El 19 de julio de 2026, España volvió a tocar la cima del fútbol mundial. La final contra Argentina terminó 1-0 después de la prórroga, con un gol de Ferran Torres en el minuto 106. El marcador fue corto y tuvo largos tramos de tensión. España había rematado 20 veces; Argentina, solo dos. Los datos describen una superioridad concreta, pero no explican el instante exacto en que apareció el campeón.
Ahí empieza la pregunta que acompaña a cada gran torneo: ¿lo habían visto venir los modelos estadísticos? La respuesta correcta es menos espectacular que un titular de pronóstico, pero mucho más útil. Sí, España aparecía entre las selecciones con mejores opciones. No, ningún modelo serio podía prometer que levantaría la copa. Una probabilidad no es una sentencia anticipada: es una forma disciplinada de medir la incertidumbre antes de que el balón empiece a rodar.
El resultado no era una sorpresa absoluta
Antes del Mundial, varios análisis situaban a España en el grupo de favoritas. El modelo de Goldman Sachs le otorgaba un 26% de posibilidades de ganar el torneo, por delante de Francia, Argentina, Brasil e Inglaterra. Otro ejercicio publicado durante la competición, elaborado a partir de miles de simulaciones, también colocaba a la selección española en la primera posición. En una actualización previa a la final, el modelo de EL PAÍS elevaba sus opciones de conseguir la segunda estrella al 53%, cuando ya se conocía el emparejamiento decisivo.
Las cifras pueden parecer contradictorias, pero no lo son necesariamente. El 26% era una estimación hecha con todo el cuadro todavía por jugar. El 53% correspondía a una final concreta, con solo un rival por superar y con información nueva sobre el estado de los equipos. Una predicción se mueve cuando cambian los datos. El resultado de un partido, una lesión, una expulsión o el camino recorrido hasta una semifinal modifican el cálculo.
Lo importante es interpretar bien un porcentaje. Si una selección recibe un 26% de probabilidad, el modelo no está diciendo que vaya a ganar una de cada cuatro finales que el aficionado pueda ver. Está diciendo que, si se repitieran muchas veces torneos comparables con las mismas condiciones, España saldría campeona aproximadamente en 26 de cada 100 simulaciones. En las otras 74, el título iría a otra selección, incluso aunque España fuese la opción más fuerte.
Qué significa ser favorito en un Mundial
En una liga larga, una diferencia de nivel puede aparecer de forma gradual. Un equipo juega muchas jornadas, corrige errores y tiene tiempo para compensar un mal día. Un Mundial funciona de otra manera. La fase eliminatoria reduce el margen de recuperación, los rivales cambian en cada ronda y un partido igualado puede decidirse por un rebote, un penalti o una parada que no se repetirá.
Por eso, la selección favorita no tiene por qué ser la campeona más probable en un sentido aplastante. Puede tener un 18%, un 20% o un 26% y seguir encabezando la clasificación de un modelo. La suma de las probabilidades de todas las selecciones debe acercarse al 100%, de modo que incluso una pequeña ventaja sobre el segundo puesto puede ser suficiente para liderar. En un torneo corto, la distancia entre “primera favorita” y “ganadora segura” es enorme.
Esta distinción también explica por qué un modelo puede ser bueno aunque no acierte al campeón. La evaluación no debe limitarse a preguntar quién levantó la copa. Hay que comprobar si las probabilidades estaban bien calibradas. Si un sistema asigna un 70% a determinados escenarios, esos escenarios deberían producirse cerca de siete veces de cada diez cuando se acumulan suficientes casos. Una predicción probabilística se juzga por la calidad de sus porcentajes, no solo por la anécdota del acierto final.
El primer paso: medir la fuerza de cada equipo
Antes de simular una final, el modelo necesita transformar la idea de “equipo fuerte” en variables. No existe un único número capaz de resumir una selección, pero sí se pueden combinar señales que aportan información distinta. Las más habituales son los resultados recientes, la calidad de los futbolistas, el nivel histórico, el contexto del partido y, en algunos sistemas, el rendimiento ofensivo y defensivo.
El ranking Elo es una de las herramientas más utilizadas. Cada selección parte de una puntuación que se actualiza después de cada encuentro. Ganar a un rival mejor valorado produce una subida mayor que vencer a un adversario inferior. Del mismo modo, perder contra un equipo que llegaba con menos puntos tiene un coste más alto. El método puede incorporar la importancia del partido y el margen de victoria, aunque un resultado abultado no debe convertirse automáticamente en una prueba de dominio permanente.
El Elo mira el contexto, no solo el marcador
Dos selecciones pueden tener el mismo balance de victorias y derrotas y, sin embargo, no representar el mismo nivel. No es igual ganar amistosos que superar rivales fuertes en una Eurocopa o en un Mundial. Tampoco es idéntico vencer por un gol en un encuentro cerrado que dominar durante 90 minutos. El Elo intenta ordenar esas diferencias mediante reglas de actualización, pesos y ajustes.
Algunos modelos añaden una medida de pedigrí o de fuerza histórica. La razón es sencilla: una selección puede estar atravesando una generación excepcional o, al contrario, vivir un momento pasajero. Si el rendimiento actual se separa demasiado de su trayectoria habitual, una regresión hacia la media evita que el sistema reaccione con exceso a una racha breve. No significa que el pasado decida el futuro; significa que ayuda a estimar cuánto de una racha parece sostenible.
El valor de la plantilla sirve como señal, no como veredicto
Otra variable frecuente es el valor de mercado de los futbolistas. Es un indicador imperfecto, porque los precios reflejan edad, contrato, posición, liga y expectativas, pero permite aproximar la cantidad de talento disponible. Las selecciones juegan pocos partidos juntas y no siempre ofrecen una muestra suficiente para medir su nivel con resultados propios. El valor de la plantilla aporta una referencia adicional.
La limitación es evidente: once jugadores con una cotización alta no forman automáticamente un equipo equilibrado. El modelo debe considerar, cuando los datos lo permiten, la edad, las posiciones, el tiempo de juego, el estado físico y la competición en la que actúa cada futbolista. También debe aceptar que la química, las instrucciones del entrenador y la capacidad de cambiar un partido desde el banquillo son difíciles de convertir en una cifra.
Del número abstracto al posible marcador
Una vez estimada la fuerza de los rivales, el sistema necesita traducir esa ventaja en goles. Una forma clásica consiste en calcular cuántos tantos se espera que marque cada selección y aplicar una distribución de Poisson para estimar la probabilidad de 0-0, 1-0, 1-1, 2-0 y del resto de marcadores posibles. No se trata de afirmar que un partido obedece a una fórmula mecánica, sino de construir una aproximación coherente a partir de miles de encuentros.
El modelo puede producir, por ejemplo, una probabilidad de victoria, empate o derrota y, al mismo tiempo, una tabla de marcadores. Es útil porque un torneo no se resuelve solo con tres resultados. En la fase de grupos, los goles afectan a la clasificación; en una eliminatoria, el empate conduce a la prórroga y quizá a los penaltis. Prediciendo la distribución de goles, el simulador puede recorrer cada una de esas situaciones sin reducir toda la información a un simple “ganará A”.
La prórroga cambia las probabilidades
Un partido que llega igualado al minuto 90 no es idéntico a otro que termina en empate durante la fase de grupos. El cansancio, los cambios, la posibilidad de un gol en la prórroga y la posterior tanda de penaltis generan un escenario específico. Algunos modelos de torneos trabajan con tasas de gol separadas para el tiempo reglamentario y el tiempo extra; otros utilizan una estimación simplificada y añaden una distribución para los penaltis.
La diferencia puede parecer técnica, pero afecta mucho a una competición de eliminación directa. La selección que domina el juego no siempre convierte esa superioridad en una ventaja amplia antes del descanso. España lo comprobó en la final: tuvo más remates y más control, pero necesitó llegar al minuto 106 para encontrar la acción que inclinó el título.
Miles de Mundiales dentro de un ordenador
El paso decisivo es la simulación Monte Carlo. El sistema sortea cada partido según las probabilidades calculadas, registra quién avanza y repite el proceso miles de veces. En una simulación España puede caer en octavos; en otra puede perder la final; en otra puede superar todo el cuadro. Cuando el experimento se repite 10.000 o 100.000 veces, la frecuencia con la que aparece cada campeón se convierte en una estimación de probabilidad.
En el caso español, la estructura del torneo aumentaba la importancia de cada cruce. El modelo no solo debía medir si España era mejor que un rival concreto, sino también la posibilidad de encontrarse con otras potencias, la secuencia de partidos y la probabilidad de que un detalle alterase el cuadro. La campeona final es el resultado de una cadena de eventos, no de una única predicción aislada.
Dos modelos pueden discrepar sin que uno esté equivocado
En junio, un análisis de la agencia Reuters recogía una diferencia notable entre estimaciones. Un modelo de la firma XP, basado en 10.000 simulaciones y más de 3.300 partidos internacionales, daba a España un 6,4% de opciones de ganar. Goldman Sachs era bastante más optimista, con un 26%. La distancia no demuestra que las matemáticas sean inútiles. Revela que las probabilidades dependen de los datos, de la fecha de corte y de la forma de ponderar cada factor.
La comparación justa exige conocer la metodología. También obliga a separar la predicción previa al torneo de la actualización después de cada partido. El porcentaje de España no tenía por qué permanecer estable: la victoria en una eliminatoria podía elevarlo; una lesión o un sorteo complicado, reducirlo. Si el modelo no cambia nunca, probablemente no está incorporando toda la información disponible.
Lo que la final sí puede enseñar a los modelos
La final ofrece, sin embargo, una lección concreta. España fue capaz de controlar el partido, registrar 20 intentos y limitar a Argentina a dos remates, mientras el gol decisivo llegó desde el banquillo. Esa secuencia respalda la idea de que el equipo tenía una base sólida y recursos para sostener el plan. No prueba que el modelo pudiera conocer de antemano quién marcaría en el minuto 106 ni qué sustitución abriría el espacio definitivo.
Los modelos funcionan con información disponible antes del partido. Pueden incorporar alineaciones confirmadas, lesiones, sanciones y cambios de mercado cuando se conocen. Lo que no pueden hacer es observar una final alternativa en la que el mismo pase rebota de otra manera. La probabilidad se refiere a un conjunto de futuros posibles; el fútbol real escoge uno solo.
Por eso una plataforma de pronósticos como NerdyTips puede ofrecer datos, tendencias y selecciones para ayudar a leer un partido, pero ninguna herramienta convierte una estimación en una garantía. El valor está en entender qué mide, con qué información trabaja y qué margen de error deja fuera. La estadística ayuda a pensar mejor; no reemplaza la incertidumbre del juego.
La diferencia entre acertar y estar bien calibrado
Un sistema puede elegir al campeón correcto por casualidad y ser malo durante el resto del torneo. También puede colocar a España como favorita, asignarle una probabilidad razonable y perder el título en una final cerrada; eso no demostraría que el modelo falló. La pregunta es si sus porcentajes fueron consistentes cuando se comparan con muchos partidos y torneos.
Para comprobarlo se utilizan métricas como el Ranked Probability Score, que penaliza las probabilidades alejadas del resultado observado y no solo el ganador equivocado. También se separan los datos de entrenamiento de los partidos usados para evaluar el modelo. Si se prueba el sistema con los mismos encuentros que utilizó para aprender, el resultado puede parecer brillante sin ser fiable.
Un modelo aplicado al Mundial de 2026 puede entrenarse con miles de partidos internacionales desde 2004 y validarse con torneos anteriores. En una metodología publicada por EL PAÍS, el sistema acertaba el resultado de alrededor del 59% de los partidos, pero sus autores subrayaban que la calibración probabilística era más importante que adivinar un ganador. Ese matiz es esencial: un 59% no significa que el fútbol haya dejado de ser imprevisible.
La evaluación también debe vigilar el exceso de confianza. Decir que una selección tiene un 90% de posibilidades de avanzar cuando en realidad lo hace seis de cada diez veces es un error grave, aunque en un torneo concreto consiga avanzar. Las predicciones responsables muestran la incertidumbre, explican sus variables y actualizan sus números cuando aparecen nuevos datos.
¿Podían predecir a la España campeona?
La evidencia disponible permite una conclusión equilibrada. Los modelos podían señalar a España como una candidata de primer nivel y, en algunos casos, colocarla por encima del resto. No podían garantizar la segunda estrella, porque incluso una probabilidad del 26% deja mucho espacio para otros campeones. Tampoco podían anticipar con precisión el guion de una final que necesitó prórroga y un gol de un suplente.
La victoria demostró que pronóstico y destino pueden coincidir sin ser la misma cosa. El modelo aporta un mapa: mide fuerzas, calcula rutas y cuantifica riesgos. El partido aporta el territorio real, lleno de decisiones, lesiones, rebotes y momentos que no se repiten. Confundir ambos es convertir una herramienta útil en una promesa imposible.
España llegará al próximo ciclo como campeona del mundo y con Luis de la Fuente vinculado al proyecto hasta 2030, año del Mundial que el país coorganizará. Esa condición modificará los datos de entrada: aparecerá un título reciente, cambiarán las plantillas, se renovará el Elo y surgirán jugadores nuevos. Los modelos volverán a empezar desde ahí.
La mejor predicción no será la que hable con mayor seguridad, sino la que sepa decir cuánto sabe y cuánto no. España levantó la copa porque encadenó suficientes aciertos en el momento decisivo. Las estadísticas pudieron señalar el camino más probable. La historia, como casi siempre en un Mundial, se escribió en los minutos que ningún algoritmo podía jugar.
