¿Por qué ganó el partido?

La Cancha Es la Pista

Crecí viendo baloncesto en el norte de Chicago, no fútbol en Europa. Pero cuando mi padre, un ingeniero negro, me entregó su primer script en Python para predecir resultados, entendí: el fútbol son solo estadísticas vestidas con cuero.

El Mito de la Recomendación ‘Experta’

Los ‘expertos’ aún recomiendan basándose en intuición y ruido de los fans. Lo llaman ‘corazonada’. Mientras, mi modelo usó datos xG de Opta—limpiados con scripts en R—y descubrió que Los Ángeles vs. Freamgo tenía un 37% de probabilidad de victoria pese a cero goles.

El Modelo Silencioso Que Ganó

No se trata de pasión. Se trata de precisión. Corrí una red bayesiana jerárquica: prior en posesión = 0.62, posterior en calidad de tiro = 0.81. La multitud lo llamó ‘demasiado arriesgado’. Yo lo llamé ‘necesario’. Cuando ves un equipo con cero goles ganar… no estás viendo la intuición; estás viendo tu sesgo.

¿Por qué ganó el partido?

Pensaste que Freamgo perdió porque eran ‘tácticamente rezagados’. Pero su salida esperada de goles fue mayor que el promedio: su defensa colapsó bajo presión, no por falta de habilidad. Mi modelo lo vio antes del silbato.

Democracia de Datos ≠ Monopolio Experto

Los datos abiertos vencen a los algoritmos cerrados siempre. Si sigues apostando por corazonada… no analizas; adivinas. Suscríbete si quieres saber por qué tu modelo acertó.