Estadísticas para apuestas 2026: guía real para dejar de apostar a ciegas

Por qué las estadísticas deciden apuestas (y por qué no bastan)

La industria del dato deportivo mueve más dinero que muchos clubes de Primera. Y aun así, la mayoría de apostantes sigue tomando decisiones con el mismo rigor con el que elige menú del día: por lo que le suena. En 2026, las estadísticas para apuestas deportivas están a un clic, muchas veces gratis, y sin embargo el margen de las casas de apuestas en España no se ha desplomado. Eso debería decirte algo.

El dato no apuesta por ti. El dato reduce la niebla. La diferencia entre un apostante que consulta estadísticas y otro que no es la misma que entre un comprador que lee la etiqueta y otro que compra por el color del envase. Pero leer la etiqueta no garantiza que el producto sea bueno. Ahí está la trampa que el marketing de las “apps de estadísticas” prefiere no contar.

Este pillar no vende fórmulas mágicas ni promete un ROI del 30 % anual. Vende lo que hay: modelos, métricas, herramientas y la letra pequeña que separa un análisis estadístico útil de una colección de porcentajes sin contexto. Si buscas humo, este no es tu artículo.

El margen del bookmaker: el impuesto silencioso

Cada cuota que ves en pantalla lleva incorporado un margen. Es el precio que pagas por tener enfrente a una empresa que se protege. En los mercados principales de Pinnacle, el margen ronda el 2–4 %; en una casa minorista típica, el 1X2 se mueve entre el 6 y el 8 % . No es lo mismo apostar con un 3 % de peaje que con un 7 %. A largo plazo, esa diferencia decide quién sobrevive.

El margen no es visible. No aparece en el resguardo. Se esconde en la relación entre las cuotas de todos los resultados posibles. Si sumas las probabilidades implícitas de un 1X2 y el resultado supera el 100 %, ese exceso es el margen. En LaLiga, la media de las casas minoristas suele instalarse alrededor del 6 %; en Pinnacle, ese mismo mercado se ha medido en torno al 3,5 % en la temporada 2025/26 . El dato no es un detalle: es la primera estadística que cualquier apostante debería mirar antes que el xG.

La consecuencia práctica es incómoda. Si apuestas con un margen del 6 %, necesitas acertar más del 53 % de las veces en cuotas cercanas al even money solo para empatar. Con un margen del 3 %, el umbral baja al 51,5 %. La estadística no elimina el margen. Pero te dice cuánto margen puedes permitirte según tu tasa de acierto esperada.

Qué es el valor esperado y por qué tu “corazonada” no lo tiene

El valor esperado (EV) es la media de resultados posibles ponderada por su probabilidad. Suena académico. En la práctica, es la única brújula que distingue una apuesta racional de una donación. Si tu modelo estima que un resultado tiene un 45 % de probabilidad y la cuota ofrece una probabilidad implícita del 40 %, el EV es positivo: a largo plazo, esa apuesta gana. Si ocurre al revés, pierdes aunque ganes la apuesta concreta.

El problema es que el EV depende de tu modelo. Y tu modelo depende de las estadísticas que metas. Un EV positivo calculado con datos de posesión y tiros totales es un EV positivo de mentira. La posesión no gana partidos; los goles sí. Por eso el xG se ha comido el discurso del análisis estadístico en la última década: mide la calidad de las ocasiones, no el volumen de pelota.

Análisis estadístico aplicado a apuestas deportivas: del dato al modelo

El análisis estadístico para apuestas deportivas no es un software que escupe pronósticos. Es un proceso: eliges una métrica, estimas una probabilidad, la comparas con el precio y decides si hay valor. Si no hay valor, no apuestas. Esa última parte, la de no apostar, es la que casi nadie ejecuta.

La estadística aplicada a las apuestas deportivas tiene tres capas. La primera es descriptiva: qué ha pasado. La segunda es inferencial: qué podemos esperar que pase. La tercera es prescriptiva: cuánto deberíamos arriesgar. La mayoría de las webs de estadísticas se quedan en la primera capa y la visten de tercera. Ese es el negocio.

Los modelos serios, los que usan los sindicatos de apostantes y algunos fondos cuantitativos, trabajan con distribuciones, no con medias. Una media de 1,4 goles por partido puede esconder un equipo que alterna 3-0 y 0-0. La distribución importa más que la media. Y la distribución se modela, no se consulta en una tabla.

xG, xGA y modelos Poisson en fútbol

El expected goals (xG) asigna una probabilidad de gol a cada disparo según su ubicación, el tipo de remate y la presión defensiva. Sumado, da una estimación de los goles que un equipo “debería” haber marcado. El xGA hace lo mismo con los goles concedidos. La diferencia entre goles reales y xG durante una temporada suele regresar a la media: un equipo que marca mucho más de lo que su xG sugiere está teniendo suerte, y la suerte se paga.

El uso clásico del xG en apuestas es alimentar un modelo Poisson. Se toma el xG a favor del equipo local como intensidad (λ) y el xG del visitante como la otra intensidad, y se calcula la probabilidad de cada marcador. La distribución de Poisson asume independencia entre los goles de ambos equipos, una simplificación que los modelos Dixon-Coles corrigen parcialmente introduciendo una correlación para resultados de pocos goles . En la Bundesliga, los modelos Poisson alimentados con xG previo al partido han mostrado capacidad para generar probabilidades de resultado comparables a las del mercado, aunque con menor calibración en los extremos . En cristiano: el xG sirve, pero no es el santo grial.

Para LaLiga 2025/26, los datos de xG por partido están disponibles en StatMuse y en plataformas como FootyStats . La media de xG por equipo en la competición ronda el 1,3–1,4, con variaciones notables entre equipos de posesión y equipos de transición. Un equipo con un xG de 1,6 pero un rendimiento real de 1,1 está infraconvirtiendo; el mercado tiende a sobrerreaccionar y a ajustar su cuota a la baja, creando a veces valor en el lado contrario.

Cómo calcular probabilidades implícitas y detectar valor

La probabilidad implícita de una cuota decimal se calcula dividiendo 1 entre la cuota y multiplicando por 100. Una cuota de 2,50 implica un 40 %. La cuota justa, sin margen, se obtiene normalizando las probabilidades de todos los resultados para que sumen 100 %. Si tu modelo estima una probabilidad superior a la implícita normalizada, hay valor teórico. Si es inferior, no lo hay, por muy bonita que sea la estadística que acabas de leer.

El error habitual es comparar la probabilidad del modelo con la probabilidad implícita bruta, que incluye margen. Así siempre parece que hay valor. La comparación correcta es contra la probabilidad libre de margen. Y esa probabilidad solo se puede reconstruir si conoces el margen, que varía por mercado, por casa y por momento del día. En mercados secundarios (córners, tarjetas, tiros), el margen se dispara y la estadística pierde buena parte de su ventaja.

Las mejores apps y páginas de estadísticas para apuestas en 2026

El ecosistema de herramientas estadísticas se ha multiplicado, pero la calidad no ha crecido al mismo ritmo. Hay webs que ofrecen xG, mapas de tiros y presión alta con una profundidad que hace diez años era impensable. Y hay apps que básicamente reempaquetan resultados de FlashScore con un logo nuevo. La diferencia está en la granularidad y en la transparencia del modelo.

Para el apostante español, el acceso a datos de LaLiga y Segunda División ha mejorado con plataformas como FootyStats, que cubre ambas competiciones con estadísticas de tiros, córners y goles esperados . WhoScored mantiene una base de datos muy profunda, aunque su modelo de suscripción limita el acceso. SofaScore y FlashScore son gratuitas y rápidas, pero su profundidad analítica es menor: sirven para seguir, no para modelar.

Las apps de estadísticas avanzadas para NBA han seguido un camino distinto. En baloncesto, el dato clave no es el xG sino el ritmo (possessions per 48 minutes) y los ratings ofensivos y defensivos. StatMuse y Basketball-Reference ofrecen splits situacionales que permiten estimar totales con más criterio que la media de puntos por partido. Los modelos de totals en NBA se benefician de ajustar por descanso y por back-to-backs, un factor que las webs generalistas ignoran.

Herramientas gratuitas vs. plataformas de pago

La estadística gratuita tiene un techo. FlashScore, SofaScore y las secciones estadísticas de las casas de apuestas cubren lo básico: resultados, posesión, tiros, córners. Para un apostante recreacional, es suficiente para no apostar a ciegas. Para alguien que quiere construir un modelo, no lo es. La diferencia entre una web gratuita y una de pago no es solo el volumen de datos: es la latencia y la granularidad histórica.

Las plataformas de pago serias (FootyStats Pro, Opta-powered feeds, servicios de API como Sportmonks) permiten descargar datos a nivel de disparo y de jugador. Eso abre la puerta a modelos de xG propios y a backtesting. El coste mensual puede oscilar entre 10 y 100 euros según la profundidad. No es una inversión para alguien que apuesta 20 euros al mes. Es una herramienta para quien trata las apuestas como un proyecto analítico, no como un entretenimiento.

Hay un punto intermedio que suele infravalorarse: las hojas de cálculo propias alimentadas con datos gratuitos. Un CSV de Football-Data.co.uk con resultados históricos y una plantilla de Poisson en Google Sheets permiten hacer cosas que muchas apps de pago no te dejan porque no quieren que salgas de su ecosistema. La estadística aplicada a las apuestas deportivas siempre ha sido más de Excel que de app milagrosa.

Qué mirar antes de fiarte de una web de stats

La primera señal de alarma es la opacidad del modelo. Si una web te da un “porcentaje de probabilidad” sin explicar cómo lo calcula, ese número no vale nada. La segunda es la ausencia de historial verificable. Cualquiera puede publicar una tabla de aciertos de las últimas cinco predicciones; el backtest honesto enseña cien, con las pérdidas incluidas.

La tercera señal es el sesgo de supervivencia. Las páginas que venden pronósticos suelen mostrar solo los aciertos. Las que venden datos, en cambio, no prometen acertar: venden la materia prima. Para apuestas por estadísticas, la materia prima es más fiable que el pronóstico empaquetado. Un dato puede ser correcto o incorrecto; un pronóstico es una opinión con formato de número.

Estadísticas de fútbol para apuestas: LaLiga, Premier League y Champions

El fútbol es el deporte donde más se ha desarrollado la analítica de apuestas, y también donde más se ha prostituido el término “estadística avanzada”. Cualquier web puede calcular el xG con un modelo propio y llamarlo “datos exclusivos”. La diferencia entre un xG útil y uno decorativo está en la calibración: un buen modelo de xG debe predecir los goles reales de la temporada con un error menor que la media de goles por partido. Pocos lo consiguen.

Para LaLiga, las métricas que mejor correlacionan con resultados futuros son el xG a favor y en contra por partido, los tiros a puerta y la calidad de las ocasiones concedidas. La posesión, por sí sola, es una métrica trampa: equipos con el 65 % de posesión pueden generar menos xG que equipos con el 40 % que juegan a la contra. En la temporada 2025/26, la horquilla de xG por partido en LaLiga va de menos de 1,0 a más de 1,8, una dispersión que el mercado de hándicaps asiáticos recoge con más precisión que el 1X2 .

En la Premier League, el ritmo es más alto y los márgenes de las casas en mercados principales son ligeramente más ajustados por la liquidez. En Champions League, la muestra es pequeña y los modelos basados en xG de liga doméstica sobreajustan: un equipo que genera 1,8 xG en su liga puede enfrentarse a un rival que concede 0,7. El dato bruto no se puede trasladar sin ajustar por calidad del rival. Esa es la parte que los pronosticadores de fin de semana ignoran.

Qué métricas importan en LaLiga 2025/26

El xG por partido y el xGA por partido son la base. A partir de ahí, la diferencia entre xG y goles reales (el llamado “rendimiento diferencial”) es una señal de regresión. Un equipo que ha marcado cinco goles más de lo que sugiere su xG no es necesariamente un equipazo ofensivo: puede ser un equipo con suerte en la definición, y la suerte se corrige. Los mercados de “próximo partido” tienden a incorporar esa corrección con un retraso de una o dos jornadas.

Los córners y las tarjetas son mercados con estadísticas propias, menos eficientes que el 1X2 y, por tanto, con más margen para el análisis. Un equipo que promedia más de 5 córners por partido y se enfrenta a un rival que concede más de 6 crea un contexto estadístico favorable para el mercado de más de 10,5 córners . Pero el promedio solo no basta: hay que mirar la dispersión. Un equipo con media de 5 y desviación de 3 es menos fiable que uno con media de 5 y desviación de 1,5.

Córners y tarjetas: mercados que se alimentan de patrones

El mercado de córners es el ejemplo perfecto de cómo un dato superficial puede generar una falsa sensación de control. La media de córners por partido es fácil de calcular y fácil de vender. La distribución de córners por partido, en cambio, no es normal: se agrupa en valores bajos y tiene una cola derecha. Un modelo Poisson simple infravalora los partidos con muchos córners, y los modelos compuestos (Poisson compuesto) capturan mejor esa dispersión extra .

En tarjetas, el dato clave no es la media del equipo sino la media del árbitro y el contexto del partido. Un árbitro con 5,5 tarjetas por partido en una liga de bajo contacto no es lo mismo que un árbitro con 4,5 en un derbi. Las webs de estadísticas rara vez cruzan ambas variables. Ahí hay información gain para quien se moleste en hacerlo.

Estadísticas NBA para apuestas: ritmo, ratings y descansos

La NBA es el deporte donde las estadísticas para apuestas han alcanzado mayor sofisticación, y también donde el público generalista está más perdido. La razón es simple: en baloncesto, el ritmo de juego distorsiona todas las medias. Un equipo que anota 115 puntos por partido puede ser más lento que uno que anota 110 si el primero juega más posesiones. Comparar puntos brutos sin ajustar por ritmo es como comparar coches por velocidad sin mirar el motor.

El offensive rating (puntos por 100 posesiones) y el defensive rating (puntos concedidos por 100 posesiones) son las métricas base. La diferencia entre ambos, el net rating, es un mejor predictor de resultados futuros que el average margin. Para los mercados de totales, el dato clave es el pace (posesiones por 48 minutos) combinado con la eficiencia ofensiva y defensiva de ambos equipos. Un partido entre dos equipos con pace alto y defensas flojas tiene un total esperado más alto que la suma de sus medias de puntos.

Los splits situacionales importan más que las medias de temporada. Un equipo que juega back-to-back (dos partidos en dos noches) suele reducir su eficiencia ofensiva y aumentar su defensive rating. El efecto no es uniforme: los equipos veteranos gestionan mejor la carga, los jóvenes la sufren más. Las webs de estadísticas NBA para apuestas que ofrecen splits por descanso son más valiosas que las que solo muestran promedios.

Offensive/Defensive Rating y totals

Para estimar un total en NBA, el enfoque estadístico básico es: calcular el total esperado a partir del pace esperado y de los ratings ajustados de ambos equipos, y compararlo con la línea del mercado. Si el total esperado es 228 y la línea está en 222, el modelo sugiere over. La dificultad está en estimar el pace esperado: no es la media de los paces de ambos equipos, sino una media ponderada que depende de quién controle el ritmo. Los equipos con estilos opuestos tienden a converger hacia el estilo del equipo con más posesiones, pero no siempre.

La temporada 2025/26 ha dejado datos curiosos. Denver superó su línea de total en el 60,2 % de sus partidos, Utah en el 59,8 %, Golden State en el 58,3 % y Washington en el 57,3 % . Esos porcentajes no son aleatorios: reflejan estilos de juego y, en algunos casos, ineficiencias del mercado a la hora de ajustar las líneas a esos estilos. Pero también pueden revertir: un equipo que ha cubierto el over en el 60 % de sus partidos no tiene una probabilidad del 60 % de hacerlo en el siguiente.

Back-to-backs y gestión de minutos

El calendario NBA es una variable estadística de primer orden. Los equipos que juegan la segunda noche de un back-to-back han mostrado históricamente una caída en eficiencia ofensiva y un aumento en el ritmo, porque los entrenadores acortan rotaciones y los tiradores pierden frescura. El efecto es más pronunciado en equipos con plantillas cortas y en partidos con viaje.

Las estadísticas de lesiones y ausencias son tan importantes como las de rendimiento. Un equipo que pierde a su base titular no solo pierde puntos y asistencias: cambia su ritmo y su eficiencia defensiva. Los modelos que no ajustan por ausencias sobreestiman a los equipos con bajas. En 2026, las herramientas de injury tracking con datos en tiempo real (como las que ofrecen algunas apps de IA para apuestas) permiten incorporar esa variable con más agilidad que las webs de estadísticas tradicionales .

Estadísticas de tenis para apuestas: superficies, saques y cierres

El tenis es un deporte de duelos, no de equipos, y eso simplifica el modelado pero complica la generalización. Un jugador puede ser imbatible en tierra y mediocre en hierba. Las estadísticas agregadas de temporada esconden esa heterogeneidad. El análisis estadístico para apuestas de tenis tiene que ser, por fuerza, específico de superficie y de condiciones.

Las métricas clave son el porcentaje de primeros saques, los puntos ganados con primer y segundo saque, los puntos ganados al resto y el porcentaje de juegos de servicio ganados. A partir de ahí se pueden estimar probabilidades de mantener el saque y, por agregación, probabilidades de set y de partido. Los modelos de tenis más sofisticados ajustan por fatiga, por historial de enfrentamientos y por el estado del torneo (indoor/outdoor, altitud, velocidad de pista).

La conversión de favoritos es un dato revelador. Entre 2022 y 2026, en más de 4.600 partidos ATP con cuotas disponibles, los favoritos claros (cuota inferior a 1,30) ganaron el primer set en torno al 91 % de las veces . Esa cifra no es una garantía de victoria final, pero sí una base para mercados de primer set. La estadística de tenis para apuestas no está en el ganador del partido: está en los mercados parciales, donde el margen es más alto y la eficiencia del mercado, menor.

Conversion de favoritos y valor en sets

El mercado de ganador de partido en tenis es relativamente eficiente en los Grand Slams y en los Masters 1000, donde la liquidez es alta. Los mercados de sets y de juegos son menos eficientes, y ahí es donde las estadísticas de conversión de favoritos por set ofrecen una ventaja potencial. Un favorito con un 91 % de conversión de primer set no necesariamente gana el partido en dos sets, pero el mercado a veces precio el mercado de sets como si la probabilidad de 2-0 fuera la misma que la de victoria, lo cual es un error estadístico.

La segunda variable es la superficie. En tierra batida, los porcentajes de juegos de servicio ganados caen y los breaks suben, lo que aumenta la varianza y reduce la ventaja del favorito. En hierba, el saque domina y los tie-breaks se multiplican. Un modelo que no separa por superficie está mezclando distribuciones distintas y produciendo probabilidades mal calibradas.

Datos de servicio y resto por superficie

Para el apostante que quiere construir su propio método, la recomendación es empezar por una superficie y un torneo. Los datos de servicio y resto por superficie están disponibles en plataformas como TennisPredictor y en los propios perfiles de jugador de la ATP. La clave es usar muestras amplias: un jugador puede tener un porcentaje de primeros saques del 65 % en un torneo de cinco partidos, pero eso no es una estimación estable de su habilidad.

El ajuste por calidad del rival es imprescindible. Un porcentaje de puntos ganados al resto del 40 % contra saques de 180 km/h no es lo mismo que contra saques de 210. Los modelos que no ajustan por la calidad del saque rival sobreestiman a los restadores en torneos con cuadros débiles. La estadística de tenis para apuestas es, en el fondo, un problema de comparar manzanas con manzanas.

Comparativa de casas de apuestas con estadísticas y herramientas (TOP 8 España 2026)

El mercado español regulado por la DGOJ tiene una particularidad que lo distingue de otros mercados europeos: el número de operadores con licencia estatal es limitado, y eso reduce la competencia en precio. En 2026, los operadores con licencia DGOJ activa para apuestas deportivas incluyen bet365, Codere, Winamax, Betfair, Sportium, Luckia, Bwin, 1xBet España y RETAbet . No todas ofrecen el mismo nivel de estadísticas integradas ni el mismo margen.

La elección de casa de apuestas con estadísticas gratis no debería basarse en el bono de bienvenida. El bono es el anzuelo; el margen es el sedal. Un bono de 100 euros con un rollover de 6x a cuota mínima 1,80 puede valer menos que un margen un 2 % más bajo durante un año. La estadística aplicada a las apuestas empieza por calcular el coste real del bono antes de aceptarlo.

La tabla siguiente resume los operadores más relevantes del mercado español en 2026, con datos verificables de licencia, margen medio en 1X2 de LaLiga (cuando está disponible públicamente) y herramientas estadísticas. Los márgenes son orientativos y varían por mercado y por momento; se han tomado de mediciones públicas de comparadores y de la propia industria.

Tabla comparativa: licencia, margen, estadísticas y pagos

La lectura de la tabla no es “elige el del margen más bajo”. El margen más bajo en 1X2 puede compensarse con un margen más alto en córners o en hándicaps, que son los mercados donde muchos apostantes operan. La comparación honesta se hace mercado a mercado. Y ahí, Pinnacle (que no tiene licencia DGOJ pero es referencia global de precio) marca el suelo: 3,5 % en LaLiga frente al 6–8 % de las minoristas españolas . El apostante español que solo puede operar con licencia DGOJ paga un peaje de mercado regulado.

Fiscalidad y legalidad en España: lo que Hacienda ya sabe de tus apuestas

El marco legal español no es un adorno. Desde la Ley 13/2011, cualquier operador que ofrezca apuestas a residentes españoles necesita un título habilitante de la DGOJ. Ese título implica auditorías, garantías y separación de fondos de clientes . Un dominio .es y el sello de la DGOJ en el pie de página son las señales visibles; la ausencia de cualquiera de ellas es una bandera roja.

La parte que el apostante suele ignorar es la fiscal. No porque sea secreta, sino porque es incómoda. La DGOJ envía anualmente a la Agencia Tributaria los datos de cada jugador: saldo inicial y final, depósitos, retiradas, lo apostado, lo cobrado en premios y los bonos promocionales . Hacienda no necesita preguntarte: ya tiene el resumen de cada operador. La declaración de la renta tiene que cuadrar con esos datos.

El cálculo del IRPF se hace apuesta a apuesta. Si una apuesta gana, la renta es lo cobrado menos lo jugado en esa apuesta. Si pierde, lo jugado es pérdida. Después se agregan los resultados de todo el año, de cualquier operador y modalidad . Las pérdidas de un año negativo no compensan ganancias de otros años, y las pérdidas solo restan hasta el importe de las ganancias del mismo año. El mito de “declaro el neto y ya” funciona solo si el neto es positivo y coincide con el agregado apuesta a apuesta.

Impuesto sobre Actividades de Juego (IAJ) y su base

El IAJ es un impuesto estatal que grava la actividad del operador, no la del jugador. El tipo general es del 20 %, pero la base imponible no es siempre el GGR. Para apuestas deportivas de contrapartida (fixed-odds), la base es el ingreso neto (GGR) al 25 %; para apuestas mutuas, la base es el importe total apostado al 20 %; para intercambio, la base son las comisiones netas . El apostante no paga este impuesto directamente, pero lo paga a través del margen de la casa: el operador lo incorpora al precio de la cuota.

La conclusión práctica es que el “impuesto al juego” en España es invisible en el resguardo pero real en la cuota. Un mercado con un margen del 6 % no solo cubre el riesgo del bookmaker: también cubre el IAJ y los costes regulatorios. Eso explica por qué las casas con licencia DGOJ no pueden competir en precio con un operador offshore sin licencia. La estadística de márgenes no es un capricho: es la traducción numérica del coste regulatorio.

IRPF: cómo se declaran premios y pérdidas

Los premios de apuestas no están sujetos a retención en el momento del cobro si el juego está amparado por la normativa estatal o autonómica. El premio llega íntegro y la tributación se difiere a la declaración del año siguiente . Eso significa que un apostante que gana 5.000 euros en 2026 y no los declara en 2027 puede recibir un requerimiento basado en los datos que la DGOJ ya ha enviado a Hacienda.

El error más común es confundir el saldo de la cuenta de juego con el resultado fiscal. Un premio que el cliente deja en su saldo tributa en el ejercicio en que lo ganó, no en el que lo retira . La estadística de “mis apuestas” de la casa de apuestas no es un registro fiscal; es un registro de movimientos. Para la declaración, lo que cuenta es el resultado apuesta a apuesta, no el saldo final.

Cómo construir tu propio método estadístico (sin vender humo)

El método estadístico para apuestas deportivas no se compra. Se construye. Y se construye con una hoja de cálculo, datos históricos, una medida de la calibración y una disciplina de bankroll que la mayoría de los apostantes no tiene. La buena noticia es que no hace falta un doctorado en estadística. La mala es que hace falta tiempo y tolerancia a la frustración.

El primer paso es elegir un mercado y un deporte. No “apuestas deportivas” en general. Un mercado concreto: por ejemplo, total de goles en LaLiga, o hándicap asiático en Premier League. Cuanto más estrecho el mercado, más manejable el modelo y más fácil detectar si funciona o no. Los modelos generalistas que pretenden predecir todo acaban prediciendo nada.

El segundo paso es construir un baseline. Antes de añadir xG, lesiones y descanso, hay que saber cuál es la probabilidad implícita del mercado. Si tu modelo no supera al mercado en backtesting, no tienes modelo: tienes una ilusión. El closing line value (CLV) es una métrica útil: si tus apuestas sistemáticamente baten la línea de cierre, tienes una ventaja; si no, estás pagando el margen.

Bankroll, Kelly fraccional y registro de apuestas

La gestión del bankroll es la parte estadística que menos se practica y la que más determina la supervivencia. El criterio de Kelly completo maximiza el crecimiento esperado, pero también maximiza la volatilidad. En la práctica, los modelos de value betting usan Kelly fraccional (15 % del Kelly completo) para reducir el riesgo de ruina . Un stake fijo del 1–2 % del bankroll es más conservador y más fácil de ejecutar.

El registro de apuestas no es burocracia. Es el dataset que te permite saber si tu método funciona. Sin registro, no hay backtesting. Sin backtesting, no hay calibración. Y sin calibración, tu “método estadístico” es una colección de intuiciones con formato de número. Las hojas de cálculo de apuestas deberían incluir, como mínimo: fecha, mercado, cuota, stake, resultado y probabilidad estimada. Con cien apuestas se pueden empezar a ver patrones; con quinientas, se puede hablar de evidencia.

Errores estadísticos que arruinan bankrolls

El sesgo de confirmación es el primero. Buscar estadísticas que confirmen la apuesta que ya querías hacer no es análisis: es racionalización. El segundo es el sobreajuste: un modelo con veinte variables y cien partidos de muestra está memorizando el pasado, no prediciendo el futuro. El tercero es ignorar la varianza: una racha de diez apuestas ganadoras no valida un método, del mismo modo que una de diez perdedoras no lo invalida.

El cuarto error es no ajustar por margen. Un modelo que acierta el 55 % en cuotas de 1,80 con un margen del 6 % puede ser rentable; el mismo acierto en cuotas de 1,70 con margen del 8 % puede ser una pérdida. La estadística de acierto sin la estadística de precio es media estadística. Y media estadística es lo que venden los pronosticadores de Telegram.

¿Qué estadísticas son más fiables para apostar al fútbol?

Las más fiables son el xG y el xGA por partido, los tiros a puerta y la calidad de las ocasiones concedidas. La posesión y los tiros totales son menos predictivos porque no distinguen entre un disparo desde el centro del área y uno desde 35 metros. Para mercados secundarios, los córners y las tarjetas tienen patrones más estables que los goles, pero también márgenes más altos. La fiabilidad de una estadística depende del mercado al que se aplica, no de la estadística en sí.

¿Merece la pena pagar por una app de estadísticas avanzadas?

Solo si vas a usar los datos para algo más que consultar el xG antes de apostar. Las apps de pago se justifican cuando necesitas datos a nivel de disparo, historial descargable o APIs para alimentar un modelo propio. Para un apostante recreacional que hace menos de cincuenta apuestas al mes, una combinación de FlashScore, SofaScore y una hoja de cálculo gratuita cubre el 90 % de las necesidades. Pagar 50 euros al mes para mirar porcentajes que no vas a modelar es un gasto, no una inversión.

¿Se pueden ganar apuestas solo con estadísticas?

Se puede tener una ventaja estadística y aun así perder durante meses. La varianza en apuestas deportivas es brutal: un método con un ROI esperado del 5 % puede tener drawdowns del 20 % o más. Las estadísticas mejoran la calidad de las decisiones, pero no eliminan la incertidumbre del resultado individual. Quien promete ganar solo con estadísticas está vendiendo un producto, no una realidad. La estadística sirve para apostar mejor, no para garantizar ganar.

¿Qué es el xG y cómo se usa en apuestas?

El xG (expected goals) es una métrica que asigna una probabilidad de gol a cada disparo según su ubicación y el tipo de remate. En apuestas se usa para estimar la probabilidad de goles de un equipo y alimentar modelos Poisson que calculan marcadores y resultados. Su valor está en que mide la calidad de las ocasiones, no solo el volumen. Un equipo con mucho xG y pocos goles reales tiende a corregir al alza; uno con poco xG y muchos goles tiende a corregir a la baja.

¿Las casas de apuestas españolas permiten apostar por estadísticas?

Sí, todas las casas con licencia DGOJ ofrecen mercados basados en estadísticas: córners, tarjetas, tiros a puerta, saques, faltas y un largo etcétera. La profundidad varía: bet365 y 1xBet España suelen ofrecer más mercados secundarios que las casas minoristas tradicionales. La clave es que esos mercados tienen márgenes más altos que el 1X2, así que la ventaja estadística que puedas tener se reduce por el peaje del operador. No es imposible, pero el listón es más alto.

¿Cómo afecta el impuesto español a mis ganancias?

El IAJ lo paga el operador, no tú, pero se refleja en el margen de la cuota. En el IRPF, tus ganancias del juego tributan como ganancias patrimoniales en la base general, no en la del ahorro. Se calculan apuesta a apuesta: lo cobrado menos lo jugado en cada apuesta, y se agregan todos los resultados del año. Las pérdidas solo restan hasta el importe de las ganancias del mismo año. La DGOJ envía tus datos a Hacienda, así que la declaración tiene que cuadrar con esos registros.