flowchart LR
  A["Dados historicos"] --> B["Calculo de lambda"]
  B --> C["Matriz de placares"]
  C --> D["Comparacao com mercado"]
  D --> E{"Brier score <= threshold?"}
  E -->|Sim| F["Relatorio e checkpoint"]
  E -->|Nao| G["Recalibracao de lambda"]
  G --> B

Modelo de Distribuicao de Poisson

Ideia central

A distribuição de Poisson fornece uma estrutura probabilística para estimar a frequência de gols em um intervalo de tempo fixo, condicionada a uma taxa esperada (λ) derivada de dados históricos e ajustes contextuais. O modelo não prevê resultados; ele quantifica a plausibilidade de cada placar sob pressupostos explícitos, permitindo comparação direta com precificação de mercado e medição sistemática de erro.

Modelo mental

Trate o futebol como um processo de contagem de eventos discretos em tempo contínuo. Cada gol é uma realização estocástica onde a taxa de ocorrência é o parâmetro central. A independência condicional entre os times permite decompor o placar em duas distribuições marginais. A incerteza é estrutural, não ruído. O modelo opera como baseline calibrável: sua utilidade reside na transparência do cálculo, na rastreabilidade de λ e na capacidade de registrar desvios entre expectativa matemática e precificação agregada.

O que e

A distribuição de Poisson descreve a probabilidade de um número inteiro não negativo de eventos ocorrerem em um intervalo fixo, dada uma taxa média conhecida. No contexto do futebol, modela a contagem de gols por equipe. A função de massa de probabilidade é:

P(k; λ) = (λ^k * e^-λ) / k!

onde k representa o número de gols e λ a expectativa de gols no período analisado. Os pressupostos fundamentais são: eventos independentes, taxa constante ao longo do intervalo e probabilidade de múltiplos eventos simultâneos desprezível. A distribuição é assimétrica para λ baixo e converge para normalidade à medida que λ aumenta. No futebol, λ raramente excede 2.5, mantendo a assimetria relevante para a modelagem de placares baixos.

Por que importa

Mercados de futebol precificam resultados com base em expectativas agregadas, liquidez e margem operacional. Um modelo Poisson transparente converte expectativas de gols em probabilidades de placar, permitindo decompor odds em componentes mensuráveis. Sem essa estrutura, a análise de preço torna-se especulativa ou dependente de caixas-pretas. O modelo serve como referência auditável para calibração, identificação de desvios sistemáticos e validação empírica. Ele não elimina risco; ele o quantifica e o torna rastreável.

Mecanismo

O processo exige três etapas sequenciais:

1. Estimação de λ: Calcula-se a expectativa de gols para cada time combinando métricas ofensivas e defensivas, ajustadas por força relativa da liga, contexto recente e regressão à média. λ não é uma média aritmética simples; deve incorporar shrinkage para evitar instabilidade em janelas curtas.
2. Geração de vetores de probabilidade: Aplica-se a função de massa para k ∈ [0, N], onde N é um truncamento prático (geralmente 6 ou 7). Cada vetor soma ≈ 1.0 dentro de tolerância numérica.
3. Construção da matriz de placares: O produto externo dos vetores gera uma matriz M onde M[i,j] = P(i; λ_A) * P(j; λ_B). A soma das células correspondentes a vitória, empate ou derrota fornece as probabilidades 1X2. A soma de células com i+j ≥ X fornece probabilidades de totais.

A comparação com o mercado exige remoção do overround para obter probabilidades justas. O edge é a diferença absoluta ou relativa entre a probabilidade do modelo e a probabilidade justa do mercado. A validação requer backtesting temporal, sem vazamento de dados futuros, e registro de métricas de calibração (Brier score, log loss).

Exemplo aplicado de futebol e mercado

Considere um confronto entre Time A (λ = 1.45) e Time B (λ = 0.92). Aplicando P(k; λ) para k ∈ [0, 6], obtemos vetores de probabilidade. O produto externo gera uma matriz 7x7. A soma das células onde gols_A > gols_B resulta em ~48.2% de probabilidade de vitória do Time A. Empate: ~26.1%. Vitória do Time B: ~25.7%. Para over 2.5, somam-se todas as células com i+j ≥ 3, resultando em ~41.8%.

Se o mercado oferece odds decimais de 2.10 (1X2), 3.60 (X) e 3.40 (2), a probabilidade implícita bruta é 47.6%, 27.8% e 29.4%. A soma é 104.8%, indicando overround de 4.8%. Após remoção proporcional, as probabilidades justas são ~45.4%, ~26.5% e ~28.1%. O modelo indica um leve desvio no empate (+0.4%) e na vitória do Time A (+2.8%), mas dentro da variância esperada para um único evento. A utilidade do modelo emerge na agregação temporal: em 100 confrontos similares, o desvio médio deve convergir para zero se λ for calibrado corretamente.

Quadro de raciocinio

• Cálculo de λ ajustado: λ_i = (Ataque_i / Média_Liga) × (Defesa_j / Média_Liga) × Fator_Contexto × Shrinkage
• Função de massa: P(k; λ) = exp(-λ) × λ^k / k!
• Matriz de placares: M[i,j] = P(i; λ_A) × P(j; λ_B)
• Probabilidades 1X2:
  • P(1) = Σ M[i,j] onde i > j
  • P(X) = Σ M[i,j] onde i = j
  • P(2) = Σ M[i,j] onde i < j
• Totais: P(Over X) = Σ M[i,j] onde i+j > X
• Remoção de overround: P_justa = P_bruta / Σ P_bruta
• Implementação prática: Utilize numpy.outer para vetorização. Valide np.sum(M) ≈ 1.0 (tolerância 1e-6). Registre λ por jogo, não por time isoladamente, para capturar interações contextuais.

Modo de falha

O modelo falha quando os pressupostos são violados sem ajuste. Gols não são perfeitamente independentes: um gol altera comportamento tático, gestão de tempo e exposição defensiva. λ estático ignora lesões, calendário, motivação e regressão à média. Amostras pequenas (ex: menos de 10 jogos) geram λ instável e overfitting. A matriz assume independência entre os times, ignorando correlação de ritmo, estilo e condições climáticas. Aplicar o modelo a mercados de handicaps, cartões ou escanteios sem validação empírica gera viés estrutural. O maior risco operacional é tratar a saída como certeza, em vez de uma referência calibrada para medição de erro. Sem backtesting temporal e controle de look-ahead bias, o modelo torna-se ferramenta de ilusão estatística.

Checklist

• Dados históricos limpos, com fusos, status de jogo e minutos válidos
• λ calculado com janela móvel, ajuste por força relativa e shrinkage
• Soma da matriz de placares ≈ 1.0 (tolerância numérica verificada)
• Overround removido das odds de mercado antes da comparação
• Métricas de erro registradas (Brier score, log loss, calibração por faixa)
• Backtest temporal sem vazamento de dados futuros
• Documentação explícita dos pressupostos, limites e taxa de falha esperada

Exercicio pratico

Implemente um script Python que receba λ_A e λ_B, gere a matriz de placares até 6 gols, calcule as probabilidades 1X2 e over/under 2.5, e compare com um array de odds reais. Calcule a probabilidade justa do mercado, o edge absoluto e o Brier score para uma série de 50 jogos históricos. Exporte um CSV com: data, times, λ_A, λ_B, prob_modelo_1, prob_modelo_X, prob_modelo_2, prob_mercado_justa_1, prob_mercado_justa_X, prob_mercado_justa_2, edge_1, edge_X, edge_2, resultado_real. Analise a distribuição dos erros, identifique se há viés sistemático em ligas específicas e documente a sensibilidade do modelo a variações de ±0.15 em λ.

Sintese operacional

A distribuição de Poisson não é uma previsão, é um espelho probabilístico. Seu valor reside na transparência do cálculo, na capacidade de decompor o mercado em componentes mensuráveis e na disciplina de registrar desvios. Modelar futebol exige aceitar a incerteza como variável estrutural, não como ruído a ser ignorado. O modelo só tem utilidade quando integrado a um pipeline de validação contínua, onde cada λ é testado, cada edge é auditado e cada erro é documentado.