Como funcionam os supercomputadores que preveem ligas

Todo agosto, com as ligas recém-começadas, os veículos esportivos publicam o mesmo tipo de manchete: o supercomputador previu a Premier League, ou o modelo dá 62 por cento de chances ao favorito. A palavra evoca uma máquina enorme zumbindo em um porão refrigerado. A realidade é bem mais humilde e bem mais interessante: quase sempre se trata de um programa estatístico que distribui gols seguindo uma fórmula com mais de quarenta anos de história e que joga a temporada milhares de vezes seguidas para contar quantas dessas vezes cada time ganha. Entender o que há por baixo serve para duas coisas: para avaliar por que esses modelos acertam mais do que se esperaria, e para saber exatamente em que momento eles deixam de servir.

De onde sai a manchete de todo agosto

O formato foi popularizado pelas casas de dados esportivos. O modelo da Opta, por exemplo, simula cada partida da temporada dez mil vezes e ordena os times pela média de pontos que acumulam nesse conjunto de temporadas imaginárias. Com esse material dá para construir qualquer manchete: probabilidade de título, de entrar na Europa, de cair, ou a tabela final mais provável. É conteúdo barato de produzir, se atualiza sozinho a cada rodada e funciona muito bem nas redes sociais, então virou um gênero jornalístico próprio que reaparece pontualmente a cada pré-temporada.

O curioso é que as letras miúdas costumam contradizer a manchete. Na projeção da Opta para a Premier League 2025-26, dezenove dos vinte times ganharam o título ao menos uma vez dentro daquelas dez mil temporadas simuladas. Dito de outro modo: o próprio modelo estava avisando que quase qualquer coisa era possível. A manchete fica com o time que ganhou mais vezes e o apresenta como uma previsão fechada; o modelo, por sua vez, estava descrevendo um leque enorme de futuros, alguns muito improváveis, mas nenhum impossível.

Maher, Dixon e Coles: a origem acadêmica

A ideia de fundo é mais velha que a internet. Em 1982, M. J. Maher publicou na revista Statistica Neerlandica um artigo intitulado Modelling association football scores no qual atribuía a cada time dois números: uma força de ataque e uma força de defesa. Os gols de cada partida eram modelados com uma distribuição de Poisson, a mesma ferramenta que serve para contar eventos pouco frequentes dentro de um intervalo de tempo. Maher comprovou que, com alguns ajustes, esse modelo tão simples descrevia razoavelmente bem a frequência real dos placares, e incorporou ainda a vantagem de jogar em casa.

Quinze anos depois, em 1997, Mark Dixon e Stuart Coles publicaram no Journal of the Royal Statistical Society, Série C, o trabalho que transformou aquilo em uma ferramenta prática. Ajustaram o modelo com partidas inglesas de liga e de copa disputadas entre 1992 e 1995 e lhe fizeram dois consertos decisivos. O primeiro: corrigir a frequência dos placares baixos, porque o Poisson puro ficava curto com os zero a zero e os um a um. O segundo, e o mais importante para o que nos interessa: introduzir uma ponderação temporal, de modo que as partidas recentes pesassem mais que as antigas na hora de estimar a força de um time. Um clube não é o mesmo em abril que dois anos antes, e o modelo precisava perceber isso.

Por que é preciso jogar a temporada dez mil vezes

Com os ataques e as defesas já estimados, dá para calcular a probabilidade de cada placar possível em cada partida pendente. O problema é que uma liga não é um jogo solto: é uma rede de dezenas de rodadas na qual o resultado de cada uma muda o significado da seguinte. Não existe uma fórmula fechada razoável que converta todas essas probabilidades individuais em uma probabilidade de terminar campeão, e menos ainda quando entram em jogo os desempates por saldo de gols ou por confronto direto entre os envolvidos.

A saída é a simulação de Monte Carlo, um método que consiste em resolver um problema difícil jogando os dados um montão de vezes. O computador sorteia um resultado concreto para cada partida que falta, seguindo as probabilidades que o modelo dita; soma os pontos; constrói a tabela final; e anota quem foi campeão e quem caiu. Depois repete a operação do zero. Ao cabo de dez mil temporadas completas basta contar: se um time terminou em primeiro em 6.200 delas, sua probabilidade de título é de 62 por cento. Não há mágica além dessa, e o nome vem do cassino de Mônaco, não de um supercomputador.

O que significa de verdade um 62 por cento

Aqui está o mal-entendido central. Um 62 por cento não significa que esse time vai ganhar a liga. Significa que, se a temporada fosse jogada cem vezes a partir do estado atual, com estes elencos e este calendário, esse time sairia campeão em umas sessenta e duas e outro levaria a taça nas trinta e oito restantes. E 38 por cento não é um número desprezível: é quase exatamente a probabilidade de tirar duas caras ao lançar uma moeda três vezes, algo que não surpreende ninguém quando acontece.

Daí que um modelo não seja julgado por ter acertado o campeão, e sim por sua calibração: de todas as vezes que disse vinte por cento, o evento aconteceu mais ou menos uma a cada cinco? Um modelo bem calibrado erra constantemente em casos individuais e ainda assim é útil, do mesmo jeito que uma previsão do tempo que anuncia trinta por cento de chuva está acertando se chove três em cada dez vezes que ela diz isso. Julgar uma probabilidade por um único resultado é como julgar um dado por um único lance.

Como funciona o supercomputador deste site

O modelo do futsimulator.com pertence a essa mesma família de ideias. Joga dez mil vezes todas as partidas que faltam ser disputadas na competição e conta os desfechos. A força ofensiva e defensiva de cada clube não sai da tabela crua, e sim de um ajuste pelos adversários que ele já enfrentou: fazer três gols no líder não vale o mesmo que fazê-los no lanterna, e uma defesa que já visitou os quatro melhores do campeonato merece ser lida com outra régua que outra que ainda não saiu de casa.

Seguindo a lógica de Dixon e Coles, as partidas recentes pesam mais que as distantes, com uma meia-vida de cem dias: um resultado de três meses atrás influencia aproximadamente a metade de um desta mesma semana. E para o problema clássico das primeiras rodadas, quando ainda não há dados suficientes, o modelo parte de um valor prévio construído a partir do valor de elenco do clube e de sua classificação do ano anterior; esse peso inicial vai caindo à medida que chegam resultados reais. Um detalhe técnico que convém mencionar: todo o cálculo é executado no navegador do visitante, não em um servidor remoto. O supercomputador, literalmente, é o seu próprio dispositivo.

O que nenhum modelo pode saber

E aqui chega a parte honesta. Esses modelos leem o passado; não leem o futuro. Não sabem que o atacante titular vai se lesionar na nona rodada, nem que o clube vai contratar em janeiro um meio-campista que mude a cara do time, nem que haverá uma troca no banco que reorganize por completo o vestiário. Não sabem nada da carga do calendário europeu que vai esvaziar as pernas em março, nem de uma punição administrativa, nem de uma transferência inesperada no último dia de mercado. Tudo isso entra no modelo só depois de ter acontecido, quando já se traduziu em resultados.

Também não capturam bem o que os estatísticos chamam de correlação entre partidas: na simulação, cada jogo é sorteado de forma praticamente independente, enquanto na realidade uma má fase se contagia de um fim de semana para o seguinte e uma lesão longa pesa durante meses. Por isso as faixas que eles produzem costumam ser um pouco mais estreitas do que a vida acaba demonstrando. A conclusão razoável não é jogar o modelo no lixo, e sim usá-lo pelo que ele é: uma maneira ordenada de distinguir o provável do simplesmente possível, sem nunca confundir uma coisa com a outra.

"Um modelo não diz o que vai acontecer; diz quantas vezes aconteceria se o ano se repetisse dez mil vezes."

• Simule as rodadas que faltam da sua liga e veja como fica a tabela final.
• Mude na mão qualquer resultado e comprove na hora como a classificação se movimenta.
• Monte chaveamentos de mata-mata e simule fase a fase até a final.
• Abra o supercomputador, veja as probabilidades de título e de rebaixamento e compare com a classificação real.

"A estatística não substitui a temporada: só diz o que esperar antes de ela ser jogada."