Cómo analizar un partido de fútbol con un modelo de datos y probabilidad, paso a paso
Si buscas "cómo analizar un partido de fútbol", la mayoría de resultados te dan una elección — pero el análisis de verdad empieza con un método, no con una respuesta. En lugar de un pálpito suelto, convierte los datos en probabilidad: reúne forma y xG, mide la fuerza de los equipos con Elo, modela los goles con una matriz de marcadores Poisson/Dixon-Coles y pone a prueba la incertidumbre con una simulación de Monte Carlo de 10.000 iteraciones. Esta página recorre ese método paso a paso. 11Stat es una plataforma de análisis de datos de fútbol, no un servicio de apuestas: mostramos probabilidades, no recomendaciones para apostar.
Paso 1 — Reúne los datos correctos: forma, xG y plantilla
El análisis empieza con datos, no con un veredicto. Antes de leer un partido, reúne estas entradas de forma point-in-time (sin fuga de datos), usando solo lo que se podía saber antes del inicio:
- Índice de forma (últimos 5 / últimos 10): no solo victorias, sino goles a favor y en contra, puntos ajustados por rival y la dirección del momentum.
- xG (goles esperados): la calidad de las ocasiones que un equipo crea y concede; responde a "¿qué tan bien jugó realmente?" al margen del marcador.
- División local/visitante: el perfil de un mismo equipo en casa y fuera difiere mucho; mantenlos separados.
- Plantilla, lesiones y sanciones: la baja de un jugador clave alimenta directamente el xG y la estimación de fuerza.
Cuando la calidad de datos es baja (muestra pobre, alineación tardía), anótalo como una bandera de incertidumbre; en los pasos siguientes esa bandera define cuánto puedes fiarte del resultado. Puedes ver la versión visual y terminada de estas entradas en la página de análisis de partidos.
Paso 2 — Mide la fuerza de los equipos: rating Elo y forma
Las estadísticas en bruto hay que convertirlas en una única medida comparable de fuerza. Lo hacen dos capas:
- Rating de fuerza tipo Elo: cada equipo tiene un rating que se actualiza según resultados previos y calidad del rival. La diferencia de Elo entre dos equipos da una primera estimación de la ventaja esperada.
- Ventaja de local: se añade como un coeficiente medido y específico de cada liga —nunca una certeza fija— y se aplica en un solo punto para no contarla dos veces.
- Ajuste de forma: la tendencia de los últimos 5/10 se suma como una corrección pequeña y acotada, para que una racha no aplaste la fuerza a largo plazo.
El resultado es una estimación de fuerza ofensiva y defensiva para cada equipo: la señal base que en el siguiente paso se convierte en una tasa de goles esperados. El objetivo no es coronar a un ganador, sino hacer numérica y verificable la fuerza relativa de ambos.
Paso 3 — Modela la distribución de goles: Poisson y matriz Dixon-Coles
Las estimaciones de fuerza producen un número esperado de goles (λ) para cada equipo. Para pasar de ahí a probabilidades, se modela la distribución de goles:
- Base de Poisson: a partir de λ se calcula la probabilidad de que un equipo marque 0, 1, 2, 3… goles. Combinando ambas distribuciones se construye una tabla de probabilidad de cada marcador: la matriz de marcadores.
- Corrección Dixon-Coles: el Poisson puro subestima la frecuencia real de marcadores bajos como 0-0, 1-0, 0-1 y 1-1. Dixon-Coles añade un parámetro rho que corrige esas casillas y la leve dependencia entre los dos equipos.
- Derivar mercados: sumando casillas de la matriz se leen directamente el 1X2 (local/empate/visitante), el más/menos 2.5, ambos marcan y los marcadores exactos más probables.
El resultado no es un pronóstico único, sino una distribución de probabilidad coherente: el porcentaje de cada mercado sale de la misma matriz. Puedes ver exactamente cómo se construye y calibra esa matriz en nuestra página de metodología.
Paso 4 — Simula la incertidumbre: Monte Carlo y concordancia de modelos
Las probabilidades cerradas no bastan por sí solas; para ver la incertidumbre, el partido se juega miles de veces:
- Monte Carlo de 10.000: muestreando de la matriz de marcadores, el partido se simula ~10.000 veces. La dispersión de resultados muestra la probabilidad de cada mercado y —más importante— cuán volátil es esa probabilidad.
- Concordancia multimotor (N/M): el mismo partido se resuelve por separado con los motores Poisson/Dixon-Coles, Elo/forma y avanzado (bivariante). Cuántos apuntan en la misma dirección se reporta como concordancia de modelos N/M; una concordancia baja es señal de cautela.
- Calibración: las probabilidades se corrigen por liga y mercado, para que "cuando decimos 70% ocurra cerca del 70% a largo plazo".
Este paso deja a la vista que el análisis no produce "un resultado seguro", sino un rango de probabilidad medido. El ancho de la simulación te dice con cuánta confianza se puede leer el resultado.
Paso 5 — Interpreta la probabilidad y el riesgo con honestidad
El último paso es leer los números con honestidad:
- Probabilidad alta no es certeza. Una lectura del 75% sale al revés en aproximadamente uno de cada cuatro partidos: es la naturaleza de la probabilidad, no un fallo del modelo.
- Las cifras son simuladas. Los valores de precisión y calibración son resultados de backtest en papel: rendimiento pasado que nunca garantiza ni implica resultado futuro alguno.
- Los mercados son eficientes. La mayor parte de la información pública ya está en el precio; el objetivo no es ganarle al mercado, sino fundamentar tu lectura con números transparentes.
- Bandera de nivel de riesgo: cada lectura lleva un nivel de riesgo junto a su incertidumbre y calidad de datos; no lo ignores.
En resumen, un buen análisis no te dice qué apostar; te enseña a leer un partido. Recuerda: esto no es un consejo de apuestas y ningún resultado está garantizado. Para ver cada paso como lectura en vivo, abre los análisis de los partidos de hoy y, si quieres, explora todos los datos con una prueba gratis de 3 días.
Preguntas Frecuentes
¿Esto es un consejo de apuestas o un servicio de pronósticos?
No. 11Stat es una plataforma de análisis de datos de fútbol, no un servicio de apuestas. Nunca te dice qué apostar; muestra probabilidades a partir de forma, xG, Elo, la matriz de marcadores y la concordancia de modelos. Las salidas son probabilidades, no consejos.
¿Cómo se analiza un partido de fútbol, en breve?
En cinco pasos: (1) reúne datos de forma, xG y plantilla sin fuga de datos; (2) mide la fuerza con Elo y forma; (3) modela los goles con una matriz Poisson/Dixon-Coles; (4) prueba la incertidumbre con un Monte Carlo de 10.000 y la concordancia de modelos; (5) interpreta la probabilidad junto a su riesgo.
¿Qué datos hacen falta para analizar un partido?
Como mínimo: forma de los últimos 5/10, xG creado y concedido, la división local/visitante y las noticias de plantilla y lesiones. Cuando los datos son escasos, anótalo como bandera de incertidumbre en vez de fiarte del número a ciegas.
¿Las cifras de precisión y ROI son ganancias reales?
No. Todas las cifras de precisión y calibración son métricas de backtest simulado que miden la calidad del modelo sobre datos históricos. Nunca garantizan ni implican un resultado futuro.
¿Es gratis probarlo?
Sí, puedes empezar con una prueba gratis de 3 días y ver la salida de datos completa de cada paso. Tras la prueba, el plan Core continúa con precios regionales.