1. Qué significa «más de 2.5 goles» exactamente
La apuesta se refiere al número total de goles marcados por ambos equipos durante el tiempo reglamentario. Como un partido no puede producir medio gol, el umbral de 2.5 sirve únicamente para eliminar cualquier posibilidad de empate en la apuesta:
- 3 goles o más → gana «más de 2.5»
- 0, 1 o 2 goles → gana «menos de 2.5»
El tiempo extra y la tanda de penales no cuentan: solo se tiene en cuenta el resultado en el minuto 90, incluido el tiempo de compensación. Y la apuesta ignora por completo quién marca: un 3-0 y un 2-1 dan el mismo resultado.
2. Por qué las medias de los equipos no bastan
El razonamiento habitual consiste en sumar las medias: «el equipo A marca 1.8 goles por partido, el equipo B marca 1.3, así que se esperan 3.1 goles, así que es probable que haya más de 2.5». Este cálculo contiene dos errores.
Primer error: ignora las defensas. Un ataque de 1.8 goles por partido no produce 1.8 goles contra cualquiera. Frente a la mejor defensa de la liga, producirá bastantes menos.
Segundo error, más grave: una media no es una probabilidad. Un partido en el que se esperan 3.1 goles no produce 3 goles «por lo general». A veces produce 0 goles, a veces 5. Saber cuántos goles se esperan de media todavía no dice con qué frecuencia se superan los 2.5. Convertir una cosa en la otra es precisamente la función de la distribución de Poisson.
3. Paso 1: estimar los goles esperados de cada equipo
El objetivo es obtener un número, llamado lambda (λ): el número de goles que un equipo debería marcar en este partido concreto. Se obtiene comparando cada equipo con la media de su liga.
debilidad defensiva = goles recibidos por partido ÷ media de la liga
λ = fuerza ofensiva × debilidad defensiva del rival × media de la liga Las estadísticas como local y como visitante se tratan por separado: un equipo no marca al mismo ritmo en ambos contextos, y mezclarlas borra la ventaja de jugar en casa.
4. Paso 2: de lambda a la probabilidad
Una vez obtenidas las dos lambdas, se suman para obtener el total de goles esperados en el partido. La distribución de Poisson transforma entonces ese total en una probabilidad para cada resultado posible: 0 goles, 1 gol, 2 goles, y así sucesivamente.
La probabilidad de más de 2.5 goles es entonces inmediata: se suman las probabilidades de 0, 1 y 2 goles y se resta el resultado del 100%.
5. El ejemplo completo, cifra a cifra
Tomemos un partido entre un equipo A que juega en casa y un equipo B que juega fuera, en una liga en la que los equipos locales marcan de media 1.55 goles por partido y los visitantes 1.20 goles.
| Dato | Equipo A (local) | Equipo B (visitante) |
|---|---|---|
| Goles marcados por partido | 1.80 | 1.30 |
| Goles recibidos por partido | 1.10 | 1.40 |
| Fuerza ofensiva | 1.80 ÷ 1.55 = 1.161 | 1.30 ÷ 1.20 = 1.083 |
| Debilidad defensiva | 1.10 ÷ 1.20 = 0.917 | 1.40 ÷ 1.55 = 0.903 |
| Goles esperados (λ) | 1.63 | 1.19 |
El total esperado del partido es, por tanto, 1.63 + 1.19 = 2.82 goles. Esto es lo que hace con él la distribución de Poisson:
El momio justo es el inverso de la probabilidad: 1 ÷ 0.535 = 1.87. Con este momio, la apuesta tiene un valor esperado nulo a largo plazo. Por debajo de él, el valor esperado es negativo de media; por encima, es teóricamente positivo — solo si tu estimación es correcta.
6. Paso 3: comparar con el momio de la casa de apuestas
Un momio se convierte en probabilidad implícita dividiendo 100 entre el momio. Un momio de 1.90 corresponde a 100 ÷ 1.90 = 52.6%. Solo queda comparar.
| Total esperado | Probabilidad del modelo | Implícita a 1.90 | Valor esperado |
|---|---|---|---|
| 2.6 | 48.2% | 52.6% | −8.5% |
| 2.8 | 53.1% | 52.6% | +0.8% |
| 3.0 | 57.7% | 52.6% | +9.6% |
Esta tabla es el núcleo de la cuestión. Muestra que, con el mismo momio, una diferencia de 0.4 goles esperados hace pasar el valor esperado de la apuesta de claramente negativo a claramente positivo. La dificultad no está en el cálculo de Poisson — que es mecánico —, sino en la exactitud de la lambda con la que se alimenta. El proceso completo de comparación entre probabilidad y momio se explica en detalle en nuestra guía sobre las value bets.
7. El margen de error que nunca te enseñan
Esta es la sección que las sitios de pronósticos omiten sistemáticamente. Tu lambda no es un hecho: es una estimación construida sobre un puñado de partidos. Es incierta. Mira lo que produce esa incertidumbre:
| Total esperado (λ) | Más de 2.5 goles | Momio justo |
|---|---|---|
| 2.0 | 32.3% | 3.09 |
| 2.2 | 37.7% | 2.65 |
| 2.4 | 43.0% | 2.32 |
| 2.6 | 48.2% | 2.08 |
| 2.8 | 53.1% | 1.88 |
| 3.0 | 57.7% | 1.73 |
| 3.2 | 62.0% | 1.61 |
| 3.4 | 66.0% | 1.51 |
Un error de 0.2 en la lambda — algo totalmente habitual cuando se estima a partir de una decena de partidos — desplaza la probabilidad casi 5 puntos y el momio justo de 2.08 a 1.88. Sin embargo, una ventaja teórica de 5 puntos ya se considera enorme. Dicho de otro modo: tu margen de error es del mismo orden de magnitud que la ventaja que buscas.
La conclusión práctica es incómoda, pero honesta. Una diferencia de menos de 3 a 4 puntos entre tu estimación y la probabilidad implícita de la casa de apuestas no debería desencadenar una apuesta: es indistinguible del ruido de tu propio método.
8. Los cuatro puntos débiles del método
La independencia de los goles es falsa
Poisson supone que los goles de A y de B son independientes. Los datos dicen lo contrario: los resultados 0-0 y 1-1 aparecen con más frecuencia de lo que prevé la distribución. Un equipo que recibe un gol cambia de comportamiento; un equipo que va ganando se repliega. La corrección de Dixon-Coles se ideó exactamente para eso: ajusta al alza la probabilidad de los marcadores bajos.
La tasa de anotación no es constante
Poisson supone una intensidad idéntica del minuto 1 al 90. En realidad, se marcan más goles al final de los partidos. Una tarjeta roja en el minuto 20 deja obsoleta la lambda calculada antes del silbatazo inicial.
Los datos de entrada son frágiles
Diez partidos son pocos. Un 5-0 en la muestra tira de toda la media hacia arriba. Utilizar los xG en lugar de los goles reales como dato de entrada reduce claramente este problema: los xG tienen menos ruido que los goles, porque cuentan las ocasiones y no su conversión.
El contexto no aparece por ningún lado
Bajas, lo que está en juego en el partido, un calendario cargado, la meteorología: nada de esto entra en el cálculo. Un modelo estadístico ofrece un punto de partida riguroso, no una conclusión.
9. La calculadora
Probabilidad de más de 2.5 goles
Introduce los goles esperados de cada equipo (su λ) y, después, el momio que ofrece la casa de apuestas. Todos los cálculos se realizan en tu navegador.
10. Preguntas frecuentes
¿Qué significa más de 2.5 goles?
La apuesta se refiere al número total de goles marcados por ambos equipos durante el tiempo reglamentario. Como un partido no puede producir medio gol, el umbral de 2.5 sirve únicamente para eliminar el empate: hacen falta 3 goles o más para ganarla, mientras que con 0, 1 o 2 goles se pierde. El tiempo extra y la tanda de penales no cuentan.
¿Cómo se calcula la probabilidad de más de 2.5 goles?
Primero se estiman los goles esperados de cada equipo a partir de su fuerza ofensiva y de la debilidad defensiva del rival, referidas a las medias de la liga. Se suman estos dos valores para obtener el total esperado (lambda). Después se aplica la distribución de Poisson para obtener la probabilidad de 0, 1 y 2 goles: la probabilidad de más de 2.5 goles es el 100% menos la suma de esos tres valores.
¿Cuál es la probabilidad media de más de 2.5 goles?
Depende por completo de la liga y de los equipos. Con un total esperado de 2.6 goles, es de aproximadamente el 48%. Con 2.8 goles esperados, en torno al 53%. Con 3.0 goles esperados, en torno al 58%. Una diferencia de solo 0.2 goles esperados desplaza la probabilidad casi 5 puntos, lo que explica por qué una estimación aproximada no basta.
¿Es fiable la distribución de Poisson para el futbol?
Es una buena primera aproximación, pero se basa en hipótesis que en la práctica no se cumplen. Supone que los goles de los dos equipos son independientes, cuando los empates a cero son más frecuentes de lo que predice la distribución. También supone una tasa de anotación constante durante los 90 minutos. Las correcciones de tipo Dixon-Coles existen precisamente para compensar estas desviaciones.
¿Cómo saber si un momio de más de 2.5 goles es interesante?
Convierte el momio en probabilidad implícita dividiendo 100 entre el momio: un momio de 1.90 corresponde aproximadamente a un 52.6%. Compárala con tu estimación. Si tu modelo da un 53% frente a un 52.6% implícito, la ventaja es inferior a un punto — menor que tu margen de error y, por tanto, insuficiente para justificar una apuesta.
Este cálculo, hecho cada mañana en todos los partidos
IASHARK aplica este tipo de modelo — Poisson, Dixon-Coles, Montecarlo — a los partidos del día, a partir de datos reales, y muestra la probabilidad obtenida junto al momio del mercado. El partido del día es gratuito, siempre.
Ver los análisis del día →