Distribuzione di Poisson applicata ai pronostici calcio

Poisson e pronostici calcio: come usare la distribuzione di Poisson per stimare i risultati

Se ti sei mai chiesto come fanno gli analisti a stimare la probabilità che una partita finisca 2-1 oppure che si giochi un Over 2.5, la risposta passa quasi sempre da un modello statistico semplice ma potente: la distribuzione di Poisson. In questa guida ti spiego, passo dopo passo e con esempi numerici, come funziona il metodo Poisson applicato ai pronostici calcio, come calcolare le probabilità di ogni risultato esatto, come trasformarle in quote e — soprattutto — quali sono i suoi limiti reali. È un articolo pensato per chi vuole capire davvero il modello, non per chi cerca scorciatoie.

Che cos'è la distribuzione di Poisson (spiegata senza formule complicate)

La distribuzione di Poisson è una distribuzione di probabilità discreta che descrive il numero di eventi che si verificano in un intervallo di tempo fisso, quando questi eventi sono relativamente rari, indipendenti tra loro e avvengono con un tasso medio noto e costante.

Prende il nome dal matematico francese Siméon Denis Poisson, che la introdusse nel 1837 nell'opera Recherches sur la probabilité des jugements en matière criminelle et en matière civile. Nasce quindi in ambito giuridico-statistico, ma si applica benissimo a fenomeni come le chiamate a un call center, i guasti di una macchina o — appunto — i gol in una partita di calcio.

La formula è questa: la probabilità di osservare esattamente k eventi è pari a λk · e-λ / k!, dove λ (lambda) è il numero medio atteso di eventi e e è il numero di Nepero (circa 2,71828). Nel calcio, λ è il numero di gol che ti aspetti che una squadra segni in quella specifica partita.

Una proprietà utile da ricordare: nella distribuzione di Poisson media e varianza coincidono, ed entrambe sono uguali a λ.

Perché i gol nel calcio si prestano al modello Poisson

Il calcio è uno sport a basso punteggio. I gol sono eventi discreti, relativamente rari e distribuiti lungo i 90 minuti. Questo lo rende un candidato naturale per un modello di conteggio come Poisson, molto più del basket o della pallavolo.

Il modello, però, poggia su assunzioni che nella realtà sono solo approssimazioni:

• Indipendenza tra gli eventi: si assume che segnare un gol non modifichi la probabilità di segnarne un altro. Nel calcio reale non è del tutto vero: dopo un gol cambiano tattiche, atteggiamento e spazi in campo.
• Tasso costante: si assume che la probabilità di segnare sia la stessa per tutti i minuti. In pratica, i finali di tempo e di partita hanno dinamiche diverse.
• Indipendenza tra le due squadre: il modello base moltiplica le probabilità delle due squadre come se fossero eventi scollegati. Anche qui, la realtà è più intrecciata.

Nonostante questi limiti, l'approssimazione funziona sorprendentemente bene ed è la base storica di molti modelli di previsione calcistica. Il lavoro accademico di riferimento in questo ambito è quello di Mark Dixon e Stuart Coles, che nel 1997 pubblicarono su Journal of the Royal Statistical Society: Series C (Applied Statistics) lo studio "Modelling Association Football Scores and Inefficiencies in the Football Betting Market". Il loro contributo principale fu proprio introdurre una correzione per i risultati a basso punteggio, dove il Poisson puro tende a sbagliare, e un sistema di ponderazione temporale che dà più peso alle partite recenti.

Come si calcola un pronostico con Poisson: esempio pratico passo passo

Passo 1 — Calcola la media gol del campionato

Parti dai dati storici del torneo che ti interessa (idealmente l'intera stagione in corso, o le ultime stagioni). Ti servono due valori: la media di gol segnati in casa per partita e la media di gol segnati in trasferta per partita.

Supponiamo, a titolo puramente esemplificativo, che nel campionato analizzato la media sia 1,50 gol per le squadre di casa e 1,20 per quelle in trasferta.

Passo 2 — Calcola forza d'attacco e forza di difesa

Per ogni squadra costruisci quattro indici, rapportando i suoi numeri alla media del campionato:

• Attacco casa = (gol fatti in casa / partite in casa) ÷ media gol casa del campionato
• Difesa casa = (gol subiti in casa / partite in casa) ÷ media gol trasferta del campionato
• Attacco trasferta = (gol fatti fuori / partite fuori) ÷ media gol trasferta del campionato
• Difesa trasferta = (gol subiti fuori / partite fuori) ÷ media gol casa del campionato

Un valore superiore a 1 indica un rendimento migliore della media, uno inferiore a 1 un rendimento peggiore.

Passo 3 — Stima i lambda della partita

I due valori attesi si ottengono così:

• λ squadra di casa = attacco casa (squadra A) × difesa trasferta (squadra B) × media gol casa del campionato
• λ squadra ospite = attacco trasferta (squadra B) × difesa casa (squadra A) × media gol trasferta del campionato

Immaginiamo di ottenere λ casa = 1,80 e λ ospite = 1,05.

Passo 4 — Costruisci la matrice dei risultati esatti

Applica la formula di Poisson a ciascuna squadra per k = 0, 1, 2, 3, 4, 5… gol. Con λ = 1,80, per esempio, la probabilità di 0 gol è e-1,80 ≈ 16,5%, quella di 1 gol è 1,80 · e-1,80 ≈ 29,8%, quella di 2 gol è (1,80² / 2) · e-1,80 ≈ 26,8%.

Poi incroci le due distribuzioni moltiplicando le probabilità: la casella "1-0" vale P(casa = 1) × P(ospite = 0). Ottieni così una matrice completa di risultati esatti.

Passo 5 — Aggrega per ottenere i mercati che ti interessano

Sommando le caselle giuste ricavi qualsiasi mercato:

• 1: somma di tutte le caselle in cui i gol casa superano quelli ospite
• X: somma della diagonale (0-0, 1-1, 2-2…)
• 2: somma delle caselle con gol ospite superiori
• Over 2.5: somma di tutte le caselle con almeno 3 gol totali
• Gol/No Gol: somma delle caselle in cui entrambi i valori sono almeno 1

Da probabilità a quota: il passaggio che quasi tutti sbagliano

Per convertire una probabilità in quota decimale basta dividere 1 per la probabilità: una probabilità del 40% corrisponde a una quota "equa" di 2,50. È qui che il modello Poisson diventa davvero utile nei pronostici calcio: non ti dice cosa succederà, ma ti dice quale quota sarebbe corretta secondo i tuoi dati.

Il confronto con le quote di mercato richiede però un'accortezza fondamentale: le quote pubblicate incorporano il margine del bookmaker. Se sommi le probabilità implicite dei tre esiti 1X2 di una partita, il totale supera il 100%: quell'eccedenza è il margine (spesso chiamato overround o vig). Prima di dire "il mercato sottovaluta questo esito" devi normalizzare le probabilità implicite, riportandole a somma 100%. Saltare questo passaggio è l'errore più comune di chi si avvicina al metodo Poisson e porta a vedere valore dove non c'è.

I limiti del modello Poisson (e come attenuarli)

Il Poisson "puro" applicato ai pronostici calcistici ha debolezze note e documentate:

• Sottostima i pareggi e i risultati bassi: è esattamente il problema che la correzione di Dixon e Coles cerca di risolvere, intervenendo sulle caselle 0-0, 1-0, 0-1 e 1-1.
• Ignora la dipendenza tra le due squadre: una partita può diventare aperta o bloccata per entrambe contemporaneamente. Il modello base non lo cattura.
• È cieco al contesto: infortuni, squalifiche, turnover per impegni infrasettimanali, cambi di allenatore, motivazioni di classifica. Nulla di tutto questo entra nei lambda calcolati sui soli gol storici.
• I gol sono un segnale rumoroso: proprio perché rari, i gol effettivi di poche partite descrivono male la reale forza di una squadra.

Il consiglio pratico più utile, e quello che fa la differenza tra un foglio di calcolo da principiante e un modello serio: non alimentare Poisson con i gol, ma con gli Expected Goals. Gli xG stimano la qualità delle occasioni create e concesse, quindi convergono verso la vera forza di una squadra molto più rapidamente dei gol effettivi, che dipendono da episodi e da un'alta dose di casualità. Costruire le forze d'attacco e di difesa su xG creati e xG concessi rende i lambda più stabili e riduce il rumore, soprattutto nelle prime giornate di campionato.

Altri accorgimenti che migliorano concretamente il modello:

• Pesa le partite recenti più di quelle vecchie, con un decadimento temporale: la forma e la rosa cambiano nel corso della stagione.
• Non mescolare campionati diversi: i tassi di gol e il vantaggio del fattore campo variano da torneo a torneo.
• Usa un campione sufficiente: con poche giornate giocate, integra i dati della stagione precedente.
• Verifica il modello a posteriori: registra le previsioni e confrontale con gli esiti reali su un numero ampio di partite, non su cinque schedine.

Come usare Poisson in modo intelligente

La distribuzione di Poisson è uno strumento di stima, non una sfera di cristallo. Il suo valore sta nel darti un riferimento numerico oggettivo con cui confrontare le quote di mercato, non nel produrre pronostici "sicuri" — che nel calcio non esistono, per definizione statistica.

Usalo così: costruisci il tuo modello, normalizza le probabilità implicite del mercato, cerca gli scostamenti sistematici e correggi manualmente i lambda quando hai informazioni che il modello non può conoscere (assenze pesanti, situazioni di classifica particolari). E ricorda che il mercato è generalmente efficiente: i margini di vantaggio, quando ci sono, sono piccoli e vanno costruiti sulla lunga distanza, un approccio che ritrovi anche in molti pronostici Over sicuri basati su xG.

Conclusione

Il metodo Poisson applicato ai pronostici calcio ti permette di passare dall'intuizione al numero: calcoli i gol attesi delle due squadre, costruisci la matrice dei risultati esatti e ricavi la probabilità di ogni mercato. È un approccio trasparente, replicabile e alla portata di chiunque sappia usare un foglio di calcolo.

Il vero salto di qualità, però, arriva quando smetti di considerarlo un modello definitivo e inizi a trattarlo come una base da raffinare: dati di qualità (meglio ancora se xG), correzione per i risultati bassi, ponderazione temporale e verifica costante delle performance.

Ti consiglio di partire in piccolo: scegli un solo campionato, costruisci il tuo foglio di calcolo con le forze d'attacco e di difesa, e per un mese limitati a registrare le previsioni senza scommettere. Dopo qualche decina di partite avrai dati concreti sulla bontà del tuo modello — confrontali con i pronostici vincenti di oggi pubblicati sul sito — e sarà quello il momento giusto per decidere come usarlo.