La probabilidad aplicada al fútbol dibuja esa delgada línea que este deporte rompe e invalida con tantísima facilidad: la del merecimiento. En su favor, si extrapolamos un resultado en función de lo visto en su correspondiente partido podremos sacar conclusiones a través de la simulación, logrando reducir lo máximo posible el componente del azar. Entre la probabilidad estadística, el resultado real y el merecimiento por todo lo producido, se forma una pregunta:
¿Cuántos puntos debió ganar cada equipo en cada partido? Para contestarla nacieron los Puntos Esperados (xP).
Esta métrica trata de construir un enfoque de merecimiento prolongado en el tiempo en base a lo generado a través de los Goles Esperados. El fútbol es un deporte donde confluyen muchísimos factores y en el que el resultado puede ser fruto de lo más evidente, pero también de lo más inadvertido. Al final la realidad la marcan los goles y puntos reales, pero la estadística avanzada puede argumentar que las cosas podrían haber ocurrido de otra forma o que habiendo sido así, un equipo tiene más probabilidades de ganar si sigue generando más que su rival. La suerte o la inspiración no se pueden atrapar ni manipular y muchas veces son más importantes que cualquier otro factor.
El modelo de Puntos Esperados parte de los Goles Esperados de un partido. Una vez tenemos los xG de cada equipo, se elabora, a través de un modelo de distribución, lo que hubiera ocurrido si simuláramos el mismo partido miles de veces, logrando saber, precisamente, qué probabilidad tendría cada equipo de ganar, empatar y perder con esos mismos goles esperados generados. De esta forma, obtenemos un porcentaje de probabilidad para cada equipo y signo (victoria, empate, victoria del rival).
Tras simular con el modelo de distribución y multiplicar cada porcentaje obtenido por el valor de cada signo (victoria, empate, victoria del rival), obtendríamos los puntos esperados de ese partido si ocurriera miles de veces. y por lo tanto, obtendríamos una forma de merecimiento convertida en verdaderamente útil cuando los equipos ya han traspasado el ecuador de la competición o al final de la misma.
Como vemos en el mapa de xG del encuentro entre Real Madrid y Atlético de Madrid de arriba, el conjunto de Carlo Ancelotti generó 0.5 xG y marcó dos goles, mientras el Atlético generó 0.9 y no marcó ninguno. Este mismo partido, simulado miles de veces generaría unos porcentajes para cada signo y unos puntos esperados muy diferentes al resultado que se dio. Sabiendo que el fútbol depende de esos factores, como ser certero y clínico marcando y parando, como también la suerte, con los Puntos Esperados (xP) tratamos de dar respuesta al merecimiento a largo plazo si los partidos tuviesen una tendencia parecida en cuanto a los Goles Esperados.
En nuestra plataforma driblabPRO, contamos, dentro de la ficha de cada partido, el porcentaje de victoria, empate y victoria del rival simulando ese partido miles de veces y cuántos Puntos Esperados (xP) se le otorgan a cada equipo. En los recuadros rojos vemos que un partido con estos Goles Esperados simulado multitud de veces daría un 18.9% de victoria al Real Madrid, un 35.7% al empate y un 45.1% de victoria al Atlético Madrid, reflejándose en los Puntos Esperados (xP): 0.9 para el Real Madrid; 1.7 para los de Simeone.
En nuestra base de datos contamos con una clasificación de Puntos Esperados en todas las ligas de las que tenemos cobertura. Como solemos hacer, pondremos un ejemplo, en este caso la Bundesliga, para conocer los puntos que podría haber obtenido cada equipo y los que de verdad lleva hasta ahora.
Somos Driblab, una consultoría especializada en el análisis estadístico de jugadores y equipos; nuestra labor se centra en asesorar y minimizar el riesgo en la toma de decisiones en el fútbol profesional en áreas relacionadas con la detección de talento y evaluación de perfiles. Nuestra base de datos cuenta con más de 180.000 jugadores de más de 180 competiciones, abarcando así información de todo el fútbol mundial. Aquí puedes conocer mejor cómo trabajamos y qué ofrecemos.
