Cómo construir un modelo Poisson para la MLS

El problema que molesta a todos

Los pronosticadores de la MLS se pierden en datos, se ahogan en ruido y, al final, lanzan apuestas que no resisten ni una tabla de resultados. Aquí no hay magia, solo estadística pura y una herramienta que corta la espuma: el modelo Poisson.

Conceptos básicos en un parpadeo

Poisson modela la frecuencia de goles como eventos raros que ocurren de forma independiente. Cada equipo tiene su lambda, ese número mágico que representa la media de goles esperados por partido.

¿Por qué funciona? Porque la distribución de Poisson se ajusta a la realidad cuando la probabilidad de anotar varios goles en un minuto es casi nula y los goles no se “inflan” ni se “deflacionan”.

Pasos rápidos para montar la bestia

1. Recopila los últimos 10 partidos de cada club. Mira goles a favor, goles en contra y la fortaleza del rival. No te compliques con temporadas antiguas; la forma reciente cuenta más.

2. Calcula la media de goles por equipo (Gf/Gp) y la media de goles recibidos (Gc/Gp). Eso te da dos lambdas preliminares.

3. Ajusta por localía. Usa la estadística de partidos en casa y fuera. Multiplica la lambda ofensiva del local por la defensiva del visitante y viceversa. Aquí entra la regla de “home advantage”: el local suele tener un +0.3 en su lambda.

4. Normaliza. La suma de los lambdas esperados debe coincidir con la media total de goles en la liga. Si la liga promedia 2.6 goles por partido, el total de lambdas (local + visitante) debe ser 2.6.

5. Genera la tabla de probabilidades. Usa la fórmula P(k;λ)=e^{-λ}λ^{k}/k! para k=0,1,2… hasta 5. Con ambas lambdas obtienes la probabilidad de cualquier combo de goles (0-0, 1-0, 2-1, etc.).

Errores de novato que debes evitar

Olvidar el factor de forma reciente. Un equipo que acaba de fichar un delantero top no se comporta como el mismo club del año pasado.

Usar demasiados partidos y mezclar ligas. Cada liga tiene su ritmo; mezclar MLS con EPL rompe la coherencia del modelo.

Ignorar la variabilidad del rival. No basta con una lambda promedio; el rival también tiene su propia distribución y eso altera la probabilidad de ambos lados.

Implementación práctica y código exprés

Python, pandas y numpy bastan. Carga un CSV con columnas “EquipoLocal”, “EquipoVisitante”, “GolesLocal”, “GolesVisitante”. Calcula medias, aplica los factores y lanza la fórmula Poisson en un bucle.

Si prefieres Excel, usa la función POISSON.DIST(k, λ, FALSE) para cada k y combina los resultados con la regla de multiplicación.

Cómo llevarlo a la pista de apuestas

Una vez que tienes la tabla de probabilidades, compárala con las cuotas de mls-bettips.com. Si la cuota implícita es menor que tu probabilidad estimada, el mercado está sobrevalorado. Señal clara para apostar.

Recuerda: el modelo Poisson es solo la base. Añade un toque de intuición, ajusta por lesiones de última hora y listo.

Y aquí está el consejo de oro: siempre revisa tu lambda antes del inicio del partido; una actualización de 5 minutos puede transformar una apuesta segura en una trampa mortal.