Resultado exacto e IA: por qué es la previsión más incierta y cómo la estima un modelo

Tablette affichant une analyse tactique et des probabilités de score

¿Puede una IA acertar el resultado exacto de un partido? Puede asignar una probabilidad a cada marcador posible, no adivinar el bueno. El resultado exacto es la previsión más detallada que existe y, por tanto, la más incierta: en el ejemplo calculado más abajo, el marcador más probable solo tiene en torno a un 12 % de opciones de darse; es decir, casi 9 de cada 10 veces no será el correcto. Veamos por qué y cómo un modelo basado en los goles esperados (xG) y la ley de Poisson construye una distribución de marcadores.

Por qué el resultado exacto es el desenlace menos probable

Un resultado exacto es un caso particular de un resultado final. Un 2-1 es una victoria local, pero solo una de sus formas posibles, junto a 1-0, 2-0, 3-1 y muchas otras. Su probabilidad es, por tanto, siempre menor que la de la victoria que implica, que a su vez es menor que la de «victoria o empate».

El fútbol acentúa el efecto: los goles escasean y basta un solo gol, en cualquier minuto, para cambiar el marcador final. Mientras que una previsión 1X2 reparte la probabilidad entre tres desenlaces, una previsión de marcador la dispersa entre una larga lista de resultados posibles.

Cómo estima un modelo una distribución de marcadores

1. Estimar los goles esperados de cada equipo

El punto de partida es el número medio de goles que se espera que marque cada equipo en ese partido concreto, que se escribe λ (lambda). Los modelos clásicos lo construyen a partir de la fuerza ofensiva del equipo, la solidez defensiva del rival y la ventaja de jugar en casa, el enfoque que planteó M. J. Maher ya en 1982. Los modelos actuales suelen añadir los goles esperados (xG), que miden la calidad de las ocasiones creadas y concedidas y no solo los goles. Para profundizar, consulta nuestra guía sobre los goles esperados (xG), los 2,5 goles y «ambos equipos marcan».

2. De una media a probabilidades con la ley de Poisson

La ley de Poisson describe cuántas veces ocurren sucesos poco frecuentes en un periodo dado, aquí los goles de un equipo en 90 minutos. Si λ es la media esperada, la probabilidad de que el equipo marque exactamente k goles es:

P(k) = e^(−λ) × λ^k / k!

donde e ≈ 2,718 y k! es el factorial de k (3! = 3 × 2 × 1 = 6; por convención, 0! = 1).

3. Combinar los dos equipos

Si se supone que cada equipo marca con independencia del otro, la probabilidad de un marcador como 2-1 es el producto de dos probabilidades: la de que el equipo A marque 2 goles y la de que el equipo B marque 1. Así se obtiene una tabla con todos los marcadores. Sumando sus casillas se recuperan las probabilidades de victoria, empate o derrota, o las del total de goles.

Ejemplo calculado paso a paso (valores ficticios)

Imaginemos un partido: el equipo A, en casa, tiene 1,5 goles esperados y el equipo B, 1,1.

Equipo A (λ = 1,5), con e^(−1,5) ≈ 0,2231:

0 goles: 0,2231
1 gol: 0,2231 × 1,5 ≈ 0,3347
2 goles: 0,2231 × 1,5² / 2 ≈ 0,2510

Equipo B (λ = 1,1), con e^(−1,1) ≈ 0,3329:

0 goles: 0,3329
1 gol: 0,3329 × 1,1 ≈ 0,3662
2 goles: 0,3329 × 1,1² / 2 ≈ 0,2014

Probabilidad del 1-1: 0,3347 × 0,3662 ≈ 0,1226, es decir, en torno al 12,3 %. Repitiendo el cálculo para cada casilla se obtienen los marcadores más probables:

Marcador (A-B)	Cálculo	Probabilidad
1-1	0,3347 × 0,3662	12,3 %
1-0	0,3347 × 0,3329	11,1 %
2-1	0,2510 × 0,3662	9,2 %
2-0	0,2510 × 0,3329	8,4 %
0-1	0,2231 × 0,3662	8,2 %
0-0	0,2231 × 0,3329	7,4 %

Tres conclusiones:

El marcador más probable sigue siendo improbable. El 1-1 encabeza la lista con un 12 % aproximado: no se daría en cerca del 88 % de los casos.
El favorito no tiene por qué tener el marcador más probable. Sumando toda la tabla, A gana en torno al 46 % de las veces, el empate pesa un 26 % y B un 28 %. Aun así, el marcador individual más probable es un empate: las victorias de A se reparten entre muchos marcadores (1-0, 2-1, 2-0, 3-1…), mientras que el empate se concentra en unos pocos. Nuestra guía para leer una probabilidad 1X2 lo explica con más detalle.
Seis marcadores apenas superan una opción de cada dos. Los seis de la tabla suman alrededor del 57 %.

El modelo también es sensible a sus datos de partida. Con 1,8 goles esperados para A en lugar de 1,5, su victoria sube al 54 % aproximadamente; el 1-1 sigue en cabeza, pero baja al 10,9 %, y el 2-1 (9,8 %) casi alcanza al 1-0 (9,9 %). Una diferencia de 0,3 goles, difícil de precisar antes del pitido inicial, basta para reordenar los marcadores.

Los límites del cálculo

La independencia es una simplificación. Maher (1982) ya observó que un modelo que admite una ligera correlación entre los goles de ambos equipos describe mejor los marcadores reales. Dixon y Coles (1997) propusieron después un ajuste para los resultados cortos (0-0, 1-0, 0-1, 1-1), que el modelo básico estima mal.
Los goles esperados también son estimaciones. La forma, las bajas o lo que se juega cada equipo los hacen variar, y una media fijada antes del pitido inicial no ve una expulsión ni un gol tempranero.
Un marcador aislado no valida ni invalida un modelo. Solo una comparación sobre muchos partidos permite saber si unas probabilidades están bien calibradas.

Cómo presenta Prediction AI el marcador

Prediction AI es una plataforma de análisis deportivo predictivo con IA. Para un partido de fútbol, la herramienta trabaja en dos fases. Primero reúne datos verificables mediante búsqueda web: los últimos resultados de cada equipo, la clasificación, las bajas, los enfrentamientos directos, el contexto, los jugadores clave y, si ya está designado, el árbitro. La forma y las medias de goles marcados y encajados se calculan a partir de esos resultados. Después, un modelo de IA estima las probabilidades de victoria local, empate y victoria visitante, de más o menos de 2,5 goles y de que ambos equipos marquen, e indica un resultado más probable como simple referencia.

Las tres previsiones que ofrece (prudente, principal y arriesgada) llevan cada una su probabilidad, y ninguna es un resultado exacto, precisamente porque es el desenlace más incierto. El análisis muestra además los factores clave, los riesgos, las fuentes consultadas y un indicador de calidad de los datos. La herramienta no publica una tabla completa de marcadores como la del ejemplo. Descubre las ofertas de Prediction AI.

Preguntas frecuentes

¿Puede una IA prever el resultado exacto de un partido?

Puede asignar una probabilidad a cada marcador, no anunciar el correcto con certeza. En el ejemplo anterior y sus variantes, el marcador más probable solo ronda el 11-13 %.

¿Por qué el 1-0 y el 1-1 suelen salir en cabeza en este tipo de modelo?

Con unos goles esperados de entre 1 y 2 por equipo, la ley de Poisson da más peso a 0, 1 o 2 goles. Los marcadores cortos concentran así las probabilidades individuales más altas, aunque el conjunto de los demás marcadores siga siendo mayoritario.

¿El marcador más probable indica el ganador probable?

No necesariamente. En el ejemplo, el marcador más probable es un empate (1-1), mientras que el equipo A es favorito con alrededor de un 46 % de victoria. Para saber quién es favorito, mira las probabilidades 1X2, no el marcador.

Las probabilidades describen una incertidumbre: no aseguran ningún resultado.