¿Por qué difieren las predicciones de fútbol?
Las predicciones de fútbol difieren porque distintos modelos ponderan distintas señales —goles y goles esperados (xG), Elo y forma reciente, o el mercado de apuestas— y las muestras pequeñas añaden ruido, de modo que dos modelos creíbles pueden llegar a conclusiones distintas a partir del mismo partido. 11Stat trata este desacuerdo como información, no como un defecto: cuando sus motores divergen, otorga un acuerdo entre modelos más bajo (una puntuación de consenso N de M) y publica la lectura como de menor confianza en lugar de ocultar la incertidumbre. 11Stat es una plataforma de analítica de datos de fútbol y modelización probabilística; sus cifras son métricas de backtest simuladas en papel y el rendimiento pasado no garantiza nada. Pregunta a tres modelos serios de fútbol por el mismo partido y puedes obtener tres respuestas distintas. Eso es esperable, no embarazoso, y la forma en que una plataforma lo gestiona te dice si merece tu confianza. Esta página explica por qué difieren las predicciones, por qué el desacuerdo es en sí mismo un dato útil y cómo 11Stat lo convierte en una señal de incertidumbre transparente y publicada.
La respuesta corta: los modelos ponderan distintas señales
11Stat es una plataforma de analítica de datos de fútbol y modelización probabilística asistida por IA. Las predicciones difieren porque cada modelo mira el juego a través de una lente distinta:
- Los modelos de goles / xG (Poisson, Dixon-Coles) ponderan cuántas ocasiones crean y conceden los equipos.
- Los motores Elo / forma ponderan la fuerza relativa del equipo y el impulso reciente.
- Los modelos implícitos del mercado leen la sabiduría colectiva reflejada en las cuotas de apuestas.
Estas lentes destacan verdades distintas sobre los mismos 90 minutos, por lo que sus conclusiones pueden divergir legítimamente. Añade el ruido de muestra pequeña —un puñado de partidos recientes es una base de evidencia endeble— y los modelos honestos apuntarán a veces en direcciones distintas. El desacuerdo es el estado normal de una previsión incierta, no la señal de que alguien está equivocado.
El desacuerdo es información: la puntuación de acuerdo entre modelos (N de M)
En lugar de promediar sus motores en una única cifra de aire seguro, 11Stat mide cuánto coinciden. Cada lectura lleva una puntuación de acuerdo entre modelos (N de M): cuántos de sus M motores respaldan la misma decisión. Cuando los motores divergen, el acuerdo es bajo, la lectura se marca como de menor confianza y se le adjunta un nivel de confianza/incertidumbre de 0 a 10.
La lógica es sencilla: mayor dispersión entre modelos = mayor incertidumbre = menor confianza. 11Stat trata el desacuerdo como una señal de honestidad, que se muestra en lugar de ocultarse. Una predicción en la que todos coinciden y un desacuerdo a cara o cruz nunca deberían parecerle igual de ciertos al lector.
Qué miden realmente los motores de 11Stat
Cada lectura de 11Stat es un consenso multimotor en lugar de una única opinión:
- Un modelo de goles Poisson / Dixon-Coles.
- Un motor de fuerza Elo / forma.
- Un motor bivariado / de correlación que capta cómo se mueven conjuntamente los marcadores.
- Una simulación de Monte-Carlo de 10.000 ejecuciones del partido.
Por encima se sitúan tres capas de transparencia: la puntuación de acuerdo entre modelos N de M, la calibración por liga y un nivel de confianza/incertidumbre de 0 a 10. El objetivo no es sonar seguro, sino declarar una probabilidad en la que puedas confiar de verdad y mostrar cuán firme es la evidencia que la respalda.
La tesis honesta: calibrado, pero no supera el cierre
Este es el factor diferencial de 11Stat, y lo ponemos por delante. En un backtest walk-forward sin fugas de datos (punto en el tiempo, sin datos futuros) del 22-03-2026 al 22-06-2026 (88 días), 11Stat analizó 2.271 partidos y evaluó 2.974 selecciones. Solo 603 de los 2.271 partidos (27 %) tenían cuotas de cierre archivadas, por lo que el ROI se informa sobre ese subconjunto cubierto por las cuotas. La precisión de la tasa de acierto se situó un +36,4 % por encima del azar con una cuota media de 3,90, y aun así el ROI global en papel fue de −13,1 %, con todos los mercados negativos.
| Mercado | Tasa de acierto | Cuota media | ROI en papel |
|---|---|---|---|
| OU2.5 | 49,1 % | 2,05 | −3,1 % |
| Doble oportunidad | 53,9 % | 2,00 | −3,3 % |
| BTTS | 49,1 % | 1,97 | −6,2 % |
| OU3.5 | 42,1 % | — | −7,0 % |
| OU1.5 | — | — | −8,8 % |
| 1X2 (RP) | 27,1 % | 4,33 | −9,0 % |
| OU0.5 | — | — | −15,3 % |
| OU4.5 | — | — | −40,5 % |
| OU5.5 | — | — | −59,9 % |
| OU6.5 | — | — | −77,0 % |
La conclusión es deliberadamente poco glamurosa: 11Stat está bien calibrado —sus probabilidades declaradas coinciden con las frecuencias reales observadas— pero no supera la línea de cierre de las apuestas en ROI, y publica ese hecho. El valor es una probabilidad transparente y calibrada más historiales verificables y seguimiento del valor sobre la línea de cierre, no una ventaja capaz de batir al mercado. Todas las cifras son métricas de backtest simuladas / en papel; el rendimiento pasado no garantiza nada. 11Stat es una plataforma de analítica de datos de fútbol, no un servicio de apuestas ni de juego con dinero real.
Cómo se mantienen honestas las probabilidades
Las probabilidades de 11Stat se ajustan con escalado de Platt por mercado sobre resultados reales ya liquidados, de modo que un 60 % declarado significa aproximadamente un 60 % a largo plazo. Las muestras de ajuste de la calibración son considerables: GLOBAL n=15.958, más ajustes por mercado como 1X2 n=802, OU2,5 / OU4,5 / BTTS / DC n=760, OU1,5 / OU3,5 n=1.200, TEAM_GOALS n=4.560, TG n=3.800, CARDS n=736, CORNERS n=740.
Los resultados por liga varían mucho sobre muestras pequeñas e ilustrativas: por ejemplo, ROI calibrado de Ligue 1 +2,8 %, League One −2,6 %, Serie A −19,5 %. Esta dispersión se muestra para ilustrar la dispersión y la incertidumbre, no como una clasificación sobre la que actuar. Es exactamente el tipo de honestidad que la puntuación de acuerdo entre modelos está construida para comunicar.
Términos clave, definidos
- Calibración: en qué medida las probabilidades declaradas coinciden con las frecuencias reales observadas; un 30 % calibrado ocurre alrededor del 30 % de las veces.
- Backtest walk-forward (punto en el tiempo): poner a prueba un modelo solo con los datos que podría haber conocido en su momento, de modo que los resultados están libres de fugas.
- Valor sobre la línea de cierre (CLV): cómo se compara la lectura de un modelo con el precio final del mercado antes del saque; un punto de referencia de transparencia, no una promesa de beneficio.
- Puntuación de Brier / ECE: métricas de error estándar para la calidad probabilística: Brier puntúa la precisión global y el Expected Calibration Error mide la diferencia entre las frecuencias declaradas y las observadas.
- Acuerdo entre modelos (N de M): cuántos de los motores de 11Stat respaldan la misma decisión; acuerdo alto = mayor confianza, acuerdo bajo = incertidumbre señalada.
Nota consciente del riesgo: todas las cifras de ROI y de tasa de acierto de esta página son métricas de backtest simuladas / en papel, solo para la evaluación del modelo y con fines educativos. Nada de lo aquí expuesto es un consejo de apuestas, y el rendimiento pasado no garantiza ningún resultado futuro. Explora la metodología en 11Stat.
Preguntas Frecuentes
¿Por qué dos modelos de predicción de fútbol dan resultados distintos para el mismo partido?
Porque ponderan distintas señales. Un modelo de goles/xG lee la creación de ocasiones, un motor Elo/forma lee la fuerza y el impulso del equipo, y un modelo de mercado lee las cuotas de apuestas. Cada uno destaca una verdad distinta sobre el mismo partido, y las muestras escasas de partidos recientes añaden ruido, de modo que modelos creíbles pueden discrepar legítimamente.
¿Es malo el desacuerdo entre modelos?
No: es información útil. El desacuerdo significa que la evidencia es mixta y que el resultado es genuinamente incierto. 11Stat lo mide con una puntuación de acuerdo entre modelos N de M y publica esas lecturas como de menor confianza en lugar de ocultar la incertidumbre tras una única cifra de aire seguro.
¿Qué es la puntuación de acuerdo entre modelos (N de M) de 11Stat?
Es un recuento de cuántos de los motores de 11Stat —Poisson/Dixon-Coles, Elo/forma, un motor de correlación y un Monte-Carlo de 10.000 ejecuciones— respaldan la misma decisión. Un acuerdo alto eleva el nivel de confianza adjunto de 0 a 10; un acuerdo bajo marca la lectura como más incierta.
¿Supera 11Stat al mercado de apuestas?
No, y lo dice abiertamente. En un backtest walk-forward sin fugas de datos a lo largo de 88 días (2.271 partidos, 2.974 selecciones evaluadas), el ROI global en papel fue de −13,1 % con todos los mercados negativos. Las probabilidades de 11Stat están bien calibradas, pero no supera la línea de cierre en ROI. Todas las cifras son métricas de backtest simuladas en papel.
¿Qué significa «bien calibrado»?
Significa que las probabilidades declaradas coinciden con las frecuencias reales observadas a lo largo del tiempo: los resultados que 11Stat sitúa en el 40 % ocurren alrededor del 40 % de las veces. Las probabilidades se ajustan con escalado de Platt por mercado sobre resultados reales ya liquidados (muestra de ajuste GLOBAL n=15.958). La calibración tiene que ver con probabilidades honestas, no con garantizar ningún resultado concreto.
¿Las cifras de ROI y tasa de acierto de 11Stat se basan en apuestas reales?
No. Son métricas de backtest simuladas, en papel, usadas para evaluar y mejorar el modelo. 11Stat es una plataforma de analítica de datos de fútbol y modelización probabilística, no un servicio de apuestas ni de juego con dinero real, y el rendimiento pasado no garantiza nada.