w w w . e l s e v i e r . e s / r a m d
R
e
v
i
s
t
a
A
n
d
a
l
u
z
a
d
e
Medicina
del
Deporte
Original
Análisis
de
los
goles
conseguidos
en
13
temporadas
(2000/01-2012/13)
correspondientes
a
la
Primera
División
de
la
Liga
Espa ˜
nola
de
Fútbol
Profesional
J.
Sánchez-Flores
a,
J.M.
Martín-González
b,
J.M.
García-Manso
a,∗,
Y.
de
Saa
a,
E.J.
Arriaza-Ardiles
cy
M.E.
Da
Silva-Griglotetto
daDepartamentodeEducaciónFísica,UniversidaddeLasPalmasdeGranCanaria,LasPalmas,IslasCanarias,Espa˜na bDepartamentodeFísica,UniversidaddeLasPalmasdeGranCanaria,LasPalmas,IslasCanarias,Espa˜na cCentrodeEstudiosAvanzados,UniversidaddePlayaAncha,Valparaiso,Chile
dCentrodeCienciasBiológicasedaSaúde,UniversidadeFederaldeSergipe,Brasil/ScientificSport,Espa˜na
i n f o r m a c i ó n
d e l
a r t í c u l o
Historiadelartículo:
Recibidoel19demarzode2014 Aceptadoel20demayode2015 Palabrasclave:
Fútbol Gol
EntropíanormalizadadeShannon DistribucióndePoisson Distribuciónbinomialnegativa EfectoMateo
r
e
s
u
m
e
n
Objetivo: Elpropósitodelestudioesanalizar,enlastemporadas2000/01-2012/13,ladistribuciónde losgolesconseguidos,porpartidoyequipo,ysucomportamientoalolargodeltiempo;ademásseha analizadosurelaciónconelgradodecompetitividaddelaliga.
Método:SeutilizóladistribucióndePoissonyladistribuciónbinomialnegativaparaelanálisisdelos golesylaentropíanormalizadadeShannonparaelcálculodelgradodecompetitividaddelasligas.
Resultados:Laligaespa ˜nolahaperdidocompetitividadenlastemporadasevaluadas,comodemuestran laentropíayenelíndicededispersiónentreequipo-partido,especialmenteenlasúltimas tempo-radasevaluadas.Ladistribucióndelosgolesporequiposdejadeserpoissoniana,especialmente a partirdelatemporada2008-09,talycomomuestraelaumentodelíndicededispersión(ajustelineal: a=0.0162±0.009;b=0.9952±0.0715;R2=0.588;p=0.002).Sinembargo,noocurrelomismosiel análi-sislohacemosdesdeelpuntodevistadelospartidos,especialmenteenlasúltimastemporadas,yaqueel valordelíndicesemantiene(ajustelineal:a=0.0099±0.0097;b=0.9622±0.077;R2=0.316;p=0.045). Siatendemosadiferenciasdetiempoentregol,conindependenciadelnúmerodepartidos,el com-portamientoesdiferenteapartirdelos200minutos,dondeelprocesosigueunaexponencialypuede considerarseunprocesopoissoniano.Estecambiopareceindicarciertoefectodememoriaquesepuede interpretarcomounefectoMateoqueexplicalaincapacidaddelosequiposmásdébilespararecuperarse dedinámicasperdedoras.
Conclusiones: Lasuperioridaddelosequiposmáspotentesparececlara,quizásexcesiva,respectoal restodeequiposqueparticipanenlaprincipalligaespa ˜noladefútbol.Tambiénsehaincrementadola probabilidaddequeseconsigaunnúmeroelevadodegoles(>5goles)enunpartido.Estoprovocaque ladistribucióndelnúmerodegolesporpartidoseadeltipobinomialnegativa.
©2016ConsejeríadeTurismoyDeportedelaJuntadeAndalucía.PublicadoporElsevierEspaña, S.L.U.EsteesunartículoOpenAccessbajolalicenciaCCBY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Analysis
of
goals
(score)
studied
in
thirteen
seasons
(2000/01
to
2012/13)
for
a
league
of
professional
spanish
football
League
Keywords: Soccer Goal
Shannonentropynormalized Poissondistribution Negativebinomialdistribution MathewsEffect
a
b
s
t
r
a
c
t
Objective: Theaimofthisstudyistoanalyze,2000/01seasonthrough2012/13season,thegoalscored distributionbygameandteam;asitsbehaviorintime.Wealsoanalyzetherelationshipwiththeleague competitivenessdegree.
Method:WeusedthePoissonandtheNegativeBinomialdistributionsinordertostudythegoals distri-bution;andtheNormalizedShannonEntropyforcalculatingtheleaguesuncertainty.
∗ Autorparacorrespondencia.
Correoelectrónico:jgarciamanso@gmail.com(J.M.García-Manso). http://dx.doi.org/10.1016/j.ramd.2015.05.006
1888-7546/©2016ConsejeríadeTurismoyDeportedelaJuntadeAndalucía.PublicadoporElsevierEspaña,S.L.U.EsteesunartículoOpenAccessbajolalicenciaCCBY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Results:TheSpaniardleaguehaslostcompetitivenessintheseasonsevaluatedastheentropyandindexof dispersion(team-game)display,especiallyinthelastseasonsanalyzed.Fromtheperspectiveofteams,it isnotPoissonanymore,aboveallbeyond2008/09season.Fromtheperspectiveofgamesitdoesnottake placethesamephenomenon,speciallythelastseasonsstudied(a=0.0099±0.0097;b=0.9622±0.077; R2=0.316;p=0.045vs.a=0.0162±0.009;b=0.9952±0.0715;R2=0.588;p=0.002).Regardingtime dif-ferencesbetweeneachgoal,thebehaviorisdifferentfrom200minutes,wheretheprocessfollowsan exponentialdistribution,andcanbeconsideredasaPoissonianprocess.Thismodificationpointsouta possiblememoryeffectthatcanbeunderstoodasaMatheweffect,whichexplainsthatthelesspowerful teamsareunabletoovercomethesituation.
Conclusions:Thesuperiorityofmostpowerfulteamsseemstobemoreclear,perhapsexcessive,compared totherestofparticipatingteams,aswellastheprobabilitythatalotofgoalstakeplace(>5goals)ina singlegame.
©2016ConsejeríadeTurismoyDeportedelaJuntadeAndalucía.PublishedbyElsevierEspaña,S.L.U. ThisisanopenaccessarticleundertheCCBY-NC-NDlicense (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Palavras-chave: Futebol Objetivo
EntropianormalizadadeShannon Poisson
Distribuic¸ãobinomialnegativa EfeitoMateus
Análise
dos
golos
marcados
em
13
temporadas
(2000/1
a
2012/13)
da
primeira
divisão
da
Liga
Espanhola
de
Futebol
Profissional
r
e
s
u
m
o
Objetivo:Oobjetivodoestudoéanalisar,nastemporadas2000/01-2012/13,adistribuic¸ãodegols marca-dosporpartidaeequipes,eoseucomportamentoaolongodotempo.Alémdisso,analisouasuarelac¸ão comograudecompetitividadedaliga.
Métodos:Foramutilizadasadistribuic¸ãodePoissoneadistribuic¸ãobinominalnegativaparaanálisedos gols;eaentropianormalizadadeShannonparaocálculodasincertezasdaliga.
Resultados:Aligaespanholaperdeucompetitividadenasépocasavaliadas,comomostradopelaentropia epeloíndicededispersãoentreasequipesemjogo,especialmentenasúltimastemporadasavaliadas (»1.2).Dopontodevistadoequipamento,dePoissonmais,especialmenteumavezqueaestac¸ão 2008-09.Nãoéporisso,seaanáliseéfeitadopontodevistadaspartes,especialmentenasúltimastemporadas (a=0.0099±0.0097,b=0.9622±0.077;R2=0.316,p=0.045vs.0.009±a=0.0162;b=0.9952±0.0715; R2=0.588,p=0.002).Quantoàsdiferenc¸asdetempoentrecadagol,ocomportamentoédiferenteapartir dos200minutos,emqueoprocessosegueumadistribuic¸ãoexponencialepodeserconsideradoum processoPoissoniano.Estamodificac¸ãoapontaumpossívelefeitodememória,quepodeserentendida comoumefeitoMathew,oqueexplicaqueasequipesmenospotentessãoincapazesdesuperarasituac¸ão.
Conclusões: A superioridadedas equipesdefutebol maisfortesparece clara,talvezexcessiva, em comparac¸ãocomoutrasequipesparticipantesnaprincipalligadefutebolespanhola.Tambémtem aumentadoaprobabilidadedequesejaalcanc¸adoumgrandenúmerodegols(>5gols)numapartida. Istosignificaque,porpartida,onúmerodegolséotipobinomialnegativa.
©2016ConsejeríadeTurismoyDeportedelaJuntadeAndalucía.PublicadoporElsevierEspaña,S.L.U. EsteéumartigoOpenAccesssobalicençadeCCBY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Introducción
Comoencualquiermodalidaddeportiva,elobjetivoprincipal
delfútbolesestablecerestrategiasdejuegoquepermitanalos
equi-posparticipantessuperarasusrivalesparaconseguirlavictoriaen
cadaencuentrooenlacompeticiónenqueparticipan.Elcódigode
puntuaciónestablecidovienesupeditadoaunreglamentoenelque
seestablecelaformaenlaqueseganaunpartidoyseconsiguen
lospuntosqueindicansuposiciónenlacompeticiónfinal.
Enelcasodelfútbolelscoreeselgol(tanto).Elnúmerodegoles,
conseguidosorecibidos,esloquedeterminaqueseconsigaonola
victoria.
Enelfútbolprofesional,elnúmerodegolesquesemarcanen
cadapartido,ytambiénenunacompetición,espeque ˜no
(alrede-dorde2.5goles/partidodemedia)silocomparamosconlamayor
partedelosdeportesdecooperación-oposición(p.e.baloncesto,
balonmano,waterpolo,etc.).Esteaspectoincrementaelgradode
incertidumbreenelresultadodelospartidosquesejueganenesta
modalidaddeportiva.Porestemotivo,AndersonySally1,entrelos
a ˜nos1993-2011trasanalizar43000partidosdelasprincipalesligas
europeas(Espa ˜na,Alemania,ItaliaeInglaterra)concluyenqueel
fútbolprofesionalesundeporteenelquelasuertejuegaunpapel
relevantequehacequelosequiposfavoritossologanenelpartido
algomásdelamitaddelasveces(54.8%)quecompiten.Aúnmás,
planteanqueparateneréxitoenelfútbolhay2rutas:unaesser
bueno,laotraserafortunado.Segúnlosautores,senecesitanlas2
paraganaruncampeonato,perosolounaparavencerenun
par-tido.Ladiferenciadepuntosobtenidosporlosequipossituadosen
losprimerospuestosdelaclasificaciónyelrestodeequiposestá
influenciadamásporelrendimientoqueporlasuerte.ParaLago2,
elazarpuedeserunfactorimportanteparaexplicarelresultadoen
unúnicopartidoo,alosumo,enunnúmeromuylimitadodeellos,
peroqueapartirdeciertacantidaddeencuentroselrendimiento
esdeterminanteparadarcuentadelospuntosquealcanzanlos
conjuntos.
Esto hace especialmenteinteresante el estudio de los goles,
su número y comportamiento, en la categoría profesional de
estamodalidaddeportiva.Engeneral,enlosdeportesdeequipo,
la forma comose comporta el score hasido considerada como
unprocesoo distribuciónde Poisson (DP),aunqueconalgunas
restricciones3–7.Ladistribucióndelosgolesconseguidosenun
par-tidodefútbolsigueaproximadamentelamencionadadistribución
(varianza/media=1.0)conpeque ˜nasvariaciones8–12.Las DPson
distribucionesdeprobabilidaddiscretaqueexpresan,apartirde
unafrecuenciadeocurrenciamedia,laprobabilidaddequeocurra
decir,unaDPpartedeladistribuciónbinomialenelqueseexpresa
elcomportamientodeunnúmeroelevadodeensayos(ennuestro
casopartidos)conbajoíndicedeéxito(goles).
Lascaracterísticasquepresentaelfútbol(númerodejugadores,
espaciodejuego,duracióndelpartido,etc.)sonalgunosdelos
prin-cipalesfactoresquecondicionanelnúmerodegolesquesepueden
marcar.Todosellosquedanclaramenteestablecidosy
normatiza-dosenelreglamentoqueapruebalaFédérationInternationalede
FootballAssociation(FIFA).Enelfútbol,yentodoslosdeportesen
general,el reglamentobuscalamáximaespectacularidadenlas
competicionesparahacerlasmásatractivasparalospracticantes,
aficionadosyespectadores.
Sinembargo,elniveldelaliga(calidadyniveldeigualdadentre
losequipos),loscambiosdereglamento(p.e.sistemade
puntua-ción)olascaracterísticasdelosequipos(p.e.sistemadejuego)
sonparámetrosquepuedenalterarelscorey,enconsecuencia,la
distribucióndelosgolesconseguidosencadapartidooporcada
equipoencadapartidoocompetición.
Elobjetivodeestetrabajoesutilizarelmarcodelosprocesos
aleatoriosdePoissonparacomprobarhastaquépuntolosdatos
rea-lessiguenestecomportamientoenelfútbolmodernoydeterminar
sisehanproducidocambiosenlosúltimosa ˜nos.Paraelloseanaliza,
enlaLigaespa ˜noladePrimeraDivisión(LigaBBVA)enlas
tempora-das2000/01-2012/13,cuántoshansidolosgolesconseguidos,por
partidoyequipo,encadatemporada.Además,seevalúaelgrado
decompetitividadquesedetectaencadatemporadamedianteel
cálculodelaentropíanormalizadadeShanon(SN).
Método
Muestra
Se han analizado 13287 goles conseguidos porlos equipos
(media:2.69goles/partido)delaPrimeraDivisiónespa ˜nola(Liga
BBVA)durantelastemporadasoficialesde2000-01-2012-13.
Dise˜noexperimental
Distribucióndelosgolespor temporada.Paraelestudiodelos
golesseanalizósudistribución.Paraellosecalcularon2tiposde
distribuciones:DPydistribuciónBinomialNegativa(BN).
DistribucióndePoisson.Comoesconocido,laDPtienelasiguiente
expresiónmatemática:
P(k,)= e−·k
k!
DondeP(k;)eslaprobabilidadqueexistedeque,alanálizarun
fenómeno(partidosdefútbol),sedenkeventos(goles)enun
inter-valodetiempoyeslamediadeeventosporintervalo. Así,el
modelodePoissondependedeunsoloparámetroquetieneun
significadofísicoprecisoque,enestecaso,representael
prome-diodetantosmarcadosenundeterminadoperiododetiempo(por
partido:90min).Además,elnúmerodeceros(noeventos)queda
tambiéndeterminadopor:
P(0,)=e−
Unainteresantepropiedaddeestetipodedistribuciónesque
losvaloresdelamediaylavarianzasonigualesomuyparecidos.
Elcocienteentrelavarianzaylamediadeeventosporintervaloes
conocidocomoÍndicedeDispersión(ID):
ID=2
Siendosudesviaciónestándar,enestetipodedistribución
el ID toma el valor de 1. No obstante, este valor puede variar
sensiblemente aumentando o disminuyendo. Cuando ID <1 se
denominasubdispersión,ylosdatostiendenaagruparsemásen
tornoalvalormedio.Enestecasoladistribucióndelfenómenoes
máspredecible.Esdecirelnúmerodegolesqueseconsiguenes
másfácildepredecir.SiID>1existesobredispersión,porlotanto
losdatostiendenaestarmásdispersos,locualpuededebersea
unmayornúmerodecerosdelosquepredeciríaunaDP,oaun
problemaenlacoladeladistribución(fenómenodecolalarga),con
valoresmásalejadosdelamediaquelosprevistosporelmodelo
poissoniano.EnestecasoseproponeensayarladistribuciónBN.
DistribuciónBinomialNegativa.UnaBNsedefinecomouna
dis-tribucióndeprobabilidaddiscretaquetratademedirelnúmero
deéxitosenunasecuenciaparaunnúmerodeeventos
indepen-dientesentresí.Estadistribucióntienemásdispersiónenlacola
finalconrespectoaladePoisson.LadistribuciónBNdependede
2parámetrosryq(parámetrosdelajuste),ypuedeconsiderarse
unageneralizacióndelaDP.Además,enelcasodelaDP,los
interva-losdetiempoentreeventos,estecasogoles,siguenunadistribución
exponencialP(dt)=e−dt quesolodependedelvalorquetieneel
parámetroyqueesfácilmentedetectablecuandoladistribución
delhistogramasetransformaenungráficosemilogarítmico,donde
elcomportamientoexponencialsevecomounalínearecta.
Análisisdelacompetitividaddelaliga.Lacompetitividaddeuna
liga(niveldeigualdadentrelosequipos)puedeserdeterminada
porelgradodeincertidumbrequeexistaencadaenfrentamiento.
Unamagnitudquesehamostradoútilparaelanálisisdesistemas
complejoseslaentropíadeShannon(S)que,cuandoelconjunto
deprobabilidadespi,i=1,...,N;deunsistemaesconocido,midela
incertidumbrepromedioy,portanto,hacereferenciaalacantidad
mediadeinformaciónquecontieneunavariablealeatoria.Sedefine
como:
S=
Ni=1pilog(pi)
Siendolaincertidumbremáximacuandotodoslosvaloresdepi
seaniguales.ElvalordeScambiaconelvalordeN,ennuestrocaso
elnúmerodeequiposqueparticiparonenlaligacadatemporada,y
portanto,siNcambialosvaloresdeSnosoncomparablesencada
temporada.Enestoscasos,esdecir,cuandoqueremoscompararlas
diferentestemporadasespreferibleutilizarlaSN.
SN=log(SN)
Deestaforma,elvalordeSNquedaacotadoentre0-1,donde1
correspondealasituacióndemáximaincertidumbre,dondetodos
losvaloresdepisoniguales.
Además,ambasvariables(IDySN)fueroncomparadas,
calcu-landoelcoeficientedecorrelacióndePearson,paraconocerelgrado
decovariaciónentreambosparámetrosquetienenlapeculiaridad
deestarrelacionadoslinealmente.
Análisisdelosdatos
ParaeltratamientodelosdatossehausadolosprogramasSPSS
(version17,SPSS,Chicago,Illinois)yMATLAB(versionR2008b,The
MathWorks,Natick,MA).
Resultados
Golestotales,golesporpartidoygolesporequipo.Enlatabla1
semuestralaestadística(total,media,varianzaeID)delosgoles
totalesquesemarcan,porequipoypartido,enlaLigaespa ˜nolade
fútbolprofesionaldurantelastemporadas2000/01-2012/13.
NótesecomoelIDcambiasensiblementecuandosecompara
entrecadaequipoopartido(tablas2y3).Enelcasodelosdatos
Tabla1
Estadísticaglobaldegolesconseguidosenlas13temporadasevaluadasylos esta-dísticosutilizados(mediayvarianzadegoleseÍndicedeDispersión).Estosdatosse expresanenvaloresmediosporcadaequipoyporpartido
Sumatotalgoles 13287goles
Variables Porequipo Porpartido
Media 1.345 2.689
Varianza 1.494 2.779
Índicedispersión 1.109 1.032
Tabla2
Datospromedioporequipodecadaunadelasvariablesanalizadas(golestotales, media,varianzaeíndicededispersión)enlas13temporadas.Tambiénseincluyeel valordeentropíanormalizaddeShannon(SN)paracadatemporada
Estadísticasglobalesporequipo
Temporada N.◦goles Media Varianza ID SN
2000-01 1090 1.434 1.511 1.053 0.991270 2001-02 961 1.265 1.312 1.038 0.993490 2002-03 1028 1.353 1.491 1.102 0.990621 2003-04 1015 1.336 1.412 1.057 0.990884 2004-05 976 1.284 1.327 1.033 0.988012 2005-06 936 1.232 1.222 0.992 0.987178 2006-07 942 1.240 1.341 1.082 0.989397 2007-08 1022 1.345 1.533 1.140 0.988368 2008-09 1101 1,449 1.623 1.120 0.988571 2009-10 1031 1.357 1.521 1.121 0.982032 2010-11 1044 1.374 1.654 1.204 0.985618 2011-12 1050 1.382 1.794 1.298 0.985470 2012-13 1091 1.436 1.688 1.176 0.983620 Media 1022 1.345 1.494 1.109 0.988041
ID:índicededispersión;SN:entropíanormalizadadeShannon.
vez,mayorqueelvalorquemuestraelanálisisrealizadopor par-tidos.EstoindicaqueelmodelodePoissonsesiguemejorcuando consideramoslosresultadosobtenidosporpartidos(ID=1032)que porequipos(ID=1109).
Tabla3
Datospromedioporpartidodecadaunadelasvariablesanalizadas(golestotales, media,varianzaeíndicededispersión)enlas13temporadas.Tambiénseincluyeel valordeentropíanormalizaddeShannon(SN)paracadatemporada
Estadísticasglobalesporpartido
Temporada N.◦goles Media Varianza ID SN
2000-01 1090 2.868 2.811 0.980 0.991270 2001-02 961 2.529 2.403 0.950 0.993490 2002-03 1028 2.674 2.891 1.081 0.990621 2003-04 1015 2.671 2.723 1.019 0.990884 2004-05 976 2.597 2.500 0.962 0.988012 2005-06 936 2.463 2.228 0.905 0.987178 2006-07 942 2.483 2.727 1.098 0.989397 2007-08 1022 2.687 2.833 1.054 0.988368 2008-09 1101 2.897 3.174 1.096 0.988571 2009-10 1031 2.713 2.701 0.996 0.982032 2010-11 1044 2.742 2.862 1.044 0.985618 2011-12 1050 2.763 3.094 1.120 0.985470 2012-13 1091 2.871 3.179 1.107 0.983620 Media 1022 2.700 2.779 1.032 0.988041
ID:índicededispersión;SN:entropíanormalizadadeShannon.
Lasvariables IDy SN,es decirlaforma comosedistribuyen losgolesyelniveldeincertidumbredelastemporadas analiza-das,muestranunamoderadacorrelaciónentreellas(R2=-0.541;
P-value:0.056)cuandosevaloranlosresultadosporequipos.
Enlafigura1serepresentanloscomportamientosdelos
pará-metrosevaluados (SN decadatemporada;IDporcadaequipoy
partidoylasmediasyvarianzasporequipoypartido)alanalizarlas
13temporadas(2000/01-2012/13).Enlapartesuperiorizquierda
(fig.1a)serepresentalosvaloresobtenidosdelaentropía
norma-lizadadeShannoncalculadaalfinal decadatemporada.Enella
seapreciaunatendenciadecrecienteenlosvaloresdeSN(ajuste
lineal: a=-0.0007±0.0003; b=0.9930±0.0022; R2=0.7399;
p-value=0.0002)donde el intervalode confianzade lapendiente
pareceindicarqueestaesnegativa.
Enlagráficasuperiorderecha(fig.1b),serepresentanlos
valo-resdelIDcalculadosparacadaequipo(líneadiscontinua)ypartido
0.994 0.992 0.99 0.988 0.986 Entropía nor malizad de shanon Índice de dispersión 0.984 0.982 1.8 1.7 1.6 1.5 1.4 1.3 1.2 4 2 6 8 10 12 2 4 6 8 10 12 3 2.8 2.6 2.4 2.2 2 4 6 8 10 12 2 4 6 8 10 12
a
b
c
d
1.3 1.25 1.2 1.15 1.1 1.05 1 0.95 Media ( • ) v a rianza ( Ο ) Media ( • ) v a rianza ( Ο ) Temporada TemporadaFigura1. Representacióngráficadelaentropíanormalizadaencadatemporada(1a),elíndicededispersiónporpartido(líneacontinua)yequipo(líneadiscontinua)encada temporada(1b),lasmedias(.)yvarianzas(o)porequipoyporpartidoencadatemporada(1cy1d).
0 1 2 3 4 5 6 7 8 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 Frecuencia relativa Goles/Equipos 0 2 4 6 8 Goles/Equipos
Log (Frecuencia relativa)
Figura2.Númeroyfrecuenciarelativadegolesporequipos.Conlíneacontinuase representaelajustedePoissonyconlíneadepuntoselajustedeladistribución BinomialNegativa.Enelrecuadrolarepresentaciónsemilogarítmica,logaritmode lasfrecuenciasrelativas,paraverconmayorprecisiónloquesucedeenlacoladela distribución.
(líneacontinua).Enelcasodelosequipos,seapreciaunaumento
importantedelIDapartirdelatemporada2005/06,convalorespor
encimade1,(ajustelineal:a=0.0162±0.009;b=0.9952±0.0715;
R2=0.588; p-value=0.002).No se observa el mismo
comporta-mientoenelcasodelospartidosdondeelíndicesemantienecerca
delvalor1(ajustelineal:a=0.0099±0.0097;b=0.9622±0.077;R2
=0.316;p-value=0.045).
Enlasgráficasinferiores(fig.1cyfig.1d),semuestranlosvalores
delasmedias(·)ydelasvarianzas(o)calculadasparacada
tempo-rada,porequipo(1c)yporpartido(1d).Enelcasodelosequipos,
seobservacomotambiénapartirdelatemporada2005/06la
dife-renciaentrelosvaloresdelavarianzaylamediaaumentadurante
laútimastemporadas.
Paraanalizarendetalleelpromediodegolesqueseconsiguen
durantelas13temporadasencadapartidoyporcadaequipose
muestranlascorrespondientesdistribucionesconsus
correspon-dientesajustes:PoissonyBN.
Lafigura2muestralasfrecuenciasrelativasalnúmerodegoles
anotadosporcadaequipoenlastemporadasse ˜naladas.Conlínea
continua, se muestra el ajuste de la DP y con línea depuntos
lacorrespondientea laBN.Enelrecuadrosemuestralamisma
distribución en modo semilogarítmico para visualizar mejor el
comportamientoenlacoladeladistribución.Sibien,las2
distribu-cionesseajustanbienentrelosvalores0-4goles,apartirdelquinto
golladistribuciónBNesunmejormodelodeajuste,yaquecomo
sevelosúltimosvaloresdelacolatienenprobabilidadesmayores
deproducirsequelaspredichasporelmodelodePoisson.
Elresultadoenelcasodelosgolesanotadosencadapartido,
esdecirsumandolosanotadosporlos2equiposrivales,se
mues-traenlafigura3.Enellasepuedecomprobarcomo,adiferencia
delcasoanterior,elmodelodePoisson parecerepresentarbien
estadistribución,noexistiendodiferenciassignificativasentreesta
distribuciónylaBN(recuadrointerno).
Intervalosdetiempotranscurridoentrecadaunodelosgoles
marcadosencadapartidoylosmarcadosporcadaequipoenel
total de temporadas. Unade laspropiedades de la DP implica
que los intervalos detiempo entre eventossigue una
distribu-ciónexponencial.Estetipodedistribuciónexigequeloseventos
seanindependienteseneltiempo.Esdecir,quelaserie carezca
dememoriayquenosepuedapredecirunresultadoapartirdel
anterior(memoriless). 0 1 2 3 4 5 6 7 8 9 0.05 0.1 0.15 0.2 Goles/Equipos Frecuencia relativa 0 2 4 6 8 Goles/Equipos
Log (Frecuencia relativa)
Figura3. Númeroyfrecuenciarelativadegolesporpartido.Conlíneacontinuase muestraelajustedePoissonyconlíneadepuntoselajustedeladistribución Bino-mialNegativa.Enelrecuadroaparecelarepresentaciónsemilogarítmica,logaritmo delasfrecuenciasrelativas,parapodervermásclaramenteloquesucedeenlacola deladistribución.
Paraello,apartirdelosminutosenlosquesehamarcadocada
tantoenlastemporadasconsideradas,hemoscalculadolas
dife-renciasdetiempo(dt)en3casos:i)diferenciasdetiempodegoles
marcadosporcadaequipoenlos90mindecadapartido;ii)
diferen-ciastotalesdetiempoporequipoenpartidossucesivos(esdecir,
tiempotranscurridoentreuntantoyelsiguienteenencuentros
sucesivos);iii)diferenciasdetiemposencadapartidopor
cual-quieradelosequipos.
Enlafigura4semuestranelhistogramadelasdtparaelcasoi).
Elrecuadrorepresentaelgráficosemilogaritmicodelhistograma.
Elcomportamientoclaramentelinealesunindicadordelcarácter
poissonianodeestefenómenodeportivo.
Sinembargo,hay3puntosenlosminutos3,45y87enlosqueel
ajustenoesbueno.Enlosminutos1-6,adiferenciadelosqueocurre
del7-12,noestanfrecuenteelmarcarseuntanto.Enlosminutos
45y90elfenómenoesmásfrecuente,aunquedebesertenidoen
cuentaqueenestosminutos(finaldeprimerysegundotiempo)
sesumanlostantosmarcadosenloscorrespondientesminutosde
descuentos.Noobstante,suincrementoloentendemos
transcen-denteparacomprenderloquerealmenteocurreenlosmomentos
0 10 20 30 40 50 60 70 80 90 0.005 0.01 0.015 0.02 0.025
Intervalo de tiempo en minutos
Frecuencia 0 20 40 60 80 2.4 2.6 2.8 3 Log 10 (Frecuencia)
Intervalo de tiempo en minutos
Figura4.Histogramadelasdiferenciasdetiempoentregolesmarcadosporcada equipoencadapartido,esdeciren90minutos.Ellogaritmodelasfrecuencias absolutasyelcorrespondienteajustelinealsemuestranenelrecuadro.Nóteseel comportamientoexponencialdeladistribución.
0 100 200 300 400 500 600 700 800 0 500 1.000 1.500 2.000 2.500 3.000 3.500 4.000
Intervalo de tiempo en minutos
Frecuencia 0 200 400 600 –1 0 1 2 3 Log 10 (Frecuencia)
Intervalo de tiempo en minutos
Figura5.Histogramadelasfrecuenciasabsolutas(ejeY)respectoalasdiferencias detiempoentregolesmarcadosporcadaequipoenpartidossucesivos(ejeX).En elgráficointeriorserepresentaelsemilogarítmicodelasfrecuenciasabsolutas(eje Y)frentealtiempoquetranscurreentrecadagol(ejeX).Eltiempoquetranscurre entregolesseacumulatambiéndeunpartidoalsiguiente.
finalesde cada tiempo y, especialmente,en los últimos
minu-tosdelpartido.Comovemos,elajustelineal(a=-0.0114±0.0021;
R2=0.896;p-value=0.0000;errordelavarianza=0.0002)parece
bastanteadecuado,asimplevista,menosenelúltimovalordonde
sedetectaunclarorepunte.
Ladistribucióndelasdiferenciasdetiempoparaelcasoii)se
representanenlafigura5.Téngaseencuentaqueeltiempoque
transcurreentrelosgolesqueunequipomarcaseacumulatambién
deunpartidoalsiguiente.Esdecir,siporejemplounequipomarca
untantoenelminuto20deunpartidoyelsiguientetantolomarca
enelminuto80delpartidosiguiente,secontabilizaríauntiempo
totalentreambostantos(dt =70+80=150min).
Nótese en este caso que el ajuste lineal, es decir, el
com-portamiento exponencial, es bueno (a=0.0068±0.0005;
b=0.993±0.002; R2=0.994; p-value=0.000; error de la
varianza=0.0012)hastaelvalor200(minuto200).Yase ˜nalamos
que una característica del modelo exponencial es la falta de
memoria.Esdecir,eltiempoquehadetranscurrirhastaquese
produzcaeleventosiguiente,nodependedeltiempotranscurrido
para el evento anterior. Este fenómeno parece cumplirse para
tiemposmenoresa200min,esdecir,entornoa2partidos.Para
diferenciasdetiempos mayores,amedidaqueaumentaelvalor
dedttambiénaumentalaprobabilidaddelsuceso,locualparece
indicarqueenestoscasossíexisteunefectodememoria.Estonos
estáindicandoquecuantomástiemposepasasinanotar,mayor
eslaprobabilidaddequenoseanoteenelsiguientepartido.Este
efecto,en lateoría dela complejidad,es conocidocomo efecto
MateooPreferentialAttachmentProcess(fig.6).
Elcasoiii)esanálogoalcasoi),conuncomportamiento
tam-biénexponencialenlasdiferenciasdetiempo(a=0.0167±0.0013;
R2=0.978;p-value=0.000;errordelavarianza=0.0046).
Discusión
Elaspectomásdestacabledeestetrabajoesobservarcomoel
valordeSN decaedesde ela ˜no2000(fig.1a).Estosignifica una
pérdidadecompetitividaddelaprincipalligaespa ˜noladurante
elperiodoevaluadoquetambiénfueconstatadoporMontes-Suay
ySala-Garrido13entrelastemporadas2002/2003-2011/2012con
otrotipodemetodología(índicedeGiniytestdeMontecarlo).
Elniveldecompetitividadesunfactorclaveenla
incertidum-bredelresultadoy,enconsecuencia,enelinterésquelamodalidad
104 103 103 102 102 101 101 100
Log (Intervalo de tiempo en minutos)
Log (F
recuencia)
Figura6.Valoresdoblemente-logarítmicos(log-logplot)delosvaloresde frecuen-ciayladiferenciadetiempoentrelosgolesmarcadosporcadaequipo.Incluyelos ajusteslinealesquemuestranlaexistenciade2LeyesdePotenciaquesegeneran entrelosminutos200-400yporencimadelos400minutos.
deportivaprovocaentrelosdiferentesactores(practicantes,
espec-tadores,directivos,esponsors,mediosdecomunicación,etc.).La
competitividadtieneunclarocomponentemultidimensional14,15
perosinduda,en elcaso deldeporte,se manifiestasobre todo
en la igualdad o desigualdad existenteentre los competidores
(equipos)16.
ElelcasodelaBBVA,lapérdidadeincertidumbrees
especial-mentesignificativaenlatemporada2009/10 dondesedieron2
circunstancias:dominioabsolutode2equiposquealcanzancasi
100puntosalfinaldetemporaday7equiposenlacoladela
cla-sificaciónconmenosde42puntos.Losdesequilibrioseconómicos
entrelosclubescomoconsecuenciadeunadistribuciónpoco
equi-tativadelos recursos(i. e. ingresosporTV),elaumento delos
costesdeparticipaciónyformacióndeplantillascompetitivasy
ladisminuciónprogresivaderecursos,puedenser3delas
prin-cipalescausasquesubyacendetrásdeestecomportamiento17,18.
Estosdesequilibriosafectandirectamentealacalidaddelas
plan-tillasdecadaequipo.Unejemploclarolotenemosenlatemporada
2013/2014,dondeelvalordemercadodelasplantillasdelReal
MadridyF.C.Barcelonasuperabanlos580millonesdeeuros
mien-trasquelasplantillasde8equipos(CeltadeVigo,GetafeC.F.,Elche
C.F.,RayoVallecano,C.A.Osasuna,LevanteU.D.,RealValladolidy
U.D.Almería)nollegabanalos50millonesdeeuros19.
Un reflejo en la caída de competitividad lo vemos en el
númerodegolesqueselogranenlospartidosdurantelasúltimas
temporadas20.Enellascadavezsonmásfrecuenteslosencuentros
conunelevadonúmerodegoles.Estoquedareflejadoenla
evo-luciónquemuestraelID.ElID(fig.1b),tantoparaequipocomo
porpartido,normalmenteestabapróximoa1hastalatemporada
2009/10.Apartirdeesemomentoambosíndicesseseparan
mos-trandounatendenciaincrementalparaelIDporequipo.Esdecir,
elIDporequiposealejadelaDP,comoconsecuenciadequelos
equiposdominantestiendenamarcarmásgolesasusrivales.Esto
tambiénsereflejaenlasgráficas1cy1d,dondelavarianzaenel
númerodetantosaumentaenelcasodegolesmarcadosporequipo.
LlamalaatenciónqueelIDporpartidodisminuyeenlastemporadas
2001/02,2005/06y2009/10(ID<1).Curiosamente,estas
tempora-dasfinalizanconlacelebracióndelaCopadelMundodeselecciones
nacionales(Corea-Japón’02;Alemania’06ySudáfrica’10).Esdecir,
elniveldecompetitividaddelaprincipalLigaespa ˜noladefútbol
aumenta.Esdifícil,larelacióncausa-efecto,aunquesepodría
pen-sarquealserunaligaenlaqueparticipanmuchosjugadoresde
diferentespaíses,elinterésporserconvocadosporsusselecciones
delaLiga.Noobstante,estosólodebeinterpretarsecomounamera
especulaciónquedebesercontrastadaenotrosestudios.
Sibienladistribucióndelnúmerodetantosporpartidoes
siem-precercanoa una DP3–7,queda claroque se debedistinguirel
comportamientodelosgolesconseguidosencadapartidoyencada
equipo.RespectoalIDporequipo,especialmenteenlasúltimas
temporadas,vemoscomoelvalordeIDesmayorque1y,porlo
tanto,laBNparecemostrarsecomounmejorajustedela
distri-bución(tabla1).Loshistogramasdetantosporequipoypartidos
mostradosenlasfiguras2y3muestranqueladistribucióndetantos
porequiporespondeaunadistribuciónBNquesehace
especial-menteevidentea partirdelos4o5golesconseguidos.Enesta
situación,laprobabilidaddequeundeterminadoequiposupere
los5golesenunpartidoessuperioralapredichaporelmodelode
Poisson.Sinembargo,elnúmerodegolesporpartidopareceseguir
casisiempreestetipodedistribución.
Nomenosinteresante,resultaanalizareltiempoquetranscurre
entrecadagol.Suvalornosmuestrapartedelniveldeefectividadde
losequipos.Enlosintervalosdetiempotranscurridoentrelosgoles
distinguimos2casos.Siatendemosadiferenciasdetiempoencada
partido,estoes,entrelos90mindejuegoquemarcaelreglamento,
parecenseguirconclaridaddistribucionesexponencialestantopor
losgolesconseguidosporequiposcomolosmarcadosencada
par-tido.Perosiconsideramoseltiempototaltranscurridoentrelos
golesmarcadosporlosequipos,departidoapartido,lasituación
cambia.Hastaunos200min,esdecir,algomásde2partidos,el
procesosigueunaexponencialypuedeconsiderarseunproceso
poissoniano,peroapartirdeestetiempo,laprobabilidaddeque
unequiposigasinmarcaresmayorquelaprevistaporla
distribu-ciónexponencial,loquepareceindicarciertoefectodememoria.Es
decir,ladistribuciónexponencialsebasaenelhechodela
indepen-denciade2sucesosseguidos,esdecir,denomemoria.Sinembargo,
loqueparecemostraresteestudioesquehayunciertoefectode
feedbackpositivo,enelsentidodequecuandoaunequipoleva
mal,yentraenunafasedebajorendimiento,esmuyprobableque
lesigayendomalyconseguirmarcarleresultealtamente
compli-cadoyentrenenunadinámicaperdedora.Sitenemosencuenta
quehayequiposquenocedenpuntos(equiposmuydominantes),
elrestodeequiposdeben buscarlosentreel restoderivales,y,
porlotanto,aprovecharancualquierdebilidadenlosdemáspara
conseguiranotar.
Además,esunhechoquecuandoaunequipolevamal,pueden
darseunaseriedefactores(entrenadores,plantilla,ambiente,etc.)
quedificultanquelosequiposqueentranunadinámicanegativa
puedansalirdeella.
Enconclusión,laLigaprofesionalespa ˜nolademáximacategoría
(LigaBBVA)haperdidocompetitividadenlasprimeras13
tem-poradasdelsigloXXI,talycomoreflejalacaídadelaSNyenel
comportamientodelIDentreequipo-partido,especialmenteenlas
últimastemporadasevaluadas.Desdeelpuntodevistadelos
equi-pos,dejadeserpoissoniana,especialmenteapartirde2008/09,
ysobretodoenlatemporadasiguiente.Noocurrelomismosiel
análisislohacemosdesdeelpuntodevistadepartidos.Laelevada
diferenciaentreequipospuedeserunadelasprincipalescausass
dequeexistaunatendenciacrecienteaencontrarpartidosconun
elevadonúmerodegoles.Elnúmerodeminutos,opartidos,que
unequipotardaenconseguirungolpareceserunbuenparámetro
paracaracterizarlosresultadosyelcomportamientodelosgoles
enlosenfrentamientosquetienenlugarenlaLigaBBVA.
Conflictodeintereses
Losautoresdeclarannotenerningúnconflictodeintereses.
Bibliografía
1.AndersonD,SallyC.Thenumbersgame:Whyeverythingyouknowabout foot-balliswrong.NewYork:PenguinGroup;2013.
2.LagoC.Ganaroperderenelfútboldealtonivel:¿Unacuestióndesuerte?EurJ HumMov.2005;14:135–50.
3.KarlisD,NtzoufrasI.AnalysisofsportsdatabyusingbivariatePoissonmodels. Statistician.2003;52:381–93.
4.McHaleI,ScarfP.Modellingthedependenceofgoalsscoredbyopposingteams ininternationalsoccermatches.StatModelling.2011;11(3):219–36. 5.DeSaá-GuerraY,Martín-GonzálezJM,Sarmiento-MontesdeocaS,
Rodríguez-RuizD,Garcia-RodriguezA,García-MansoJM.Amodelforcompetitiveness levelanalysisinsportscompetitions:Applicationtobasketball.Physica A. 2012;391:2997–3004.
6.GabelA,RednerS.Randomwalkpictureofbasketballscoring.JQuantAnal Sports.2012;8:1–20.
7.Sánchez-Flores J, García-Manso JM, Martín-González JM, Ramos-Verde E, Arriaza-ArdilesEJ, daSilva-GrigolettoME.Análisisyevaluación del lanza-mientodeesquina(córner)enelfútboldealtonivel.RevAndalMedDeporte. 2012;5:140–6.
8.DyteD,ClarkeSR.AratingbasedPoissonmodelforWorldCupsoccersimulation. JOperResSoc.2000;51:993–8.
9.GreenhoughJ,BirchPC,ChapmanSC,RowlandsG.Footballgoaldistributions andextremalstatistics.PhysicaA.2002;316:615–24.
10.ChuS.UsingsoccergoalstomotivatethePoissonprocess.ITE.2003;3(2): 64–70.
11.BittnerE,NußbaumerA,JankeW,WeigelM.Footballfever:Goaldistributions andnon-Gaussianstatistics.EurPhysJB.2009;67:459–71.
12.HeuerA,MuellerC,RubnerO.Soccer:IsscoringgoalsapredictablePoissonian process?EurophysLett.2010;89:38007–12.
13.Montes-SuayF,Sala-GarridoR.¿Fuealgunavezequilibradalaligadelaprimera divisiónespa ˜noladefútbol?AnalesdeASEPUMA.2013;21:27–33.
14.HoustonJ,HarrisP,McIntireS,FrancisD.Revisingthecompetitivenessindex usingfactoranalysis.PsycholRep.2002;90:31–3.
15.El-HodiriM,QuirkJ.AneconomicmodelofaprofessionalsportsLeague.JPolit Econ.1971;79:1302–19.
16.LevinRC,MitchellGJ,VolckerPA,WillGF.TheReportoftheIndependent Mem-bersoftheCommissioner’sBlueRibbonPanelonBaseballEconomics.NewYork: MajorLeagueBaseball;2000.
17.GaydeLiébanaJM,SaludasJM,MielgoFD,MoyaDC.LigadelasEstrellas2009/10: Elfútbolespa ˜nolbajolasturbulenciasdelacrisis.Radiografíadelestado patri-monial,situaciónfinancierayposicióneconómicadelosclubesintegrantesde laLigaBBVA.Temporada2009/2010.UniversidaddeBarcelona.2011. 18.GaydeLiébanaJM.Fútboleuropeo,¿finanzasinestables?¿Modeloeconómico
sostenible?Harv-DeustoBusRev.2014;235:52–62.
19.Transfermarkt.Es[sedeWeb].Hamburg:TransfermarktGmbH&Co.KG; [acce-dido16Sep2015].Disponibleen:http://www.transfermarkt.es/
20.Palacios-HuertaI.Structuralchangesduringacenturyoftheworld’smost popu-larsport.SMA.2004;13:241–58.