A distribuição de Poisson é um modelo matemático usado para estimar a probabilidade de um time marcar um determinado número de gols em uma partida, com base na média histórica de gols que esse time costuma fazer. Aplicada ao futebol, ela permite transformar estatísticas de desempenho em probabilidades de placar — e é uma das ferramentas quantitativas mais conhecidas entre apostadores que buscam uma abordagem analítica. Este guia explica como o modelo funciona, como aplicá-lo passo a passo e quais são seus limites.
O que é a distribuição de Poisson
A distribuição de Poisson é uma fórmula da estatística que responde à seguinte pergunta: se um evento ocorre em média λ (lambda) vezes em um período, qual é a probabilidade de ele ocorrer exatamente k vezes nesse mesmo período?
No futebol, o "evento" é o gol e o "período" é a partida de 90 minutos. Se um time marca, em média, 1,4 gols por jogo, a distribuição de Poisson calcula a chance de ele marcar 0, 1, 2, 3 ou mais gols em uma partida específica. A fórmula é:
- P(k) = (e−λ × λk) ÷ k!
Onde e é a constante matemática aproximada de 2,718, λ é a média esperada de gols e k! é o fatorial de k (por exemplo, 3! = 3 × 2 × 1 = 6). Parece intimidador, mas a lógica por trás é simples: gols em futebol são eventos relativamente raros, independentes entre si e distribuídos ao longo do tempo — características que tornam Poisson um modelo adequado.
Por que o futebol se encaixa nesse modelo
A distribuição de Poisson funciona bem quando os eventos são independentes e a taxa média é estável. O futebol não é perfeito nesse sentido — um time que leva um gol pode mudar de postura, e a taxa de gols pode acelerar nos minutos finais —, mas, na prática, o modelo oferece uma aproximação útil para o número total de gols por jogo.
Estudos acadêmicos sobre futebol mostram que a distribuição de gols por partida segue de perto o padrão previsto por Poisson, especialmente quando se analisa um grande volume de jogos. Essa aderência ao modelo é o motivo pelo qual ele se tornou popular entre analistas esportivos e apostadores quantitativos.
Passo 1 — Calcular a força de ataque e defesa de cada time
Antes de aplicar a fórmula, é preciso estimar quantos gols cada time provavelmente marcará. O método mais comum é o seguinte:
- Média de gols marcados pelo time A em casa ÷ Média de gols marcados por todos os times em casa na liga
- Média de gols sofridos pelo time B fora de casa ÷ Média de gols sofridos por todos os times fora na liga
Esses dois índices se multiplicam pela média geral de gols da liga para chegar ao valor de λ esperado para o time A naquele jogo. O mesmo raciocínio se aplica ao time B, só que invertendo os papéis (ataque fora × defesa em casa).
Exemplo ilustrativo (todos os números são fictícios):
- Média de gols em casa na liga: 1,5 por jogo
- Time A marca, em média, 1,8 gols em casa → força de ataque: 1,8 ÷ 1,5 = 1,20
- Time B sofre, em média, 1,6 gols fora → fraqueza defensiva: 1,6 ÷ média de gols sofridos fora (1,2) = 1,33
- λ esperado para o time A: 1,20 × 1,33 × 1,5 ≈ 2,39 gols
Com esse λ, aplica-se a fórmula de Poisson para descobrir a probabilidade de o time A marcar 0, 1, 2, 3 gols etc.
Passo 2 — Aplicar a fórmula e montar a tabela de probabilidades
Com o λ calculado para cada time, é hora de usar a fórmula. Usando o exemplo acima (λ = 2,39 para o time A):
- P(0 gols): e−2,39 × 2,390 ÷ 0! ≈ 0,091 → cerca de 9,1%
- P(1 gol): e−2,39 × 2,391 ÷ 1! ≈ 0,218 → cerca de 21,8%
- P(2 gols): ≈ 0,260 → cerca de 26,0%
- P(3 gols): ≈ 0,207 → cerca de 20,7%
- P(4 gols): ≈ 0,124 → cerca de 12,4%
O mesmo cálculo é feito para o time B, com o seu próprio λ. Em seguida, monta-se uma matriz de probabilidades de placares.
Passo 3 — Construir a matriz de placares
A matriz cruza as probabilidades dos dois times. Para calcular a chance de um placar específico — digamos, 2×1 para o time A —, multiplica-se a probabilidade de o time A marcar 2 gols pela probabilidade de o time B marcar 1 gol.
Isso porque, no modelo de Poisson, os gols dos dois times são tratados como eventos independentes. Uma tabela simples ficaria assim (valores completamente ilustrativos):
- P(time A = 2) × P(time B = 1) → probabilidade do placar 2×1
- P(time A = 1) × P(time B = 1) → probabilidade do empate 1×1
- P(time A = 0) × P(time B = 0) → probabilidade do 0×0
Somando todas as células em que o time A marcou mais do que o time B, obtém-se a probabilidade de vitória do time A. O mesmo para empate e vitória do time B. É dessa forma que o modelo transforma estatísticas brutas em probabilidades de resultado final.
Como usar essas probabilidades para avaliar apostas
O objetivo de calcular probabilidades não é garantir resultados — é comparar a estimativa do modelo com as odds oferecidas pelas casas de apostas. Se o modelo indica que o time A tem 35% de chance de vencer (probabilidade implícita de 1/0,35 ≈ odd 2,86) e a casa oferece odd 3,20, existe uma possível diferença favorável ao apostador — o chamado value (valor esperado positivo).
É fundamental entender que probabilidade não é certeza. Um evento com 35% de chance ocorre apenas 35 vezes a cada 100, em média. Apostar com base em Poisson não elimina perdas; auxilia a tomar decisões mais informadas ao longo do tempo, desde que o modelo seja calibrado corretamente.
Apostas envolvem risco real de perda financeira. O modelo matemático não muda esse fato. Jogue com responsabilidade, apenas com o que pode perder, e somente se tiver 18 anos ou mais.
Limitações do modelo de Poisson no futebol
Honestidade intelectual é parte essencial do uso de qualquer modelo estatístico. Poisson tem limitações importantes no futebol:
- Independência dos gols: o modelo assume que cada gol não afeta a probabilidade do próximo. Na realidade, um gol pode mudar a estratégia das equipes, acelerando ou reduzindo o ritmo de ataque.
- Inflação de empates: Poisson tende a subestimar a frequência de empates, especialmente em 0×0. Existem modelos corrigidos (como o ajuste de Dixon-Coles) que tentam compensar esse desvio.
- Dados históricos desatualizados: o modelo é tão bom quanto os dados que o alimentam. Lesões, suspensões, mudanças de treinador e motivação — como um time já classificado ou rebaixado — não são capturados automaticamente pelas médias históricas.
- Jogos especiais: clássicos, finais e partidas com alto apelo emocional frequentemente fogem dos padrões históricos.
- Efeito de casa: o modelo tenta capturá-lo, mas o fator psicológico do torcedor, o deslocamento do time visitante e condições de campo variam além do que a média reflete.
Por isso, analistas experientes usam Poisson como ponto de partida, não como resposta final. Ele é complementado com análise qualitativa, dados de desempenho recente e outras métricas avançadas.
Variações e refinamentos do modelo base
O modelo puro de Poisson pode ser aprimorado de várias formas:
- Poisson bivariado: introduz uma correlação entre os gols dos dois times, reduzindo a subestimação de empates baixos.
- Ajuste de Dixon-Coles: corrige especificamente os placares mais baixos (0×0, 1×0, 0×1, 1×1), que aparecem com mais frequência do que o modelo puro prevê.
- Ponderação temporal: dar mais peso a jogos recentes do que a partidas de muitos meses atrás, tornando o λ mais sensível à forma atual da equipe.
- Inclusão de Expected Goals (xG): substituir a média de gols marcados pelo xG médio do time torna o λ mais preciso, pois xG captura a qualidade das chances criadas, não apenas os gols convertidos — que têm componente de sorte.
Ferramentas para aplicar o modelo na prática
Não é necessário calcular tudo à mão. Planilhas eletrônicas (como Excel ou Google Sheets) possuem funções nativas de distribuição de Poisson — geralmente chamadas de POISSON.DIST ou equivalente — que calculam P(k) automaticamente quando se inserem λ e k. Com uma planilha básica, é possível montar a matriz de placares completa em poucos minutos.
O passo mais trabalhoso — e mais importante — é coletar e organizar os dados históricos de gols marcados e sofridos por cada time, separando resultados em casa dos resultados fora. A qualidade dessa base de dados determina diretamente a qualidade das previsões.
Resumo prático
A distribuição de Poisson aplicada ao futebol segue uma lógica clara: calcular a força ofensiva e defensiva relativa de cada time, estimar quantos gols cada um deve marcar em média (λ), e usar a fórmula para transformar essa média em probabilidades de cada placar possível. A matriz resultante permite estimar chances de vitória, empate e mercados específicos como "ambos marcam" ou "over/under". O modelo é uma base sólida, mas não uma bola de cristal — suas limitações são conhecidas e precisam ser levadas em conta em qualquer análise séria.