El modelo
Cómo generamos, evaluamos y mejoramos las probabilidades cuantitativas.
Versión actual: poisson_v1.0
Probabilidad
Cómo estimamos.
Cada probabilidad publicada por The Edge House es el resultado de un modelo estadístico de Poisson sobre goles por equipo que combina:
- ›Historial de goles del equipo: goles a favor y en contra por partido en temporadas recientes de la misma liga, con menos peso para las temporadas más antiguas.
- ›Fortaleza defensiva del rival: el ataque de cada equipo se combina con qué tan permisiva es la defensa del rival.
- ›Ventaja de local y nivel de la liga: cada liga usa su propio promedio de goles, más una ventaja para el equipo local.
- ›Contracción hacia la media: cuando un equipo tiene pocos partidos, su estimación se acerca al promedio de la liga para evitar sobreajuste.
El resultado es una probabilidad calibrada entre 0 y 1 que responde a la pregunta: ¿qué tan probable es que este evento ocurra?
Evidencia
Cómo evaluamos.
Cada predicción publicada se almacena permanentemente junto con:
- ›Partido (equipos y fecha).
- ›Mercado evaluado (1X2, más/menos goles o ambos anotan).
- ›Probabilidad publicada con fecha y hora de publicación.
- ›Versión del modelo que la generó.
- ›Resultado real del partido una vez disputado.
- ›Métricas de desempeño derivadas del resultado.
Este histórico crece con cada jornada. Es el activo más valioso de la plataforma: nos permite medir calibración (¿cuando decimos 70%, acertamos el 70% de las veces?) y detectar sesgos sistemáticos del modelo.
Todas las métricas son públicas en la página de Track Record.
Evolución
Cómo mejoramos el modelo.
El modelo no aprende automáticamente después de cada partido. Evoluciona por versiones utilizando evidencia acumulada:
Cada nueva versión requiere aprobación humana explícita y pruebas retrospectivas (backtest) rigurosas contra el histórico. Ninguna decisión automática. Ningún ajuste manual sin evidencia estadística.
La filosofía es simple: las probabilidades cuantitativas son un producto de largo plazo. Se perfeccionan con evidencia acumulada, no con ajustes impulsivos.
Sigue la evolución del modelo
Regístrate gratis para recibir cada actualización, incluyendo cambios de versión y análisis de rendimiento.