effetti che si sommano ancora. Il tempo e la qualità del campo rientrano nel termine di errore a meno che tu non abbia abbastanza partite piovose per stimarli. Mantieni il modello principale abbastanza semplice da spiegare. La complessità che non può essere controllata alla fine ti mentirà.

Una pipeline pratica sembra meno romantica di una grafica televisiva. Raccogli le partite finite con date, squadre, luoghi e punteggi. Calcola le valutazioni di attacco e difesa a rotazione con decadimento temporale. Aggiungi xG se la lega pubblica dati affidabili sui tiri. Converti le valutazioni in obiettivi attesi per la prossima partita. Costruisci la matrice dei punteggi. Leggi 1X2, i totali ed entrambe le squadre che segnano. Confronta queste probabilità con i prezzi di mercato di chiusura solo come controllo di integrità, non come sostituto della tua probabilità. I mercati sono folle. La folla è spesso acuta e talvolta lenta con le ultime notizie. Il tuo vantaggio, se ne hai uno, di solito è un miglior tempismo degli infortuni o un fattore casalingo specifico del campionato più pulito. Non considerare mai una vittoria casalinga al 55% come una promessa. Consideratelo come un’affermazione che case simili vincono poco più della metà delle volte. Il pensiero sul bankroll appartiene alle scommesse, che è una disciplina separata dalle previsioni. La previsione termina quando le probabilità sono oneste. Le previsioni oneste continuano a non cogliere gli sconvolgimenti famosi, perché gli sconvolgimenti sono nella coda. Cartellini rossi, lotterie di rigori e autogol dell’ultimo minuto vivono in quella coda. Un buon articolo sui metodi deve dirlo due volte. La previsione statistica non è una sfera di cristallo. È una mappa di relativa verosimiglianza. Le mappe ti aiutano a evitare i due errori comuni dei fan. Il primo errore è dovuto al teatro dell’attualità: una vittoria per 4-0 non rende una squadra a metà classifica una favorita per il titolo. Il secondo errore è la cattura narrativa: il nome di un club famoso non è un rating. Bisognerebbe permettere che i rating scendano quando le performance calano. I modelli gerarchici possono condividere la forza tra i campionati quando i dati sono scarsi. L’aggiornamento bayesiano è un modo formale per partire da un dato precedente e procedere con l’evidenza. Non è necessario un dottorato di ricerca per utilizzare l’idea. Inizia con la media dei gol attesi del campionato, quindi sposta la stima sulle partite recenti della squadra. I campioni piccoli si restringono verso la media. I campioni di grandi dimensioni possono sembrare estremi. Questa contrazione ti evita di reagire in modo eccessivo a una serie di tre partite consecutive. Ti impedisce anche di seppellire una squadra neopromossa dopo due sconfitte contro i giganti. Il contesto resta re. Un 1-0 in casa contro la capolista può essere un segnale più forte di un 3-0 contro l’ultima squadra. La differenza reti senza aggiustamenti da parte dell’avversario è uno strumento contundente. La differenza reti corretta dagli avversari è più vicina a ciò che Poisson ed Elo cercano già di catturare.

Quindi, come dovrebbe effettivamente un lettore utilizzare questi metodi prima del calcio d’inizio? Innanzitutto, scrivi la domanda in numeri. Vuoi l’1X2 più probabile, una distribuzione del punteggio o solo se entrambe le squadre segnano? In secondo luogo, raccogli le ultime trenta-cinquanta partite rilevanti per ciascuna squadra, non gli ultimi tre titoli. In terzo luogo, adeguarsi al vantaggio casalingo, che nella maggior parte dei campionati aggiunge ancora qualche decimo di goal. In quarto luogo, scontate le amichevoli e le partite di coppa non corrispondenti, a meno che non vi manchino i dati del campionato. In quinto luogo, applica una correzione in stile Dixon-Coles se ti interessa lo 0-0 e l’1-1. Sesto, converti la griglia nelle probabilità di cui parlerai effettivamente. Settimo, controllo di integrità per infortuni, sospensioni e rotazioni evidenti. Ottavo: rifiutarsi di arrotondare il 47% a una cosa sicura. Nono, tieni un registro delle tue probabilità e dei risultati reali. Decimo: rivedi la calibrazione ogni mese invece di ricordare solo i fine settimana in cui sei sembrato intelligente. Esistono pagine statistiche in stile FootballAlarm perché farlo manualmente per ogni campionato è noioso. L’automazione non sostituisce il giudizio. Sostituisce gli errori di copia-incolla. Il giudizio deciderà ancora se un attaccante appena ingaggiato sarà negli undici. Il giudizio decide comunque se un campo impregnato d’acqua cambia il valore del tiro. Il modello quindi assorbe quelle chiamate come input modificati, non come vibrazioni. Le vibrazioni non sono un metodo. I metodi sopravvivono all’imbarazzo perché possono essere controllati. Le tracce di controllo includono l’annata dei dati, il parametro di decadimento e il fattore home utilizzato. Se non puoi indicare questi tre, non hai ancora una previsione statistica. Hai un’opinione indossando un costume da foglio di calcolo. Le opinioni possono essere giuste. I metodi statistici cercano di essere corretti per una ragione che funzionerà anche sabato prossimo. Sabato prossimo conterrà almeno un punteggio definito improbabile dalla griglia. Questo non è un fallimento. Questo è il calcio. Il calcio è il motivo per cui modelliamo i conteggi invece di fingere che le partite siano lanci di monete con loghi famosi. Il lancio della moneta ignora l’attacco e la difesa. Poisson no. xG no. Elo no. Usateli insieme con umiltà. L’umiltà è l’ultimo metodo statistico e quello che i tifosi saltano. Non saltarlo. Prevedere, registrare, rivedere. Poi guardatevi comunque la partita, perché il bello non è mai stato il 38 per cento. Il bello è la palla, la mancanza e il numero che ha cercato di avvisarti in anticipo.

La vita di un pronostico di una partita è quindi un loop, non un titolo. Raccogli, valuta, progetta, valuta e impara. Poisson ti dà una lingua obiettivo. Dixon-Coles ripara i conti tranquilli. xG ti dice quali possibilità erano reali. Elo mantiene una forza di corsa che non fa prendere dal panico ogni lunedì. Il vantaggio della casa rimane un fatto empirico ostinato. Il decadimento temporale mantiene sveglio il modello. La calibrazione mantiene il modellista onesto. Niente di tutto ciò rimuove il dramma da novanta minuti. Valuta solo il dramma. Il dramma dei prezzi è il modo in cui parlano gli analisti quando si rifiutano di indovinare. Indovinare è economico. Fare stime è un lavoro. Il lavoro assomiglia a un tabellone segnapunti che potrebbe leggere 2-1 a cinque minuti dalla fine mentre la tua griglia pre-partita aveva 1-1 come modalità. Entrambi possono essere veri. La modalità non è un comando. La moda è il picco di una distribuzione. Le distribuzioni sono il punto centrale della previsione statistica della corrispondenza. Se ricordi solo una frase, ricordala. Un risultato è un campione. Un metodo è una distribuzione. I metodi che pubblicano un solo punteggio senza probabilità nascondono la loro incertezza. L’incertezza è il prodotto. Pubblicalo. Quindi il lettore potrà decidere cosa significa veramente 40% di casa. Vuol dire quattro partite simili su dieci, non un trofeo già inciso. L’incisione avviene dopo il fischio. Le statistiche accadono prima. Prima è dove risiede questo articolo. Dopo è dove la tabella viene aggiornata. Tra di loro c’è l’unica tecnica onesta che abbiamo per rispondere a come potrebbe finire una partita. Potrebbe finire favorito. Potrebbe non esserlo. I numeri raccontavano la divisione. Quella divisione è la previsione. Tutto il resto è teatro. Il teatro è consentito. Il teatro non è un metodo. Il metodo è qui, in duecento frasi, affinché il prossimo appuntamento venga affrontato con una griglia invece che con una voce. Usa la griglia. Rispetta la coda. Godetevi la partita.

Le classifiche sono indicatori ritardati rispetto al xG mobile. Un club neopromosso spesso supera i precedenti pessimisti. Un campione in transizione spesso sottoperforma i primi ottimisti precedenti. Gli specialisti dei calci piazzati meritano un piccolo vantaggio offensivo separato. Le squadre ad alta pressione concedono possibilità di transizione che Poisson sui tiri potrebbe perdere se i dati sui tiri sono incompleti. La qualità del portiere appartiene alla valutazione della difesa, non ad un’aura mistica. I tassi di penalità sono rumorosi; non ricostruire un modello dopo un calcio di rigore. Anche le frequenze dei cartellini rossi sono rumorose e dovrebbero essere valutate in base alla lega. Le competizioni di coppa mescolano motivazioni che i modelli di campionato catturano solo in parte. Le pause per le Nazionali ripristinano il ritmo del club e aumentano leggermente le possibilità di pareggio per alcune squadre a metà classifica. I campionati femminili e quelli maschili necessitano di file di parametri separati. Copiare il vantaggio casalingo della Premier League in un’altra divisione è un errore silenzioso comune. Stima il vantaggio casalingo nel campionato che stai prevedendo. Tre punti per una vittoria hanno cambiato storicamente gli incentivi, quindi non raggruppare ciecamente i dati precedenti agli anni ’90. Le modifiche alle regole come cinque sostituzioni modificano anche i tassi di goal a fine partita. Tieni traccia di questi cambiamenti di regime o i tuoi pesi in decadimento combatteranno il passato. I dati aperti di StatsBomb e progetti simili hanno reso xG riproducibile per i dilettanti. La riproducibilità è più preziosa di una salsa segreta che nessuno può controllare. Se due modelli non sono d’accordo, ispezionare gli input prima di calcolare la media degli output. La media dei modelli calibrati può aiutare; fare la media delle storie raramente aiuta. Un campionato ricco di pareggi ha bisogno di un’intensità Dixon-Coles diversa rispetto a un campionato ad alto punteggio. I tiri scandinavi di inizio stagione non sono agosto in Spagna. La geografia non è il destino, ma è una covariata. Viaggiare attraverso i fusi orari nelle coppe continentali è una vera variabile di fatica. Le partite europee infrasettimanali spesso sopprimono l’intensità del campionato del fine settimana. Le politiche di rotazione delle squadre numerose rendono obbligatorie le formazioni con undici nomi.