BTTS en fútbol: qué es y cómo calcular la probabilidad
Both Teams To Score es uno de los mercados más populares del fútbol moderno, y también uno de los más directamente calculables con el modelo de Poisson. La fórmula de cálculo reduce el problema a un producto de dos probabilidades independientes.
Qué es el mercado BTTS
BTTS son las siglas de Both Teams To Score — en español, "ambos equipos marcan". El mercado tiene exactamente dos opciones:
- BTTS Sí: ambos equipos anotan al menos un gol. El marcador final es irrelevante — 1-1, 2-1, 3-2 o cualquier combinación donde ningún equipo termina con cero goles.
- BTTS No: al menos un equipo termina sin marcar. Incluye cualquier victoria por gol limpio (1-0, 2-0, 3-0...) y el empate sin goles (0-0).
El mercado no pregunta quién gana ni cuántos goles habrá. Solo pregunta si ambos equipos abrirán su casillero goleador.
BTTS y Over 2.5: mercados que no son lo mismo
La confusión más frecuente es asumir que BTTS Sí y Over 2.5 son equivalentes. El mapa de los cuatro casos posibles muestra por qué no lo son:
BTTS Sí + Over 2.5
Ambos marcan, total ≥ 3 goles
Ejemplos: 1-2, 2-1, 2-2, 3-1, 1-3
BTTS Sí + Under 2.5
Ambos marcan, total = 2 goles
Solo posible: 1-1
BTTS No + Over 2.5
Un equipo no marca, total ≥ 3 goles
Ejemplos: 3-0, 4-0, 5-0, 4-1
BTTS No + Under 2.5
Un equipo no marca, total ≤ 2 goles
Ejemplos: 0-0, 1-0, 0-1, 2-0, 0-2
La celda más interesante es BTTS Sí + Under 2.5: solo puede ocurrir con el marcador 1-1. Un empate a uno es BTTS Sí (ambos marcaron) pero Under 2.5 (solo 2 goles en total). Esta distinción importa cuando se analiza el solapamiento entre mercados en acumuladores.
Cómo Poisson calcula la probabilidad de BTTS
Con los parámetros λ (goles esperados del local) y μ (goles esperados del visitante), la probabilidad de BTTS Sí se deriva directamente del modelo de Poisson:
P(BTTS Sí) = P(local ≥ 1) × P(visitante ≥ 1)
P(local ≥ 1) = 1 − e−λ
P(visitante ≥ 1) = 1 − e−μ
Esta fórmula usa el mismo supuesto de independencia que el resto del modelo Poisson: los goles del local y del visitante son eventos estadísticamente independientes.
Ejemplo concreto con λ = 1.5 y μ = 1.1:
P(local ≥ 1) = 1 − e−1.5 = 1 − 0.2231 = 0.7769
P(visitante ≥ 1) = 1 − e−1.1 = 1 − 0.3329 = 0.6671
P(BTTS Sí) = 0.7769 × 0.6671 = 51.8%
La corrección Dixon-Coles ajusta los marcadores bajos (0-0, 1-0, 0-1, 1-1), que son exactamente los que determinan BTTS No. Esto significa que el cálculo de BTTS en POISSON FC difiere marginalmente del Poisson puro, corrigiendo la tendencia a subestimar estos marcadores.
Patrones por liga
La tasa de BTTS varía entre ligas y refleja diferencias estructurales en cómo se defiende y se ataca en cada competición. Ligas con alta presión defensiva organizada producen más partidos donde al menos un equipo no marca.
| Liga | BTTS Sí aprox. | Característica |
|---|---|---|
| Championship | ~54% | Alta intensidad, pocas portería a cero |
| Bundesliga | ~53% | Pressing alto, transiciones frecuentes |
| Premier League | ~52% | Ritmo elevado, pocos empates 0-0 |
| Ligue 1 | ~49% | Equilibrio ataque/defensa |
| La Liga | ~48% | Mayor control posesional, menos transiciones |
| Serie A | ~47% | Tradición defensiva con líneas bajas |
| Brasileirao | ~46% | Alta varianza táctica entre equipos |
La diferencia entre equipos dentro de una misma liga
Los promedios de liga son puntos de referencia, no la estimación correcta para un partido específico. Dentro de cualquier liga, la variación entre equipos puede ser enorme.
Un equipo con μ muy bajo (defensa sólida que concede poco) puede tener una probabilidad de BTTS Sí del 35% aunque juegue en la Bundesliga. Un equipo con μ alto que acostumbra conceder puede tener un 65% de BTTS aunque juegue en la Serie A.
El modelo calcula BTTS específicamente para cada enfrentamiento usando los parámetros de ataque y defensa actuales de ambos equipos con decay temporal, no el promedio histórico de la liga.
Estadísticas y patrones por liga →Calcular BTTS con el simulador
El simulador de Poisson muestra las probabilidades de BTTS Sí y No en tiempo real. Ajusta λ y μ para ver cómo la solidez defensiva de un equipo cambia drásticamente la probabilidad de que ambos marquen, y cómo interactúa con el Over/Under 2.5.