Limitaciones de Dixon-Coles:
qué no puede ver el modelo
Un modelo de predicción honesto no solo muestra sus aciertos — también explica dónde falla. El Dixon-Coles es el estándar en predicción cuantitativa de fútbol, pero está construido exclusivamente sobre resultados históricos. Hay información relevante que simplemente no puede incorporar. Conocer esas limitaciones es tan importante como entender cómo funciona.
Lo que el modelo sí puede ver
Para contextualizar las limitaciones, conviene empezar por lo que el modelo sí incorpora:
- El historial de goles marcados y encajados por cada equipo, ponderado por recencia.
- La ventaja de jugar en casa (parámetro γ individual por equipo y liga).
- La corrección de marcadores bajos (parámetro ρ).
- La calibración por liga mediante temperatura.
Todo lo demás — lo que ocurre fuera del marcador y del campo — queda fuera.
1. Lesiones y sanciones
Es la limitación más evidente y probablemente la más costosa en términos de precisión. Si el mejor centrocampista del equipo, el portero titular o el delantero goleador están lesionados el día del partido, el modelo no lo sabe.
Tampoco distingue entre "plantilla completa" y "diez lesionados de primera plantilla". Los parámetros de ataque y defensa que usa reflejan el rendimiento histórico del equipo como colectivo, no el de un once específico.
Impacto cuantitativo estimado
La ausencia del jugador más influyente de un equipo (el goleador principal, el organizador de juego) puede mover las probabilidades reales entre 5 y 12 puntos porcentuales respecto a lo que el modelo predice. El mercado de Pinnacle sí ajusta rápidamente esta información.
2. Motivación y contexto de la temporada
El modelo asume que ambos equipos juegan para ganar en igualdad de condiciones motivacionales. Pero en fútbol eso no siempre es cierto:
Partido sin consecuencias (jornada 38)
Un equipo ya campeón juega contra otro ya descendido. Ambos pueden alinear con reservas. El modelo no diferencia esta situación de un partido con algo en juego.
Partido con doble competición activa
Si el equipo juega un partido de Champions tres días después, puede priorizar el descanso sobre el resultado de liga. El modelo no tiene información sobre el calendario futuro.
Rivalidades históricas (derbis)
En algunos derbis, el rendimiento de los equipos difiere significativamente de su nivel general. Los modelos basados en resultados capturan esto parcialmente si el histórico de derbis es amplio, pero el efecto motivacional específico no se captura.
3. Cambios de entrenador recientes
Un cambio de entrenador puede transformar radicalmente el estilo de juego de un equipo. El modelo incorpora esta información de forma gradual — necesita partidos bajo el nuevo técnico para actualizar los parámetros de ataque y defensa.
Durante las primeras 4-8 jornadas tras un cambio de entrenador, los parámetros del modelo siguen reflejando en gran parte el historial bajo el técnico anterior. Este es uno de los momentos de mayor discrepancia entre el modelo y la realidad observable.
4. Partidos de copa y competición europea
El modelo Dixon-Coles fue diseñado para ligas domésticas con dos puntos en juego para ambos equipos en cada partido. En competiciones de copa o eliminatorias directas, las dinámicas cambian:
- Eliminación directa: con empate al final del tiempo reglamentario hay prórroga y penaltis, lo que cambia completamente la estrategia táctica.
- Rotación: en copa nacional (especialmente rondas tempranas), los equipos grandes rotan masivamente. El once que juega no se parece al habitual.
- Motivación asimétrica: para un club de primera, la copa puede ser prioridad; para otro, no. El modelo no puede capturar esta asimetría.
POISSON FC no genera predicciones para Copa del Rey, FA Cup u otras competiciones de eliminatoria precisamente por estas limitaciones estructurales del modelo.
5. Factores externos no registrados
Hay factores que afectan al resultado pero que no aparecen en ninguna base de datos de resultados:
| Factor | Por qué el modelo no lo ve |
|---|---|
| Condiciones climáticas extremas | No hay dato de clima en los partidos históricos |
| Estado del campo (césped, artificial) | El modelo no distingue superficie de juego |
| Conflictos internos del vestuario | No registrable en datos de resultados |
| Árbitro asignado | No se incluye en el modelo (sí hay investigación académica sobre el efecto) |
| Viajes largos / jet lag | Solo relevante en competición europea — no afecta a liga doméstica |
Cuándo el modelo es más y menos fiable
Mayor fiabilidad
- · Jornadas 10-30 de liga doméstica
- · Plantillas sin lesiones relevantes
- · Ambos equipos con motivación clara
- · Equipos con historial largo en la misma categoría
- · Partidos sin presión de calendario intenso
Menor fiabilidad
- · Primeras 6-8 jornadas de temporada
- · Tras cambio de entrenador reciente
- · Lesiones masivas en jugadores clave
- · Partidos sin consecuencias clasificatorias
- · Equipos recién ascendidos
Por qué publicar las limitaciones
La transparencia sobre las limitaciones del modelo no es una señal de debilidad — es la única forma de usarlo correctamente. Un usuario que entiende cuándo el modelo tiene mayor incertidumbre puede complementar las probabilidades con información adicional (noticias de lesiones, contexto de la temporada) y tomar decisiones mejor fundamentadas.
El mercado de Pinnacle incorpora todas estas variables porque tiene miles de apostadores aportando información de forma descentralizada. Un modelo estadístico solo no puede competir con eso en partidos donde la información no registrable es determinante.
Usa las predicciones con contexto
Las probabilidades de POISSON FC son una base cuantitativa objetiva. Combínalas con información actualizada sobre lesiones, forma reciente y contexto de la temporada.