Qué hace MDH

La misión de MDH es enriquecer la historia de los clubes y las ligas del fútbol con una visión distinta del pasado y la actualidad.

Para los aficionados al fútbol, existen infinidad de revistas, diarios y sitios especializados en brindar material e información de todo tipo sobre la actualidad e historia del fútbol. Sin embargo, la información sobre actualidad tiende a repetirse: Posiciones, posibles transferencias en el mercado de pases, declaraciones rutinarias de los jugadores estrella y análisis muy básicos de las posibilidades de los diferentes equipos. Respecto a la historia, la pobreza de artículos originales es aún más llamativa. Más allá de la cantidad de títulos por club, un puñado de jugadores de elite y algún que otro dato suelto del pasado, es muy poco el aporte que desde dichas fuentes se hace respecto a la historia del fútbol.

Memoria del Hincha (MdH) intenta rescatar una manera distinta de ver la actualidad y de revisar la historia del fútbol.  A MdH le interesa interpretar el sentimiento íntimo de los simpatizantes de cada club, tanto en el presente como aquellos recuerdos que atesoran en su memoria.

Para interpretar la realidad, MdH desarrolló el modelo que calcula las probabilidades de salir campeón, descender o clasificar a las copas para cada equipo en las distintas ligas.

Para recordar aquellas campañas inolvidables, por lo bueno y por lo malo, MdH incorpora secciones como la de Descensos Polémicos, Equipos Protagonistas y DTs Descendidos, entre otras notas originales de producción propia.  Por el momento, estas notas abarcan exclusivamente la historia del fútbol argentino de Primera División, dado el origen de los fundadores de MdH.

Modelos de Probabilidad

1) Modelo de probabilidad matemática

El modelo de probabilidad matemática trabaja a través de lo que se conoce como una simulación de Montecarlo.  El modelo consiste en simular el resultado para cada uno de los partidos que restan jugarse del torneo, dando igual ponderación (o sea 1/3 o un 33,3% de probabilidad) al triunfo del equipo local, al empate, o al triunfo del equipo visitante.

Esta simulación se hace para todos los partidos que restan jugarse.  Es decir que antes de comenzar el torneo se hace con todos los partidos del campeonato.  Al finalizar la 1° fecha, se simulan los resultados de todos los partidos desde la 2° fecha hasta la última fecha, y así sucesivamente[1].

Siendo más específicos, la simulación del resultado de cada partido se hace mediante una función de Microsoft Excel denominada “ALEATORIO.ENTRE” o “RANDBETWEEN” en su versión en inglés.  Para cada partido pendiente se corre dicha función utilizando la ponderación indicada del 33% hasta completar todos los partidos pendientes del campeonato.  En ese momento se puede completar una primera simulación de la tabla de posiciones, la tabla de promedios, etc. del campeonato en cuestión, pudiendo determinarse el campeón, los descendidos, los clasificados a las Copas, etc. según los resultados de los partidos simulados aleatoriamente.

Este proceso de simular los resultados de cada uno de los partidos pendientes se realiza 10.000 veces[2], es decir, se generan 10.000 posibles desenlaces del torneo en base a las posiciones actuales y la simulación de los partidos restantes.  Una vez simulados los 10.000 posibles torneos, la probabilidad de cada evento (ej. que Racing salga campeón) resultará de contar la cantidad de torneos en los que Racing termina primero (ej. 6.630 casos en la edición del torneo 2018/19 al 11/12/18) y dividir ese número por 10.000, resultando el porcentaje de probabilidad matemática (66,3% en el ejemplo elegido).  Esto implica que de los 10.000 desenlaces simulados para el torneo, en 6.630 de ellos el campeón resultó ser Racing y en 3.370 (33,7%) el primero terminó siendo otro equipo.

Como la simulación del resultado es aleatoria (33% de probabilidad de triunfo local, empate o visitante), el resultado al medir las probabilidades matemáticas depende básicamente de:

  • La ubicación actual de los equipos en la tabla que se trate (Posiciones, Promedios): Cuanto mejor le vaya a un equipo en las Posiciones, mayor será su probabilidad matemática de salir campeón. Cuanto peor esté en la tabla de los Promedios, mayor será su probabilidad matemática de descender.
  • La cantidad de partidos que restan jugarse. Cuánto menos fechas resten jugarse, mayor será la probabilidad de salir campeón para quienes estén en los primeros puestos.
  • Los cruces directos entre equipos involucrados en la pelea: Un equipo que llega 2° a la última fecha a dos puntos del puntero, tendrá mayores chances de salir campeón si en la última fecha juega con el puntero (en concreto, un 33,3% de probabilidad, que corresponde a ganar dicho partido), que si jugara con cualquier otro equipo (en cuyo caso la probabilidad sería tan solo del 16,7% ya que no solo debería ganar su partido sino esperar que el puntero pierda o empate).
  • Cuanto más avanzado esté el torneo, más relevante es la existencia de cruces directos entre equipos que pelean por el mismo objetivo, para achicar la diferencia entre las probabilidades de ambos.

Limitaciones del modelo:

  1. No tiene en cuenta la fortaleza relativa o actualidad de los equipos.
  2. No considera la condición de localía al simular los resultados de los partidos.

Más allá de estas limitaciones, lo que el modelo de probabilidad matemática busca traducir es una tabla de posiciones indicando cuan cerca o lejos está cada equipo de salir campeón o de descender, en base a la campaña realizada hasta ahora, y sin tener en cuenta qué equipo es y contra qué rivales y en qué condición le resta jugar.

Muchas veces se indica que un equipo “matemáticamente” puede alcanzar un objetivo, lo que este modelo busca es ofrecer permanentemente (al comienzo del campeonato o en las últimas fechas) cuál es esa probabilidad o esperanza matemática para el objetivo que se desee medir.

Otras ventajas del modelo es que permite comparar las probabilidades que tenía un equipo a lo largo de las fechas o incluso entre distintos torneos.

Además, el modelo considera los partidos pendientes que un equipo pueda tener (ej. River y Boca en el torneo 2018/19 al momento de disputar la final de la Copa Libertadores), es decir, se considera la distinta cantidad de partidos jugados por los equipos ya que se simulan todos los partidos por jugarse, obteniéndose una medida (la probabilidad matemática) uniforme que puede compararse con la de los demás equipos sin importar que la cantidad de partidos jugados sea distinta.

Finalmente, para aquellas ligas donde el descenso se determina por promedio (ej. Argentina), la probabilidad matemática de descender es una medida homogénea para comparar la situación entre equipos que dividen por distinta cantidad de partidos jugados en las últimas 3 temporadas.