Modelos Elo y Poisson, explicados en lenguaje claro
Los modelos Elo y Poisson son los dos enfoques estadísticos más consolidados para convertir datos de fútbol en probabilidades de partido: el modelo Poisson/Dixon-Coles trata los goles como un proceso de conteo y produce una matriz de marcadores completa, mientras que la clasificación Elo mantiene un único número de fuerza que se actualiza tras cada resultado. Esta guía explica la matemática sencilla de ambos y cómo operan como dos de los tres motores de probabilidad centrales dentro del análisis de 12 motores de 11Stat. Es análisis de datos de fútbol, no es consejo de apuestas.
¿Por qué Poisson? Los goles son un proceso de conteo
Un gol es un evento poco frecuente repartido en 90 minutos: un partido medio produce alrededor de 2,6-2,9 goles y cada ataque termina en gol solo con una probabilidad pequeña. Esa estructura es el caso de manual de la distribución de Poisson. Si conoces la expectativa de goles por partido de un equipo (λ, lambda), Poisson te entrega el conjunto completo de probabilidades de marcar 0, 1, 2, 3... goles.
λ no es una constante fija; se deriva de la fuerza ofensiva, la fuerza defensiva del rival, el efecto de jugar en casa o fuera y la media goleadora de la liga. En 11Stat esa expectativa se alimenta con datos de xG (goles esperados): la calidad de las ocasiones, y no el marcador, es la que fija λ.
La corrección de Dixon-Coles: la independencia se rompe en marcadores bajos
Un modelo Poisson puro cuenta los goles de los dos equipos como independientes entre sí; los datos reales lo desmienten justo en los marcadores bajos. Empates como el 0-0 y el 1-1, y resultados ajustados como el 1-0 y el 0-1, aparecen con frecuencias distintas de las que predice la independencia: el equipo que se adelanta baja el ritmo y, con el marcador igualado, ambos gestionan el riesgo.
La corrección de Dixon-Coles, publicada en 1997, repara exactamente esa esquina: un pequeño parámetro de dependencia (ρ, rho) reajusta solo las celdas con 0 o 1 goles y deja intacto el resto de la matriz. El modelo además resta peso a los partidos antiguos con un decaimiento temporal exponencial, de modo que la forma de hace dos temporadas no puede pesar más que la del último mes. Ambos términos están definidos en el glosario.
De la expectativa de goles a la matriz de marcadores: 1X2, más/menos y ambos marcan desde una sola fuente
Al combinar los valores λ de los dos equipos con el ajuste de Dixon-Coles se obtiene la matriz de marcadores: una probabilidad para cada marcador exacto desde el 0-0 en adelante. Esa matriz es una fuente única de verdad: la masa a cada lado de la diagonal da las probabilidades 1X2, la masa a cada lado de una línea de goles totales da el más/menos, y las celdas donde ambos equipos marcan al menos una vez suman la probabilidad de que ambos marquen.
Como todas salen de la misma matriz, estas cifras no pueden contradecirse entre sí; esa consistencia interna es la ventaja más concreta de un modelo de probabilidad frente a los pronósticos hechos a ojo. Y un porcentaje siempre lleva incertidumbre: una probabilidad del 60% significa que el desenlace se espera en unos 60 de cada 100 escenarios similares — los otros 40 forman parte de la probabilidad, no son un fallo.
La clasificación Elo: fuerza que se actualiza con cada resultado, más la ventaja de local
La clasificación Elo, adaptada al fútbol desde el ajedrez, es una medida de fuerza basada en resultados. Cada equipo lleva un solo número; antes del pitido inicial la diferencia de puntuación se convierte en un resultado esperado, y tras el partido la diferencia entre lo ocurrido y lo esperado — escalada por un factor K — se suma a la puntuación. Un favorito que gana a un rival débil apenas suma; un equipo que da la sorpresa pega un salto.
La ventaja de local entra en el modelo como puntos extra de clasificación: su tamaño varía según la liga, pero en las implementaciones habituales desplaza la probabilidad de victoria varios puntos porcentuales en un duelo igualado. La forma reciente se captura dando más peso a los últimos partidos; cómo se construye esa señal se explica en la página del índice de forma del equipo.
Dónde es fuerte cada modelo y dónde es ciego
Los dos modelos miran la misma pregunta por ventanas distintas:
- Poisson/Dixon-Coles se alimenta de la producción de goles: es naturalmente fuerte en preguntas de marcador, goles totales y ambos marcan, pero es sensible a los cambios de plantilla y a la escasez de datos.
- Elo/forma aprende solo de resultados: es robusto frente al ruido y consistente entre ligas, pero nunca ve cómo se ganó un partido y sufre un arranque frío al inicio de cada temporada.
Cuando ambos motores apuntan en la misma dirección, la confianza sube; cuando divergen, eso no es una avería sino información: suele señalar un desacuerdo entre el marcador y la producción real de juego. En ese caso, 11Stat baja la puntuación de confianza en lugar de amplificar la señal.
Dentro de 11Stat: dos de los tres motores de probabilidad centrales
En la cadena de análisis de 11Stat cada partido pasa por 12 motores, tres de los cuales son motores de probabilidad centrales: el motor de goles Poisson/Dixon-Coles, el motor Elo/forma y el motor bivariante avanzado. Los dos modelos de esta página son las dos primeras patas de ese núcleo; la tercera modela la dependencia en marcadores bajos de forma más flexible.
Las salidas de los motores nunca se publican en bruto: primero una capa de calibración alinea las probabilidades con el rendimiento histórico, después una regla de consenso cuenta cuántos motores independientes apuntan en la misma dirección, y una calidad de datos baja amortigua la señal. Todo el proceso de validación está documentado en la página de metodología. La salida es una medición de probabilidad auditable, no una promesa.
Preguntas Frecuentes
¿El modelo Poisson o Elo garantiza el resultado?
No. Ningún modelo estadístico garantiza el desenlace de un partido concreto; un modelo solo produce una distribución de probabilidad. Un resultado con un 65% de probabilidad deja de ocurrir en unos 35 de cada 100 partidos comparables — eso no es un error, es la definición de probabilidad. Las salidas de 11Stat son análisis de datos, no una promesa de resultados.
¿Una probabilidad alta del modelo es una apuesta segura?
No. La apuesta segura no existe, y 11Stat no usa ese lenguaje. Incluso el desenlace más probable falla con una frecuencia significativa, y la varianza de un solo partido siempre es grande. Lo que la plataforma muestra es la probabilidad, el consenso de motores y la calidad de los datos, para que el lector vea la incertidumbre por sí mismo.
¿Por qué Poisson y no una distribución normal?
El número de goles es un dato de conteo con enteros pequeños y no negativos: 0, 1, 2, 3... La distribución normal es continua y simétrica; en un partido con media de 2,6 goles asignaría probabilidad a valores absurdos como menos un gol. Poisson está diseñada para conteos enteros y se ajusta notablemente bien a la distribución real de goles en eventos raros de media baja.
¿Qué hace en la práctica el parámetro rho (ρ) de Dixon-Coles?
Rho ajusta con un factor pequeño las probabilidades de solo cuatro marcadores: 0-0, 1-0, 0-1 y 1-1. El Poisson puro se desvía de forma sistemática en esa zona de marcadores bajos porque ahí los goles de los dos equipos no son independientes. Rho suele ser un valor pequeño y no toca en absoluto el resto de la matriz de marcadores.
¿Cuánto vale la ventaja de local en Elo?
Varía según la liga y la época; en implementaciones típicas, el bono que se añade al equipo local se traduce en varios puntos porcentuales de probabilidad de victoria en un duelo igualado. Los datos de los partidos sin público mostraron que la ventaja no es constante, y por eso 11Stat estima este parámetro por liga a partir de los datos y lo valida en backtests simulados.
¿Qué es mejor, Elo o Poisson?
Son complementarios, no rivales. Poisson/Dixon-Coles produce una matriz de marcadores natural para preguntas basadas en goles; Elo entrega una señal de fuerza basada en resultados y robusta frente al ruido. En backtests simulados ninguno es consistentemente superior por sí solo, y precisamente por eso 11Stat ejecuta ambos — junto con el motor bivariante avanzado — dentro de un mismo consenso.