Cómo funcionan las supercomputadoras que predicen ligas

Cada agosto, con las ligas recién arrancadas, los medios deportivos publican la misma clase de titular: la supercomputadora ha predicho la Premier League, o el modelo concede un 62 por ciento de opciones al favorito. La palabra evoca una máquina enorme zumbando en un sótano refrigerado. La realidad es bastante más humilde y bastante más interesante: casi siempre se trata de un programa estadístico que reparte goles siguiendo una fórmula con más de cuarenta años de historia y que juega la temporada miles de veces seguidas para contar cuántas de esas veces gana cada equipo. Entender qué hay debajo sirve para dos cosas: para valorar por qué estos modelos aciertan más de lo que uno esperaría, y para saber exactamente en qué momento dejan de servir.

De dónde sale el titular de cada agosto

El formato lo popularizaron las casas de datos deportivos. El modelo de Opta, por ejemplo, simula cada partido de la temporada diez mil veces y ordena a los equipos por el promedio de puntos que acumulan en ese conjunto de temporadas imaginarias. Con ese material se puede construir cualquier titular: probabilidad de título, de entrar en Europa, de descender, o la tabla final más probable. Es contenido barato de producir, se actualiza solo con cada jornada y funciona muy bien en redes sociales, así que se ha convertido en un género periodístico propio que reaparece puntualmente cada pretemporada.

Lo llamativo es que la letra pequeña suele contradecir al titular. En la proyección de Opta para la Premier League 2025-26, diecinueve de los veinte equipos ganaron el título al menos una vez dentro de esas diez mil temporadas simuladas. Dicho de otro modo: el propio modelo estaba avisando de que casi cualquier cosa era posible. El titular se queda con el equipo que más veces ganó y lo presenta como una predicción cerrada; el modelo, en cambio, estaba describiendo un abanico enorme de futuros, algunos muy improbables pero ninguno imposible.

Maher, Dixon y Coles: el origen académico

La idea de fondo es más vieja que internet. En 1982, M. J. Maher publicó en la revista Statistica Neerlandica un artículo titulado Modelling association football scores en el que asignaba a cada equipo dos números: una fuerza de ataque y una fuerza de defensa. Los goles de cada partido se modelaban con una distribución de Poisson, la misma herramienta que sirve para contar sucesos poco frecuentes dentro de un intervalo de tiempo. Maher comprobó que, con algunos matices, ese modelo tan simple describía razonablemente bien la frecuencia real de los marcadores, e incorporó además la ventaja de jugar en casa.

Quince años después, en 1997, Mark Dixon y Stuart Coles publicaron en el Journal of the Royal Statistical Society, Serie C, el trabajo que convirtió aquello en una herramienta práctica. Ajustaron el modelo con partidos ingleses de liga y copa disputados entre 1992 y 1995 y le hicieron dos arreglos decisivos. El primero: corregir la frecuencia de los marcadores bajos, porque el Poisson puro se quedaba corto con los cero a cero y los uno a uno. El segundo, y el más importante para lo que nos ocupa: introducir una ponderación temporal, de modo que los partidos recientes pesaran más que los antiguos al estimar la fuerza de un equipo. Un club no es el mismo en abril que dos años antes, y el modelo tenía que notarlo.

Por qué hay que jugar la temporada diez mil veces

Con los ataques y las defensas ya estimados se puede calcular la probabilidad de cada marcador posible en cada partido pendiente. El problema es que una liga no es un partido suelto: es una red de decenas de jornadas en la que el resultado de cada una cambia el significado de la siguiente. No existe una fórmula cerrada razonable que convierta todas esas probabilidades individuales en una probabilidad de acabar campeón, y menos aún cuando entran en juego los desempates por diferencia de goles o por enfrentamientos directos entre los implicados.

La salida es la simulación de Monte Carlo, un método que consiste en resolver un problema difícil tirando los dados muchísimas veces. El ordenador sortea un resultado concreto para cada partido que queda, siguiendo las probabilidades que dicta el modelo; suma los puntos; construye la tabla final; y anota quién fue campeón y quién bajó. Después repite la operación desde cero. Al cabo de diez mil temporadas completas basta con contar: si un equipo terminó primero en 6.200 de ellas, su probabilidad de título es del 62 por ciento. No hay más magia que esa, y el nombre viene del casino de Mónaco, no de un superordenador.

Qué significa de verdad un 62 por ciento

Aquí está el malentendido central. Un 62 por ciento no significa que ese equipo vaya a ganar la liga. Significa que, si la temporada se jugase cien veces desde el estado actual, con estas plantillas y este calendario, ese equipo saldría campeón en unas sesenta y dos y otro se la llevaría en las treinta y ocho restantes. Y un 38 por ciento no es una cifra despreciable: es casi exactamente la probabilidad de sacar dos caras al lanzar tres veces una moneda, algo que a nadie le sorprende cuando ocurre.

De ahí que un modelo no se juzgue por si acertó al campeón, sino por su calibración: de todas las veces que dijo veinte por ciento, ¿ocurrió el suceso más o menos una de cada cinco? Un modelo bien calibrado se equivoca constantemente en casos individuales y aun así resulta útil, igual que un parte meteorológico que anuncia un treinta por ciento de lluvia está acertando si llueve tres de cada diez veces que lo dice. Juzgar una probabilidad por un solo resultado es como juzgar un dado por una única tirada.

Cómo funciona la supercomputadora de esta web

El modelo de futsimulator.com pertenece a esa misma familia de ideas. Juega diez mil veces todos los partidos que quedan por disputarse en la competición y cuenta los desenlaces. La fuerza ofensiva y defensiva de cada club no se saca de la tabla en bruto, sino ajustando por los rivales a los que ya se ha enfrentado: marcarle tres goles al líder no vale lo mismo que marcárselos al colista, y una defensa que ya ha visitado a los cuatro mejores del campeonato merece leerse con otra vara de medir que otra que aún no se ha movido de casa.

Siguiendo la lógica de Dixon y Coles, los partidos recientes pesan más que los lejanos, con una vida media de cien días: un resultado de hace tres meses influye aproximadamente la mitad que uno de esta misma semana. Y para el problema clásico de las primeras jornadas, cuando todavía no hay datos suficientes, el modelo arranca con un valor previo construido a partir del valor de plantilla del club y de su clasificación del año anterior; ese peso inicial va cayendo a medida que llegan resultados reales. Un detalle técnico que conviene mencionar: todo el cálculo se ejecuta en el navegador del visitante, no en un servidor remoto. La supercomputadora, literalmente, es tu propio dispositivo.

Lo que ningún modelo puede saber

Y aquí llega la parte honesta. Estos modelos leen el pasado; no leen el futuro. No saben que el delantero titular se va a lesionar en la novena jornada, ni que el club va a fichar en enero a un centrocampista que cambie la cara del equipo, ni que habrá un relevo en el banquillo que reordene por completo el vestuario. No saben nada de la carga del calendario europeo que vaciará las piernas en marzo, ni de una sanción administrativa, ni de un traspaso inesperado en el último día de mercado. Todo eso entra en el modelo solo después de haber ocurrido, cuando ya se ha traducido en resultados.

Tampoco capturan bien lo que los estadísticos llaman correlación entre partidos: en la simulación, cada encuentro se sortea de forma prácticamente independiente, mientras que en la realidad una racha mala se contagia de un fin de semana al siguiente y una lesión larga pesa durante meses. Por eso los rangos que producen suelen ser algo más estrechos de lo que la vida acaba demostrando. La conclusión razonable no es tirar el modelo a la basura, sino usarlo como lo que es: una manera ordenada de distinguir lo probable de lo simplemente posible, sin confundir nunca una cosa con la otra.

"Un modelo no te dice lo que va a pasar; te dice cuántas veces pasaría si el año se repitiera diez mil veces."

• Simula las jornadas que quedan de tu liga y mira cómo queda la tabla final.
• Cambia a mano cualquier resultado y comprueba al instante cómo se mueve la clasificación.
• Monta cuadros de eliminatorias y simúlalos ronda a ronda hasta la final.
• Abre la supercomputadora, mira las probabilidades de título y de descenso y compáralas con la clasificación real.

"La estadística no sustituye a la temporada: solo te dice qué esperar antes de que se juegue."