Skip to content

README.es.md

Latest commit

 

History

History
95 lines (66 loc) · 4.03 KB

README.es.md

File metadata and controls

95 lines (66 loc) · 4.03 KB
Raw

⚽️ Mundial 2026 · Predictor Elo (caso de estudio)

⚠️ Esto es un EXPERIMENTO educativo sobre modelos predictivos e IA. NO es una herramienta para apostar. Estamos en contra de las apuestas. No nos hacemos responsables de ningún uso de este material. Leé el DISCLAIMER completo.

Proyecto abierto de NoMa Studio AI: ¿qué tan bien predice los partidos del Mundial 2026 un modelo estadístico simple basado en el rating Elo de las selecciones? Lo construimos, lo medimos contra los resultados reales y documentamos honestamente qué funciona y qué no.

La gracia del caso de estudio no es "ganarle al Mundial": es mostrar, con datos, dónde está el techo de un modelo de este tipo y por qué.

🇬🇧 Read it in English: README.md.

🔮 Predicciones actuales

El documento de predicciones (en inglés, autogenerado y actualizado a diario) está en 👉 predicciones/PREDICCIONES.md. Incluye:

  • Próximos partidos con su marcador más probable.
  • Cuadro proyectado partido a partido, de 16avos hasta la final, con marcador.
  • Probabilidades de avance por grupo y de finalistas (Monte Carlo, 50.000 corridas).

🧪 Qué probamos (y qué aprendimos)

Partimos de un modelo base (Elo → goles esperados → Poisson) y lo evaluamos con un backtest contra los partidos ya jugados. Después intentamos mejorarlo en tres frentes. Resultado honesto:

Mejora que probamos ¿Mejoró el acierto? ¿Mejoró la calidad de probabilidad?
#1 Modelar el empate (Dixon-Coles) No Sí (marcador exacto y empate bien calibrado)
#2 Forma intra-torneo (Elo fresco partido a partido) No No
#3 Atenuar la sobreconfianza (temple / shrink) No No

Hallazgos clave:

  1. El modelo nunca predice empate, y eso NO se puede "arreglar" forzándolo. Los empates pasaron en favoritos que pincharon (España 0-0 Cabo Verde, Inglaterra 0-0 Ghana), no en partidos parejos. Forzar empates baja el acierto sin atrapar los empates reales. Lo que sí sirve (Dixon-Coles) es dejar la probabilidad de empate bien calibrada (~24,5% predicho vs 25% real).

  2. La forma intra-torneo no aporta. Un backtest walk-forward (sin fuga) dio +0,0 pp de acierto. Incluso con el Elo "perfectamente fresco" de eloratings (cota optimista, con fuga) el techo apenas sube a ~66%.

  3. El modelo ya está bien calibrado. Atenuar la confianza empeora el Brier.

Conclusión: el predictor está en el techo de lo que el índice Elo puede dar para la fase de grupos (~61-62% de acierto 1X2). La única mejora que aportó valor fue Dixon-Coles. Subir el acierto requeriría datos fuera del índice (plantel, lesiones, descanso), que es otro proyecto.

📐 El modelo (specs)

  1. Índice: rating Elo de selecciones (eloratings.net, vía El Atlas).
  2. Probabilidad: diferencia de Elo (+ localía de anfitriones) → goles esperados → Poisson → 1X2 y marcadores. Con corrección Dixon-Coles para marcadores bajos.
  3. Forma reciente: ajuste acotado, opcional. No mejora el acierto.
  4. Simulación: Monte Carlo (50.000 corridas) del torneo completo.
  5. Cuadro proyectado: camino más probable, partido a partido, hasta la final.

Backtest: Elo pre-torneo (sin fuga). Predicciones a futuro: Elo en vivo.

Parámetros en model.mjs.

🔄 Cómo mantenerlo al día

bash scripts/actualizar.sh

Baja el Elo en vivo de eloratings.net, refresca todo y regenera las predicciones. Un GitHub Action lo corre todos los días. Los resultados de partidos nuevos se agregan a data/grupos-resultados-2026.json (único paso manual).

⚖️ Aviso

Hecho por NoMa Studio AI con fines educativos y de investigación sobre IA y modelos predictivos. No promovemos las apuestas. Las predicciones tienen un margen de error alto y documentado. Uso bajo tu exclusiva responsabilidad. Leé el DISCLAIMER.