El modelo de Poisson para predecir goles en el fútbol
El modelo de Poisson es una de las herramientas estadísticas más usadas para predecir goles en el fútbol y, por extensión, una de las bases del análisis cuantitativo aplicado a las apuestas de fútbol. No es magia ni una bola de cristal: es una distribución de probabilidad que, alimentada con datos de goles marcados y encajados, estima cómo de probable es cada marcador posible de un partido. En esta guía te explicamos qué es, por qué funciona razonablemente bien para los goles, cómo se calcula paso a paso y, sobre todo, cómo lo aplica (y dónde lo corrige) el motor estadístico de BetsTalent.
TL;DR. La distribución de Poisson modela "cuántas veces ocurre un suceso raro en un intervalo". Los goles encajan bastante bien en ese molde. Si estimas cuántos goles esperas que marque cada equipo (su lambda), puedes calcular la probabilidad de cada marcador y, sumando, la de mercados como 1X2, Over/Under o ambos equipos marcan. Es un punto de partida potente, pero tiene límites que conviene conocer antes de fiarse de él.
Qué es la distribución de Poisson (sin matemáticas dolorosas)
La distribución de Poisson describe la probabilidad de que un suceso ocurra un número determinado de veces en un intervalo fijo, cuando esos sucesos son relativamente raros, independientes entre sí y ocurren a una tasa media constante. Se usa para contar llamadas a una centralita por hora, coches que pasan por un peaje por minuto o erupciones de un volcán por siglo. Y, con matices, goles en un partido de fútbol.
La distribución tiene un único parámetro, que se suele llamar lambda (λ): es el número medio esperado de sucesos en el intervalo. En fútbol, λ es el número de goles que esperas que marque un equipo en un partido. Una vez conoces λ, la fórmula te da la probabilidad de que el equipo marque exactamente k goles:
P(k goles) = (λ^k · e^(−λ)) / k!Donde e es el número de Euler (≈ 2,71828) y k! es el factorial de k. No hace falta que la calcules a mano: cualquier hoja de cálculo tiene la función POISSON o POISSON.DIST. Lo importante es entender la idea: si sabes cuántos goles esperas de media, la curva de Poisson te dice la probabilidad de 0, 1, 2, 3… goles concretos.
Por qué los goles "encajan" en Poisson
Un gol es un suceso relativamente raro (un partido medio tiene entre 2 y 3 goles), los goles a lo largo de los 90 minutos están razonablemente repartidos y, en una primera aproximación, se pueden tratar como independientes. Por eso la distribución de Poisson reproduce sorprendentemente bien la frecuencia real de marcadores en grandes muestras de partidos: predice más 1-0 y 2-1 que 4-3, igual que ocurre en la realidad.
No es perfecto —enseguida veremos por qué—, pero como modelo base es transparente, barato de calcular y bastante calibrado. Esa es exactamente la razón por la que sigue siendo la columna vertebral de muchos modelos de goles, incluido el de BetsTalent.
Cómo se predice un partido con Poisson, paso a paso
El proceso clásico tiene tres fases: estimar la fuerza ofensiva y defensiva de cada equipo, convertir eso en una λ para cada lado y, por último, combinar las dos distribuciones para obtener las probabilidades de cada marcador y de cada mercado.
Paso 1 — Estimar fuerza de ataque y de defensa
Primero necesitas una referencia: la media de goles de la liga. Supongamos que en una liga se marcan de media 1,5 goles por equipo en casa y 1,1 fuera (las cifras varían por competición y temporada).
Para cada equipo se calculan dos índices:
- Fuerza de ataque = (goles que marca de media) ÷ (media de la liga).
- Fuerza de defensa = (goles que encaja de media) ÷ (media de la liga).
Un valor por encima de 1 indica que el equipo marca (o encaja) más que la media; por debajo de 1, menos. Conviene separar el rendimiento en casa y fuera, porque la ventaja de jugar en casa es uno de los efectos más estables del fútbol.
Paso 2 — Calcular la lambda esperada de cada equipo
La λ de un equipo en un partido concreto combina su ataque, la defensa del rival y la media de la liga:
λ_local = ataque_local · defensa_visitante · media_goles_casa
λ_visit. = ataque_visit. · defensa_local · media_goles_fueraEjemplo numérico. Imagina un local con fuerza de ataque 1,3 contra un visitante con fuerza de defensa 0,9, en una liga donde la media en casa es 1,5:
λ_local = 1,3 · 0,9 · 1,5 = 1,76 goles esperadosY al revés para el visitante. Supongamos que sale λ_visit. = 1,05. Ya tienes las dos piezas que necesitas.
Paso 3 — Construir la matriz de marcadores
Aplicando la fórmula de Poisson con cada λ obtienes la probabilidad de que cada equipo marque 0, 1, 2, 3… goles. Con λ_local = 1,76:
| Goles del local | Probabilidad |
|---|---|
| 0 | 17,2 % |
| 1 | 30,3 % |
| 2 | 26,7 % |
| 3 | 15,6 % |
| 4 | 6,9 % |
Como (en la versión básica) se asume independencia entre ambos equipos, la probabilidad de un marcador exacto es el producto de las dos: por ejemplo, P(2-1) = P(local marca 2) · P(visitante marca 1). Si construyes la tabla completa (local en filas, visitante en columnas) obtienes la matriz de probabilidades de todos los marcadores.
Paso 4 — De la matriz a los mercados
La matriz es la mina de oro, porque casi cualquier mercado se obtiene sumando las celdas adecuadas:
- 1X2: suma las celdas donde el local marca más (victoria local), las de la diagonal (empate) y las del triángulo opuesto (victoria visitante).
- Over/Under 2.5: suma todas las celdas donde local + visitante ≥ 3 goles (Over) frente al resto (Under).
- Ambos equipos marcan (BTTS): suma todas las celdas donde ambos marcan al menos 1.
- Resultado correcto: es directamente cada celda.
Así, de dos números (las dos λ) sale una distribución completa del partido. Esa probabilidad propia es la materia prima del análisis: te dice cuánto crees tú que vale cada resultado, que es justo lo que después contrastas con la cuota del mercado.
De la probabilidad a la cuota: dónde entra el valor
Una vez tienes tu probabilidad de un suceso, puedes traducirla a la cuota justa dividiendo 1 entre la probabilidad. Si tu modelo dice que el Over 2.5 tiene un 55 % de probabilidad, la cuota justa sería 1 / 0,55 ≈ 1,82. Si una casa ofrece una cuota más alta que esa cifra justa, en teoría hay valor; si la ofrece más baja, no lo hay.
Aquí conviene ser honesto, porque es donde se cae mucha gente: el mercado de apuestas es muy eficiente, y las casas incorporan un margen (el overround o vig) que infla artificialmente las probabilidades implícitas. Que tu modelo de Poisson "vea valor" no significa que ese valor sea real: puede ser simplemente que tu λ esté mal estimada o que el mercado sepa algo que tu modelo no (una baja, una rotación, motivación). Por eso en BetsTalent no presentamos los pronósticos como apuestas rentables garantizadas, sino como datos y probabilidades para que decidas tú, contrastándolos con la cuota.
Si quieres profundizar en cómo se convierte una cuota en porcentaje y qué es el margen de la casa, lee la guía sobre probabilidad implícita y conversión de cuotas.
Los límites del Poisson básico (y por qué importa conocerlos)
El modelo de Poisson "de manual" es un excelente punto de partida, pero tiene debilidades documentadas. Conocerlas es lo que separa un análisis serio de copiar una fórmula de internet.
1. Asume independencia entre los dos equipos
El Poisson clásico calcula los goles de cada equipo por separado y los multiplica, como si lo que hace uno no influyera en el otro. En la realidad sí influye: un equipo que va perdiendo se vuelca al ataque, uno que gana se repliega, y los empates a cero o a uno aparecen más de lo que predice la independencia. Es un sesgo conocido.
2. Infraestima los marcadores bajos
Por lo anterior, el Poisson puro tiende a subestimar la frecuencia de resultados como 0-0 y 1-1. Robert Dixon y Stuart Coles lo demostraron en 1997 y propusieron una corrección: el modelo Dixon-Coles, que ajusta precisamente esas celdas de pocos goles y añade una ponderación temporal para dar más peso a los partidos recientes. Es, en esencia, un Poisson "arreglado".
3. No distingue cómo se generan las ocasiones
Dos equipos pueden marcar la misma media de goles llegando muy distinto al área. Ahí entra el xG (goles esperados): en lugar de contar goles, mide la calidad de las ocasiones. Alimentar el modelo con xG en vez de (o además de) goles reales reduce el ruido de la suerte y suele mejorar la estimación de la λ.
4. Una λ mal estimada arruina todo lo demás
El Poisson es solo tan bueno como sus λ. Si tomas medias crudas de goles sin ajustar por la calidad del rival, por la racha, por las bajas o por el contexto, tendrás una distribución preciosa construida sobre datos malos. La parte difícil de un buen modelo no es la fórmula de Poisson; es estimar bien las λ.
Cómo aplica (y corrige) el Poisson el motor de BetsTalent
En BetsTalent el Poisson no se usa "de manual", sino integrado en un motor que intenta tapar precisamente esos agujeros. Así es como lo hacemos:
- Ataque y defensa con Dixon-Coles. Estimamos la fuerza ofensiva y defensiva de cada equipo con un esquema tipo ataque/defensa estilo Dixon-Coles, que corrige el sesgo de los marcadores bajos y pondera más los partidos recientes.
- Ajuste por la calidad del rival con Elo. En lugar de usar medias crudas, las fuerzas se ajustan por el nivel del oponente mediante un sistema Elo propio. No es lo mismo marcar dos goles a un colista que a un líder, y el Elo lo tiene en cuenta.
- Anti-valores fantasma. Para equipos con pocos partidos (ascendidos, ligas menores) aplicamos un prior de liga y shrinkage: acercamos sus estimaciones hacia la media de la liga para no fabricar probabilidades extremas a partir de cuatro datos. Esto evita la trampa clásica del Poisson casero.
- Anclaje al mercado donde el modelo no manda. En el reparto de quién es favorito (la "supremacía"), anclamos al 1X2 del mercado, que suele ser más fiable que el Elo en ese reparto concreto. El total de goles —que es donde el modelo de Poisson aporta más— se mantiene propio.
- Calibración medida, no prometida. Comprobamos contra resultados reales (mediante backtest sin mirar al futuro) que las probabilidades del modelo están bien calibradas. Cuando hemos medido que el modelo no bate al mercado en un mercado concreto, lo decimos: no vendemos como rentable algo que no lo es.
El resultado es un Poisson sano: la transparencia y la calibración de la distribución clásica, pero con las λ estimadas con la seriedad que el modelo básico no tiene. Puedes ver el modelo en acción en los pronósticos de fútbol y en las fichas de cada partido, donde mostramos la probabilidad de cada mercado junto a la cuota.
Tabla resumen: Poisson básico vs. Poisson aplicado bien
| Aspecto | Poisson de manual | Modelo de BetsTalent |
|---|---|---|
| Estimación de λ | Medias crudas de goles | Ataque/defensa + ajuste Elo por rival |
| Marcadores bajos (0-0, 1-1) | Infraestimados | Corregidos (Dixon-Coles) |
| Equipos con pocos datos | Probabilidades extremas | Prior de liga + shrinkage |
| Reparto de favoritismo | Lo decide el modelo | Anclado al 1X2 del mercado |
| Validación | Ninguna | Backtest y calibración medida |
| Promesa al usuario | "Encuentra valor" | Dato y probabilidad, sin garantías |
Cómo probar Poisson tú mismo (en una hoja de cálculo)
Si quieres tocarlo con las manos, el camino más rápido es una hoja de cálculo:
- Calcula la media de goles de la liga en casa y fuera.
- Para los dos equipos, obtén fuerza de ataque y de defensa dividiendo sus medias por las de la liga.
- Calcula
λ_localyλ_visitantecon las fórmulas de arriba. - Usa
=POISSON.DIST(k; λ; FALSO)para sacar la probabilidad de 0 a 6 goles de cada equipo. - Multiplica filas por columnas para la matriz de marcadores y suma las celdas de cada mercado.
Es un ejercicio muy recomendable para entender de dónde salen las probabilidades. Eso sí: recuerda que tus λ vendrán de medias crudas, así que tómatelo como una herramienta de aprendizaje, no como un sistema para batir al mercado.
Preguntas frecuentes
¿Cómo predice goles el modelo de Poisson?
Estima cuántos goles esperas de cada equipo (su lambda) a partir de su fuerza de ataque y la defensa del rival, y luego usa la distribución de Poisson para calcular la probabilidad de que marque 0, 1, 2, 3… goles. Combinando las dos distribuciones obtienes la probabilidad de cada marcador y, sumando, la de mercados como 1X2, Over/Under o ambos equipos marcan.
¿Es fiable el modelo de Poisson en las apuestas de fútbol?
Es un modelo base sólido y bien calibrado para grandes muestras, pero tiene límites: asume independencia entre equipos, infraestima los marcadores bajos y depende por completo de que estimes bien las lambdas. Por sí solo no garantiza acertar ni batir a un mercado eficiente; funciona mejor cuando se corrige (Dixon-Coles, ajuste por rival) y se valida con datos reales.
¿Qué diferencia hay entre Poisson y Dixon-Coles?
Dixon-Coles es un Poisson corregido. Ajusta la frecuencia de los marcadores bajos (0-0, 1-0, 1-1), que el Poisson clásico subestima, y añade una ponderación temporal que da más peso a los partidos recientes. Es la evolución natural cuando el Poisson básico se queda corto.
¿Puedo usar xG en lugar de goles para el modelo de Poisson?
Sí, y suele mejorar la estimación. El xG (goles esperados) mide la calidad de las ocasiones en vez de los goles reales, lo que reduce el ruido de la suerte y los rebotes. Alimentar las lambdas con xG, solo o combinado con goles, tiende a dar fuerzas de ataque y defensa más estables.
¿El modelo de Poisson sirve para ganar dinero apostando?
No hay garantías. El modelo te da probabilidades propias para comparar con la cuota, pero el mercado es muy eficiente e incorpora un margen a su favor. Que veas "valor" puede deberse a un error en tus lambdas. Úsalo como una herramienta de criterio y datos, nunca como una promesa de ganancia.
Cómo lo aplica BetsTalent
En BetsTalent usamos el Poisson (corregido con Dixon-Coles, ajustado por Elo y validado con backtest) como base del cálculo de goles. Lo ves traducido a probabilidades por mercado en los pronósticos de fútbol y en las estadísticas filtrables. Nuestro compromiso es enseñar las tripas del modelo y sus límites, no venderte certezas.
Sigue aprendiendo en el cluster de modelos:
- Pilar: Cómo funciona nuestro modelo de predicción (Elo + Poisson)
- Qué es el xG (goles esperados) y cómo se usa en apuestas
- El sistema Elo en el fútbol: ranking y predicción
- Probabilidad implícita: cómo convertir cuotas en porcentaje
- Qué es el value betting o apuestas de valor
+18 · Juego responsable. Este contenido es informativo y estadístico; no constituye una incitación a apostar ni una promesa de ganancia. Las apuestas conllevan riesgo de pérdida de dinero y pueden generar adicción. Juega con moderación y solo con dinero que puedas permitirte perder. Si crees que tienes un problema con el juego, busca ayuda en jugarbien.es o en los recursos de juego responsable de tu país. Prohibido el juego a menores de edad.