Distribución de Poisson en apuestas de fútbol cómo calcular probabilidades

Era un sábado cualquiera de febrero cuando descubrí que llevaba años apostando como un aficionado. Estaba en el bar con mi cuñado, el típico que "sabe de fútbol", y él me juraba que el Girona iba a perder contra el Getafe porque "no pueden mantener ese nivel, es imposible". Apostó veinte euros al Getafe. Yo, en cambio, había pasado la mañana calculando probabilidades con un modelo matemático que había descubierto hacía poco. Mis números decían que el Girona tenía un 58% de probabilidades de ganar, y la cuota de 2.10 representaba valor real. Aposté al Girona. Ganó 2-0. Mi cuñado sigue sin hablarme de apuestas.

Ese modelo se llama distribución de Poisson, y aunque suena a fórmula de la NASA, es en realidad una herramienta matemática sorprendentemente accesible que lleva décadas ayudando a los apostadores profesionales a tomar decisiones basadas en datos y no en corazonadas. La diferencia entre mi cuñado y yo no era que yo supiera más de fútbol, porque probablemente él ha visto más partidos que yo en su vida. La diferencia era que yo había dejado de confiar en mi instinto para confiar en los números.

En esta guía vas a aprender exactamente cómo funciona la distribución de Poisson aplicada al fútbol, cómo calcular la probabilidad de que un equipo marque cero, uno, dos o más goles, y cómo convertir esos cálculos en apuestas con valor real. No necesitas ser matemático ni tener un doctorado en estadística. Si sabes usar una calculadora y tienes paciencia para leer hasta el final, vas a salir de aquí con una herramienta que cambiará completamente tu forma de analizar partidos.

Qué es la Distribución de Poisson y Por Qué Funciona en el Fútbol

La distribución de Poisson lleva el nombre de Siméon Denis Poisson, un matemático francés del siglo XIX que probablemente nunca vio un partido de fútbol en su vida. Sin embargo, su trabajo sobre la probabilidad de eventos raros resultó ser perfectamente aplicable a este deporte casi doscientos años después de su muerte. La historia de la ciencia está llena de estas ironías.

Lo que Poisson descubrió es un patrón matemático que describe la probabilidad de que ocurra un número determinado de eventos independientes en un periodo de tiempo fijo. El ejemplo clásico que se usaba en sus tiempos era el número de soldados prusianos que morían por coces de caballo cada año. Morboso, pero estadísticamente fascinante. Los goles en un partido de fútbol siguen exactamente el mismo patrón matemático, lo cual dice algo interesante sobre la naturaleza del juego.

Los goles son eventos relativamente raros en el fútbol comparado con otros deportes. Un partido promedio de LaLiga tiene entre dos y tres goles totales, lo cual significa que cada equipo marca aproximadamente una vez cada noventa minutos. Esta frecuencia baja hace que los goles se comporten estadísticamente como eventos de Poisson. No ocurre lo mismo en el baloncesto, donde anotar es tan frecuente que otros modelos matemáticos funcionan mejor.

La distribución de Poisson asume que los goles son eventos independientes entre sí, lo cual no es completamente cierto en el fútbol real. Cuando un equipo marca primero, el partido cambia. El equipo que va perdiendo puede arriesgar más, el que va ganando puede replegarse. Pero a pesar de esta simplificación, el modelo funciona sorprendentemente bien para predecir resultados a largo plazo. No acertarás todos los partidos, obviamente, pero a lo largo de cientos de apuestas, tus predicciones serán más precisas que las de alguien que apuesta por intuición.

El verdadero poder de Poisson no está en predecir el resultado exacto de un partido específico. Está en identificar cuándo las casas de apuestas se equivocan en sus cuotas. Si tu modelo dice que un equipo tiene 45% de probabilidades de ganar y la casa te ofrece una cuota que implica solo un 35%, has encontrado valor. Y el valor, repetido consistentemente durante meses y años, es lo que separa a los apostadores que ganan de los que financian los yates de las casas de apuestas.

La Fórmula de Poisson Explicada Sin Dolor de Cabeza

Aquí viene la parte que asusta a la mayoría, pero te prometo que no es tan terrible como parece. La fórmula de Poisson se escribe así:

P(x; λ) = (e^-λ) × (λ^x) / x!

Respira hondo. Vamos a desglosar cada parte como si estuviéramos desmontando un coche para ver cómo funciona el motor.

La P representa la probabilidad que queremos calcular. La x es el número de goles que queremos predecir, puede ser cero, uno, dos, tres o cualquier número entero. La λ, que se pronuncia lambda, es el promedio de goles que esperamos que marque el equipo. La e es el número de Euler, una constante matemática que vale aproximadamente 2.71828, y el símbolo de exclamación significa factorial, que es multiplicar un número por todos los números enteros menores que él.

Vamos con un ejemplo concreto para que esto cobre sentido. Supongamos que el Real Madrid promedia 2.1 goles por partido en casa esta temporada. Queremos saber la probabilidad de que marque exactamente dos goles en su próximo partido como local. Nuestra lambda es 2.1 y nuestra x es 2.

El cálculo sería: P(2; 2.1) = (2.71828^-2.1) × (2.1^2) / 2!

Primero calculamos e elevado a menos 2.1, que da aproximadamente 0.1225. Después calculamos 2.1 elevado a 2, que da 4.41. Finalmente, dividimos entre 2 factorial, que es 2 × 1 = 2. El resultado es 0.1225 × 4.41 / 2 = 0.270 aproximadamente. Esto significa que hay un 27% de probabilidades de que el Madrid marque exactamente dos goles.

Repitiendo este cálculo para cero goles, un gol, tres goles, cuatro goles y así sucesivamente, obtenemos la distribución completa de probabilidades. Con una lambda de 2.1, las probabilidades aproximadas serían: 12% para cero goles, 26% para un gol, 27% para dos goles, 19% para tres goles, 10% para cuatro goles, y el resto se reparte entre cinco o más goles.

La buena noticia es que no necesitas hacer estos cálculos a mano cada vez. Existen calculadoras online gratuitas que hacen el trabajo por ti en segundos. Lo importante es que entiendas la lógica detrás del modelo, porque esa comprensión te permitirá detectar cuándo los números tienen sentido y cuándo algo falla en tu análisis.

Calculando la Fuerza Atacante y Defensiva de un Equipo

Aquí es donde el modelo empieza a ponerse interesante de verdad. La lambda que usamos en la fórmula no sale de la nada. Necesitamos calcularla para cada equipo en cada partido específico, y para eso necesitamos entender dos conceptos fundamentales: la fuerza atacante y la fuerza defensiva.

La fuerza atacante mide cuánto mejor o peor que el promedio es un equipo generando goles. La fuerza defensiva mide cuánto mejor o peor que el promedio es evitando que le marquen. Combinando estas dos métricas con los promedios de la liga, podemos estimar cuántos goles esperamos de cada equipo en un partido concreto.

Vamos a trabajar con datos reales de LaLiga para que el ejemplo sea útil. Supongamos que estamos analizando un Sevilla contra Real Betis en el Pizjuán. Primero necesitamos los promedios de la liga completa. Digamos que el promedio de goles marcados por equipos locales en LaLiga esta temporada es 1.52, y el promedio de goles marcados por equipos visitantes es 1.14.

Ahora miramos los datos específicos del Sevilla jugando en casa. Si el Sevilla ha marcado un promedio de 1.75 goles por partido como local, su fuerza atacante local sería 1.75 dividido entre 1.52, que da aproximadamente 1.15. Esto significa que el Sevilla en casa es un 15% más peligroso en ataque que el equipo local promedio de LaLiga.

Para el Betis visitante, hacemos lo mismo pero mirando su capacidad defensiva fuera de casa. Si el Betis ha recibido un promedio de 1.40 goles por partido como visitante, y el promedio de goles recibidos por visitantes en la liga es 1.52, su fuerza defensiva visitante sería 1.40 dividido entre 1.52, que da aproximadamente 0.92. Un número menor que uno significa que defiende mejor que el promedio.

Para calcular la lambda del Sevilla en este partido, multiplicamos tres cosas: el promedio de goles locales de la liga, la fuerza atacante del Sevilla en casa, y la fuerza defensiva del Betis como visitante. El cálculo sería 1.52 × 1.15 × 0.92 = 1.61 goles esperados para el Sevilla.

Repetimos el proceso para el Betis. Multiplicamos el promedio de goles visitantes de la liga por la fuerza atacante del Betis como visitante y por la fuerza defensiva del Sevilla en casa. Si esos números dan, por ejemplo, 1.14 × 0.95 × 1.08 = 1.17 goles esperados para el Betis.

Ahora tenemos las dos lambdas que necesitamos: 1.61 para el Sevilla y 1.17 para el Betis. Con estos números podemos calcular la probabilidad de cualquier marcador usando la fórmula de Poisson que vimos antes.

La clave está en conseguir datos precisos y actualizados. Yo recomiendo usar estadísticas de los últimos diez a quince partidos de cada equipo en la condición específica que te interesa, es decir, partidos en casa para el local y partidos fuera para el visitante. Usar toda la temporada puede incluir datos obsoletos, especialmente si ha habido cambios de entrenador o lesiones importantes.

De Poisson a la Predicción: Construyendo la Matriz de Resultados

Una vez que tienes las lambdas de ambos equipos, el siguiente paso es construir lo que los estadísticos llaman una matriz de resultados. Es simplemente una tabla que muestra la probabilidad de cada marcador posible combinando las probabilidades individuales de cada equipo.

Siguiendo con nuestro ejemplo del Sevilla contra Betis, con lambdas de 1.61 y 1.17 respectivamente, calculamos primero las probabilidades de goles para cada equipo por separado.

Para el Sevilla con lambda 1.61, las probabilidades aproximadas son:

• Cero goles: 20%
• Un gol: 32%
• Dos goles: 26%
• Tres goles: 14%
• Cuatro o más: 8%

Para el Betis con lambda 1.17:

• Cero goles: 31%
• Un gol: 36%
• Dos goles: 21%
• Tres goles: 8%
• Cuatro o más: 4%

La matriz de resultados se construye multiplicando las probabilidades de cada combinación. La probabilidad de un 1-0 a favor del Sevilla sería 32% × 31% = 9.92%. La probabilidad de un 2-1 sería 26% × 36% = 9.36%. Y así sucesivamente para cada marcador posible.

Sumando todas las combinaciones donde el Sevilla marca más que el Betis, obtenemos la probabilidad de victoria local. Sumando los empates, obtenemos la probabilidad de X. Y sumando las victorias visitantes, la probabilidad del 2. En nuestro ejemplo, los números aproximados serían 47% victoria Sevilla, 26% empate, 27% victoria Betis.

Para los mercados de goles, sumamos de forma diferente. La probabilidad de más de 2.5 goles se calcula sumando todas las combinaciones donde el total supera los dos goles. En este caso, aproximadamente 52%. La probabilidad de que ambos equipos marquen se calcula restando del total las combinaciones donde algún equipo se queda a cero, dando aproximadamente 58%.

Estos números son tu herramienta para encontrar valor. Si la casa de apuestas ofrece una cuota de 2.30 para la victoria del Sevilla, están implicando una probabilidad de solo 43%. Tu modelo dice 47%. Hay valor. Si ofrecen 1.70 para el over 2.5 goles, implican 59% y tu modelo dice 52%. No hay valor, de hecho la cuota está en tu contra.

La belleza de este sistema es que elimina la subjetividad. No importa si el Sevilla te cae bien o mal, no importa lo que diga la prensa deportiva, no importa si Jesús Navas está jugando su última temporada y quieres que gane por romanticismo. Los números son los números, y apostar con los números a tu favor es la única estrategia sostenible a largo plazo.

El Modelo Dixon-Coles: Poisson con Esteroides

Si has llegado hasta aquí, ya sabes más de estadística aplicada al fútbol que el noventa por ciento de los apostadores. Pero hay un problema con el modelo de Poisson básico que deberías conocer, y es que tiende a subestimar la probabilidad de los marcadores bajos, especialmente el 0-0, el 1-0 y el 1-1.

Esto ocurre porque Poisson asume que los goles de cada equipo son completamente independientes entre sí. En la realidad, cuando un partido va 0-0 pasado el minuto setenta, ambos equipos suelen volverse más conservadores. Ninguno quiere arriesgar y perder, así que los espacios se cierran y los goles se vuelven menos probables de lo que el modelo básico predice.

En 1997, dos estadísticos británicos llamados Mark Dixon y Stuart Coles publicaron un artículo que solucionaba parcialmente este problema. Su modelo, conocido creativamente como Dixon-Coles, añade un factor de corrección para los marcadores bajos que ajusta las probabilidades hacia valores más realistas.

La implementación completa de Dixon-Coles requiere programación y un histórico amplio de datos para estimar los parámetros de corrección. No es algo que puedas hacer con una calculadora básica. Sin embargo, para el apostador aficionado que quiere mejorar sus predicciones sin convertirse en científico de datos, hay una solución práctica: aplicar un ajuste manual del cinco al diez por ciento a favor de los empates y los marcadores de un solo gol cuando ambos equipos tienen lambdas similares.

Por ejemplo, si tu modelo Poisson dice que hay un 24% de probabilidad de empate en un partido entre dos equipos de nivel medio, puedes ajustar ese número al 26% o 27% para reflejar la tendencia real de estos partidos a cerrarse. No es científicamente riguroso, pero es mejor que ignorar el problema completamente.

La diferencia entre Poisson básico y Dixon-Coles se nota especialmente en partidos entre equipos defensivos o en derbis donde la tensión reduce el ritmo de juego. Un Athletic contra Real Sociedad, por ejemplo, suele tener menos goles de los que Poisson predice porque ambos equipos se conocen demasiado bien y ninguno quiere cometer errores. En estos casos, el ajuste manual hacia el under y el empate tiene sentido.

Para partidos entre equipos ofensivos o cuando hay una clara diferencia de nivel, Poisson básico funciona bastante bien sin correcciones. Un Barcelona contra Almería en el Olímpic de Montjuïc no necesita ajustes porque el Barça va a dominar y generar ocasiones suficientes para que el modelo se cumpla.

Limitaciones del Modelo que Debes Conocer

Sería irresponsable por mi parte venderte la distribución de Poisson como una máquina de hacer dinero sin advertirte de sus limitaciones. Este modelo es una herramienta poderosa, pero no es perfecta, y usarla sin entender dónde falla puede costarte dinero.

La primera limitación es que Poisson no tiene en cuenta el contexto del partido. Un Real Madrid que ya tiene la liga ganada y juega contra un Valencia que se juega el descenso no es el mismo Real Madrid que cuando ambos equipos están peleando por el título. El modelo usa promedios históricos y asume que cada partido se juega con la misma intensidad, lo cual es claramente falso.

La segunda limitación son las lesiones y sanciones. Si el Atlético de Madrid juega sin Griezmann porque está sancionado, su fuerza atacante real para ese partido es menor que la que reflejan sus estadísticas de temporada. El modelo no sabe que Griezmann no juega, tú sí. Esta información cualitativa debe complementar tu análisis cuantitativo.

La tercera limitación es el cambio de entrenador. Los datos históricos de un equipo bajo Xavi no son aplicables cuando llega Flick y cambia completamente el sistema de juego. Necesitas dar más peso a los partidos recientes y menos a los de principio de temporada cuando ha habido un cambio significativo en el planteamiento táctico.

La cuarta limitación es la varianza natural del fútbol. Incluso con predicciones perfectas, perderás apuestas. Un equipo puede dominar completamente un partido, generar ocasiones claras, y perder 0-1 con un gol de rebote en el minuto 93. Esto no significa que tu análisis estuviera mal, significa que el fútbol es impredecible en el corto plazo.

La forma correcta de usar Poisson es como una base sobre la que construir tu análisis, no como un oráculo infalible. Calcula las probabilidades con el modelo, después ajusta mentalmente según el contexto específico del partido, y finalmente compara con las cuotas para buscar valor. Este proceso de tres pasos, repetido consistentemente, te dará una ventaja sobre el mercado.

Herramientas y Recursos para Aplicar Poisson

No necesitas convertirte en programador para usar la distribución de Poisson en tus apuestas. Existen herramientas gratuitas que hacen los cálculos por ti y te permiten enfocarte en la interpretación de los resultados.

Para empezar, cualquier calculadora de Poisson online te servirá. Simplemente introduces la lambda de cada equipo y la calculadora te da las probabilidades de cada número de goles. Hay decenas disponibles con una búsqueda rápida. Mi recomendación es que pruebes varias hasta encontrar una con interfaz que te resulte cómoda.

Si quieres ir un paso más allá, puedes crear tu propia hoja de cálculo en Excel o Google Sheets. La función POISSON.DIST existe en ambos programas y te permite calcular probabilidades directamente en las celdas. Una vez configurada la hoja, solo necesitas cambiar las lambdas para cada partido nuevo.

Para obtener los datos de goles necesarios para calcular fuerzas atacantes y defensivas, sitios como Sofascore, Flashscore y Transfermarkt ofrecen estadísticas gratuitas y actualizadas. Footystats es especialmente útil porque ya calcula algunas métricas avanzadas que puedes usar directamente.

Si quieres datos de expected goals para mejorar tus estimaciones de lambda, Understat ofrece información gratuita de las cinco grandes ligas europeas. Los xG son mejores que los goles reales para predecir rendimiento futuro porque filtran la suerte de la ecuación.

La inversión en herramientas de pago solo tiene sentido si apuestas volúmenes que justifiquen el gasto. Para el apostador recreativo que quiere mejorar sus resultados, los recursos gratuitos son más que suficientes. El factor limitante no suele ser el acceso a datos, sino la disciplina para usarlos consistentemente y no dejarse llevar por la emoción cuando los números contradicen tu intuición.

Poniendo Todo en Práctica

Vamos a cerrar con un ejemplo completo que puedas replicar. Imagina que estamos analizando un Valencia contra Villarreal en Mestalla para la jornada del próximo fin de semana.

Primero recopilamos los datos. Digamos que en los últimos doce partidos de liga, el Valencia como local ha marcado un promedio de 1.33 goles y ha recibido 1.17. El Villarreal como visitante ha marcado 1.25 y ha recibido 1.42. Los promedios de la liga son 1.48 goles para locales y 1.12 para visitantes.

Calculamos las fuerzas. Fuerza atacante del Valencia en casa: 1.33 / 1.48 = 0.90. Fuerza defensiva del Valencia en casa: 1.17 / 1.12 = 1.04. Fuerza atacante del Villarreal fuera: 1.25 / 1.12 = 1.12. Fuerza defensiva del Villarreal fuera: 1.42 / 1.48 = 0.96.

Calculamos las lambdas. Lambda Valencia: 1.48 × 0.90 × 0.96 = 1.28. Lambda Villarreal: 1.12 × 1.12 × 1.04 = 1.31.

Introducimos estas lambdas en una calculadora de Poisson y obtenemos la matriz de resultados. Con lambdas tan similares, esperaríamos un partido igualado. Las probabilidades aproximadas serían: 35% victoria Valencia, 28% empate, 37% victoria Villarreal. Para goles: 47% over 2.5, 53% under 2.5. Para ambos marcan: 56% sí, 44% no.

Ahora miramos las cuotas. Si la casa ofrece Valencia a 2.20, están implicando 45% de probabilidad cuando nuestro modelo dice 35%. No hay valor en el Valencia, de hecho está sobrevalorado. Si ofrecen el empate a 3.40, implican 29% y nosotros calculamos 28%. Tampoco hay valor claro. Si ofrecen el Villarreal a 3.50, implican 29% y calculamos 37%. Aquí sí hay valor potencial.

Antes de apostar, aplicamos el filtro cualitativo. El Valencia juega con la presión de Mestalla pero viene de una racha irregular. El Villarreal no tiene bajas importantes y su estilo de juego le permite competir bien fuera de casa. No hay nada que invalide nuestro análisis cuantitativo, así que la apuesta al Villarreal o al doble oportunidad X2 tiene sentido matemático.

Este proceso, repetido antes de cada jornada, te convertirá en un apostador más informado y disciplinado. No ganarás todas las apuestas, nadie lo hace, pero a lo largo de meses y años, la matemática estará de tu lado. Y esa es la única ventaja sostenible en un juego donde las casas de apuestas tienen recursos infinitamente mayores que los tuyos.

La distribución de Poisson no es magia ni garantía de éxito. Es simplemente una forma estructurada de pensar sobre las probabilidades en el fútbol que elimina el sesgo emocional y te obliga a justificar cada apuesta con números. Si después de hacer los cálculos no encuentras valor, no apuestes. Esa disciplina para esperar las oportunidades correctas es lo que diferencia a los apostadores rentables de los que simplemente apuestan por entretenimiento.

Mi cuñado sigue apostando por intuición cada fin de semana. A veces acierta, a veces falla, pero a final de año siempre está en pérdidas. Yo he aprendido que tener razón no es lo mismo que ganar dinero. Lo que importa no es acertar el resultado, sino encontrar apuestas donde las probabilidades estén a tu favor. La distribución de Poisson es la herramienta que me permite hacer exactamente eso, partido tras partido, temporada tras temporada.

Vuelve a la página principal para ver predicciones de hoy. Recomendamos usar nuestra calculadora de Poisson para agilizar el proceso. Este modelo depende de un preciso cálculo de fuerzas de ataque y defensa.