A primeira vez que apliquei o modelo de Poisson a um jogo da I Liga, passei uma tarde inteira num spreadsheet a calcular probabilidades de resultado para um Braga-Vitória de Guimaraes. O resultado do modelo dava 45% de probabilidade de vitória do Braga, 27% de empate e 28% de vitória do Vitória. As odds do mercado implicavam 55%, 24% e 21%. A discrepância no Vitória – 28% no meu modelo contra 21% implícito nas odds – era enorme. Apostei na vitória fora. O Vitória ganhou 1-0. Não foi sorte – foi matemática. Claro que nem sempre acaba assim, mas o princípio mantém-se: um modelo sistemático, mesmo simplificado, supera a intuição a longo prazo.
O Que É a Distribuição de Poisson e Porque se Aplica ao Futebol
A distribuição de Poisson é um modelo estatistico que calcula a probabilidade de um determinado número de eventos ocorrer num período fixo, dado que esses eventos são relativamente raros é independentes. Golos de futebol encaixam nesta descricao com surpreendente precisão: são eventos discretos (0, 1, 2, 3…), relativamente raros (média de 2 a 3 por jogo) e aproximadamente independentes (um golo não garante nem impede o próximo, na maioria das situacoes).
O futebol representa 71,8% de todas as apostas desportivas em Portugal, e a distribuição de Poisson é o modelo matemático mais utilizado por apostadores quantitativos para prever resultados nesta modalidade. A razão é a sua simplicidade: precisas apenas de um parâmetro – a média de golos esperados – para calcular a probabilidade de qualquer resultado.
A fórmula é: P(x) = (e^-lambda * lambda^x) / x!, onde lambda é a média de golos esperados e x é o número de golos cuja probabilidade queres calcular. Se lambda = 1.5 (média esperada de golos de uma equipa), a probabilidade de marcar exatamente 0 golos é 22,3%, exatamente 1 golo é 33,5%, exatamente 2 golos é 25,1%, e assim por diante. A beleza do modelo está na economia: com um único número (lambda), geras toda a distribuição de probabilidades.
Passo a Passo: Calcular Probabilidades de Resultado com Poisson
Vou demonstrar com um exemplo prático usando dados reais da I Liga. O futebol nacional concentra 75% de todas as apostas desportivas no país, o que torna a I Liga o terreno natural para aplicar este modelo.
Passo 1: calcula a média de golos marcados em casa e fora para cada equipa da liga. Imagina que, nas últimas 10 jornadas, a equipa A marca em média 1.8 golos em casa e a equipa B sofre em média 1.4 golos fora. A média da liga para golos em casa é 1.5. O ataque da equipa A em casa é 1.8/1.5 = 1.20 (20% acima da media). A defesa da equipa B fora é 1.4/1.5 = 0.93 (7% abaixo da media, ou seja, ligeiramente melhor que a média).
Passo 2: estima o lambda para cada equipa neste jogo específico. Lambda da equipa A = força de ataque da A x fraqueza defensiva da B x média de golos em casa da liga = 1.20 x 0.93 x 1.5 = 1.67. Repete o cálculo para a equipa B, usando o ataque fora e a defesa em casa. Digamos que dá 1.10.
Passo 3: aplica a distribuição de Poisson para cada equipa. Com lambda = 1.67 para a equipa A, calcula P(0), P(1), P(2), P(3), P(4). Com lambda = 1.10 para a equipa B, faz o mesmo. Obténs a probabilidade de cada equipa marcar 0, 1, 2, 3 ou mais golos.
Passo 4: cruza as duas distribuicoes para obter a probabilidade de cada resultado. A probabilidade de 1-0 e P(A=1) x P(B=0). A probabilidade de 2-1 e P(A=2) x P(B=1). Soma todas as combinacoes onde A marca mais que B para a probabilidade de vitória da A, onde marcam igual para empate, e onde B marca mais para vitória da B.
Passo 5: compara com as odds do mercado. Se o teu modelo da 42% de probabilidade de vitória da equipa A e a odd implícita e 35% (odd de 2.85), há valor. Se o modelo da 42% e a odd implica 50% (odd de 2.00), não há.
Limitações do Modelo e Como Complementá-lo
O Poisson é elegante mas imperfeito. A primeira limitação é o pressuposto de independência: assume que os golos de uma equipa são independentes dos golos da outra. Na realidade, quando uma equipa marca, a dinâmica do jogo muda – a equipa que está a perder abre-se mais, o que pode gerar mais golos para ambos os lados. Esta correlação entre golos não é capturada pelo Poisson básico.
A segunda limitação é a estabilidade dos parâmetros. O modelo usa médias históricas, mas a forma das equipas muda ao longo da época. Uma equipa que marcou em média 2 golos por jogo nas primeiras 10 jornadas pode ter perdido o avançado titular e agora marca 0.8. Usar a média global sem ajuste temporal é um erro. A solução é ponderar os jogos mais recentes com maior peso – as últimas 5-6 jornadas devem pesar mais do que as primeiras.
A terceira limitação é que o Poisson não capta a qualidade das oportunidades – só a quantidade. Um jogo onde todos os golos vieram de penáltis tem um perfil muito diferente de um jogo com golos em jogada construída. Complementar o Poisson com dados de xG melhora significativamente as estimativas: em vez de usares a média de golos reais como input, usas a média de xG, que filtra a variância de conversão.
Modelos mais sofisticados – como o Poisson bivariado, que incorpora correlação entre golos das duas equipas, ou modelos de Dixon-Coles, que ajustam as probabilidades de resultados com poucos golos – são a evolução natural para quem quer ir além do básico. Mas o Poisson simples, aplicado com disciplina e dados atualizados, é suficiente para identificar valor num mercado como a I Liga, onde a eficiência de pricing é inferior a das grandes ligas europeias.
Matemática Ao Serviço da Decisão
O modelo de Poisson não te da certezas – dá-te probabilidades. E probabilidades são a moeda do apostador informado. Se queres aprofundar como estas probabilidades se traduzem em apostas concretas com valor esperado positivo, o guia prático de como apostar em futebol online integra o Poisson e outros modelos no enquadramento de uma estratégia completa.