Calculadora Poisson para goles esperados por partido🌎
Actualizado junio de 2026Ver cálculo paso a paso
El modelo Poisson calcula P(k goles) = e^−λ × λ^k / k!. Con λ = 1.5 (local) y λ = 1.2 (visitante), la probabilidad de que gane el local es ~45%, empate ~27% y gana el visitante ~28%. El marcador más probable es 1-0 o 1-1. Over 2.5 goles: ~55%. Ambos marcan (BTTS): ~55%.
La distribución de Poisson es el modelo estadístico más usado para predecir goles en un partido de fútbol. Dado el promedio de goles esperados (λ) de cada equipo, la fórmula calcula la probabilidad de cada marcador exacto, el resultado 1X2 (gana local / empate / gana visitante), Over 2.5 goles y BTTS (ambos equipos marcan). Este enfoque fue formalizado por Maher (1982) y extendido por Dixon-Coles (1997), y es la base de modelos cuantitativos usados en analítica deportiva (FiveThirtyEight, Infogol, Kickdex). ### Tabla de referencia rápida — Poisson por partido tipo | Escenario | λ Local | λ Visit. | Gana local | Empate | Gana visit. | Over 2.5 | BTTS | |---|---|---|---|---|---|---|---| | Favorito claro | 2.2 | 0.9 | 63% | 20% | 17% | 64% | 47% | | Partido equilibrado | 1.5 | 1.2 | 45% | 27% | 28% | 55% | 55% | | Partido defensivo | 1.0 | 0.8 | 38% | 31% | 31% | 36% | 45% | | Premier League (media) | 1.65 | 1.35 | 47% | 26% | 27% | 62% | 62% | | LaLiga (media) | 1.50 | 1.20 | 45% | 27% | 28% | 55% | 55% | | Bundesliga (media) | 1.70 | 1.45 | 45% | 26% | 29% | 67% | 66% | λ = goles esperados por equipo por partido.
Cuándo usar esta calculadora
- Estimar el marcador más probable de un partido dado los goles esperados de cada equipo.
- Calcular P(0-0), P(1-0), P(2-1) para análisis cuantitativo pre-partido.
- Comparar partidos ofensivos (λ 2+ cada uno) vs cerrados (λ 0.8).
- Entender por qué los empates ocurren más que lo que Poisson puro predice (Dixon-Coles).
- Analizar paridad estadística en clásicos: Real Madrid vs Barcelona, Inter vs Juventus.
Ejemplo: Liverpool (λ=1.8) vs Arsenal (λ=1.2)
- λ local: 1.8, λ visitante: 1.2.
- P(0-0) = e^−1.8 × e^−1.2 = 0.165 × 0.301 = 5.0%.
- P(1-0) = e^−1.8 × 1.8¹/1! × e^−1.2 × 1.2⁰/0! = 8.9%.
- P(2-1) = (e^−1.8 × 1.8²/2!) × (e^−1.2 × 1.2¹/1!) ≈ 4.3%.
- P(gana local) suma todas (gL > gV) ≈ 51%.
- P(empate) ≈ 24%, P(gana visitante) ≈ 25%.
- Over 2.5 goles ≈ 62% — partido abierto con ambos λ > 1.
- Ambos marcan (BTTS) ≈ 74%.
Cómo funciona
3 min de lecturaCómo funciona el modelo Poisson para fútbol
Fórmula central
P(X = k) = e^−λ × λ^k / k!Donde λ es el promedio esperado de goles y k es el número de goles. La fórmula modela eventos raros en un intervalo fijo — ideal para goles por partido.
Probabilidad de cada marcador exacto
P(local=gL, visit=gV) = P(gL|λ_local) × P(gV|λ_visit)Para 1X2 se suman todas las combinaciones posibles:
Tabla de marcadores frecuentes (λ = 1.5/1.2)
| Marcador | Probabilidad |
|---|---|
| 1-0 | ~11.5% |
| 1-1 | ~13.8% |
| 0-0 | ~8.2% |
| 2-0 | ~6.9% |
| 2-1 | ~8.3% |
| 0-1 | ~6.6% |
| 3-1 | ~3.1% |
Cómo estimar λ
Promedio histórico
λ = (goles marcados por partido históricos del equipo local) × (factor defensivo del rival / media de la liga).
Basado en xG
λ = xG acumulado por 90 min en los últimos 8–10 partidos del equipo.
Referencia por liga 2024-25
| Liga | λ Local | λ Visit. | Media goles partido |
|---|---|---|---|
| Premier League | 1.65 | 1.35 | 3.00 |
| LaLiga | 1.50 | 1.20 | 2.70 |
| Serie A | 1.55 | 1.25 | 2.80 |
| Bundesliga | 1.70 | 1.45 | 3.15 |
| Ligue 1 | 1.55 | 1.30 | 2.85 |
Casos tipo: probabilidades Poisson
Partido equilibrado — λ = 1.4 / 1.2
Favorito claro — λ = 2.2 / 0.9
Partido defensivo — λ = 1.0 / 0.8
Limitaciones del modelo Poisson
Sub-estimación de 0-0 y 1-1
Poisson puro subestima empates bajos porque asume independencia. Dixon-Coles (1997) corrige con un factor τ aplicado a marcadores (0-0), (1-0), (0-1) y (1-1).
Independencia irreal en partidos reales
Cuando un equipo marca el 1-0, el rival suele presionar más — los goles no son realmente independientes. Los modelos modernos usan covariadas dinámicas.
Parámetros fijos
λ asume condiciones estables durante los 90 minutos — no captura efectos de una expulsión, lesión o cambio táctico.
Modelos más avanzados
Análisis estadístico educativo. Esta calculadora ilustra el modelo Poisson estándar — no constituye recomendación de apuestas deportivas.
Fuentes
Related
Preguntas frecuentes
¿Qué es la distribución de Poisson y por qué se usa en fútbol?
Poisson modela cuántos eventos raros ocurren en un intervalo fijo dado un promedio esperado. Se aplica al fútbol porque los goles son eventos 'raros' en 90 minutos: la fórmula P(k) = e^−λ × λ^k / k! describe qué tan frecuente un equipo mete 0, 1, 2 o 3 goles dado su tasa esperada λ. Maher (1982) fue el primero en formalizarlo para fútbol.
¿Qué es lambda (λ) y cómo lo calculo?
λ (lambda) es el promedio esperado de goles del equipo en ese partido específico. Se estima de tres formas: (1) goles marcados históricos ponderados, (2) xG acumulado en los últimos 8–10 partidos, (3) ajuste por fortaleza del rival según media de la liga. En top 5 ligas: 1.3–2.0 para local, 0.9–1.4 para visitante.
¿Cuál es el marcador más probable en un partido de fútbol?
Depende del λ de cada equipo. En partidos con λ ~1.5/1.2 (tipo LaLiga/Premier League): 1-0 (~11%) y 1-1 (~14%) son los más frecuentes. 0-0 ocurre ~8% y marcadores altos como 3-2 bajan a ~3%. Cuanto mayor el λ, mayor probabilidad de marcadores altos.
¿Cómo calculo Over 2.5 goles con Poisson?
Over 2.5 = suma de todas las combinaciones (gL, gV) donde gL + gV ≥ 3. Con λ local 1.5 y λ visitante 1.2, Over 2.5 ≈ 55%. La Bundesliga (λ promedio ~3.15 goles partido) tiene Over 2.5 ~65%; ligas más defensivas ~50%.
¿Qué es BTTS (ambos equipos marcan) y cómo se calcula?
BTTS = P(gL ≥ 1) × P(gV ≥ 1) = [1 − P(gL=0)] × [1 − P(gV=0)] = [1 − e^−λL] × [1 − e^−λV]. Con λ = 1.5/1.2: BTTS ≈ (1 − 0.22) × (1 − 0.30) = 0.78 × 0.70 ≈ 55%. Sube cuanto mayor sea el λ de ambos equipos.
¿Por qué Poisson subestima los empates 0-0 y 1-1?
Porque asume independencia entre los goles de cada equipo. En la práctica, cuando el marcador es 0-0 en el minuto 80, ambos equipos juegan más conservador — lo que genera más 0-0 y 1-1 de lo que predice Poisson puro. Dixon-Coles (1997) corrige esto con un parámetro τ que ajusta las probabilidades de los cuatro marcadores bajos: 0-0, 1-0, 0-1 y 1-1.
¿Cómo uso el modelo Poisson para estimar λ de un partido real?
El método más común: (1) calculá el ataque promedio del local (goles marcados/partido de local) y la defensa promedio del visitante (goles recibidos/partido de visitante), ambos relativizados a la media de la liga; (2) λ_local = ataque_local × defensa_visitante × media_liga_goles_local. Puedes obtener estos datos de FBref o Understat con las últimas 5–10 temporadas.
¿Este modelo reemplaza los modelos de casas de apuestas?
No. Las casas usan modelos con 30–50 variables: xG ajustado, forma reciente, ventaja localía variable por liga, historial de cargas (Champions), lesiones, mercado, etc. Poisson puro es el punto de partida académico y el modelo más simple documentado. Esta calculadora ilustra el concepto estadístico — no constituye recomendación de apuestas.
Fuentes y referencias
- Dixon & Coles 1997 — Modelling Association Football Scores — JRSS
- Maher 1982 — Modelling football scores (Statistica Neerlandica) — Statistica Neerlandica
- FBref — estadísticas por liga y equipo — Sports Reference
- Opta Analyst — modelos estadísticos de fútbol — Opta
Metodología y confianza
Contenido revisado por el equipo editorial de Hacé Cuentas, con apego a nuestra política editorial y metodología de cálculo.
Última revisión: 03 de junio de 2026. Los parámetros fiscales, legales y datos se verifican periódicamente con las fuentes citadas.
Los cálculos corren 100% en tu navegador. No guardamos ni transmitimos tus datos. Leé nuestra política de privacidad.
Resultados orientativos. Para decisiones financieras, médicas o legales críticas, consultá con un profesional.