PITIA

WC2026 · Motor de Predicciones

Dixon-Coles MLE + Monte Carlo · 93% mercado · Cloudflare Workers

Proyección del torneo
🏆
Campeón proyectado
Simulando…
🥈
Segundo finalista
Sorpresa del torneo

Picks disponibles — Fase de grupos


Obteniendo predicciones…

Picks óptimos

Partido P(1)% P(X)% P(2)% Pick EV xG
Confianza alta ≥60%
Media 45–59%
Baja <45%

Simulador de torneo completo

Simula los partidos pendientes de grupos, calcula los 32 clasificados según el bracket FIFA y proyecta el torneo completo por Monte Carlo.

Simulaciones

Cómo funciona PITIA

1. Modelo base: Dixon-Coles MLE

El marco matemático (DC-MLE, ponderación temporal exp(−ξ·Δt), corrección ρ) se desarrolló y validó sobre +5.000 partidos de top-5 ligas europeas. Para cada selección del WC2026 se estiman dos parámetros de fuerza relativa:

  • αᵢ — fuerza ofensiva (capacidad de marcar)
  • βᵢ — solidez defensiva (cuánto concede)
  • γ — ventaja de campo global

La función de verosimilitud incluye ponderación temporal exp(−ξ·Δt) para dar más peso a partidos recientes. Restricción de identificabilidad: Σαᵢ = 0. Optimización por gradiente desde cero (stdlib puro, sin numpy).

2. Goles: Poisson bivariante + corrección Dixon-Coles ρ

Los goles H/A siguen distribuciones Poisson independientes salvo para resultados bajos (0–0, 1–0, 0–1, 1–1), donde se aplica la corrección de correlación ρ:

λ_home = exp(αᵢ − βⱼ + γ) · BASE_GOALS
λ_away = exp(αⱼ − βᵢ) · BASE_GOALS

BASE_GOALS1.45 goles/equipo ξ (decay)0.0020 / día ρ (DC corr.)−0.02

3. Ratings dinámicos (actualización online)

Tras cada partido, αᵢ y βᵢ se actualizan según el diferencial gol observado vs esperado (paso tipo Kalman/SGD). El decaimiento entre temporadas es configurable. El walk-forward asegura ausencia de leakage temporal.

4. Prior de mercado bayesiano (blend w*)

Las probabilidades del modelo se combinan con las odds de cierre Pinnacle (devigging Shin) mediante un peso óptimo w* aprendido por minimización de log-loss OOS:

P_final = (1 − w*) · P_modelo + w* · P_mercado

w* aprendido0.930 — el mercado aporta ~93% del peso final ΔLogLoss−0.020 vs w=0.40 fijo (IC 95%: [−0.028, −0.011]) SignificanciaIC no cruza 0 → mejora estadísticamente significativa

5. Simulación Monte Carlo del bracket

Para cada iteración:

  • Los partidos de grupos pendientes se sampean usando el modelo Poisson-DC → [gH, gA]
  • Se calculan clasificaciones por grupo (pts / DG / GF) y se determinan los 32 clasificados según el bracket oficial FIFA WC2026 (M73–M88), incluyendo los 8 mejores terceros
  • Las rondas KO se resuelven sampando ganador a 90 min; empates → 50-50 en probabilidad de avance
  • Se registra campeón, finalistas, semifinalistas y cuartofinalistas por equipo
  • Se repite N veces (1K–10K simulaciones, configurable)

6. Validación estadística

  • Walk-forward CV estricto: cada partido predicho usando solo datos temporalmente anteriores
  • Bootstrap CI 95% (10.000 resamples) de diferencia RPS modelo−mercado
  • Test Diebold-Mariano para significancia de diferencial de forecasting
  • Grid search 245 combinaciones sobre dataset histórico (WC 2018+2022)
  • Dataset: 5K+ partidos, top-5 ligas europeas, 10+ temporadas, odds Pinnacle closing

Stack técnico

BackendCloudflare Workers (TypeScript) — DC Poisson port 1:1 desde engine.py FrontendHTML/JS autocontenido, sin dependencias externas ModeloPython 3 stdlib only — sin numpy, scipy ni ML frameworks HostingCloudflare Pages + Workers (edge global)

¿Qué es PITIA?

PITIA es un sistema matemático que predice resultados de fútbol. Combina un modelo estadístico de goles (Dixon-Coles + Monte Carlo) con las cuotas del mercado de apuestas para estimar probabilidades de victoria, empate y derrota en cada partido del Mundial 2026.

¿Cómo aprendió?

El método matemático (Dixon-Coles MLE) se desarrolló y calibró usando más de 5.000 partidos de las top-5 ligas europeas: era la forma de tener suficientes datos con odds de cierre de calidad para medir si el modelo añadía valor. Con ese corpus se fijó el peso óptimo: 93% mercado / 7% modelo propio.

Para el Mundial 2026 el modelo trabaja con selecciones nacionales, no clubes europeos. La señal principal son las cuotas del mercado de apuestas para cada partido del Mundial — que ya incorporan toda la información disponible sobre cada selección. El modelo matemático aporta el 7% restante: un matiz estadístico sobre fortaleza ofensiva y defensiva relativa.

¿Depende mucho del mercado?

Sí. El peso es 93% mercado / 7% modelo propio. Significa que las predicciones son muy parecidas a lo que ya descuentan los mercados de apuestas, con pequeños matices aportados por el análisis matemático de fortalezas ofensivas y defensivas. La parte del modelo es la que da señal sobre equipos menos conocidos o en momentos de forma discordante con las cuotas.

¿Qué es el Simulador de torneo?

Juega el Mundial completo miles de veces en el ordenador. En cada simulación, los partidos que quedan por jugar se deciden según las probabilidades del modelo. Al final suma cuántas veces ganó cada equipo el torneo, cuántas llegó a la final, etc. Si Brasil gana 230 de cada 1.000 simulaciones → tiene un 23% de probabilidad de ser campeón.

¿Y el Optimizador de picks?

Si juegas una quiniela o porra del Mundial, el optimizador te dice qué resultado apostar en cada partido para ganar más puntos en promedio. Selecciona siempre el resultado más probable según el modelo y lo ordena de mayor a menor confianza.

¿Por qué a veces se equivoca?

El fútbol tiene mucho azar. El modelo predice probabilidades, no certezas. Que una selección tenga un 70% de probabilidad de ganar significa que perderá (o empatará) en 3 de cada 10 partidos similares. Las sorpresas son parte del juego.

⚠️ PITIA es un proyecto de análisis deportivo con fines educativos. Las predicciones llevan incertidumbre inherente. No uses estos datos para apostar dinero real.