Una lectura de la temporada 2025/26 a través de xPoints
Qué mide la métrica
Las cinco ligas nacionales más importantes del fútbol europeo ya han concluido. Las clasificaciones finales están publicadas y los resultados registrados, pero las clasificaciones oficiales solo reflejan una dimensión de cómo se desarrolló realmente la temporada.
Los puntos esperados (xPoints) ofrecen una lectura alternativa. La métrica estima cuántos puntos debería haber acumulado un equipo según la calidad de las ocasiones creadas y concedidas en cada partido, en lugar del marcador real. El cálculo se basa en los goles esperados (xG): al modelizar los valores de xG generados por ambos equipos en un encuentro, es posible asignar una probabilidad a cada resultado posible —victoria, empate o derrota— y convertir esas probabilidades en puntos. La suma a lo largo de 38 jornadas da como resultado una clasificación alternativa.
Un punto de partida importante: la diferencia entre los puntos reales y xPoints es una característica estructural del modelo, no una señal de anomalía en sí misma. Un equipo que gana un partido obtiene exactamente tres puntos, pero incluso la actuación más dominante rara vez generará xPoints por encima de 2.8 o 2.9. La señal significativa está en la posición: cuando el puesto de un equipo en la clasificación real difiere considerablemente de su posición según xPoints, especialmente de formas que afectan al descenso, la permanencia o la clasificación europea, hay algo que merece examinarse.
Serie A: la inversión de Juventus y Napoli
El panorama del título está claro: el equipo que ganó Serie A también encabezó la clasificación de xPoints. La historia más interesante está más abajo.
Los tres últimos clubes según xPoints fueron Lecce, Parma y Cremonese. De ellos, solo Cremonese descendió realmente. Tanto Lecce como Parma obtuvieron más puntos de sus situaciones de los que predecirían los datos subyacentes, un patrón compatible con la eficacia en la portería y la variabilidad en la definición en momentos decisivos.
Verona y Pisa van en la dirección opuesta. Ambos registraron muchos menos puntos que sus totales de xPoints, como resultado de una baja tasa de conversión de las ocasiones creadas, combinada con más goles encajados de los que sugeriría la calidad de las ocasiones de sus rivales.
El cambio de posición más significativo en la clasificación afecta a Napoli y Juventus, cuyas posiciones se invierten en la comparación de xPoints. Juventus marcó 61 goles durante la temporada frente a un xG de aproximadamente 71, una diferencia de diez goles que refleja un rendimiento ofensivo constantemente inferior al esperado, agravado por costosos errores en la portería.
Premier League: Sunderland y Aston Villa
En la parte alta, el panorama de Champions League se mantiene en ambas clasificaciones. Arsenal, Manchester City, Manchester United y Liverpool ocupan las mismas cuatro posiciones en la clasificación real y en la de xPoints. En la parte baja, Burnley y Wolves son los últimos según ambas medidas.
Las divergencias relevantes están en otros lugares. Aston Villa terminó en el puesto 4, clasificándose para Champions League. Su posición según xPoints es el puesto 12. La diferencia de ocho posiciones es la mayor divergencia positiva de la liga y refleja una temporada en la que los resultados superaron sistemáticamente la calidad subyacente de las ocasiones generadas y concedidas.
Sunderland presenta un caso igual de extremo en circunstancias diferentes. Terminó en el puesto 7, consiguiendo una plaza en Europa League de la próxima temporada, un resultado notable para un equipo recién ascendido. Sin embargo, su total de xPoints lo sitúa en la zona de descenso. A lo largo de toda la temporada, sus resultados reales superaron ampliamente lo que predecirían los datos de ocasiones, tanto en ataque como en defensa.
La Liga: Getafe y el panorama del descenso
Las cinco primeras posiciones de La Liga son idénticas en la clasificación real y en la de xPoints. Por debajo, el panorama cambia.
El caso más claro es Getafe. Terminó en el puesto 7 y se clasificó para Conference League, su mejor posición histórica. Su posición según xPoints está en la zona inmediatamente superior al descenso. La diferencia entre ambas es la más pronunciada de la liga.
En la zona de descenso, los datos apuntan en una dirección distinta al desenlace oficial. Girona y Mallorca descendieron. Según xPoints, Sevilla y Elche habrían descendido en su lugar. Dicho esto, la mitad inferior de La Liga estuvo muy igualada durante toda la temporada, y varios clubes de esa zona registraron totales reales y de xPoints muy similares. Con una clasificación tan ajustada, los pequeños márgenes se tradujeron en grandes consecuencias en términos de posiciones.
Bundesliga: una temporada coherente
Bayern Munich, Borussia Dortmund y RB Leipzig ocupan las mismas tres primeras posiciones en la clasificación real y en la de xPoints. En el conjunto de la competición, Bundesliga es la más coherente internamente de las cinco ligas según esta medida, sin divergencias significativas de posición en las zonas de descenso o de clasificación europea que alteren las principales narrativas de la temporada.
Ligue 1: Angers, Lyon y Rennes
PSG, Lens y Lille ocupan las mismas tres primeras posiciones en ambas clasificaciones.
La anomalía más significativa de Ligue 1 es Angers. Terminó en el puesto 13 de la clasificación real, cómodamente alejado de cualquier peligro. En la clasificación de xPoints ocupa el puesto 17, en la zona de descenso. Los datos lo sitúan entre los tres equipos más débiles de la liga según su rendimiento subyacente a lo largo de la temporada.
Entre los clubes que terminaron en puestos de clasificación europea, tanto Lyon como Rennes lograron posiciones reales superiores a las indicadas por los datos de xPoints. Lyon terminó en el puesto 4 con 60 puntos; su total de xPoints de 51.2 lo sitúa en el puesto 7. Rennes terminó en el puesto 5 con 59 puntos; su total de xPoints de 47.5 lo sitúa en el puesto 9. Ambos clubes ocuparon plazas europeas gracias a resultados que los datos subyacentes de ocasiones no reflejan plenamente.
Conclusión
En las cinco ligas, las clasificaciones de xPoints confirman lo que sugieren las clasificaciones oficiales en la parte alta: los campeones merecieron sus títulos y la clasificación refleja, en términos generales, la calidad de los equipos de las primeras posiciones. El enfoque más productivo está más abajo, en la mitad de la tabla, los puestos de clasificación europea y la lucha por el descenso, donde la diferencia entre los resultados y el rendimiento subyacente puede ser considerable y tener consecuencias reales.
En 2025/26, esa diferencia dio lugar a un club que terminó séptimo cuyo total de xPoints lo situaba en la zona de descenso (Sunderland en Premier League), un equipo clasificado para Champions League en cuarta posición cuyo puesto según xPoints era el 12 (Aston Villa), y un clasificado para Conference League cuya posición según xPoints apenas superaba la zona de descenso (Getafe en La Liga). No son argumentos sobre la buena o la mala suerte. Son una lectura diferente de la misma temporada.
Apéndice técnico: ¿cómo se calculan xPoints?
El modelo de xPoints pasa de las probabilidades de gol de cada tiro (xG) a las probabilidades de resultado del partido.
1. Modelización de la distribución de goles
El supuesto central de la mayoría de los modelos básicos es que el número de goles marcados por un equipo sigue una distribución de Poisson, donde la media es igual al total de xG del equipo en ese partido.
La probabilidad de que un equipo marque exactamente k goles, dado un valor de goles esperados (xG), se calcula mediante la fórmula de Poisson:
P(G = k) = (e^(-xG) * xG^k) / k!
Donde "e" es la constante de Euler (~2.718) y "k!" es el factorial del número de goles.
Ejemplo concreto: de xG a las probabilidades de gol
Supongamos que el equipo local termina un partido con un total de 1.7 xG. Al introducir este valor en la fórmula, obtenemos la probabilidad exacta de que marque un número específico de goles:
- 0 goles: ~18.3%
- 1 gol: ~31.1%
- 2 goles: ~26.4%
- 3 goles: ~15.0%
- 4+ goles: ~9.2%
Utilizando los valores respectivos de xG del equipo local y del equipo visitante, podemos construir dos de estas distribuciones de goles.
2. Cálculo de las probabilidades de resultado del partido
Suponiendo que los dos procesos de anotación son independientes, la probabilidad de cualquier marcador específico es simplemente el producto de las probabilidades individuales.
- Probabilidad de Draw: La suma de todos los marcadores simétricos (0-0, 1-1, 2-2, etc.). Por ejemplo, P(1-1) = P(el local marca 1) * P(el visitante marca 1).
- Probabilidad de victoria local: La suma de todos los marcadores en los que el equipo local marca más goles que el visitante.
- Probabilidad de victoria visitante: La suma de todos los marcadores en los que el equipo visitante marca más goles que el local.
Naturalmente, estos tres estados abarcan todos los resultados posibles del partido:
P(victoria local) + P(Draw) + P(victoria visitante) = 1 (100%)
3. De las probabilidades a los puntos esperados (xP)
Por último, aplicamos el sistema de puntuación tradicional del fútbol (3 puntos por victoria, 1 punto por empate). Los puntos esperados del equipo local (xP) se calculan así:
xP = [3 * P(victoria local)] + P(Draw)
Al sumar los xPoints obtenidos en las 38 jornadas, generamos la clasificación alternativa «merecida» de la liga.
Observación final
Cabe preguntarse por qué los modelos de xPoints suelen basarse directamente en los goles esperados en lugar de en modelos de aprendizaje automático más sofisticados, entrenados para predecir resultados de partidos o puntos. La razón principal es que los goles esperados ya ofrecen una estimación del proceso subyacente de anotación de un equipo. Dado que los puntos de un partido dependen enteramente del número de goles marcados y encajados, modelizar las distribuciones de goles a partir de los valores de xG es un enfoque natural y parsimonioso.
A largo plazo, el total de goles marcados por un equipo tiende a converger hacia su xG acumulado, mientras que los goles encajados tienden a converger hacia los xG en contra. Por tanto, xG ya contiene la mayor parte de la información necesaria para estimar resultados y puntos futuros. Construir una capa predictiva adicional sobre xG suele añadir complejidad sin aportar información nueva sustancial.
Al tratar los goles como variables aleatorias con distribución de Poisson cuyo valor esperado equivale al xG del equipo, podemos derivar directamente las probabilidades de victorias, empates y derrotas a partir del proceso subyacente de creación de ocasiones. Este enfoque es transparente, está fundamentado matemáticamente y se vincula estrechamente con la relación fundamental entre la calidad de las ocasiones, los goles y los puntos.
