¿Qué opciones tiene cada selección de ganar el Mundial? Antes del comienzo del torneo, montamos un modelo estadístico para tratar de responder esa pregunta con rigor. El modelo funciona en dos pasos: primero medimos la fuerza de cada equipo con datos (ránking Elo; valor de plantillas, etc.); luego simulamos el torneo miles de veces para calcular probabilidades. Hace seis semanas, antes del primer partido, España era la favorita de nuestro modelo —un pasito por delante de Francia, Argentina e Inglaterra; las cuatro semifinalistas—. Ahora la selección española es ligeramente favorita para ganar la final:
El modelo estadístico de EL PAÍS tenía a España como favorita al inicio del torneo. Ahora le da un 53% de opciones de conseguir la segunda estrella
¿Qué opciones tiene cada selección de ganar el Mundial? Antes del inicio del torneo, montamos un modelo estadístico para tratar de responder esa pregunta con rigor. El modelo funciona en dos pasos: primero medimos la fuerza de cada equipo con datos (ránking Elo; valor de plantillas, etc.); luego simulamos el torneo miles de veces para calcular probabilidades. Hace seis semanas, antes del primer partido, España era la favorita de nuestro modelo —por delante de Francia, Argentina e Inglaterra; las cuatro en semifinales—. Ahora la selección española es ligeramente favorita para ganar la final:
Cada día actualizamos las predicciones y guardamos las anteriores. En el selector de la primera tabla se puede ver qué decía nuestro modelo en cada momento. Además, en este gráfico mostramos la evolución de nuestros pronósticos a lo largo del torneo:
Los cruces probables
Con el avance del torneo, los caminos de cada selección se han clarificado. El gráfico siguiente muestra el cuadro ahora mismo.
Cómo funciona el modelo
Empecemos con un juego. Haciendo clic en el botón del balón de abajo puedes simular un mundial con nuestro modelo. Se “jugará” cada partido y cada cruce hasta encontrar el campeón de esa tirada…
El truco para calcular probabilidades es repetir estas simulaciones 100, 1.000 y hasta 100.000 veces. También lo puedes hacer en el siguiente interactivo. Si pasas un rato haciendo simulaciones, verás que los porcentajes convergen hacia nuestra predicción. ¡Pero tardará un rato! Más de lo que uno diría. Pero así es el azar.
¿De qué dependen nuestras simulaciones? Más abajo detallamos la metodología, pero lo esencial es sencillo. Hemos entrenado un modelo para predecir cada partido en función de la fortaleza de los dos rivales. Esa fortaleza la medimos con dos métricas principales: un ránking Elo por resultados y el valor de las plantillas. Además tenemos en cuenta más factores: anfitrión (da ventaja), edad y liga de tus jugadores (para ajustar su valor) y un Elo histórico (regresión a la media).
El azar irreductible
Predecir torneos se ha convertido en un género. Publican sus modelos expertos, académicos, aficionados y empresas. Nosotros lo hacemos desde 2018, cuando batimos a los modelos de Goldman Sachs y UBS. Aun así, tenemos que reconocer que las apuestas y los mercados de predicción son difíciles de batir. Puedes ganarles un año, como hicimos en 2022, pero es raro hacerlo sistemáticamente. Algunas personas lo han logrado. En los años 2000, Tony Bloom y Matthew Benham —un matemático y un físico— usaron modelos no muy diferentes del nuestro para apostar contra casas asiáticas. Lo hicieron primero juntos y luego por separado, peleados. Y los dos ganaron suficiente dinero como para comprar los clubes de su infancia: el Brighton y el Brentford, hoy ambos en la Premier League.
La incertidumbre del fútbol no se puede reducir mucho más. En algún momento chocamos con eso que llamamos azar. Esa cascada de factores desconocidos que entre todos desencadenan la realidad. ¿Por qué es impredecible un dado? Su física no es misteriosa. Pero es imposible medir con exactitud la velocidad del cubito, el ángulo del tiro, su geometría y el aire alrededor.
El fútbol es igual: la presión del balón, un grito del público, el descanso de cada jugador, un dolor, un pensamiento de duda. Cada uno de esos elementos es despreciable por sí solo, pero agregados en millares deciden los partidos. Por eso el fútbol no puede ser resuelto. Por eso deja espacio al destino del joven recién llegado y del veterano que juega sin futuro. Por eso invocamos a la suerte del campeón. Por eso mandamos callar a los amigos antes de un penalti. Y por eso nos atrapa un Mundial: porque sabemos que al final todo se decidirá en instantes de azar irreductible, en esos abismos de universo donde el modelo se rinde.
* * *
Metodología
Nuestras predicciones son el resultado de hacer miles de simulaciones del torneo. En cada partido, la probabilidad de que gane uno u otro equipo depende de sus datos. Por ejemplo, si España juega contra Alemania en campo neutral, la probabilidad de ganar es 52% y la de perder 21%.
El modelo tiene tres partes:
1. Métrica de fortaleza del equipo. Aquí usamos tres métricas: sus resultados recientes (medidos con un ránking Elo), la calidad de sus jugadores (medida con su valor en euros, con datos de la web Transfermarkt), y un Elo histórico (para predecir regresión).
2. Simulador de partidos. Hemos entrenado un modelo con miles de encuentros para, dados dos equipos, sus métricas de fortaleza, y sus circunstancias (ejemplo: juega en casa) estimar cómo de probable es cada resultado. El modelo dice la probabilidad de victoria, empate y derrota; incluso la de cada marcador. Por ejemplo, en un duelo hipotético entre Argentina y Jordania, los resultados más probables son 2-0 y 3-0 con un 15% cada uno.
3. Simulador del Mundial completo. Por último, lo que hacemos es simular el torneo partido a partido. Esto lo repetimos 100.000 veces para poder estimar la probabilidad de cada evento.
Las preguntas frecuentes
Entonces, ¿decís que va a ganar España? No, no. Nuestro modelo dice que España es la selección con más probabilidades, pero también que tiene solo una opción entre seis de ganar. Es importante interpretar bien esto: en realidad, su victoria es tan poco probable como ver fallar un tiro libre.
Estos datos vienen a demostrar que un Mundial es difícil de predecir. Y no es una sorpresa. Primero, es un torneo diseñado para que la suerte influya: no es una liga regular, no tiene playoffs, ni partidos de ida y vuelta. Segundo, las selecciones juegan pocos partidos importantes y su rendimiento es más incierto que el de un club. Y tercero, hablamos de fútbol, un deporte apasionante porque está lleno de sorpresas. Casi nadie se sentaría a ver un partido si el resultado estuviese decidido.
¿Habéis hecho esto antes? Sí. Usamos un modelo parecido en los mundiales de 2018 y 2022, en la Eurocopa y Copa América de 2024. El modelo se ha demostrado bien calibrado: los resultados a los que dábamos una probabilidad entre 0%-15% ocurrieron el 4% de las veces; y aquellos con probabilidad 85%-100% ocurrieron el 94% de las veces. En 2018, lo hicimos mucho mejor que el azar, mejor que el ranking FIFA y que dos grandes bancos (UBS y Goldman Sachs), aunque ganó Francia, que solo era nuestra sexta favorita. En 2022, la final la jugaron dos de los tres equipos que veíamos mejores; batimos incluso a las apuestas.
¿Debería apostar usando vuestros pronósticos? No. Nuestro modelo es relativamente sofisticado y puede funcionar bien. Pero las apuestas y los mercados de predicción han demostrado en el pasado que son muy difíciles de mejorar. Además, para no perder dinero no basta con batirlas, también hay que compensar el margen que se reservan las casas de apuestas al fijar los precios.
Los modelos estadísticos son útiles como referencia, por transparencia y porque nos permiten calcular detalles que las apuestas no responden. Pero, a la hora de acertar, las apuestas usan una aproximación híbrida: combinan modelos propios con el ajuste fino que hacen sus expertos, para considerar la información extra que poseen (como detalles de estilos de juego, estados de forma o lesiones).
¿Se publican otras predicciones? Sí. ¡Cada año hay más gente haciendo pronósticos de torneos! Publican sus propios modelos académicos, aficionados y empresas. Hay apuestas, mercado de predicciones y plataformas de pronosticadores.
Los detalles para ‘nerds’
Qué es un ranking Elo. Es una métrica que captura la fuerza de cada equipo según sus resultados. Cada equipo tiene cierta cantidad de puntos —sus puntos Elo—, y con cada partido se produce un intercambio. El ganador se lleva puntos del perdedor. Si la victoria es por sorpresa (porque se impone el equipo débil) los equipos se intercambian más puntos. Los rankings Elo funcionan bien y se usan cada vez más, en deportes y en videojuegos, por ejemplo, para organizar partidas entre jugadores de nivel parecido. Nuestro modelo usa el ranking Elo de la web Eloratings.
Además, este año hemos incluído como variable en el modelo un Elo histórico o métrica de pedigrí (el ránking mediano de la selección en los últimos 10 años). El objetivo es predecir la regresión a la media de una selección. Imagina dos equipos con el mismo Elo actual de 1900 puntos, uno con un Elo histórico de 2000 y otro de 1800. El primero gana más partidos.
Por qué usamos el valor de las plantillas. Las selecciones juegan pocos partidos competitivos y eso dificulta medir su nivel antes de una gran cita. Una forma de añadir información al modelo es usar el valor en el mercado de fichajes de los jugadores que las componen. Tomamos los datos de la popular web Transfermarkt, ajustados por la edad de los jugadores (los mayores de treinta se abaratan por tener menos años de carrera por delante) y el país dónde juegan (los futbolistas de la Premier, por ejemplo, son más caros).
Cómo funciona el modelo de partidos. Hemos ajustado un modelo sencillo que estima los goles que marcará cada equipo en función de media docena métricas. Las principales son las diferencias en fortaleza: 1) si es mejor o peor que su rival por puntos Elo, 2) si ha sido mejor en puntos Elo la pasada década, y 3) si es mejor por valor de plantilla. Además, el modelo considera las circunstancias: relevancia del torneo, partido en casa o fuera, condición de anfitrión.
Todas estas variables tienen algún efecto. Por ejemplo, el gráfico siguiente muestra la probabilidad de que un equipo gane un partido en función de su ventaja sobre el rival en puntos Elo y valor de plantilla.
Todas las métricas las hemos escogido porque han demostrado que mejoran la predicción (en un proceso de validación cruzada, temporal y out-of-the-sample). Probamos más variables —la distancia de cada selección a la sede, lo que se juega cada equipo en el partido, el pedigrí en torneos— y las descartamos: ninguna mejoraba la predicción en fases finales.
El modelo es de tipo GAM-Poisson. Es decir, asume que los goles siguen una distribución de tipo Poisson, que aproxima razonablemente la realidad, y que se ha usado en modelos estadísticos y estudios académicos.
También hemos incluído un efecto clásico (Dixon & Coles, 1997): aumentar la probabilidad de los empates. ¿Y por qué usamos un modelo que predice goles y no directamente las victorias? Nos sirve para resolver la fase de grupos y para predecir las prórrogas.
Qué acierto podemos esperar del modelo. Para entrenarlo, hemos usado una base de datos de casi 19.000 partidos de selecciones desde 2004, incluidos cientos de encuentros de Mundiales y Eurocopas.
Con esos datos, el modelo acierta el resultado —victoria, empate o derrota— del 59% de los partidos: un 60% cuando hay equipo local y un 55% en campo neutral, donde hay menos certezas. Pero la nota que de verdad nos importa es probabilística: no premia “acertar el ganador”, sino decir 70% en las cosas que ocurren el 70% de las veces. Esa nota es el Ranked Probability Score (cuanto más bajo, mejor, como se explica aquí o aquí): nuestro modelo puntúa alrededor de 0,17 en el conjunto de los partidos internacionales y alrededor de 0,18 en fases finales de grandes torneos, que son más imprevisibles.
Para desarrollar este modelo de 2026 hemos usado inteligencia artificial. Esta versión mejora al de los Mundiales anteriores en todas las métricas de evaluación; no muchísimo, pero sensiblemente.
Feed MRSS-S Noticias
