Modelo de Poisson: como usar a distribuição para estimar gols

O que é

O modelo de Poisson é uma ferramenta estatística usada para estimar a probabilidade de um número de eventos ocorrerem em um intervalo fixo de tempo, assumindo que os eventos acontecem de forma independente e a uma taxa média constante. No futebol, ele é aplicado para modelar o número de gols marcados por cada time em uma partida.

A ideia central é simples: se um time marca, em média, 1,5 gol por jogo, a distribuição de Poisson calcula a chance de ele marcar 0, 1, 2 gols e assim por diante. Quando você combina as distribuições dos dois times, é possível estimar a probabilidade de resultados como over/under, handicap asiático e placares exatos.

A grande utilidade do modelo é transformar uma média observada (λ) em uma distribuição completa de probabilidades. Em vez de chutar um número, você tem uma curva que mostra todos os cenários possíveis com seus respectivos pesos.

A matemática

A fórmula da distribuição de Poisson é:

P(X = k) = (λ^k × e^−λ) / k!

Onde λ é a média de gols esperada (por exemplo, da partida ou de um time) e k é o número de gols para o qual você quer a probabilidade.

Vamos calcular com um exemplo realista. Suponha que a média total de gols de uma partida seja λ = 2,5. Queremos as probabilidades de 0, 1 e 2 gols para montar a probabilidade de under 2,5 (soma de até 2 gols).

Primeiro, a constante e^(−λ) = e^(−2,5) ≈ 0,082085.

• P(0) = (2,5^0 × 0,082085) / 0! = 1 × 0,082085 / 1 = 0,08209 (8,21%)
• P(1) = (2,5^1 × 0,082085) / 1! = (2,5 × 0,082085) / 1 = 0,20521 (20,52%)
• P(2) = (2,5^2 × 0,082085) / 2! = (6,25 × 0,082085) / 2 = 0,51303 / 2 = 0,25652 (25,65%)

A soma P(0) + P(1) + P(2) = 0,08209 + 0,20521 + 0,25652 = 0,54382, ou 54,38%. Esse é o valor da probabilidade de under 2,5 gols. Consequentemente, a probabilidade de over 2,5 gols é 1 − 0,54382 = 0,45618 (45,62%).

Se uma casa oferece odd de 2,10 para over 2,5, a probabilidade implícita é 1/2,10 = 47,62%. Sua estimativa pelo Poisson deu 45,62%, indicando que a odd está abaixo do valor justo (não há value).

Exemplo prático

Vamos aplicar o modelo a um jogo do Brasileirão. Suponha que, com base em dados históricos, o time da casa tenha λcasa = 1,8 e o time visitante λfora = 1,2. A média total da partida é λ = 1,8 + 1,2 = 3,0.

Calculamos P(0), P(1) e P(2) para under 2,5 com λ=3:

e^(−3) ≈ 0,049787.

• P(0) = 0,04979 (4,98%)
• P(1) = 3 × 0,04979 = 0,14937 (14,94%)
• P(2) = (9/2) × 0,04979 = 4,5 × 0,04979 = 0,22406 (22,41%)

Soma = 0,04979 + 0,14937 + 0,22406 = 0,42322 (42,32% para under 2,5). Over 2,5 = 57,68%.

Agora, suponha que as odds de over 2,5 estejam em 1,85. Probabilidade implícita = 1/1,85 = 54,05%. Sua estimativa de 57,68% é maior, indicando value potencial. O valor esperado de uma aposta de R$20: (1,85 × 0,5768) − 1 = 1,0671 − 1 = 0,0671, ou seja, EV de +6,71%. Isso significa que, se sua estimativa estiver correta, você espera lucro médio de R$1,34 por aposta.

Não se esqueça de que a odd já inclui a margem da casa. Neste exemplo, a implícita de 54,05% contra sua estimativa de 57,68% gera uma diferença de 3,63 pontos percentuais, suficiente para cobrir a margem típica de 4-6% no mercado over/under.

Quando não usar

• Independência dos gols é uma suposição falsa: No futebol, gols não ocorrem de forma independente. Um time que sofre um gol tende a se desorganizar, aumentando a chance de novos gols. Já um time que abre vantagem pode recuar, reduzindo a taxa. O Poisson ignora essas correlações, o que leva a subestimar a probabilidade de placares elásticos (ex: 5-0) e superestimar resultados de poucos gols.

• Taxa constante não se sustenta ao longo do jogo: A média λ é fixa para os 90 minutos, mas na prática o ritmo varia: times cansam, substituições alteram o ataque, e o contexto do placar influencia o comportamento. Poisson não captura esses efeitos, sendo mais confiável para períodos curtos ou quando a taxa é realmente estável.

• Amostras curtas geram λ instável: Calcular λ com 10 ou 20 partidas produz uma estimativa com alto erro amostral. Dois times com a mesma média de gols podem ter distribuições reais bem diferentes. É essencial usar um grande volume de dados históricos (pelo menos 100 jogos) para que o λ seja representativo.

• Subestima a probabilidade de placares extremos: A cauda da distribuição de Poisson é mais fina que a real do futebol. Resultados como 7-1 ou 6-0 acontecem com frequência maior do que o modelo prevê, pois fatores como expulsões, lesões e motivação extras distorcem a média. Por isso, Poisson não é ideal para mercados de placar exato ou handicap muito alto.

• Ignora a qualidade defensiva e ofensiva separadamente: O modelo tradicional usa apenas a média de gols, sem distinguir ataque e defesa. Uma abordagem mais completa (como o modelo bivariado de Poisson) considera a força ofensiva de cada time contra a defesa adversária, melhorando a precisão.

• Não incorpora eventos sazonais ou contextuais: Lesões de jogadores-chave, mudanças de técnico, importância da partida, fase da temporada – tudo isso altera a expectativa real de gols, mas não é capturado por um λ fixo. Ignorar esses fatores torna o modelo ingênuo demais para jogos específicos.

Para fazer os cálculos desta página sem planilha, use o analisador de aposta.

---

Conteúdo educacional. Apostas envolvem risco de perda financeira e têm valor esperado negativo para o apostador no agregado. Restrito a maiores de idade, 18+. Se o jogo deixou de ser entretenimento, procure ajuda especializada.