Como o Modelo Dixon-Coles Prevê Placares de Futebol
Em 1997, Mark Dixon e Stuart Coles publicaram um artigo curto que se tornou discretamente a fundação da modelagem moderna de futebol. A ideia era simples: o modelo Poisson padrão — o ponto de partida óbvio para prever gols — erra os placares baixos de forma sistemática. E placares baixos são onde o futebol vive.
O ponto de partida Poisson
Modele os gols de cada equipe como uma distribuição Poisson independente. Se o mandante tem 1,5 gols esperados e o visitante 1,1, a probabilidade de 1–0 é simplesmente P(casa=1) × P(fora=0). Limpo, elegante — e errado de um jeito específico e mensurável.
Quando Dixon e Coles compararam as previsões Poisson com milhares de jogos das ligas inglesas, descobriram que o modelo subestimava 0–0, 1–0, 0–1 e 1–1 e superestimava levemente os demais. Os times não jogam como geradores de números aleatórios independentes nos placares baixos: um time vencendo por 1–0 no fim do jogo costuma parar de atacar, e um time perdendo por 0–1 joga todo mundo para frente. Os dois números de gols são dependentes exatamente onde mais importa.
A correção de um parâmetro
A solução foi um fator de correção, τ (tau), aplicado apenas aos quatro placares baixos, controlado por um único parâmetro ρ (rho):
P(1–0) × (1 + λA·ρ)
P(0–1) × (1 + λH·ρ)
P(1–1) × (1 − ρ)
Com ρ negativo (cerca de −0,13 na maioria das ligas), a correção aumenta 0–0 e 1–1 e reduz 1–0 e 0–1 — igual ao que realmente acontece em campo. Um parâmetro, ajustado uma vez por liga, e as probabilidades de empate do modelo de repente batem com a realidade.
Como usamos no GoalMath
Nosso previsor de partidas roda o cálculo Dixon-Coles completo em todos os placares de 0–0 a 12–12 e depois agrega em 1X2, mais/menos e ambas marcam. Os gols esperados vêm das forças ofensiva/defensiva em relação às médias da liga:
λA = ataque fora × defesa em casa × média de gols fora da liga
Fixamos ρ em −0,13 por padrão — o valor que se sustenta entre ligas e temporadas na literatura publicada — e mostramos nosso histórico de calibração na página de metodologia, incluindo onde o modelo falha.
O que o Dixon-Coles não faz
- Notícias das equipes. A lesão do artilheiro não aparece nas médias de gols do mês passado. Nosso previsor permite ajustar as forças manualmente exatamente por isso.
- Motivação. Jogos mortos no fim da temporada e poupanças para copas quebram os padrões históricos.
- Amostras pequenas. Times recém-promovidos não têm histórico relevante no nível superior — trate esses números como priors aproximados, não como fatos.
Um modelo é um ponto de partida para pensar, não um substituto para o pensamento. A matemática diz o que geralmente acontece; as notícias dizem se o "geralmente" vale hoje.
Leitura relacionada: Poisson vs Dixon-Coles: Onde a Diferença Realmente Importa · Gols esperados (xG) explicados: o que o número realmente significa