Pronostici calcio statistici: il metodo Poisson

Poisson e pronostici calcio: come si stima davvero un risultato con la statistica

C'è un modo per capire, numeri alla mano, quanto sia probabile che una partita finisca 2-1 o che si giochi un Over 2.5. Non è magia, è statistica applicata: si chiama distribuzione di Poisson. In questa guida ti spiego come funzionano davvero i pronostici calcio statistici basati su questo modello, come si calcolano le probabilità dei risultati esatti, come trasformarle in quote e — cosa che quasi nessuno racconta per intero — quali sono i suoi limiti concreti. Non troverai scorciatoie miracolose, ma un metodo che, se capito bene, cambia il modo in cui guardi una schedina.

Che cos'è la distribuzione di Poisson, spiegata senza tecnicismi inutili

La distribuzione di Poisson è uno strumento statistico che descrive quante volte un evento si verifica in un certo intervallo di tempo, quando quell'evento è relativamente raro, gli episodi sono indipendenti tra loro e avvengono con un tasso medio noto. Detto così sembra astratto, ma applicato al calcio diventa concreto in fretta. Il nome viene dal matematico francese Siméon Denis Poisson, che la introdusse nel 1837 in un'opera dedicata alla probabilità nei giudizi penali e civili. Un'origine giuridica, curiosamente, che poi si è rivelata perfetta per descrivere fenomeni molto diversi: le chiamate a un centralino, i guasti meccanici e, appunto, i gol segnati in una partita. La formula alla base è questa: la probabilità di osservare esattamente k eventi equivale a λk moltiplicato per e elevato a meno λ, diviso k fattoriale, dove λ (lambda) rappresenta il numero medio atteso di eventi e e è il numero di Nepero, circa 2,71828. Applicato al pallone, λ diventa il numero di gol che ti aspetti da una squadra in quella specifica partita. Una cosa che vale la pena tenere a mente: nella distribuzione di Poisson media e varianza coincidono, ed entrambe corrispondono proprio a λ.

Perché il calcio si presta così bene a questo modello statistico

Il calcio è, per natura, uno sport a basso punteggio. I gol sono eventi discreti, non troppo frequenti, distribuiti lungo novanta minuti. Questo lo rende un terreno perfetto per un modello di conteggio come Poisson — molto più adatto rispetto, per esempio, al basket o alla pallavolo, dove i punteggi sono alti e frequenti. Detto questo, il modello si regge su alcune assunzioni che nella realtà restano solo approssimazioni, per quanto utili:

• Indipendenza tra gli eventi: si assume che segnare un gol non cambi la probabilità di segnarne un altro. Nella realtà non è proprio così — dopo un gol cambiano tattiche, atteggiamento, spazi.
• Tasso costante nel tempo: si presume che la probabilità di segnare sia uguale in ogni minuto. Chiunque guardi partite sa che i finali di tempo hanno dinamiche diverse dal resto.
• Indipendenza tra le due squadre: il modello base moltiplica le probabilità come se le due squadre giocassero partite separate. Anche qui, la realtà è più intrecciata di così.

Nonostante questi limiti, funziona meglio di quanto ci si aspetterebbe, ed è la base storica di gran parte dei modelli di previsione calcistica. Il riferimento accademico più citato in questo campo è lo studio di Mark Dixon e Stuart Coles, pubblicato nel 1997 sul Journal of the Royal Statistical Society, dal titolo Modelling Association Football Scores and Inefficiencies in the Football Betting Market. Il loro contributo principale fu introdurre una correzione per i risultati a basso punteggio — dove il Poisson puro tende a sbagliare — insieme a un sistema che dà più peso alle partite recenti rispetto a quelle vecchie.

Come si calcola un pronostico con Poisson, passo dopo passo

Primo passo: la media gol del campionato

Si parte dai dati storici del torneo che interessa, idealmente l'intera stagione in corso o le ultime stagioni disputate. Servono due numeri: la media di gol segnati in casa per partita e quella segnata in trasferta. Facciamo un esempio puramente ipotetico: media di 1,50 gol per le squadre di casa e 1,20 per quelle in trasferta.

Secondo passo: forza d'attacco e forza di difesa

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

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

Un valore sopra 1 indica un rendimento migliore della media, sotto 1 uno peggiore. Semplice, in teoria. Nella pratica servono dati puliti e aggiornati, altrimenti il numero che esce non vuol dire granché.

Terzo passo: stimare i lambda della partita

I due valori attesi si ottengono così:

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

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

Quarto passo: la matrice dei risultati esatti

Si 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 circa 16,5%, quella di 1 gol circa 29,8%, quella di 2 gol circa 26,8%. Poi si incrociano le due distribuzioni moltiplicando le probabilità: la casella 1-0 vale la probabilità di 1 gol in casa moltiplicata per la probabilità di 0 gol ospite. Il risultato è una matrice completa di risultati esatti.

Quinto passo: aggregare per i mercati che interessano

Sommando le caselle giuste si ricava qualsiasi mercato:

• 1: somma di tutte le caselle in cui i gol casa superano quelli ospite
• X: somma della diagonale, cioè 0-0, 1-1, 2-2 e così via
• 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 stessa: una probabilità del 40% corrisponde a una quota equa di 2,50. È esattamente qui che il modello Poisson diventa utile nei pronostici calcio statistici: non ti dice cosa succederà davvero, ma ti dice quale sarebbe la quota corretta secondo i tuoi dati. Il confronto con le quote reali richiede però un'attenzione che molti saltano a piè pari. 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 che il mercato sottovaluta un esito, bisogna 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 semplicemente non c'è.

I limiti del modello Poisson, e come provare ad attenuarli

Il Poisson puro applicato ai pronostici calcistici ha debolezze note, documentate, e non è onesto nasconderle:

• 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, e il modello base non lo cattura.
• È cieco al contesto: infortuni, squalifiche, turnover per impegni ravvicinati, cambi di allenatore, motivazioni di classifica. Niente di tutto questo entra nei lambda calcolati sui soli gol storici.

C'è poi un problema più sottile: i gol sono un segnale rumoroso. Proprio perché rari, i gol effettivi di poche partite descrivono male la reale forza di una squadra. Una squadra può vincere 3-0 grazie a due episodi fortunati e una difesa avversaria disastrata quel giorno, e questo altera i numeri più di quanto sembri. Il consiglio pratico che fa davvero la differenza tra un foglio di calcolo da principiante e un modello serio è questo: 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 una buona 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

• Pesare le partite recenti più di quelle vecchie, con un decadimento temporale: forma e rosa cambiano nel corso della stagione
• Non mescolare campionati diversi: tassi di gol e vantaggio del fattore campo variano da torneo a torneo
• Usare un campione sufficiente: con poche giornate giocate, meglio integrare con i dati della stagione precedente
• Verificare il modello a posteriori, registrando le previsioni e confrontandole con gli esiti reali su un numero ampio di partite — non su cinque schedine, che statisticamente non dicono nulla

Usare Poisson con intelligenza, non come un oracolo

La distribuzione di Poisson resta uno strumento di stima, non una sfera di cristallo. Il suo valore vero sta nel fornirti un riferimento numerico oggettivo con cui confrontare le quote di mercato — non nel produrre pronostici sicuri, che nel calcio non esistono per definizione statistica. Chi promette il contrario, di solito, sta vendendo qualcosa. Il modo giusto di usarlo è questo: 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. Il mercato, va detto, è generalmente efficiente: i margini di vantaggio, quando esistono, sono piccoli e si costruiscono solo sulla lunga distanza, non sulla singola giornata fortunata.

Come partire, in pratica

Il metodo Poisson applicato ai pronostici calcio statistici permette di passare dall'intuizione al numero: calcoli i gol attesi delle due squadre, costruisci la matrice dei risultati esatti, ricavi la probabilità di ogni mercato. È un approccio trasparente, replicabile, alla portata di chiunque sappia usare un foglio di calcolo — non serve essere statistici di professione. Il salto di qualità vero, però, arriva quando smetti di trattarlo come un modello definitivo e inizi a considerarlo una base da raffinare continuamente: dati di qualità, meglio ancora se basati su xG, correzione per i risultati bassi, ponderazione temporale, verifica costante delle performance nel tempo. Il consiglio più onesto che si possa dare è 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 un euro. Dopo qualche decina di partite avrai dati concreti sulla bontà del tuo modello — e sarà quello, non prima, il momento giusto per decidere come usarlo davvero.