Juan Diego Fernández Garcı́a

Modelos probabilı́sticos para

la estimación de resultados
deportivos
Probabilistic models for the estimation of sport
score

Trabajo Fin de Grado

Grado en Matemáticas
La Laguna, Julio de 2019

Dirigido por
Carlos M. González Alcón
Carlos M. González Alcón
Estadı́stica e investigación operativa
Universidad de La Laguna
38200 La Laguna, Tenerife
Agradecimientos

A todos los profesores y compañeros de los que he podido aprender cosas a lo

largo del grado.

Juan Diego Fernández Garcı́a

La Laguna, July 10, 2019
Resumen · Abstract

Resumen
En este trabajo se presentarán dos modelos probabilı́sticos cuya prin-
cipal herramienta es la distribución de Poisson. El objetivo de estas
dos propuestas es asignar a cada partido de fútbol una distribución
de probabilidad para los posibles resultados. En la primera propuesta
asumiremos independencia entre los goles que marcarán los equipos
enfrentados. El modelo alternativo está fundamentado en la Poisson
Bivariante, que asume correlación entre el número de goles de ambos
equipos. Se analizan y comparan ambos métodos utilizando los datos
de LaLiga y La Liga Iberdrola. Propondremos también un modelo de
partido como cadena de Markov que nos permita hacer simulaciones.
En particular en la presente memoria, constarán ejemplos con datos
de LaLiga y La Liga Iberdrola 2018-19.

Palabras clave: Poisson univariada – Poisson bivariada – Re-

gresión – Lenguaje de programación R – Cadena de Markov – Matriz
estocástica – Probabilidad de transición
vi Resumen · Abstract

Abstract
This work will present two probabilistic models whose main tool is
the distribution of Poisson. The aim of these two proposals is to
assign each football match a probability distribution for the possible
outcomes. In the first proposal we will assume independence among
the goals that will mark the opposing teams. The alternative model
is based on the bivariate Poisson, which assumes correlation between
the number of goals of both teams. Both methods are analyzed and
compared using data from LaLiga and La Liga Iberdrola. We will
also propose a party model as a Markov chain that allows us to do
simulations. In particular in this report, examples with data from
LaLiga and La Liga Iberdrola 2018-19 will be included.

Keywords: Univariate Poisson – bivariate Poisson – Regression

– Programming Language R – Markov Chain – Stochastic Matrix –
Transition Probability
Contenido

Agradecimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii

Resumen/Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v

Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix

1 Modelos basados en la distribución de Poisson . . . . . . . . . . . . . . . 1

1.1 Marco teórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 La poisson univariada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 La poisson bidimensional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.3 Modelo de Regresión de Poisson . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.4 Regresión de Poisson bidimensional . . . . . . . . . . . . . . . . . . . . 4
1.1.5 Paquete estadı́stico de R: bivpois y la función lm.bp . . . . . 5
1.2 Modelos propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1 Modelo de Poisson en una variable . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Modelo Poisson bivariante: Karlis y Ntzoufas (2003) . . . . . 10
1.3 Análisis de la calidad de los modelos . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.3.1 Calidad del modelo de Poisson en una variable . . . . . . . . . . 25
1.3.2 Calidad del modelo de Karlis y Ntzoufras (2003) . . . . . . . . 27

2 Cadenas de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1 Marco teórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.1 Nociones básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.2 Probabilidades de transición . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.3 Tipos de probabilidades en una cadena de Markov . . . . . . . 34
2.1.4 Tipos de estado en una cadena de Markov . . . . . . . . . . . . . . 35
2.1.5 Clasificación de cadenas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2 Modelos propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2.1 Cadena de los 6 estados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
viii Contenido

2.2.2 Cadena de los 4 estados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

Bibliografı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

Poster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Introducción

Si queremos considerar algún deporte como universal, este es el fútbol. Nuestro

primer objetivo es desarrollar un modelo probabilı́stico con el fin de predecir re-
sultados en deportes en los que se enfrentan dos partes. Pueden ser individuales
o por equipos, donde la victoria se decide mediante tanteo.

Hemos investigado acerca de posibles modelos que estimen la probabilidad de

un partido de fútbol, nos encontramos artı́culos donde la herramienta princi-
pal es la distribución de Poisson, en la mayorı́a de casos univariante. En los
primeros meses de iniciar este proyecto, nos cuestionábamos si en general habı́a
correlación entre los goles que marcan uno y otro equipo , para poder comprobar
este punto necesitarı́amos datos de bastantes enfrentamientos entre dos mismos
equipos temporalmente no demasiado lejanos, cosa que no suele ser posible. De
esta forma tomamos la decisión de plantear dos modelos, en uno considerando
independencia y otro considerando correlación, con ambos haremos el mismo
trabajo de la forma que veremos en esta memoria y finalmente veremos si hay
diferencias significativas en los dos modelos aplicados.

En cuanto a modelos bivariantes, son muy útiles cuando se asume que existe
correlación entre las dos variables. Lamentablemente la literatura sobre tales
modelos es escasa debido a problemas computacionales complicados en su puesta
en práctica. Los modelos en los que se usa la Poisson bivariante pueden ser am-
pliados para tener covariables en cuenta, se utiliza la regresión para estimar los
parámetros necesarios de la Poisson bivariante.

En la parte final del trabajo haremos uso de cadenas de Markov para simu-
lar el desarrollo y resultado de un partido, cuyos parámetros de entrada pueden
ser obtenidos a partir de los diferentes enfoques presentados anteriormente.
x Introducción

Los modelos desarrollados se han probado con los datos proporcionados por
la primera vuelta de LaLiga y La Liga Iberdrola. Los métodos se han imple-
mentado con ayuda del lenguaje de programación R, ası́ como la elaboración de
ejemplos y gráficas.
1
Modelos basados en la distribución de Poisson

1.1 Marco teórico

1.1.1 La poisson univariada

Sea X una variable aleatoria discreta, esta sigue una distribución de Poisson de
parámetro λ cuando su función de probabilidad viene dada por:

e−λ λx
f (x) = P (X = x) = , con x = 0, 1, 2, 3 . . .
x!

Una posible interpretación de la distribución de Poisson es tomarla como una

distribución de probabilidad discreta que expresa la probabilidad de que suceda
un determinado número de eventos durante cierto periodo de tiempo.
Proposición 1.1. La media y la varianza son iguales a su parámetro, E(X) =
λ = V ar(X).

Proposición 1.2. Las probabilidades aumentan hasta el mayor entero menor

que λ, a partir de entonces, disminuyen.

1.1.2 La poisson bidimensional

Sean Xk , tal que k = 1, 2, 3. Estas son variables aleatorias independientes, cada

una de ellas tiene asignado un parámetro correspondiente λk positivo.

Se consideran ahora dos nuevas variables aleatorias, suma cada una de dos de
las anteriores X = X1 + X3 , Y = X2 + X3 .
2 1 Modelos basados en la distribución de Poisson

Proposición 1.3. Decimos que (X, Y ) sigue una distribución de Poisson bidi-
mensional BP (λ1 , λ2 , λ3 ) si su función de probabilidad es la siguiente:

min(x,y)     k
λx1 λy2 X x y λ3
fBP (x, y) = P (X = x, Y = y) = e−(λ1 +λ2 +λ3 ) k!
x! y! k k λ1 λ2
k=0

x, y = 0, 1, 2 . . .
Por separado, cada una de las variables aleatorias sigue una distribución de Pois-
son unidimensional de parámetros λ1 + λ3 y λ2 + λ3 .

Proposición 1.4. Dada una Poisson bivariante (X, Y ) de parámetros λ1 , λ2 , λ3

tenemos que:
E(X) = λ1 + λ3
E(Y ) = λ2 + λ3
Cov(X, Y ) = λ3 .
Como consecuencia de esta última, λ3 es una medida de dependencia entre X e
Y.

Nos encontramos ante dos escenarios posibles:

En primer lugar el caso en el que λ3 = 0, por consiguiente X e Y son inde-

pendientes, de tal forma que este caso queda reducido a dos distribuciones de
Poisson univariantes.

La alternativa es que estemos ante λ3 > 0, donde debemos aplicar un modelo de

Poisson Bivariado.

Estudiaremos primero el caso λ3 = 0.

1.1.3 Modelo de Regresión de Poisson

El objetivo es modelizar una cantidad discreta usando la distribución de Poisson

para estudiar si ciertas variables explicativas influyen en la variable respuesta y
cómo lo hacen.

La variable discreta en este caso es el número de goles de un partido de

fútbol. Entonces consideraremos nuestra variable respuesta N G=Número de
 1.1 Marco teórico 3

goles= 0, 1, 2... y estudiaremos su relación con V E=Variables explicativas.

Planteamos el siguiente modelo:

λ(x) = E(N G|V E = x) x ∈ V E,

esto es, la media de goles condicionado a cierta variable explicativa x.

Se tiene que N G ≥ 0, luego no procede usar un modelo lineal directo, debe-

mos usar una función como enlace con dominio (0, ∞), de modo que usaremos
la función logaritmo. Tendrı́amos que:

g(λ(x, β)) = x0 β,

donde x0 β denota el producto escalar del vector de variables explicativas y el

vector de parámetros. Para que exista un intercepto consideraremos una primera
variable explicativa con valor 1. Se toma g(r) = log(r) con r ∈ (0, ∞) para que
la función de regresión final sea
0
λ(x, β) = ex β .

Los parámetros de este modelo son los siguientes:

Exponencial del intercepto: Valor esperado de la respuesta cuando las vari-
ables explicativas numéricas valen 0.

Exponenciales de los coeficientes de las variables: tasas de incremento de

la respuesta esperada en la variable (si es cuantitativa) o en la categorı́a (si
es cualitativa).

El siguiente resultado afirma que si una componente de una variable explicativa

aumenta n unidades, entonces la media en la variable de Poisson se eleva a n.
Proposición 1.5.

λ((x1 , . . . , xj + n, . . . , xp ), β) exp(β0 + x1 β1 + · · · + (xj + n)βj + · · · + xp βp )

= = enβj .
λ((x1 , . . . , xj , . . . , xp ), β) exp(β0 + x1 β1 + · · · + xj βj + · · · + xp βp )

Proposición 1.6. Sea (V E1 , N G1 ), (V E2 , N G2 ), . . . , (V En , N Gn ) una muestra

aleatoria simple de (V E, N G), entonces N Gi ∼ P oisson(λ(V Ei , β)) donde
0
λ(x, β) = ex β .
4 1 Modelos basados en la distribución de Poisson

Estimación de los parámetros del modelo

Usaremos la función de máxima verosimilitud, que en términos de β tiene la

siguiente forma:
Yn
λ(xi , β)yi
L(β) = e−λ(xi ,β) ,
i=1
yi !
cuyo logaritmo neperiano es:
n
X 0
0
ln(L(β)) = yi xi β − exi β .
i=1

Si derivamos la función respecto a β e igualamos a 0 obtenemos las ecuaciones

de verosimilitud:
Xn
∂(β) 0
=− xi xi λ(xi , β).
∂β i=1

Los estimadores de máxima verosimilitud son asintóticamente normales y cen-

trados y su matriz de varianzas-covarianzas es precisamente la matriz hessiana
cambiada de signo, esto es, la inversa de la matriz de información.

Como consecuencia podremos hacer inferencia sobre los parámetros del modelo.
Sin embargo, no usaremos este modelo, sino el de la Poisson bidimensional, con-
cretramente el desarrollado por Karlis y Ntzoufras (2003). Donde asumiremos
dependencia entre las variables.

1.1.4 Regresión de Poisson bidimensional

Vamos a considerar un caso en general, donde que wki representa el valor de

las variables explicativas usada en el modelo λki . Mientras que βk (k = 1, 2, 3)
representa el vector de coeficientes de regresión.

Utilizaremos la notación (GL, GV ) para la variable respuesta, ası́ como W para

la variable explicativa. La adaptación al modelo a la forma bivariante es la si-
guiente para la obsevación i-ésima.

(GLi , GVi ) ∼ BP (λ1i , λ2i , λ3i ),

donde
0
log(λ1i ) = w1i β1
0
log(λ2i ) = w2i β2
 1.1 Marco teórico 5

0
log(λ3i ) = w3i β3 .

Usaremos modelos con λ3 constante, esto es, sin covariables sobre λ3 para una
interpretación más sencilla de los mismos.

Este modelo es iterativo, el método que utilizaremos para cada uno de los pasos
i será el algoritmo EM que introduciremos a continuación.

Algoritmo EM

Las siglas que dan nombre a este algoritmo significan “Esperanza” y “Maxi-
mizar”. Este método generalmente se utiliza para estimar valores ausentes en
problemas de análisis multivariante. En resumen consiste en aumentar la mues-
tra (datos observados) con algunos datos no observados para maximizar la ve-
rosimilitud de manera más sencilla. El algoritmo consta de dos pasos llamados
“Paso E” y “Paso M”.

Paso E: Sea un estimador inicial de los parámetros, calculamos la esperanza

de las funciones de los valores ausentes que sin embargo sı́ estan presentes en la
verosimilitud completa o aumentada. Dicha esperanza se calcula con respecto a
la distribución de los valores ausentes dados en los valores observados y también
respecto a las estimaciones iniciales. Cuando la verosimilitud completa es una
función lineal de los valores ausentes, entonces se sustituyen estos por las espe-
ranzas condicionadas a los valores observados y a los parámetros estimados.

Paso M: Dada la función lineal obtenida en el proceso anterior, ahora el ob-

jetivo es maximizar la verosimilitud. Veremos esto de manera más clara en la
aplicación del modelo.

Con el valor obtenido en el paso M terminarı́amos una iteración. Para la si-

guiente volverı́amos al paso E y repetimos el proceso hasta tener una diferencia
considerablemente pequeña.

1.1.5 Paquete estadı́stico de R: bivpois y la función lm.bp

Para implementar en R el modelo de regresión bivariante junto con el algoritmo

EM vistos anteriormente, los propios creadores, Karlis y Ntzoufras, crearon un
paquete en dicho lenguaje de programación. El nombre del paquete es bivpois
y puede obtenerse en la dirección. http://www2.stat-athens.aueb.gr/~jbn/
papers/paper14.htm. Además del paquete, los fundamentos teóricos se pueden
encontrar en el artı́culo de los mismos autores. “Bivariate Poisson and Diagonal
6 1 Modelos basados en la distribución de Poisson

Inflated Bivariate Poisson Regression Models in R” [2].

La función que utilizaremos es lm.bp , que tiene los siguientes argumentos:

lm.bp( l1, l2, l1l2=NULL, l3= 1, data, common.intercept=
FALSE, zeroL3=FALSE, maxit=300, pres=1e-8,
verbose=getOption(“verbose”) )

l1 =fórmula de la forma x ∼ X1 + · · · + Xp para los parámetros de log(λ1 ).

l2 =fórmula de la forma y ∼ X1 + · · · + Xp para los parámetros de log(λ2 ).

l1l2 =fórmula de la forma ∼ X1 + · · · + Xp para los parámetros comunes de

log(λ1 ) y log(λ2 ). Si l1 o l2 contiene a la variable explicativa entonces el modelo
ajusta la interacción entre los parámetros.

l3 =fórmula de la forma ∼ X1 + · · · + Xp para los parámetros de log(λ3 ).

data: fichero de datos que almacena las variables del modelo.

common.intercept: es una función de decisión que devuelve TRUE si hay in-

tercepto entre λ1 y λ2 y FALSE (que es su valor por defecto) en otro caso.

zeroL3 : función de decisión, dictamina si λ3 = 0. Por defecto tiene el valor

FALSE

maxit: representa el número máximo de iteraciones, que por defecto es 300.

pres: precisión usada por el algoritmo EM Ası́ la regla de parada será cuando la
verosimilitud relativa sea menor que esta precisión.

verbose: es un argumento lógico, TRUE representa que los βi deben calcularse

mientras se ejecuta el EM. FALSE (por defecto) en caso contario. En este último
caso solo se llevan a cabo el número de iteraciones el logaritmo de verosimilitud
y la diferencia relativa de iteraciones previas.

El objetivo de la función es dar un objeto lista con información sobre el ajuste

del modelo de regresión bivariante enunciado en secciones anteriores:

(GLi , GVi ) ∼ BP (λ1i , λ2i , λ3i ),

donde
0
log(λ1i ) = w1i β1
0
log(λ2i ) = w2i β2
 1.2 Modelos propuestos 7

0
log(λ3i ) = w3i β3 .

Siendo i = 1, . . . , n con n el tamaño de la muestra. λk = (λk1 , λk2 , . . . , λkn )

con k = 1, 2, 3 son vectores de longitud n con la λ estimada en cada observación.
w1 y w2 son matrices n × p con la información de las variables explicativas de
λ1 y λ2 . Análogamente w3 es otra matriz que lleva la información de λ3 , en este
caso de dimensión n × p. Finalmente, los βk (k = 1, 2, 3) son los vectores de los
parámetros usados para predecir los λk correspondientes.

Valores obtenidos

A continuación listaremos las componentes resultantes de aplicar la función

lm.bp:

coefficients: Estimación de los parámetros para λk k = 1, 2, 3. Si se usa un

factor, se obtienen estimadores según la codificación empleada.

fitted.values: Matriz n × 2 con los valores ajustados para x e y siendo n el

número de observaciones, esto es λ1 + λ3 y λ2 + λ3 respectivamente.

residuals: Matriz n×2 con los residuos del modelo para x e y. En este caso vienen
dados por x − E(x) e y − E(y), recordando que E(x) = λ1 + λ3 y E(y) = λ2 + λ3 .

betak (k = 1, 2, 3): Vectores que contienen los coeficientes implicados en pre-

decir linealmente λk k = 1, 2, 3. Si zeroL3=TRUE el β3 no se calcula.

λk k = 1, 2, 3: Vectores que contienen la estimación para cada k. Si ze-

roL3=TRUE el λ3 toma el valor 0 y por tanto no es necesario mostrarlo.

loglikelihood : Vector que muesta la evolución del logaritmo de verosimilitud en

cada paso del algoritmo EM

parameters: cantidad de parámetros.

iterations: cantidad de iteraciones.

1.2 Modelos propuestos

En esta sección propondremos un modelo sencillo que sólo utiliza distribuciones
de Poisson en una variable suponiendo independencia entre las mismas. Estas
8 1 Modelos basados en la distribución de Poisson

son los goles de cada uno de los equipos enfrentados. Luego desarrollaremos otro
modelo algo más complejo usando la Poisson Bidimensional asumiendo que hay
correlación positiva.

1.2.1 Modelo de Poisson en una variable

La distribución de Poisson permite calcular la probabilidad de cuántas veces

ocurrirá un suceso durante un tiempo determinado. En nuestro caso el obje-
tivo es que pronostique el número de goles en un partido completo. A partir de
aquı́, con este modelo podremos calcular probabilidades para un partido de la
temporada siguiente a la que hemos tomado los datos. Usaremos el modelo del
Quinigol, que es un tipo de apuesta deportiva. En el boleto hay 6 partidos de
primera división y el objetivo es acertar el máximo número de resultados posi-
bles. Para cada resultado se puede elegir los valores 0, 1, 2 o M, significando este
último más de tres goles.

Como estamos utilizando la distribución de Poisson en una variable asumimos

independencia entre las variables goles local y goles visitante. Por tanto la res-
olución que proponemos consiste en dar una Poisson para cada uno de los 20
equipos, cuyo parámetro λ se traduce como la media de goles de dicho equipo la
temporada anterior. La probabilidad de que un partido quede con el resultado
i − j con i, j = 0, 1, 2, M . Será P (goles local=i) · P (goles visitante=j).

Como datos usaremos los resultados de los partidos de la primera vuelta de

la primera división española, esto es la mitad de una liga. Con esta información
podemos ver cuál es la media de goles de cada equipo en la primera vuelta, dato
que utilizaremos como parámetro de la distribución de Poisson que empleare-
mos para cada equipo. Esto es λi = GF 19 . Queda la siguiente tabla en la que los
i

equipos están ordenados por posición se lee de arriba a abajo cada una de las
columnas empezando por la izquierda:

Con esto podemos ver cómo se distribuye la probabilidad de los posibles resul-
tados de los partidos de la jornada 20, que es la primera de la segunda vuelta.
Para las demás jornadas tomaremos la media de los goles de los 19 partidos an-
teriores, lo correspondiente a una vuelta de LaLiga en este caso. A medida que
avance la temporada tendremos una muestra mayor, por ejemplo en la jornada
35 tendremos la media de goles de cada equipo tomada en una muestra de 34
partidos.
 1.2 Modelos propuestos 9

Equipo λ Equipo λ
Barcelona 2, 789 Valencia 0, 895
At. Madrid 1, 421 Levante 1, 579
Sevilla 1, 632 Athletic 1, 105
R. Madrid 1, 474 Valladolid 0, 895
Alavés 1, 158 Leganés 0, 895
Getafe 1, 106 Eibar 1, 105
Betis 1, 157 Celta 1, 632
R. Sociedad 1, 211 Rayo 1, 158
Girona 1, 105 Villareal 1, 053
Espanyol 1, 105 Huesca 0, 895
Tabla 1.1. Media de goles por equipos de la primera vuelta de LaLiga 18-19

Ejemplo

Ejemplo 1.7. Calcular la probabilidad del partido de la jornada 20 entre el Real

Madrid y el Sevilla basándonos en el modelo introductorio para la Poisson Uni-
variante para eñ resultados 2-0, (ayudándonos de R), aclarar que existe una
función en R llamada dpois que hace esta misma tarea, sin embargo en este
ejemplo queremos verlo con mayor detenimiento:

x=2
lambda=1.474 #media de goles del R.Madrid
prob=(exp(-lambda)*lambda^x)/factorial(x)

y=0
lambda=1.632 #media de goles del Sevilla
prob=(exp(-lambda)*lambda^y)/factorial(y)

Se ha obtenido que P (Real M adrid meta dos goles) = p(x = 2) =

0.2487797. Mientras que P (Sevilla no marque) = 0.1955381. Como hemos
asumido que son independientes P (2 − 0) = P (x = 2) ∗ P (y = 0) = 0.0486

Este modelo introductorio presenta algunas carencias, por ejemplo no tiene en

cuenta qué equipo juega en casa, esto podrı́a subsanarse considerando dos dis-
tribuciones de Poisson para cada equipo, una para cuando sea local y otra para
cuando sea visitante y en cada partido tomemos la adecuada para cada equipo.

Tampoco tiene en cuenta qué equipos se enfrentan ası́ como que asume que
las dos Poisson son independientes, es decir se asume que el número de goles
de un equipo es independiente del del contrario. Por ello en la próxima sección
10 1 Modelos basados en la distribución de Poisson

trataremos con un modelo más elaborado.

Vamos ahora a estudiar la evolución de los resultados jornada a jornada desde la

9 hasta la 19 y vamos a interesarnos principalmente en el número de aciertos en
los goles de cada equipo individualmente. En esta ocasión sı́ usaremos la función
“dpois” de R. Ahora sı́ distinguiremos local de visitante en nuestros datos.
Ejemplo 1.8. Para el partido de la jornada 9 entre Huesca y Espanyol se tiene
que:
λHuesca local = 0+0+1+0
4 = 0.25

1+1+0+2+2 6
λEspanyol visitante = 5 = 5

#La probabilidad del resultado

#que se dió en la realidad es
> dpois(0,0.25)
[1] 0.7788008
> dpois(2,1.2)
[1] 0.2168598
> dpois(0,0.25)*dpois(2,1.2)
[1] 0.1688906
#la probabilidad de goles de cada equipo se
#distribuye:
> dpois(0:10,0.25)
[1] 7.788008e-01 1.947002e-01 2.433752e-02 2.028127e-03 ...
> dpois(0:10,1.2)
[1] 3.011942e-01 3.614331e-01 2.168598e-01 8.674393e-02 ...
En esta ocasión lo más probable es que el Huesca marque 0 goles y el Espanyol
marque 1. No es muy diferente del resultado final de 0-2 donde hemos acertado
los goles del Huesca, y hemos fallado por la mı́nima los del Espanyol.

1.2.2 Modelo Poisson bivariante: Karlis y Ntzoufas (2003)

Propondremos en esta sección un nuevo modelo considerando dependencia entre

los goles marcados por cada equipo en un partido, haremos un estudio análogo
al anterior y analizaremos las diferencias.

Si GL y GV representan el marcador conseguido por cada uno de los equipos,

una interpretación natural de los parámetros de un modelo bivariado de Poisson
es que λ1 y λ2 reflejen la habilidad de marcar cada uno de los equipos y λ3
refleje las condiciones del juego (por ejemplo, la velocidad del juego, el clima o
 1.2 Modelos propuestos 11

las condiciones del estadio).

El modelo en la observación i-ésima presenta la siguiente forma:

(GLi , GVi ) ∼ BP (λ1i , λ2i , λ3i )

log(λ1i ) = µ + hom + athi + degi

log(λ2i ) = µ + atgi + dehi

log(λ3i ) = βk + σ1 β1home + σ2 βiaway

En las dos primeras ecuaciones µ es constante, hom es el parámetro que mues-

tra el efecto de jugar en casa, at y de son el rendimiento ofensivo y defensivo
respectivamente. Además g y h indican si el equipo i juega en casa en el primer
caso, o fuera en el segundo.

En la última ecuación βk es un parámetro común a todos los equipos, mientras

que β1home , βiaway son parámetros que indican si el equipo es local o visitante.
Por último σi (i = 1, 2) es un indicador binario que depende del modelo que se
considere:
Caso 1: σ1 = σ2 = 0 → Covarianza constante.
Caso 2: σ1 = 1, σ2 = 0 → La covarianza solo depende del equipo local.
Caso 3: σ1 = 0, σ2 = 1 → La covarianza solo depende del equipo visitante.
Caso 4: σ1 = σ2 = 1 → La covarianza depende de ambos equipos.

El efecto de λ3 es la forma de actuar es aditiva sobre la media marginal y

refleja las condiciones del juego.

Aplicación práctica del Algoritmo EM

En primer lugar hacemos una conversión para pasar de trabajar en tres variables
a trabajar en dos. De este modo:
(
(X1i , X2i , X3i ) →
− Xi = X1i + X3i , Yi = X2i + X3i ,

donde a la izquierda tenemos los datos observados y a la derecha los datos no

12 1 Modelos basados en la distribución de Poisson

observados. Si estos últimos están disponibles la estimación es más sencilla. El

procedimiento a seguir es ajustar los modelos de regresión de Poisson sobre X1 ,
X2 y X3 . Debemos estimar las funciones de los datos no observados por espe-
ranzas condicionadas y ajustar los modelos anteriores a los valores estimados en
el paso E.

Definimos como φ = (β10 , β20 , β30 ) el vector completo de parámetros estimados.

Ası́ el logaritmo de la ecuación de verosimilitud de los datos completos viene
dada por:
n X
X 3 n X
X 3 n X
X 3
log(φ) = − λki + xki log(λki ) − log(xki !).
i=1 k=1 i=1 k=1 i=1 k=1

Véase que el último sumando no depende de φ, de modo que en términos de

xki podemos decir que log(φ) es una función lineal en términos de xki . Entonces
el algoritmo EM procede de la siguiente manera:

Supongamos que estamos en la iteración k-ésima, entonces tendremos los va-

(k) (k) (k)
lores δ (k) , λ1i , λ2i y λ3i . Calcularemos los valores esperados de X3i aplicando
el siguiente resultado:

Proposición 1.9. Si min (xi , yi ) > 0 entonces

(k) (k) (k)
(k) fBP (xi−1 , yi−1 |λ1i , λ2i , λ3i )
si = E[X3i |Xi , Yi , δ (k) ] = λ3i (k) (k) (k)
fBP (xi , yi |λ1i , λ2i , λ3i )

Si min (xi , yi ) = 0 entonces

si = E[X3i |Xi , Yi , δ (k) ] = 0.

Implementación en R

Vamos a utilizar como ejemplo la primera vuelta de LaLiga 2018-2019. El código

en R es el siguiente:
 1.2 Modelos propuestos 13

#Primera vuelta temporada 2018/2019

datos1 = read.table("res_1_vuelta.txt",header=TRUE)
names(datos1)
attach(datos1)
datos1
levels(datos1[,3])
options(contrasts = c("contr.sum", "contr.poly"))
# Modelización de $\lambda_{1}$ y $\lambda_{2}
form1 <- ~c(team1,team2)+c(team2,team1)
# Modelo de la doble Poisson independiente
ex4.m1<-lm.bp( g1~1, g2~1, l1l2=form1, zeroL3=TRUE, data=datos1)
# Modelos de la Poisson bivariante para los diferentes casos
ex4.m2<-lm.bp(g1~1,g2~1, l1l2=form1, data=datos1)
ex4.m3<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team1, data=datos1)
ex4.m4<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team2, data=datos1)
ex4.m5<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team1+team2, data=datos1)

# Llamamos a los parámetros monitorizados por el primer modelo:

#Dbl Poisson ex4.m1$coef
# Todos los parámetros ex4.m1$beta1
# Parámetros del modelo para $\lambda1$ ex4.m1$beta2
# análogo para $\lambda_{2}
# Todos son iguales que en $\beta1$ excepto el intercepto
ex4.m1$beta2[1] # Intercepto para $\lambda_{2}$
ex4.m1$beta1[1]-ex4.m1$beta2[1] # efecto local estimado
#Coeficiente del vigésimo equipo en ataque alfabéticamente
-sum(ex4.m1$coef[2:20])
# Análogamente para el nivel defensivo(team2..team1)
-sum(ex4.m1$coef[21:39])
# mostrar los parámetros para el modelo 2 BivPoisson(lamdba1,lambda2,
constant lamdba3)
ex4.m2$beta1 # Parámetros del modelo para $\lambda1$
ex4.m2$beta2 # Análogo para $\lambda_{2}
# Todos son iguales en $\beta_{1}$ excepto el intercepto
ex4.m2$beta3 # Parámetros $\lambda_{3}
exp(ex4.m2$beta3)
ex4.m2$beta2[1] # Intercepto para $\lambda2$.
ex4.m2$beta1[1]-ex4.m2$beta2[1] # efecto jugar en casa
# Potencial atacante del vigésimo equipo (team1..team2)

-sum(ex4.m2$coef[ 2:20])
# Análogamente para el potencial defensivo (team2..team1)
-sum(ex4.m2$coef[21:39])
14 1 Modelos basados en la distribución de Poisson

names(ex4.m1)
ex4.m1$coefficients
ex4.m1$fitted.values
ex4.m1$residuals
ex4.m1$beta1
ex4.m1$beta2
ex4.m1$lambda1
ex4.m1$lambda2
ex4.m1$lambda3
ex4.m1$loglikelihood
ex4.m1$iterations
ex4.m1$parameters
ex4.m1$AIC
ex4.m1$BIC
names(ex4.m2) #Idem para ex4.m3;ex4.m4;ex4.m5;ex4.m6;ex4.m7;
ex4.m8;ex4.m9;ex4.m10;ex4.m11;ex4.m12

Con este código estimamos los parámetros del modelo de Karlis y Ntzoufras, en
la próxima sección procederemos al análisis de datos.

Análisis de datos

Vamos a proceder con el análisis de nuestros datos, esto es, la primera vuelta de
la liga 2018-19. Vamos a utilizar el código visto al final del apartado anterior e
iremos explicando el proceso computacional con más detenimiento.

Lo primero que hacemos es utilizar un fichero que contenga los resultados de

los 190 partidos de la primera vuelta de LaLiga del presente año y ası́ posibilitar
la lectura en R. Ponemos las primeras lı́neas de un fichero para hacerlo más
visual:

jornada g1 g2 team1 team2

1 0 0 GIR VLL
1 0 3 BET LEV
1 1 1 CEL ESP
1 1 2 VIL RSO
> datos1 <- read.table("LaLiga18-19.txt",header=TRUE)
Utilizaremos cinco variables que serán gl =Goles local, gv =goles visitante
team1 y team2, la unión de estas constituye nuestro conjunto de datos. Además,
 1.2 Modelos propuestos 15

las mismas serán clave en la definición de nuestras variables explicativas, que

son att y def (potencial en ataque y potencial en defensa respectivamente).
> names(datos1)
#ejecuto
[1] "g1" "g2" "team1" "team2"
> datos1
Los niveles listan los 20 equipos de la primera división durante esta tem-
porada:
> levels(datos1[,3])
[1]"Alavés" "Athletic" "AtMadrid" "Barcelona" "Eibar"
[6]"Espanyol" "Getafe" "Girona" "Leganés" "Levante"

[11]"Rayo Vallecano" "R.Betis" "R.Celta" "RMadrid"

[16]"RSociedad" "RValladolid" "S.D.Huesca" "Sevilla"
"Valencia" "Villarreal"
En este modelo se supone que att y deff para cada equipo es indepen-
diente del adversario. A continuación vamos a modelar los efectos comunes de
ataque y defensa. Lo haremos con un vector c(team1, team2) para el ataque,
y c(team2, team1) para la defensa. De este modo ya es posible modelizar λi
i = 1, 2.
form1<-c(team1,team2)+c(team2,team1)
#codif. variables explicativas
options(contrast=c("contr.sum","contr.poly"))
Ası́ se fuerza que la suma de coeficientes sea 0. Restricción de la que
hablamos en el marco teórico. La interpretación de cada coeficiente es la
desviación de la capacidad ofensiva (respectivamente defensiva) de cada equipo
respecto de las de un equipo con un potencial ofensivo (respectivamente defen-
sivo) medio.

Procede ahora ir al ajuste mediante la función lm.bp. Lo haremos para cinco

modelos. En primer lugar, el modelo de la Poisson bivariada considerando λ3 = 0,
y luego los otros cuatro modelos, cada uno de los cuales se diferencia en la forma
de tomar de λ3 , estos son: constante, dependiente del local (r. visitante) o de
ambos.

Podemos llamar a las funciones de la siguiente forma:

16 1 Modelos basados en la distribución de Poisson

ex4.m1<-lm.bp( g1~1, g2~1, l1l2=form1, zeroL3=TRUE, data=datos1)

ex4.m2<-lm.bp(g1~1,g2~1, l1l2=form1, data=datos1)
ex4.m3<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team1, data=datos1)
ex4.m4<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team2, data=datos1)
ex4.m5<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team1+team2, data=datos1)
Estas funciones nos dan una lista de valores que definimos en la sección teórica
(coefficients, fitted.values, residuals, loglikelihood, parameters, AIC BIC ...)
Destaquemos ahora los dos últimos objetos nombrados de esta lista, el crite-
rio de información de Akaike AIC y el criterio de información de Bayes. La
interpretación es sencilla, simplemente consideraremos mejores modelos los que
tengan valores de AIC y BIC más bajos.

Tomaremos el mejor modelo en términos de AIC y BIC. Para ver la aplicación

es conveniente verlo en dos ejemplos reales, estos serán la primera vuelta de La
Liga Española de primera división, tanto en la sección masculina como femenina.

En el apartado anterior hemos visto la mayor parte del código utilizado. Va-
mos a verlo aplicado a este ejemplo concreto:
#análisis de datos para la primera vuelta de LaLiga 18-19
library(bivpois)
muestra = read.table("LaLiga18-19.txt",header=TRUE)
names(muestra)
muestra
levels(muestra[,3])
options(contrasts = c("contr.sum", "contr.poly"))
# Modelización de $\lambda_{1}$ y $\lambda_{2}
form1 <- ~c(team1,team2)+c(team2,team1)
En esta primera parte del código, llamamos a la librerı́a bivpois para poder uti-
lizar sus funciones. A continuación definimos como muestra al fichero de datos
que ha sido cargado y mostramos los niveles, esto es, la nomenclatura de los
equipos en orden alfabético. Finalmente ordenamos la codificación de las vari-
ables propuesta por los autores.

# Modelo de la doble Poisson independiente

ex4.m1<-lm.bp( g1~1, g2~1, l1l2=form1, data=muestra)
# Modelos de la Poisson bivariante para los diferentes casos
ex4.m2<-lm.bp(g1~1,g2~1, l1l2=form1, data=muestra)
ex4.m3<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team1, data=muestra)
ex4.m4<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team2, data=muestra)
ex4.m5<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team1+team2, data=muestra)
 1.2 Modelos propuestos 17

# Elección del mejor modelo

ex4.m1$AIC
ex4.m1$BIC
ex4.m1$parameters
ex4.m2$AIC
ex4.m2$BIC
ex4.m2$parameters
ex4.m3$AIC
ex4.m3$BIC
ex4.m3$parameters
ex4.m4$AIC
ex4.m4$BIC
ex4.m4$parameters
ex4.m5$AIC
ex4.m5$BIC
ex4.m5$parameters
Utilizamos ahora los modelos correspondiendes a la función lm.bp perteneciente
a la librerı́a bivpois. Cada uno de los 5 que hemos cargado nos devolverá una
lista de objetos, los cuales hemos enunciado en la sección bivpois y la función
lm.bp. En particular, en este momento estamos interesados en los coeficientes
AIC y BIC y ası́ determinar el mejor modelo para la presente muestra. Este ha
sido el resultado:

Modelo AIC BIC

Doble Poisson 1092, 86 1254, 41
Poisson Bivariada 1092, 86 1254, 41
Poisson Bivariada Local 1112, 58 1348, 99
Poisson Bivariada Visitante 1113, 03 1349, 41
Poisson Bivariada Ambos 1121, 48 1432, 76
Buscamos los valores más bajos de AIC y BIC, luego el mejor modelo es el de
la Poisson Bivariada con λ3 = 0. Ası́, proseguiremos usando dicho modelo.

Una vez ejecutado el modelo tomamos el modelo de la poisson bivariante (modelo

2) con las siguientes secuencias podemos ver los objetos que nos da la funcion
lm.bp.
names(ex4.m2)
ex4.m2$coefficients
ex4.m2$fitted.values
ex4.m2$residuals
ex4.m2$beta1
18 1 Modelos basados en la distribución de Poisson

ex4.m2$beta2
ex4.m2$beta3
ex4.m2$lambda1
ex4.m2$lambda2
ex4.m2$lambda3
ex4.m2$loglikelihood
ex4.m2$iterations
Si ejecutamos las ordenes anteriores podremos ver los valores para cada equipo
de cada objeto de la lista:

Usaremos como ejemplo coefficients para hacer una observación acerca de la

codificación.
> ex4.m2$coefficients
(l1):(Intercept) (l1):team1..team21 (l1):team1..team210
-0.055030568 0.012202695 -0.115338652
Tenemos el intercepto y el coeficiente en ataque de tres equipos que podemos
reconocer gracias al dı́gito que sigue de team1..team2, en este caso son 1 y 11,
estos números se corresponden con el orden de nivel (alfabético). Es decir son el
Alavés y Girona respectivamente. También nos dan los parámetros de defensa,
veremos ahora otro fragmento para verlo en R:
(l2):team2..team12 (l2):team2..team13 (l2):team2..team14
0.021168562 -1.008673946 -0.103949969
De manera análoga a lo anterior, se tiene que este es el parámetro defensivo
de Athletic, Atlético y Barcelona. Sin embargo falta un parámetro defensivo y
ofensivo, este es el del último nivel, es decir el último equipo alfabéticamente
hablando, que es el Valladolid (codificado bajo las siglas “VLL”). Para calcular
estos coeficientes podemos utilizar que los definimos tal que la suma de todos
sea nula, tanto en ataque como en defensa. Ası́:
> -sum(ex4.m2$coef[ 2:20])
[1] -0.6356465
> # Análogamente para el potencial defensivo de dicho equipo
> -sum(ex4.m2$coef[21:39])
[1] -0.2993231
Luego ya tenemos una tabla con los potenciales ofensivos y defensivos de los 20
equipos de primera división basándonos en los datos de la primera vuelta:
 1.2 Modelos propuestos 19

Equipo Ataque Defensa

Alavés 0,01 -0,2
Athletic -0,25 0,02
Atlético 0,1 0,3
Barcelona 0,99 -0,1
Betis -0,02 0,05
Celta 0,37 0,39
Eibar -0,09 0,25
Espanyol -0,01 0,26
Getafe 0,01 -0,34
Girona -0,12 -0,01
Huesca -0,42 0,51
Leganés -0,53 -0,24
Levante 0,41 0,56
Rayo V. 0,02 0,54
Real Madrid 0,37 0,16
Real Sociedad 0,00 0,07
Sevilla 0,42 -0,11
Valencia -0,43 -0,44
Villareal -0,19 0,08
Valladolid -0.64 -0.30
Los λi i = 1, 2 han sido calculados de la forma:

log(λ1i ) = µ + hom + athi + degi

log(λ2i ) = µ + atgi + dehi

a partir de los coeficientes anteriores:

Para La Liga Iberdrola, de manera análoga elegimos el mejor modelo.

library(bivpois)
datos1 = read.table("iberdrola18-19.txt",header=TRUE)
names(datos1)
datos1
levels(datos1[,3])
options(contrasts = c("contr.sum", "contr.poly"))
# Modelización de $\lambda_{1}$ y $\lambda_{2}
form1 <- ~c(team1,team2)+c(team2,team1)
# Modelo de la doble Poisson independiente
20 1 Modelos basados en la distribución de Poisson

ex4.m1<-lm.bp( g1~1, g2~1, l1l2=form1, data=datos1)

# Modelos de la Poisson bivariante para los diferentes casos vistos
ex4.m2<-lm.bp(g1~1,g2~1, l1l2=form1, data=datos1)
ex4.m3<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team1, data=datos1)
ex4.m4<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team2, data=datos1)
ex4.m5<-lm.bp(g1~1,g2~1, l1l2=form1, l3=~team1+team2, data=datos1)
ex4.m1$AIC
ex4.m1$BIC
ex4.m1$parameters
ex4.m2$AIC
ex4.m2$BIC
ex4.m2$parameters
ex4.m3$AIC
ex4.m3$BIC
ex4.m3$parameters
ex4.m4$AIC
ex4.m4$BIC
ex4.m4$parameters
ex4.m5$AIC
ex4.m5$BIC
ex4.m5$parameters

Podemos plasmar el resultado en la siguiente tabla:

Modelo AIC BIC

Doble Poisson 732, 8 847, 67
Poisson Bivariada 732, 8 847, 7
Poisson Bivariada Local 749, 41 916, 48
Poisson Bivariada Visitante 748, 68 915, 74
Poisson Bivariada Ambos 760, 65 979, 63
De donde concluimos que los mejores modelos son el m1 y el m2. Proceder-
emos con el último. Con el siguiente código obtenemos todos los objetos de la
función lm.bp para m2.
names(ex4.m2)
ex4.m2$coefficients
ex4.m2$fitted.values
ex4.m2$residuals
ex4.m2$beta1
ex4.m2$beta2
ex4.m2$beta3
ex4.m2$lambda1
ex4.m2$lambda2
 1.2 Modelos propuestos 21

ex4.m2$lambda3
ex4.m2$loglikelihood
ex4.m2$iterations
# monitorización de parámetros para el modelo 2
ex4.m2$beta1 # Parámetros del modelo para $\lambda1$
ex4.m2$beta2 # Análogo para $\lambda_{2}
# Todos son iguales en $\beta_{1}$ excepto el intercepto
ex4.m2$beta3 # Parámetros $\lambda_{3} (En este caso solo el intercepto)
ex4.m2$lambda3
exp(ex4.m2$beta3)
ex4.m2$beta1[1]#Intercepto para $\lambda1$.
ex4.m2$beta2[1] # Intercepto para $\lambda2$.
ex4.m2$beta1[1]-ex4.m2$beta2[1] # efecto jugar en casa
# Potencial atacante del vigésimo equipo alfabéticamente
#(team1..team2)

-sum(ex4.m2$coef[ 2:16])
# Análogamente para el potencial defensivo de dicho equipo
-sum(ex4.m2$coef[17:33])
Equipo Ataque Defensa
Albacete 0,24 0,6
Athletic 0,22 -0,46
Atlético 0,9 0,64
Barcelona 0,86 -1,48
Betis 0,18 -0,12
Espanyol 0,7 0,14
Granadilla 0,07 0,3
Spo. Huelva -0,6 0,02
Levante 0,52 -0,78
Logroño -0,26 0,38
Madrid CFF -0,16 0,63
Málaga -0,62 0,54
Rayo V. -0,09 0,12
R. Sociedad 0,1 0,14
Sevilla -0,33 -0,55
Valencia -0,33 -0,17

Ejemplos

Con las tablas de Items obtenidas podemos estimar la probabilidad para un

partido de la jornada 20 de LaLiga o de la jornada 16 de La Liga Iberdrola,
en ambos casos la primera de la segunda vuelta. Para el resto del campeonato
22 1 Modelos basados en la distribución de Poisson

en ambos ámbitos habrı́a que añadir las jornadas disputadas al fichero.txt. Por
ejemplo, para un partido de la jornada 27, tendrı́amos que tener un fichero con
las 26 primeras jornadas. Los datos expuestos en este trabajo abarcan la primera
vuelta de las dos ligas mencionadas, de modo que haremos ejemplos para la jor-
nada 20 de LaLiga, y de la jornada 16 para La Liga Iberdrola.

Como tenemos un valor de λ para cada observación (partido) usaremos el más

reciente teniendo en cuenta si se juega en casa o fuera.

Implementaremos en R la función de probabilidad de la Poisson bidimensional

para hacer los cálculos, pondremos los valores numéricos de uno de los ejemplos:
lambda1=3.266
lambda2=0.738
lambda3=0.282
x=2
y=1 #estos cinco valores dependen del ejemplo dado
datos=c(lambda1,lambda2)
a=exp(-lambda1-lambda2-lambda3)*lambda1^x*lambda2^y/
factorial(x)*factorial(y)
kmin=min(x,y)
suma=0
for (k in 0:kmin) {
suma=suma+(choose(x,k)*choose(y,k)*factorial(k)*(lambda3/
(lambda1*lambda2))^k)
}
b=suma
probabilidad=a*b
Ejemplo 1.10. Para el partido de la jornada 20 de LaLiga entre el Barcelona y
el Leganés tenemos los siguiente valores: λ1 = 3.266 λ2 = 0.738 λ3 = 0.282. Con
esto podemos calcular la probabilidad de los diferentes resultados. Ponemos 3
como ejemplo:

Para el resultado 2-1 se toma (x,y)=(2,1)

min(1,2)   
λ21 λ12 X 2 1 λ3 k
fBP (2, 1) = P (X = x, Y = y) = e−(λ1 +λ2 +λ3 ) k!( ) = 0.07
2! 1! k k λ1 λ2
k=0

Para el resultado 0-0 se toma (x,y)=(0,0)

min(0,0)   
λ01 λ02 X 0 0 λ3 k
fBP (0, 0) = P (X = 0, Y = 0) = e−(λ1 +λ2 +λ3 ) k!( ) = 0.01
0! 0! k k λ1 λ2
k=0
 1.2 Modelos propuestos 23

Para el resultado 0-1 se toma (x,y)=(0,1)

min(0,1)   
0
λ12 X
−(λ1 +λ2 +λ3 ) λ1 0 1 λ3 k
fBP (0, 1) = P (X = 0, Y = 1) = e k!( ) = 0.01
0! 1! k k λ1 λ2
k=0

Para el partido de la jornada 26 de La Liga Iberdrola entre el Atlético y el

Athletic tenemos los siguiente valores: λ1 = 3.23 λ2 = 1.35 λ3 = 0.09. Vamos
a calcular la probabilidad de algunos resultados arbitrarios mediante la función
de probabilidad:

P (2 − 2) = P (X = 2, Y = 2) = 0.1930682
P (3 − 1) = P (X = 3, Y = 1) = 0.07546168
P (0 − 2) = P (X = 0, Y = 2) = 0.03416192

Vamos a proceder a hacer un estudio análogo al de la sección anterior, tomando

ahora este último modelo. Proseguimos para todos los partidos de nuestra mues-
tra tal como en el ejemplo que mostramos a continuación. Usaremos la fórmula:

dpois(0 : 10, λ1 + λ3) · dpois(y, λ2 + λ3)

Con esta calculamos la probabilidad de cualquier resultado dentro del estilo

del quinigol. siendo M la suma de las componentes del vector que devuelve
dpois(3 : 10, λ1 + λ3) · dpois(y, λ2 + λ3)

Ejemplo 1.11. Para el partido de la jornada 9 entre el Eibar y el Athletic se tiene

que:
ex4.m2<-lm.bp(g1~1,g2~1, l1l2=form1, data=muestra[1:80,])
#leo los primeros 80 partidos es decir, las 8 primeras jornadas
> ex4.m2$lambda1[65]
65
0.7207508
> ex4.m2$lambda2[64]
144
0.9623561
buscando el número del partido en el fichero obtenemos el λ1 más reciente para
el Eibar y el λ2 más reciente para el Athletic.
24 1 Modelos basados en la distribución de Poisson

> ex4.m2$lambda3[1]
1
0.0574329
#Recordemos que lambda3 es constante
Podemos proceder ahora a calcular la Poisson bidimensional correspondiente a
estos datos para ver la distribución del marcador.
> c(dpois(0:2, 0.72+0.06),1-ppois(2, 0.72+0.06))
[1] 0.45840601 0.35755669 0.13944711 0.04459019
> c(dpois(0:2, 0.96+0.06),1-ppois(2, 0.96+0.06))
[1] 0.36059494 0.36780684 0.18758149 0.08401673
Generamos un vector con las probabilidades de 0,1,2 y M respectivamente para
el equipo local y para el visitante.

> outer(c(dpois(0:2, 0.72+0.06),1-ppois(2, 0.72+0.06)),

c(dpois(0:2, 0.96+0.06),1-ppois(2, 0.96+0.06)),"*")
[,1] [,2] [,3] [,4]
[1,] 0.16529889 0.16860487 0.085988482 0.038513775
[2,] 0.12893313 0.13151180 0.067071016 0.030040745
[3,] 0.05028392 0.05128960 0.026157696 0.011715890
[4,] 0.01607900 0.01640058 0.008364294 0.003746322
Obtenemos la matriz de probabilidades para cada resultado. Concretamente esta
es:

Goles 0 1 2 M
0 0.165 0.169 0.086 0.039
1 0.129 0.132 0.067 0.030
2 0.050 0.051 0.026 0.011
M 0.016 0.016 0.08 0.003
Las columnas representan al que juega de local y las filas al visitante.

El resultado más probable es el 1-1 con una probabilidad de 0.169, seguido

muy de cerca por el 0-0, con una probabilidad del 0.165. precisamente 1-1 fue el
resultado real del partido.

1.3 Análisis de la calidad de los modelos

En esta sección veremos la cantidad media de aciertos en las muestras que esta-
mos estudiando para los dos modelos desarrollados en esta memoria.
 1.3 Análisis de la calidad de los modelos 25

1.3.1 Calidad del modelo de Poisson en una variable

marcadores <- read.table("LaLiga18-19.txt",header=TRUE)

names(marcadores)
jornadasestudio <- 9:19
aciertospartido <- numeric(length(jornadasestudio))
names(aciertospartido) <- jornadasestudio
aciertosequipo <- numeric(length(jornadasestudio))
names(aciertosequipo) <- jornadasestudio
Comenzamos leyendo el fichero de datos y definimos las variables a utilizar:

jornadasestudio: jornadas que hemos analizado anteriormente para asignar una

distribución de probabilidad a sus partidos.

aciertospartido: número medio de resultados acertados

aciertosequipo: número medio de goles de cada equipo (individualmente) ac-

ertados.
for (jor in jornadasestudio){
rj = marcadores[marcadores$jornada == jor,] #jornada jor
ra = marcadores[marcadores$jornada < jor,] #jornadas anteriores
totalprbmarcador <- 0
totalprbgoles <- 0
numpartidos <- dim(rj)[1]
Generamos un bucle para recorrer jornadasestudio, en este usaremos rj, donde
almacenaremos los partidos de la jornada correspondiente a la iteración en curso,
ası́ como con ra guardaremos el registro de las jornadas anteriores.

for (i in 1:numpartidos){
eqlocal <- rj$team1[i]
eqvisit <- rj$team2[i]
lambda1 <- mean(ra$g1[ra$team1 == eqlocal])
lambda2 <- mean(ra$g2[ra$team2 == eqvisit])
probg1 <- dpois(rj$g1[i], lambda = lambda1)
probg2 <- dpois(rj$g2[i], lambda = lambda2)

totalprbmarcador <- totalprbmarcador + probg1 * probg2

Probabilidad acertar el marcador:
totalprbgoles <- totalprbgoles + probg1 + probg2
26 1 Modelos basados en la distribución de Poisson

Suma de probabilidad de acertar los goles de los equipos:

}
aciertospartido[as.character(jor)] <- totalprbmarcador/numpartidos
aciertosequipo[as.character(jor)] <- totalprbgoles/numpartidos/2
}
Dentro del bucle anterior inicializamos otro bucle que recorre todos los partidos
de nuestros datos, una vez dentro debemos calcular el λ1 y λ2 para todos los
partidos, donde para el primero es la media de goles en casa hasta el momento
del equipo local y el segundo es la media de goles fuera de casa para el visitante.
Utilizamos esos valores para para calcular las Poisson que da la distribución de
probabilidad para los goles del equipo local y visitante. Les hemos asignado los
nombres de probg1 y probg2 respectivamente.

Utilizaremos aciertospartido para calcular la esperanza de los aciertos, esto lo

hacemos acumulando la probabilidad de acertar cada partido. Análogamente lo
hacemos para los equipos por separado con aciertosequipo.

maxy <- max(aciertosequipo)*1.1

plot(names(aciertosequipo), aciertosequipo, type=’l’,
ylim=c(0,maxy), xlab=’jornada’, ylab=’prob. aciertar’,
main=’Probabilidades de acertar goles o resultado’)
lines(names(aciertospartido), aciertospartido, col=’blue’)
text(18,0.25,labels=’goles del equipo’)
text(18,0.1,labels=’resultado partido’, col=’blue’)
Finalmente generamos una gráfica con la evolución del número medio de aciertos
tanto de goles de equipos como de resultados acertados.

Se observa que con este modelo para la muestra de LaLiga 18-19 tiene un número
de aciertos medio que varı́a entre el 5% y el 10%. Mientras para los goles de cada
equipo, tenemos una precisión que se mueve entre el 25% y 30% de éxitos.

Si repetimos este mismo proceso con La Liga Iberdrola entre la jornada 9 y

la 16 tenemos el siguiente resultado:

Se aprecia una precisión media que varı́a entre un 3% y un 8% en cuanto al

marcador, mientras que para los goles medios de cada equipo en un partido in-
dividualmente este rango se mueve entre el 21% y el 28%.
 1.3 Análisis de la calidad de los modelos 27

Fig. 1.1. Calidad del modelo independiente para LaLiga

Fig. 1.2. Calidad del modelo independiente para La Liga Iberdrola

1.3.2 Calidad del modelo de Karlis y Ntzoufras (2003)

Nos cuestionamos ahora si considerando que los goles locales y visitantes tienen
una correlación podemos mejorar estas predicciones. Para ello vamos a realizar
el mismo análisis en R, donde la única diferencia que tiene el algoritmo que usa-
remos ahora con el caso independiente es la forma de calcular las λi i = 1, 2, 3,
lo haremos mediante el algoritmo propuesto por Karlis y Ntzoufras.

#análisis de datos para la primera vuelta de LaLiga 18-19

library(bivpois)
marcadores = read.table("LaLiga18-19.txt",header=TRUE)
names(marcadores)
marcadores
levels(marcadores[,4])
28 1 Modelos basados en la distribución de Poisson

#rj serán todos los partidos de la jornada jor

options(contrasts = c("contr.sum", "contr.poly"))
# Modelización de $\lambda_{1}$ y $\lambda_{2}
form1 <- ~c(team1,team2)+c(team2,team1)
Observamos que se programa la modelización de las λi , (i = 1, 2, 3) tal como
proponen los autores.

jornadasestudio <- 9:19

aciertospartido <- numeric(length(jornadasestudio))
names(aciertospartido) <- jornadasestudio
aciertosequipo <- numeric(length(jornadasestudio))
names(aciertosequipo) <- jornadasestudio

for (jor in jornadasestudio){

rj = marcadores[marcadores$jornada == jor,]
ra = marcadores[marcadores$jornada < jor,]
totalprbmarcador <- 0
totalprbgoles <- 0
numpartidos <- dim(rj)[1]
ex4.m2<-lm.bp(g1~1,g2~1, l1l2=form1, data=ra)
ra[,’lambdal’] <- ex4.m2$lambda1 + ex4.m2$lambda3
ra[,’lambdav’] <-ex4.m2$lambda2 + ex4.m2$lambda3
Implementamos el modelo correspondiente y hacemos una conversión para cal-
cular λl y λv de tal manera que tenemos dos Poissones independientes para cada
equipo en cada partido, cuya distribución de probabilidad es la misma que la de
la Poisson Bivariante. El bucle que sigue está dentro del anterior:

for (i in 1:numpartidos){
eqlocal <- rj$team1[i]
eqvisit <- rj$team2[i]
lambda1 <- tail(ra$lambdal[ra$team1 == eqlocal], n=1)
lambda2 <- tail(ra$lambdav[ra$team2 == eqvisit], n=1)
probg1 <- dpois(rj$g1[i], lambda = lambda1)
probg2 <- dpois(rj$g2[i], lambda = lambda2)
totalprbmarcador <- totalprbmarcador + probg1 * probg2
totalprbgoles <- totalprbgoles + probg1 + probg2
}
aciertospartido[as.character(jor)] <- totalprbmarcador/numpartidos
aciertosequipo[as.character(jor)] <- totalprbgoles/numpartidos/2
 1.3 Análisis de la calidad de los modelos 29

}
maxy <- max(aciertosequipo)*1.1
plot(names(aciertosequipo), aciertosequipo, type=’l’,
ylim=c(0,maxy), xlab=’jornada’, ylab=’prob. aciertar’,
main=’Probabilidades de acertar goles o resultado’)
lines(names(aciertospartido), aciertospartido, col=’blue’)
text(18,0.25,labels=’goles del equipo’)
text(18,0.1,labels=’resultado partido’, col=’blue’)
Como observamos el resto del código es análogo al problema independiente. Este
es el resultado obtenido:

Fig. 1.3. Calidad del modelo bidimensional para LaLiga

Adjuntamos también una gráfica conjunta de LaLiga con ambos modelos, hace-
mos lo mismo con La Liga Iberdrola.

Nota: las representaciones gruesas identifican los modelos bivariantes, mientras

que las más finas representan los univariantes.

Los aciertos a nivel de resultado varı́an cada jornada en el intervalo 5% y 10%,

mientras que para los equipos tenemos un mı́nimo del 22% y un máximo del
30%, haciendo para esta muestra de LaLiga, que el modelo independiente sea
escasamente mejor en general.

Cambiando el fichero de datos y usando el de La Liga Iberdrola el resultado

es:
30 1 Modelos basados en la distribución de Poisson

Fig. 1.4. Comparación de modelos para LaLiga 18-19

Fig. 1.5. Comparación de modelos para La Liga Iberdrola 18-19

Hay una precisión media de éxito en los resultados que varı́a entre un 3% y
un 6%. Para cada equipo está entre un 17% y un 26%.

Existen casos (jornadas) en ambas muestras en las que el modelo bivariante

mejora al independiente, sin embargo, la media general dictamina que en ambos
 1.3 Análisis de la calidad de los modelos 31

casos este último modelo es más preciso en los datos que hemos estudiado, que
es medir el éxito medio de resultados y goles de un equipo en cada partido.
2
Cadenas de Markov

2.1 Marco teórico

Las cadenas de Markov son un tipo de modelo probabilı́stico en el que un sistema
va cambiando su estado en el tiempo. Estos cambios de estado se asume que se
realizarán de forma aleatoria e independiente de la historia completa: lo único
importante es el estado actual.

Hemos desarrollado el marco teórico con la ayuda del post [4]

2.1.1 Nociones básicas

Sistema: Es el modelo del experimento que vamos a llevar a cabo, donde consid-
eramos m estados denotados como Ei con i = 1, 2, . . . m. Donde cada uno lleva
asociada una probabilidad.

Cadena de Markov: Es un proceso discreto, consiste una secuencia de estados

en la que la variable aleatoria Xn va cambiando de estado en cada instante de
tiempo.

Las cadenas de Markov cumplen la siguiente propiedad:

Proposición 2.1. (Propiedad de Markov): P (Xn = j) únicamente depende del

estado anterior del sistema, es decir Xn−1 .

2.1.2 Probabilidades de transición

Definimos pij como la probabilidad de pasar del estado Ei al estado Ej con

i, j = 1, 2, 3, . . . , m. Es decir:
34 2 Cadenas de Markov

pij = P (Xn = j|Xn−1 = i)

Decimos que si el estado pij > 0 se tiene que Ei se puede comunicar con Ej . Sin
embargo, esto no implica necesariamente que pji = 0. En el caso de que ambos
se cumplen decimos que hay comunicación mutua.

Sea i fijo, se dice

Pmque los pij , (j = 1, 2, . . . , m) es una distribución de proba-
bilidad ya que j=1 pij = 1.

Vamos a definir una matriz que contenga las probabilidades de todos los ca-
sos posibles de transición pij para todo i, j = 1, 2, . . . , m. Se la denominará
matriz estocástica y la denotaremos como T .
T ∈Mmxm tal que T = [pij ] tal que
 
p11 p12 · · · p1m
 p21 p22 · · · p2m 
 
T m×m =  . .. . . .. 
 .. . . . 
pm1 pm2 · · · pmm

Se tiene que si las matrices A = [aij ] y B = [bij ] son matrices estocásticas,

entonces Si C = [cij ] de modo que C = A ∗ B, también será matriz estocástica.

Una consecuencia importante de la propiedad anterior es que si T es estocástica,

entonces T n será estocástica para todo n ∈ N.

2.1.3 Tipos de probabilidades en una cadena de Markov

(n)
Definimos pj como la probabilidad de llegar a j en n pasos. En consecuencia,
(0)
pj es la probabilidad de que el estado inicial sea pj .
(0) (0) (i) (i)
Denominamos p(0) = (p1 , . . . , pm ). En general P (i) = (p1 , · · · , pm ) es la
distribución de probabilidad de llegar al estado i en j pasos con j = 1, 2, . . . , m.

La utilidad de esta notación es que se tiene que:

m
X
(1)
P (1) = (pj ) = P (0) pij = P (0) T
i=1

En general:
 2.1 Marco teórico 35

(n)
P (n) = (pj ) = P (n) T
A la notación anterior podemos añadirle la condición de que empezamos
(n)
en el estado i esto se denota pij .

Proposición 2.2. (Ecuación de Kolmogorov):

m
X m
X
(n) (n−1) (1) (n−1) (1)
pij = pik pkj = pik pkj .
k=1 k=1

Observación:
(n) (n) (n)
[pij ] = [pik pkj ] = T n .

2.1.4 Tipos de estado en una cadena de Markov

A continuación hablaremos de los posibles estados en una cadena de Markov:

Estado absorbente: es aquel en el que si se entra, entonces no se puede salir.

Esto es pii = 1 y pij = 0 para todo i, j = 1, 2, . . . , m con i 6= j.

Estado periódico: Sea t ∈ N, decimos que el estado Ei es periódico si fijado

(n)
t, se tiene que pii 6= 0 para cada n = mt con m ∈ N. Es decir, múltiplos de t.

Estado aperiódico: Ei lo es si no es periódico. Es decir, para todo t ∈ N tal

(n)
que si n = mt con m ∈ N, se tiene que pii 0.

Estos dos últimos estados se pueden definir alternativamente. Si definimos

(n)
d(i) = mcd(n | pii > 0). Decimos que un estado es periódico si d(i) > 1,
mientras que si d(i) = 1 diremos que es aperiódico.

Estado recurrente: Para este estado nos definimos fjn como la probabilidad de
que la primera visita al estado Ej se produzca en el paso n. Nótese la distinción
con pnjj ya que esta es independiente de que dicho estado haya sido visitado en
alguna etapa anterior a n. De hecho la relación es la siguiente:
n−1
X
(n) (n−k)
pjj = fjn + fjk pjj
k=1
36 2 Cadenas de Markov

Como observación, la igualdad anterior se puede expresar en términos de fj

de la siguiente forma:
n−1
X
(n) (n−k)
fjn = pjj − fjk pjj
k=1

La probabilidad de regresar al estado Ej es:

∞
X
fj = fjn
n=1

Entonces cuando fj = 1 se garantiza que se volverá a pasar por Ej y a di-

cho estado se le llamará recurrente.

Estado transitorio: es todo estado Ej tal que fj < 1, es decir, no hay garantı́as
de volver a dicho estado.

Estado ergódico: Son los recurrentes, aperiódicos y no nulos. Son de vital im-
portancia para clasificar cadenas de Markov y para probar la existencia de dis-
tribuciones de probabilidad lı́mite.

2.1.5 Clasificación de cadenas

En esta sección veremos los tipos de cadenas que nos podemos encontrar:

Cadena irreducible: Todo estado se puede alcanzar desde cualquier otro en un

(n)
número finito de pasos. Es decir, para todo i, j = 1, 2, . . . , m se tiene que pij > 0
con n ∈ N.

Una propiedad importante de este tipo de cadenas es que todos los estados
son del mismo tipo y tienen el mismo periodo. Como consecuencia de esto, si
conocemos un estado Ej de una cadena irreducible, entonces los conocemos to-
dos.

Conjunto cerrado en una cadena de Markov: Sea C = ∪j=s j=r Ej 1 ≤ r ≤ s ≤ m

un conjunto de estados en una cadena de Markov, decimos que C es cerrado si
cualquier estado de C solo puede alcanzarse desde un estado dentro de C. Esto
es pij = 0 para todo Ej ∈ C y Ei ∈
/ C.

En particular, los estados absorbentes son cerrados de un solo elemento.

 2.2 Modelos propuestos 37

Cadena ergódica: Es aquella cadena en la que todos sus estados son ergóticos.

Cadenas periódicas: Si Ej es periódico, entonces todo estado Ei tal que pij > 0
es periódico con el mismo periodo. Ası́, el periodo es una caracterı́stica común
del conjunto irreducible y cerrado, luego se puede hablar del periodo de una
subcadena irreducible.

2.2 Modelos propuestos

En esta sección veremos dos modelos, hemos desarrollado ideas leyendo el libro
[6]. Uno con 4 estados cuyas probabilidades serán determinadas en función de los
resultados del capı́tulo anterior, y otro con 6 estados algo más elaborado con la
desventaja de que será más complicado hallar la matriz de transición, de hecho
esta tarea se dejará como trabajos futuros.

2.2.1 Cadena de los 6 estados

Estados

Podemos modelar un partido de fútbol como una cadena de Markov con los
siguientes estados:
E1 = posesión local defensiva

E2 = posesión local ofensiva

E3 = gol local

E4 = Posesión visitante defensiva

E5 = posesión visitante ofensiva

E6 = gol visitante

Como podemos apreciar, en esta cadena estamos observando estados en

los que el balón está en juego. Vamos a asumir que de los 90 minutos que tiene un
partido se juegan una media de 25 por parte, a su vez supondremos dos cambios
de estado por minuto. Luego nuestra cadena de Markov tendrá 200 movimientos.
38 2 Cadenas de Markov

Probabilidades de transición

Vamos a determinar las pij . Se tiene que 0 ≤ pij ≤ 1.

Vamos a mostrar entre qué estados tenemos que pij = 0.

Defensa local (E1 ) y defensa visitante (E4 )

Como la probabilidad de hacer gol desde el campo propio para cualquier equipo
es muy pequeña, tanto que es despreciable podemos asumir que p13 = p46 = 0.

También se tiene que si un equipo tiene la pelota en su campo, la probabili-

dad de que se haga autogol es nula, esto es p16 = p43 = 0.

Ataque local (E2 ) y ataque visitante (E5 )

Un ataque no puede acabar en ataque del equipo contrario sin ningún estado de
por medio, luego afirmamos que p25 = p52 = 0.

Es obvio que un ataque de un equipo no puede desencadenar en gol del con-

trario directamente, esto es p26 = p53 = 0.

Gol local (E3 ) y gol visitante (E6 )

Un gol implica saque de centro para el contrario, consideraremos este un balón

en defensa para el equipo que ha recibido el gol. Por tanto p34 = p61 = 1. Como
consecuencia de esto

p31 = p32 = p33 = p35 = p36 = 0

p62 = p63 = p64 = p65 = p66 = 0

Con lo cual la matriz estocástica de esta cadena es la siguiente:

 
p11 p12 0 p14 p15 0
 p21 p22 p23 p24 0 0 
 
 0 0 0 1 0 0 
T 6×6 =   p41

 p42 0 p44 p45 0  
 p51 0 0 p54 p55 p56 
1 0 0 0 0 0
 2.2 Modelos propuestos 39

Tipos de estados y subcadenas

En esta cadena no existen los estados absorbentes, ya que los goles de un equipo
implican necesariamente balón en defensa para el contrario, y además nadie tiene
garantı́as de quedarse el balón hasta el final del partido.

Todos los estados son periódicos ya que en ningún momento ocurre que pnii = 0.
Dicho en términos menos formales, mientras se esté jugando un partido de fútbol
no se puede garantizar que un equipo no vuelva a defender ni atacar, ası́ como
hacer gol.

Todos los estados son recurrentes, es sencillo explicar el caso de las posesiones
de balón (1,2,4 y 5) ya que en pocos intentos se van repitiendo, sin embargo para
los goles (3 y 6) no se garantiza que ningún equipo marque o vuelva a marcar,
sin embargo si hacemos el partido tender a infinito, tal como podemos ver en la
definición de sucesión recurrente enunciada en el apartado anterior, se tiene que
aunque la probabilidad sea pequeña si haces infinitos intentos hay probabilidad
1 de que ocurra. Esta explicación también es válida para decir que todos los
estados son transitorios. Sin embargo, un partido de fútbol es largo y aunque
no hayan garantı́as a probabilidad 1, podemos afirmar que se van a seguir suce-
diendo al menos los estados de posesión.

Por último, al ser todos los estados periódicos no da la posibilidad a la exis-

tencia de estados ergódicos.

En cuanto a la cadena, es irreducible ya que se puede llegar de todo estado

a todo estado en un número finito de pasos. Se observan también conjuntos
cerrados, por ejemplo los goles (3 y 6) son cerrados, ya que solo se pueden al-
canzar desde el ataque del equipo correspondiente en este modelo (E2 → E3 y
E5 → E6 ).

Programación de la cadena de Markov

Vamos a hacer una función en R que simule el número de cadenas que deseemos
con un número n de pasos. Concretamente, para cada partido generaremos una
cadena para cada parte. En una de ellas el estado inicial será E1 (saca de cen-
tro el local) y en la otra E4 (saca de centro el visitante). Lo haremos con las
siguientes funciones:

En primer lugar definimos una función que nos simula una cadena de Markov:
simula_cadena <- function(n,X0,P){
dim <- length(P[1,])
40 2 Cadenas de Markov

Xn <- numeric((n+1))
Xn[1] <- X0
for(i in 2:(n+1)){
aux <- Xn[i-1]
Xn[i] <- sample(1:dim,1,T,P[aux,])
}
Xn
}
Donde el parámetro n es el número de cambios de estado que tiene la cadena,
X0 el estado inicial y P la matriz estocástica.

Primero definimos dim como la longitud de las filas de la matriz P , que en nues-
tro caso serán 6 estados, esto lo hacemos con la orden dim < −length(P [1, ]).
A continuación definimos un vector en el que iremos guardando la suceción de
estados de la simulación, a este le llamaremos X0 , que tendrá n + 1 componentes
puesto que hay n cambios de estado más el estado inicial. Esto lo definimos con
Xn < −numeric((n + 1)), donde predefinimos que X0 será el primer estado.
Esto es Xn[1] < −X0 . Para el resto de estados usamos el comando sample que
continúa con la simulación y guarda en cada componente del vector Xn (a partir
de la segunda componente) el resultado de la simulación “cambio de estado”.

En segundo lugar crearemos otra función, que a partir de la simulación ante-

rior obtenga el resultado de goles y también de posesión del balón:
estados_a_datos <- function(partido){
tabla <- table(partido)
c(tabla[3], tabla[6], 100*sum(tabla[1:2])/sum(tabla[-c(3,6)]))
}
Se obtiene una tabla que contenga el número de veces que se han dado los es-
tados i = 1, 2, 3, 4, 5, 6. Esto lo hacemos con la orden tabla < −table(partido).
Ahora lo ideal serı́a obtener el resultado del partido y la posesión del balón, lo
haremos de la siguiente forma:

Los goles del equipo local es la tercera componente de la tabla es decir tabla[3].
Análogamente los goles del visitante es similar pero con la sexta componente de
la tabla, esto es tabla[6].

Por otro lado, la posesión del balón se interpreta como el número de esta-
dos en que el equipo indicado tiene el balón, para el local serı́a el número
de veces que se dan los estados 1 y 2 dividido entre el número de cambios
de estado exceptuando los goles, que ahı́ nadie tiene la posesión, es decir
100 ∗ sum(tabla[1 : 2])/sum(tabla[−c(3, 6)]) (nótese que multiplicamos por 100
 2.2 Modelos propuestos 41

para tener la posesión en porcentaje). Para el equipo visitante serı́a un proceso

totalmente análogo con la salvedad de que en lugar de usar los estados 1 y 2,
usaremos el 4 y 5, o de otro modo, Posesión visitante = 100-posesión local. Como
la posesión es complementaria, solo será necesario calcular la de un equipo, lo
haremos con el local.

Por último para proceder a las simulaciones lo haremos de la siguiente manera,

definiendo nosotros mismos unas probabilidades de transición que nos sirvan
para el ejemplo:
p0 <- c(.01, .33 , 0, .33, .33, 0)
p1 <- c(.33, .33, .01, .33, .33, 0)
p2 <- c( 0, 0, 0, 1, 0, 0)
p3 <- c(.33, .01, 0, .33, .33, 0)
p4 <- c(.33, 0, 0, .33, .33, .01)
p5 <- c(1, 0, 0, 0, 0, 0)
P <- rbind(p0,p1,p2,p3,p4,p5)

n <- 100
stats_simuladas <- matrix(0,n,3)
for (i in 1:n) {
partido <- factor(c(simula_cadena(250,1,P),

simula_cadena(255,4,P)), levels=1:6)
stats_simuladas[i,] <- estados_a_datos(partido)
}

Introducimos la matriz estocástica definida anteriormente y tomaremos 100 sim-

ulaciones del mismo partido (n < −100). Guardaremos nuestros goles y posesión
simulados como statss imuladas en una matriz de n = 100 filas y 3 columnas
(goles local, goles visitante y posesión local). A continuación con el f or procede-
mos a hacer las 100 simulaciones del mismo partido con las probabilidades de la
matriz estocástica P distinguiendo la primera de la segunda parte del partido.
Esto es:
partido <- factor(c(simula_cadena(250,1,P),

simula_cadena(255,4,P)), levels=1:6)
Finalmente pasamos el vector de estados de cada partido a un vector de tres
componentes que serán el resultado y la posesión.
stats_simuladas[i,] <- estados_a_datos(partido)
42 2 Cadenas de Markov

Ejemplo 2.3. > partido

[1] 1 2 2 2 4 1 2 5 4 1 2 4 1 4 4 1 4 4 1 2 4 5 1 4 1 4 1 ...
[51] 5 4 1 1 4 4 5 5 4 5 1 2 5 1 4 4 4 1 2 2 5 5 5 4 4 1 4 ...
[101] 2 4 2 4 5 4 5 1 2 1 5 5 5 4 1 5 1 4 5 1 5 5 4 5 5 5 5 ...
[151] 4 1 5 5 4 4 1 4 1 5 1 4 5 1 4 4 5 1 5 1 5 5 1 2 5 4 4 ...
[201] 4 5 4 5 1 4 5 5 5 1 4 1 5 4 4 4 4 4 5 1 5 4 1 2 4 1 2 ...
[251] 5 4 4 5 5 1 4 4 1 4 4 4 1 2 1 2 4 1 4 1 5 5 4 5 1 5 1 ...
[301] 5 1 5 4 4 4 1 2 4 5 4 5 4 4 1 2 5 5 1 4 5 4 4 4 1 5 1 ...
[351] 5 1 2 2 2 5 4 1 4 5 1 2 4 5 5 4 5 4 1 4 4 1 4 1 4 4 4 ...
[401] 4 5 4 4 5 5 5 5 5 4 5 4 5 1 2 1 2 5 4 5 4 4 4 5 5 1 2 ...
[451] 4 4 4 5 4 4 1 2 4 1 2 1 5 1 2 1 4 4 1 2 4 4 4 1 5 5 1 ...
[501] 4 5 1 4 1 4 1
Levels: 1 2 3 4 5 6
Esto es un ejemplo de simulación de un partidos y la sucesión de estados
que se ha ido dando. Con la siguiente orden no solo veremos el número de veces
que se da el estado 3 y el 6, esto es, el marcador, sino que con la suma de los
estados 1 y 2, 3 y 4 respectivamente podremos conocer la posesión del balón
local y visitante, en nuestro caso solo mostraremos la del local ya que la otra
es el complementario respecto de 1. Haremos esto para varias simulaciones del
mismo partido.
> stats_simuladas
[,1] [,2] [,3] [,1] [,2] [,3]
[1,] 0 0 37.67258 [2,] 0 0 34.91124
[3,] 1 2 37.10317 [4,] 0 0 34.31953
[5,] 0 0 40.23669 [6,] 0 1 38.53755
[7,] 0 5 38.64542 [8,] 0 2 35.44554
[9,] 0 5 35.85657 [10,] 1 5 37.32535
[11,] 0 3 30.75397 [12,] 0 7 37.60000
[13,] 0 1 34.78261 [14,] 1 0 36.16601
[15,] 0 1 38.73518 [16,] 0 1 33.00395
[17,] 0 1 39.52569 [18,] 0 2 35.44554
[19,] 1 5 33.33333 [20,] 0 1 34.78261
[21,] 1 0 35.17787 [22,] 1 0 34.38735
[23,] 0 4 33.20080 [24,] 0 2 38.61386
[25,] 0 2 35.04950 [26,] 1 2 35.31746
[27,] 1 2 36.70635 [28,] 0 4 34.99006
[29,] 0 1 34.18972 [30,] 0 1 35.37549
[31,] 1 2 37.50000 [32,] 0 1 35.17787
[33,] 0 1 33.00395 [34,] 1 2 37.89683
[35,] 0 0 36.8836 [36,] 0 2 33.06931
[37,] 3 2 32.07171 [38,] 0 2 32.47525
[39,] 0 0 35.89744 [40,] 1 1 38.21782
 2.2 Modelos propuestos 43

[41,] 1 2 32.53968 [42,] 0 1 34.58498

[43,] 0 2 36.43564 [44,] 0 1 31.42292
[45,] 0 2 35.44554 [46,] 0 1 34.58498
[47,] 0 2 32.47525 [48,] 1 1 33.06931
[49,] 0 3 33.73016 [50,] 0 2 38.21782
[51,] 0 0 36.68639 [52,] 0 1 36.36364
[53,] 0 3 38.49206 [54,] 0 2 39.00990
[55,] 0 1 37.94466 [56,] 0 5 41.43426
[57,] 0 1 34.58498 [58,] 0 1 35.57312
[59,] 1 0 35.77075 [60,] 1 4 34.06375
[61,] 1 1 34.85149 [62,] 1 3 35.58648
[63,] 1 3 35.98410 [64,] 1 1 38.21782
[65,] 0 0 33.33333 [66,] 1 2 34.32540
[67,] 0 0 35.10848 [68,] 0 3 41.66667
[69,] 1 2 36.90476 [70,] 0 0 39.84221
[71,] 0 3 40.47619 [72,] 0 1 34.38735
[73,] 0 1 30.23715 [74,] 1 2 39.48413
[75,] 1 1 36.43564 [76,] 0 2 34.05941
[77,] 0 2 33.06931 [78,] 1 1 39.80198
[79,] 0 0 34.51677 [80,] 0 1 31.22530
[81,] 0 1 33.99209 [82,] 0 1 33.59684
[83,] 0 2 36.23762 [84,] 0 2 32.47525
[85,] 0 1 39.72332 [86,] 0 0 38.65878
[87,] 1 1 38.61386 [88,] 0 1 34.58498
[89,] 0 1 35.96838 [90,] 1 2 36.11111
[91,] 0 4 36.97813 [92,] 0 3 39.28571
[93,] 1 2 34.32540 [94,] 0 2 32.87129
[95,] 0 2 34.65347 [96,] 1 4 35.25896
[97,] 1 1 35.64356 [98,] 0 1 35.37549
[99,] 1 1 40.99010[100,] 0 0 37.47535

Como conclusión se observa que esta cadena teóricamente es muy factible ya que
se adapta a las situaciones de un partido. El problema reside en cómo estimar
las pij ya que no es una tarea fácil. Podrı́a asumirse cada pij como una Poisson
univariante siendo λ la media de veces que ocurre dicho cambio de estado en un
número considerable de partidos anteriores, sin embargo tal como está definida la
cadena, no son sucesos fáciles de identificar. Este modelo lo dejaremos propuesto
y la determinación de las pij queda para trabajos futuros. Elaboraremos en las
próxima sección otra cadena de Markov, en las que trabajaremos con partidos
Reales.
44 2 Cadenas de Markov

2.2.2 Cadena de los 4 estados

En este nuevo modelo crearemos una cadena de Markov más sencilla con 4
estados.

estados
E1 =Balón local.

E2 =Balón visitante.

E3 =Gol local

E4 =Gol visitante

Probabilidades de transición
Vamos a determinar las pij . Se tiene que 0 ≤ pij ≤ 1.

Vamos a mostrar entre qué estados tenemos que pij = 0. Se tiene que no se
puede pasar de gol local a gol visitante, entonces p34 = p43 = 0, ası́ como tam-
poco puede haber dos goles seguidos de un mismo equipo ya que cuando hay un
gol se cambia de posesión por el saque central del contrario, luego p33 = p44 = 0
y p32 = p41 = 1. Como consecuencia de esto p3i = p4j = 0 i 6= 2 j 6= 1 También
se tiene que si un equipo tiene el balón, supondremos que no se hará autogol.
Esto es p14 = p23 = 0. Por último se asume que cada estado de posesión dura
hasta que el equipo marque o pierda el balón por largo que sea, ası́ pii = 0 para
todo i = 1, 2, 3, 4. Luego solo quedan 4 probabilidades de transición por definir,
que son p12 , p13 , p21 , p24 .

Nos basaremos en el modelo introductorio del capı́tulo anterior, asumiremos n

ataques para el equipo local y m para el equipo visitante. De este modo definire-
mos p13 = λnl p24 = λmv . Donde los λ son la media de goles de la muestra de
partidos anteriores y n,m es la media de ocasiones por partido del equipo local
y visitante respectivamente. Para definir las otras dos, utilizo que la suma de las
filas de la matriz de transición ha de ser 1. Ası́, p13 = 1 − p12 y p21 = 1 − p24 .
La matriz finalmente queda de la siguiente manera:
 
0 1 − λl λl 0
 1 − λv 0 0 λv 
T 4×4 =  0

1 0 0 
1 0 0 0
 2.2 Modelos propuestos 45

Programación de la cadena de Markov

Es análoga al caso anterior, salvo que cambia la matriz de transición, que en
esta ocasión es cuadrada de orden 4. Sus probabilidades asociadadas las hemos
definido en el apartado anterior. Queda codificado de la siguiente manera el
fichero de R:

simula_cadena <- function(n,X0,P){

dim <- length(P[1,])
Xn <- numeric((n+1))
Xn[1] <- X0
for(i in 2:(n+1)){
aux <- Xn[i-1]
Xn[i] <- sample(1:dim,1,T,P[aux,])
}
Xn
}

estados_a_datos <- function(partido){

tabla <- table(partido)
c(tabla[3], tabla[4], 100*sum(tabla[1])/sum(tabla[-c(3,4)]))
}

p0 <- c(0, .09 , .01, 0)

p1 <- c(.09, 0, 0, .01)
p2 <- c( 0, 1, 0, 0)
p3 <- c(1, 0, 0, 0)
P <- rbind(p0,p1,p2,p3)

n <- 100
stats_simuladas <- matrix(0,n,3)
for (i in 1:n) {
partido <- factor(c(simula_cadena(6,1,P), simula_cadena(6,2,P)),
levels=1:4)
stats_simuladas[i,] <- estados_a_datos(partido)
}
Es similar al código anterior, adaptándose para el nuevo modelo. Hemos vuelto
a poner probabilidades arbitrarias para poner un código genérico. Sin embargo
46 2 Cadenas de Markov

ya podemos aplicarlo a partidos reales de LaLiga y La Liga Iberdrola. Vamos

a mostrar un ejemplo de LaLiga, para ello necesitamos los valores de λ ya cal-
culados para la jornada 20. Además de ello, necesitamos los valores de m y n,
partiendo de que asumimos que en un partido de fútbol hay de media 100 ac-
ciones, podemos asumir que la posesión local aproximada a un número natural m
y análogamente con n y la posesión visitante, ya que precisamente esta se mide
entre 0 y 100. Con esta fórmula calcularemos los p13 y p24 (en consecuencia p12
y p21 ). Los mostraremos en la siguiente tabla:

Equipo posesión media Equipo posesión media

Barcelona 64 Valencia 47
At. Madrid 49 Levante 45
Sevilla 51 Athletic 50
R.Madrid 61 Valladolid 47
Alavés 41 Leganés 41
Getafe 39 Eibar 55
Betis 63 Celta 53
R. Sociedad 51 Rayo 46
Girona 46 Villareal 47
Espanyol 49 Huesca 43
Tabla 2.1. media de posesión por equipos.

Con esto podemos proceder con el modelo:

Ejemplo 2.4. Simular el partido de la jornada 20 entre el Eibar y el Espanyol.
(Eibar local)

Primeramente calculamos p13 y p24 . La media de goles del Eibar y Espanyol

de 1.105 y 1.105 respectivamente (han hecho el mismo número de goles en las 19
jornadas ligueras anteriores) en cuanto a posesión tienen una media de 55 y 49
respectivamente (sobre cien), entonces se tiene que p13 = 1.105
55 = 0.0200909091
y p24 = 1.105
49 = 0.022510204, en consecuencia, p 12 = 1 − p13 = 0.97990909 y
p21 = 1 − p24 = 0.9774489796.

Podemos usar el código R confeccionado para este tipo de cadenas, esta es la

matriz a introducir:
p0 <- c(0, .98 , .02, 0)
p1 <- c(.98, 0, 0, .02)
p2 <- c( 0, 1, 0, 0)
p3 <- c(1, 0, 0, 0)
P <- rbind(p0,p1,p2,p3)
 2.2 Modelos propuestos 47

Véase que son dos equipos igualados. Vamos a mostrar la simulación de un

partido.
[1] 1 2 1 3 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 ...
[51] 2 2 1 2 1 2 1 2 4 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 ...
[101] 2 1
Levels: 1 2 3 4
Se observa que hay un 3 y un 4 en toda la secuencia (en lo que no hemos mostrado
no hay ninguno), vamos a lanzar ahora 100 simulaciones pero solo mostrando el
resultado y la posesión:
> stats_simuladas
[,1] [,2] [,3] [,1] [,2] [,3]
[1,] 1 0 50.49505 [2,] 1 2 49.49495
[3,] 0 2 50.00000 [4,] 0 0 50.00000
[5,] 0 3 50.50505 [6,] 1 0 49.50495
[7,] 1 2 49.49495 [8,] 5 1 50.00000
[9,] 0 1 49.50495[10,] 0 1 50.49505
[11,] 1 3 50.00000[12,] 1 2 50.50505
[13,] 0 0 50.0000 [14,] 2 1 50.50505
[15,] 3 2 49.4845 [16,] 2 1 49.49495
[17,] 1 0 50.4950 [18,] 1 0 49.50495
[19,] 1 2 49.4949 [20,] 0 1 50.49505
[21,] 1 1 50.0000 [22,] 0 0 50.00000
[23,] 1 1 50.00000[24,] 1 1 50.00000
[25,] 0 2 50.0000 [26,] 0 2 50.00000
[27,] 0 1 49.5049 [28,] 0 1 49.50495
[29,] 3 0 49.4949 [30,] 1 4 50.51546
[31,] 1 0 49.5049 [32,] 1 0 49.50495
[33,] 1 2 49.4949 [34,] 2 2 50.00000
[35,] 1 0 50.4950 [36,] 2 1 49.49495
[37,] 0 0 50.0000 [38,] 3 1 50.00000
[39,] 0 2 50.0000 [40,] 1 0 49.50495
[41,] 1 1 50.0000 [42,] 2 0 50.00000
[43,] 1 5 50.0000 [44,] 1 1 50.00000
[45,] 1 0 49.5049 [46,] 0 1 49.50495
[47,] 2 1 49.4949 [48,] 0 1 50.49505
[49,] 0 0 50.0000 [50,] 0 1 50.49505
[51,] 3 1 50.0000 [52,] 1 1 50.00000
[53,] 0 0 50.0000 [54,] 1 0 50.49505
[55,] 1 1 50.0000 [56,] 1 1 50.00000
[57,] 0 0 50.0000 [58,] 2 0 50.00000
[59,] 0 2 50.0000 [60,] 1 1 50.00000
48 2 Cadenas de Markov

[61,] 0 0 50.0000 [62,] 2 0 50.00000

[63,] 1 0 50.4950 [64,] 0 1 49.50495
[65,] 1 1 50.0000 [66,] 2 1 50.50505
[67,] 0 0 50.0000 [68,] 0 1 49.50495
[69,] 2 0 50.0000 [70,] 0 2 50.00000
[71,] 1 2 49.4949 [72,] 1 2 49.49495
[73,] 2 0 50.0000 [74,] 1 3 50.00000
[75,] 0 1 49.5049 [76,] 1 0 49.50495
[77,] 1 1 50.0000 [78,] 1 0 50.49505
[79,] 1 0 50.4950 [80,] 1 1 50.00000
[81,] 1 0 50.4950 [82,] 1 0 49.50495
[83,] 0 0 50.0000 [84,] 0 0 50.00000
[85,] 1 2 49.4949 [86,] 0 1 49.50495
[87,] 0 0 50.0000 [88,] 1 3 50.00000
[89,] 0 1 50.4950 [90,] 1 0 49.50495
[91,] 1 1 50.0000 [92,] 0 1 50.49505
[93,] 1 0 49.5049 [94,] 0 1 49.50495
[95,] 0 1 49.5049 [96,] 2 1 49.49495
[97,] 1 0 49.5049 [98,] 1 2 49.49495
[99,] 1 0 50.4950[100,] 1 1 50.00000
Se han obtenido los siguientes resultados:

Resultado Número de veces Resultado Número de veces

0-0 14 1-0 18
2-0 5 3-0 1
0-1 14 0-2 6
0-3 1 1-1 15
2-1 6 3-1 2
5-1 1 1-2 10
1-3 3 1-5 1
2-2 2 3-2 1
Tabla 2.2. número de veces de cada resultado en la simulación
References

[1] Karlis D. Ntzoufras I. (2005) Bivariate Poisson and Diagonal Inflated Bivari-
ate Poisson Regression Models in R. Journal of Statistical Software. 14(10)
doi:10.18637/jss.v014.i10
[2] Karlis D. Ntzoufras I. (2007). bivpois: Bivariate Poisson Models Us-
ing The EM Algorithm. R package version 0.50-3. http://www.stat-
athens.aueb.gr/ jbn/papers/paper14.htm
[3] R Core Team (2018). R: A language and environment for statistical com-
puting. R Foundation for Statistical Computing, Vienna, Austria. URL
https://www.R-project.org/.
[4] Rocca, J. (2019) A brief introduction to Markov Chains. Defini-
tions, propieties and PageRank example. Towards data Science.
https://towardsdatascience.com/brief-introduction-to-markov-chains-
2c8cab9c98ab
[5] Ross. S. (2002) A First Course of Probability. Sixth edition, Prentice Hall.
[6] Sadovskii L.E. Sadovskii A.L. (1994) Mathematics and Sports. American
Mathematical Society.
[7] Teutonico D. (2013) Instant R Starter. Packt Publishing.
 Probabilistic models for the estimation of
sport score
Juan Diego Fernández Garcı́a
Facultad de Ciencias · Sección de Matemáticas
Poster Universidad de La Laguna
[email protected]

Abstract We will do a study to see the quality of the models in terms of the
average amount of hits per day in each sample.
This work will present two probabilistic models whose main tool is
the distribution of Poisson. The aim of these two proposals is to
assign each football match a probability distribution for the possi- 3. Markov Chains
ble outcomes. In the first proposal we will assume independence
among the goals that will mark the opposing teams. The alterna- In this chapter we will introduce the concept of Markov chain, a
tive model is based on the bivariate Poisson, which assumes cor- probabilistic method with a series of events, which have an as-
relation between the number of goals of both teams. Both meth- signed probability. They are formed by events, which we will call
ods are analyzed and compared using data from LaLiga and La states, and transitions that are state changes. If we form a matrix
Liga Iberdrola. We will also propose a party model as a Markov with all Pij status changes, this is defined as a stochastic matrix.
chain that allows us to do simulations. In particular in this report, In the attached memory there is a theoretical framework where
examples with data from LaLiga and La Liga Iberdrola 2018-19 we will define the main notions on this topic, as well as proper-
will be included. ties, state types and chain types. We will propose two chains for
football matches, one of them with 6 states with the following tran-
sition matrix:
1. Introduction
 
P11 P12 0 P14 P15 0
Football is the world is leading sport, so it is the sport that we  P21 P22 P23 P24 0 0 
 
are going to discuss in this project, both in the male and female  0 0 0 1 0 0 
categories. In particular we will analyze two samples of data that T 6×6 = 
 P41 P42 0 P44 P45 0 

 
comprise the first round of LaLiga and La Liga Iberdrola, the two  P51 0 0 P54 P55 P56 
most important competitions in Spain in men’s and women’s foot- 1 0 0 0 0 0
ball respectively.
To conclude the work we will define Markov chains, which based For definition reasons it is a difficult task to assign Pij not null to
on the probabilities calculated in Chapter 1, being more or less this stochastic matrix. Define another string of 4 states in which
precise, we can simulate each LaLiga game and the Iberdrola based on the independent Poisson model we can do it, its transi-
League with the data that we have. In addition we will leave the tion matrix has this form:
computational algorithm so that taking the odds with any other  
method can also be used and so do the relevant game simula- 0 1 − λl λl 0
 1 − λv 0 0 λv 
tions. T 4×4 =
0 1 0 0 
1 0 0 0
2. The Poisson distribution

In this section we will define the distribution of Poisson, whose

probability function is as follows:
References
e−λλx
P ois(x) = P (X = x) =
x! [1] Karlis D. Ntzoufras I. (2005) Bivariate Poisson and Diagonal
Inflated Bivariate Poisson Regression Models in R. Journal of
For the prediction model we will take the λ for each match as the Statistical Software. 14(10) doi:10.18637/jss.v014.i10
arithmetic mean of the goals of the local team and analogously
[2] Karlis D. Ntzoufras I. (2007). bivpois: Bivariate Poisson Mod-
with the visitor, the fact that a team is local or visiting can be
els Using The EM Algorithm. R package version 0.50-3.
avoided or a local and visiting average can be distinguished for
http://www.stat-athens.aueb.gr/ jbn/papers/paper14.htm
each team.
We will also define the Poisson bivariate, which has the probabil- [3] R Core Team (2018). R: A language and environment for sta-
ity function fBP (x, y) = P (X = x, Y = y) where: tistical computing. R Foundation for Statistical Computing, Vi-
enna, Austria. URL https://www.R-project.org/.
λx λ X   
y min(x,y)
x y λ [4] Rocca, J. (2019) A brief introduction to Markov Chains. Def-
P (X = x, Y = y) = e−(λ1+λ2+λ3) 1 2 k!( 3 )k initions, propieties and PageRank example. Towards data
x! y! k k λ1λ2
k=0 Science. https://towardsdatascience.com/brief-introduction-to-
To predict the λ of this model we use the regression model of markov-chains-2c8cab9c98ab
Karlis and Ntzoufras (2003), the EM Algorithm (Expectation - [5] Ross. S. (2002) A First Course of Probability. Sixth edition,
Maximization) will be applied. Prentice Hall.
With the λ calculated, we can consider our Poisson bivariant as [6] Sadovskii L.E. Sadovskii A.L. (1994) Mathematics and Sports.
the multiplication of two Poissons independent of the form: American Mathematical Society.
BP (λ1, λ2, λ3) = P ois(λ1 + λ3) + P ois(λ2 + λ3) [7] Teutonico D. (2013) Instant R Starter. Packt Publishing.

TRABAJO FIN DE GRADO, Convocatoria de Julio, 2019