Estadísticas para apuestas 2026: la guía que separa al analista del apostador emocional

El apostador que abre la hoja de cálculo antes que la app del bookmaker tiene una ventaja que ningún “bono del 200%” compensa. No es una frase de motivación de gimnasio: es la única conclusión que se repite temporada tras temporada en un mercado español que en el segundo trimestre de 2026 movió 253,59 millones de euros solo en apuestas, un 47,46% más que el año anterior. Más dinero en juego significa más operadores compitiendo por captarlo, y más ruido publicitario sobre “pronósticos infalibles”. Las estadísticas para apuestas no eliminan la incertidumbre. La hacen calculable.

Esta guía no vende certezas. Vende un método. El mismo que usan los analistas que sobreviven a largo plazo y el mismo que ignoran quienes confunden una racha de tres partidos con una tendencia.

Qué son las estadísticas para apuestas y qué NO son

Una estadística aplicada a las apuestas es cualquier dato que modifique la probabilidad implícita de un resultado antes de que la cuota lo refleje. Esa es la definición operativa. Todo lo demás es decoración.

El promedio de posesión de un equipo no vale nada si no se cruza con la calidad de las ocasiones que genera. Un 65% de posesión sin remates dentro del área es un equipo que toca el balón en zonas inocuas. La estadística que sí importa es la que conecta volumen con peligro real: xG por posesión, tiros a puerta por ataque posicional, o la diferencia entre goles marcados y goles esperados a lo largo de una temporada.

Lo que las estadísticas no son: un oráculo. No existe una métrica capaz de anticipar por sí sola el resultado de un partido, y quien prometa lo contrario está vendiendo humo o un curso de 497 euros. Las cifras adquieren valor cuando se comparan entre equipos, se ajustan por contexto y se interpretan según el torneo.

Hay una segunda trampa, más sutil. La estadística descriptiva cuenta lo que pasó. La estadística inferencial intenta estimar lo que puede pasar. La mayoría de las páginas de pronósticos se quedan en la primera y la venden como si fuera la segunda. Un equipo que ha ganado siete partidos seguidos no es “estadísticamente superior” por acumulación: es un equipo con una racha cuya probabilidad de extensión depende de la calidad de los rivales, la carga de minutos y la varianza del deporte. La racha, por sí sola, es un dato de pasado disfrazado de predicción.

El mercado español en 2026: por qué los números importan más que nunca

España no es un mercado cualquiera. Es un mercado cerrado en la puerta de entrada y muy competitivo dentro. La DGOJ contabilizaba 77 titulares de licencia y 64 operadores activos en 2025, con un GGR online de 1.700,55 millones de euros, un 16,99% más que el ejercicio anterior. El número de operadores no crece: la última convocatoria de licencias generales se cerró en diciembre de 2018 y desde entonces la única vía de entrada es comprar una sociedad licenciataria. Traducción para el apostador: los nueve o diez operadores que se reparten el pastel compiten con márgenes ajustados y bonos agresivos, pero también con límites de depósito agregados que cambiaron la caja del jugador medio en 2026: 600 € al día, 1.500 € a la semana y 3.000 € al mes, computados entre todas las casas DGOJ, no por cuenta separada.

Ese detalle del cómputo agregado es más relevante para la estrategia de lo que parece. Quien repartía su bankroll entre cinco casas para “diversificar” ya no puede hacerlo sin que el sistema lo detecte. La diversificación ahora se hace en la selección de mercados, no en la dispersión de depósitos.

DGOJ, impuestos y el perímetro legal que cambia el cálculo

El marco fiscal español introduce una variable que muchos análisis ignoran: el impuesto sobre el juego. La Ley 13/2011 grava con un 20% los ingresos netos de los operadores (cantidades jugadas menos premios), con un 10% para residentes fiscales en Ceuta o Melilla, y una comunidad autónoma puede elevar el tipo hasta una quinta parte, dejando el techo en el 24%. Ese impuesto lo paga el operador, no el jugador directamente. Pero condiciona el margen que la casa necesita para ser rentable, y por tanto el margen que incorpora a cada cuota.

Para el apostador, la carga fiscal real aparece en la declaración. Las ganancias netas de apuestas tributan en la base general del IRPF al tipo marginal del contribuyente, sin retención por parte de la casa. Un apostador en el tramo del 37% que convierte 5.000 € de beneficio anual en apuestas se queda con 3.150 € después de Hacienda. Ese dato debería estar pegado en la pantalla de cualquier hoja de cálculo de ROI. Un ROI del 8% antes de impuestos puede ser un 5% después. Sigue siendo positivo. Pero deja de ser el paraíso que sugiere el creativo del bono.

El perímetro legal importa por una razón menos poética: fuera de la DGOJ no hay garantías. Los portales que promocionan cuotas a residentes españoles sin licencia .es operan al margen del sistema. Ningún saldo depositado allí está cubierto por las garantías que exige el regulador, y ninguna retirada es exigible ante la Administración. La estadística puede ser impecable. Si la casa no paga, la estadística es literatura.

Las métricas que de verdad mueven una apuesta (y las que solo decoran)

Hay una jerarquía. No todas las métricas pesan igual, y el peso cambia según el mercado. En fútbol, la secuencia lógica es: calidad de ocasión → volumen de ocasión → eficiencia de conversión → contexto del rival. Saltarse el primer paso es cómo se llega a apostar al “over 2.5” en un partido entre dos equipos que generan mucho xG pero con delanteros en sequía.

xG, xGA y la trampa del “gol esperado” sin contexto

Expected Goals (xG) mide la probabilidad de que un remate termine en gol según su ubicación, el tipo de asistencia, la presión defensiva y otros factores. Un penalti vale aproximadamente 0,76 goles esperados. Un remate desde fuera del área vale alrededor de 0,03. La diferencia entre ambos es la diferencia entre una estadística útil y una estadística que necesita desglose.

El error más común es leer el xG acumulado de un equipo como si fuera una predicción. El xG de temporada mezcla partidos contra rivales de distinta calidad, y un equipo que ha jugado seis partidos contra defensas de la parte baja de la tabla puede tener un xG inflado. La lectura correcta es el xG ajustado por rival: cuánto xG genera un equipo contra defensas de nivel similar al próximo rival. Ese cálculo no lo da ninguna app de pronósticos gratuita. Se construye con datos de FBref o Understat y una hoja de cálculo.

El segundo error es ignorar el xGA (expected goals against). Un equipo puede generar 1,8 xG por partido y conceder 1,6. El diferencial es de +0,2, no de +1,8. El mercado de “ambos marcan” y el de “over” se inclinan por el diferencial, no por el ataque aislado. Y el diferencial se estabiliza mucho más rápido que las métricas individuales: después de 10-12 partidos empieza a tener poder predictivo real.

Hay un tercer matiz que separa al analista del aficionado con Excel: el xG de un partido concreto no es una distribución normal. Un equipo puede generar 1,6 xG a base de diez remates de baja calidad o a base de dos ocasiones claras. La varianza del segundo escenario es mucho mayor. Para mercados de hándicap asiático o de resultado exacto, la distribución de las ocasiones importa tanto como el total. Una app que solo muestra el número agregado está ocultando la mitad de la historia.

Posesión, tiros y corners: cuándo el volumen engaña

La posesión es la métrica más sobrevalorada del fútbol moderno. Un equipo con el 70% de posesión puede estar perdiendo 0-2 si su posesión se concentra en el centro del campo y su rival defiende en bloque bajo. La pregunta correcta no es “quién tiene el balón”, sino “qué hace con él en los últimos 30 metros”.

Los corners merecen un párrafo aparte porque son un mercado con dinámica propia. La lógica básica es sencilla: si ambos equipos promedian más de 5 córners por partido en sus últimos cinco encuentros, una línea de más de 10,5 córners es realista. Pero el promedio simple ignora dos factores que cambian el cálculo. Primero, el estilo del árbitro y el estilo de ataque: los equipos que juegan por bandas y centran con frecuencia generan más córners que los que atacan por el centro. Segundo, el guion del partido: un equipo que va perdiendo 0-1 en el minuto 60 tiende a aumentar su volumen de ataque y, con él, su número de córners. Los modelos que mejor predicen este mercado no usan la media de temporada, sino la media ponderada de los últimos partidos ajustada por el marcador esperado.

Los tiros a puerta, por su parte, funcionan mejor como filtro que como señal. Un equipo puede tener 20 remates y solo 4 a puerta. Eso no es dominio: es imprecisión. La métrica que conecta el volumen con la calidad es el porcentaje de remates que van entre los tres palos, y su evolución a lo largo de la temporada. Un equipo con un 40% de tiros a puerta durante 15 jornadas está generando ocasiones reales. Uno con un 25% está tirando mucho y acertando poco, y la regresión a la media suele castigarle.

Cómo calcular el valor esperado de una apuesta con estadísticas

El valor esperado (EV) es la resta que separa una apuesta informada de una apuesta de fe. La fórmula es incómodamente simple: EV = (probabilidad estimada × cuota decimal) − 1. Si el resultado es positivo, la apuesta tiene valor a largo plazo. Si es negativo, no lo tiene, por muy “segura” que parezca la selección.

El problema es que la probabilidad estimada es una construcción del analista, no un dato que la casa regale. La casa publica una cuota que contiene su margen. Ese margen se calcula con el overround: la suma de las probabilidades implícitas de todos los resultados posibles, menos 100. En un 1X2 igualado, el overround típico de las casas con licencia DGOJ se mueve entre el 3% y el 5% en partidos mediáticos, y sube al 5-7% en partidos menos seguidos. En el mercado de “ambos marcan”, el margen es ligeramente superior, del 5-8%, y en el resultado exacto se dispara al 8-15%.

La consecuencia práctica es que la cuota nunca es la probabilidad. Una cuota de 2,10 no significa un 47,6% de probabilidad. Significa un 47,6% de probabilidad implícita bruta, de la que hay que descontar la parte proporcional del margen. En un mercado con un overround del 5%, la probabilidad “justa” de esa cuota ronda el 45,3%. La diferencia entre el 47,6% y el 45,3% es el precio que pagas por apostar. Es pequeño por apuesta. Es enorme a lo largo de 500 apuestas.

El cálculo del EV se vuelve útil cuando se compara la probabilidad estimada con la probabilidad implícita ajustada. Si tu modelo da un 48% a un resultado cuya cuota de 2,10 implica un 45,3% después de margen, el EV es positivo: (0,48 × 2,10) − 1 = 0,008, un 0,8% de retorno esperado por apuesta. Suena a poco. Pero un 0,8% de EV repetido en 400 apuestas al año es una diferencia real. Y un EV negativo del −2% repetido 400 veces es una pérdida que ningún bono compensa.

Overround, margen y cuota justa: la resta que casi nadie hace

La fórmula del overround es (1/cuota local + 1/cuota empate + 1/cuota visitante) × 100 − 100. Si el resultado es 4, significa que la casa se queda con 4 céntimos de cada euro apostado, en promedio, si el volumen se reparte de forma equilibrada. Ese 4% es el “precio de entrada” del mercado.

Comparar márgenes entre casas es una de las pocas decisiones con retorno garantizado en las apuestas. Bet365, Winamax y 1xBet España marcan las cuotas más ajustadas del mercado regulado en las principales ligas, con márgenes del 4-6% sobre el 1X2. William Hill se sitúa alrededor del 4,5% y Codere en el 4,8% en los partidos de Primera. La diferencia entre un 4,2% y un 5,5% de margen parece menor. En un mercado de 100 apuestas al año con un stake medio de 20 €, son unos 26 € de diferencia solo en el coste del margen. Eso es dinero que no depende de acertar más: depende de elegir mejor dónde se apuesta.

Fútbol: estadísticas aplicadas a LaLiga, Champions y selecciones

LaLiga tiene una particularidad estadística que la diferencia de la Premier League: la brecha entre el tercer y el octavo clasificado es más estrecha en términos de xG diferencial que en Inglaterra. Eso significa que los mercados de hándicap asiático y de “doble oportunidad” tienen márgenes más ajustados en los partidos de la zona media, pero también que la varianza es mayor. Un modelo que funcione en la Premier puede sobreajustarse en LaLiga si no se recalibra por la menor diferencia de calidad entre equipos.

En la Champions League, el factor que rompe cualquier modelo doméstico es la familiaridad táctica. Los equipos que se enfrentan por primera vez en la temporada tienen menos información cruzada, y el mercado lo sabe: los márgenes en Champions suelen ser ligeramente más altos en los partidos de ida de eliminatorias que en los de vuelta. Para el analista, eso es una oportunidad y una trampa. La oportunidad está en que el mercado es menos eficiente. La trampa, en que el modelo también tiene menos datos para estimar.

Las selecciones nacionales son el terreno más complicado para las estadísticas de clubes. Un jugador que rinde con un xG alto en su club puede tener un rol completamente distinto en la selección. El caso de España en 2026 es ilustrativo: la racha de 41 partidos sin perder y el título mundial no se explican por una métrica aislada, sino por la combinación de una estructura defensiva que concede poco xG y una eficiencia ofensiva que convierte por encima de lo esperado en momentos concretos. Apostar a que esa eficiencia se mantiene indefinidamente es apostar a la persistencia de la suerte. La estadística invita a lo contrario: la regresión a la media es la fuerza más predecible del deporte.

La segunda división española merece una mención porque es donde las estadísticas gratuitas fallan más. La cobertura de datos de xG en Segunda es menor, las muestras son más cortas y la rotación de entrenadores es más alta. El analista que quiera aplicar modelos de xG en Segunda necesita aceptar un margen de error mayor y, por tanto, exigir un EV más alto antes de apostar. Un EV del 2% que sería suficiente en LaLiga puede no serlo en Segunda si el error de estimación es del 4%.

NBA, tenis y otros deportes: mercados donde el dato pesa distinto

La NBA tiene 1.230 partidos de temporada regular, una cifra que la convierte en el paraíso de la estadística aplicada. Pero también en el deporte donde la gestión de minutos distorsiona más los datos. Un equipo que promedia 115 puntos por partido puede anotar 95 en un back-to-back si su estrella descansa. El dato de temporada no captura esa realidad. Lo que lo captura es el ritmo ajustado por oponente y por disponibilidad de jugadores: posesiones por partido, eficiencia ofensiva y defensiva en los últimos 10 partidos, y el impacto de las bajas en el rating neto.

Los mercados de props de jugador (puntos, rebotes, asistencias) son donde la estadística sigue batiendo al precio con más frecuencia. La razón es que el mercado de props es menos eficiente que el de resultado final: el volumen de apuestas es menor, los límites son más bajos y las casas dedican menos recursos a afinar la línea. Un analista que trackee el hit rate de un jugador en escenarios concretos (por ejemplo, “más de 1,5 triples en partidos como local contra defensas del top 10”) puede encontrar ineficiencias que no existen en el mercado de ganador.

El tenis es el deporte donde la estadística individual manda con menos ruido. No hay compañeros, no hay banquillo, no hay rotaciones. Los datos de servicio (porcentaje de primeros saques, puntos ganados con primer y segundo saque, break points salvados) tienen una capacidad predictiva alta porque dependen de un solo jugador y de un estilo relativamente estable. El mercado de tenis también es menos eficiente en las rondas tempranas de torneos menores, donde la cobertura de datos es más fina y los operadores dedican menos atención. Ahí es donde un modelo de servicio y resto bien calibrado puede encontrar valor de forma más consistente que en los Grand Slams, donde el mercado es más profundo y los márgenes más ajustados.

Los córners y las tarjetas son mercados híbridos: dependen del deporte, del árbitro y del contexto. En fútbol, el análisis de árbitro es una de las fuentes de información gain más infravaloradas. Un colegiado que promedia 5,2 tarjetas por partido en una liga donde la media es 4,1 está enviando una señal. Esa señal no está en la cuota de “ganador”, pero sí debería estar en la de “más de 4,5 tarjetas”. Las herramientas que incluyen estadísticas de árbitro (StatPair, entre otras) existen precisamente porque ese dato no está integrado en el precio de la mayoría de los mercados secundarios.

Las mejores páginas, apps y programas de estadísticas para apuestas en 2026

La oferta de herramientas se ha multiplicado, y con ella la tentación de pagar por tres suscripciones que hacen lo mismo. La clave es asignar cada herramienta a una función concreta del flujo de trabajo: investigación, proyección, precio, decisión y revisión. La mayoría de las páginas gratuitas cubren bien la primera etapa. Muy pocas cubren las etapas 4 y 5, que son donde el apostador gana o pierde de verdad.

Para investigación histórica y estadísticas avanzadas de fútbol, FBref es el estándar gratuito. Sus datos de xG, xGA y progresiones por jugador y equipo son la base de cualquier modelo casero. Understat ofrece xG gratuito para las cinco grandes ligas europeas con una interfaz más limpia y modelos propios que a veces difieren de los de FBref. Football-Data.co.uk es la fuente para modelar: resultados históricos y cuotas de cierre en formato descargable, sin coste.

Para datos en vivo y estadísticas de partido en tiempo real, SofaScore y FotMob son las opciones más completas en versión gratuita. WhoScored añade valoraciones de jugador y centros de partido que ayudan a contextualizar el rendimiento más allá del resultado. Para comparación de cuotas y line shopping, Oddschecker y OddsPortal permiten ver en segundos qué casa ofrece el mejor precio para el mismo mercado, lo que es la forma más directa de reducir el coste del margen.

Las herramientas de pago tienen sentido cuando el volumen de apuestas justifica el coste. StatPair (4,99 $/mes) se centra en props de jugador, tendencias de hit rate y estadísticas de árbitro, con una extensión de Chrome que superpone datos en las páginas de las casas de apuestas. Para el apostador que hace 10-15 apuestas de props a la semana, la suscripción se paga con una sola apuesta de valor encontrada al mes. Para el apostador ocasional, es un gasto innecesario.

Las apps de “pronósticos con IA” merecen una advertencia. El mercado de 2026 está lleno de aplicaciones que prometen “valor real” calculado por modelos propietarios. Algunas son herramientas legítimas de visualización de datos. Otras son generadores de selecciones con una capa de marketing. La prueba de fuego es siempre la misma: ¿publican su historial completo, incluyendo las pérdidas, y su ROI neto después de margen? Si la respuesta es no, la IA es una interfaz, no una ventaja.

Comparativa de herramientas gratuitas y de pago

Top operadores con licencia DGOJ en España: quién da datos y quién da cuotas

La elección de la casa no es una decisión de lealtad. Es una decisión de coste. Un operador con un margen del 4,2% en LaLiga está cobrando menos por el mismo producto que uno con un margen del 5,5%. Esa diferencia es la primera ventaja competitiva del apostador, y no requiere ningún modelo.

bet365 lidera el mercado español en brand power (16,53% BAP) y en adquisición de clientes, con un margen ajustado del 4-6% en las principales ligas y una de las coberturas de mercados más amplias del regulado. Su debilidad es la limitación de cuentas ganadoras: el operador que detecta un patrón de apuestas de valor puede restringir límites o cerrar la cuenta. Para el apostador recreativo, es una de las mejores opciones. Para el que gana de forma consistente, es una relación complicada.

Winamax combina márgenes competitivos con un crecimiento del 64,18% en interés anual, y su interfaz está diseñada para un usuario que quiere algo más que el 1X2. Codere, con licencia DGOJ 225-11/GA, mantiene un depósito mínimo de 10 € (5 € por Bizum) y pagos por Bizum en minutos, lo que la convierte en una opción práctica para el apostador que valora la velocidad de retirada por encima del margen. Sportium, Luckia y RETAbet completan el grupo de operadores con licencia general y cobertura nacional, con márgenes que oscilan entre el 4,8% y el 6% según el mercado.

Betfair es un caso aparte: es el único titular en el mercado español de la licencia singular de Apuestas Deportivas Cruzadas, lo que le permite operar un exchange. En un exchange, el apostador no juega contra la casa, sino contra otros apostadores, y la casa cobra una comisión sobre las ganancias netas. Eso cambia por completo el cálculo del margen: en lugar de un overround incorporado, hay una comisión explícita. Para el analista con un modelo sólido, el exchange puede ofrecer mejores precios que cualquier casa de contrapartida. Para el apostador recreativo, la liquidez y la complejidad de la interfaz son barreras reales.

Tabla comparativa: margen, bono real y velocidad de pago

El “valor neto del bono” merece una explicación porque es la cifra que casi ningún afiliado enseña. Un bono nominal de 100 € en freebets no vale 100 €. Vale el resultado de apostar esas freebets bajo las condiciones de rollover, con una cuota mínima que suele estar entre 1.80 y 2.00, y descontando el margen de la casa en cada apuesta de liberación. El consenso del mercado para un bono de 100 € con rollover estándar sitúa el valor esperado neto entre 25 € y 35 €. Es decir: el “regalo” cubre entre una cuarta parte y un tercio de su valor nominal. El resto es el precio que el operador cobra por la oportunidad de retenerte como cliente.

Bonos, freebets y la letra pequeña que las estadísticas destapan

La palabra “gratis” en la industria de las apuestas tiene la misma relación con la realidad que la palabra “seguro” en la publicidad de coches. Un bono es una herramienta de adquisición de clientes, no una donación. Y la estadística puede medir exactamente cuánto de ese “regalo” sobrevive a las condiciones.

El cálculo es directo. Supón un bono de 100 € en freebets con un rollover de 5 veces el bono más el depósito, una cuota mínima de 1.80 y un margen medio de la casa del 5% en los mercados que uses para liberarlo. El volumen de apuestas necesario para liberar el bono es de 500 € (5 × 100 €). Cada apuesta de liberación pasa por el margen del 5%, lo que supone un coste esperado de 25 € solo en margen. Si además el rollover incluye el depósito (por ejemplo, 100 € de depósito + 100 € de bono), el volumen sube a 1.000 € y el coste esperado por margen se duplica. El valor neto del bono cae por debajo de los 25 € que sugería el cálculo optimista.

La cuota mínima es la segunda palanca que destruye valor. Un rollover que exige cuota 2.00 te obliga a apostar en mercados con una probabilidad implícita del 50% o menos. Eso reduce el número de selecciones de valor disponibles y te empuja hacia los mercados que la casa ha priced con más margen. La “oportunidad” de liberar el bono se convierte en una obligación de apostar donde el operador quiere que apuestes, no donde tú encuentras valor.

Hay una tercera palanca que casi nunca aparece en los términos destacados: el plazo de liberación. Un rollover de 30 días con un volumen de 1.000 € exige un ritmo de 33 € diarios en apuestas. Para un bankroll pequeño, eso fuerza apuestas de stake desproporcionado respecto al capital y aumenta la probabilidad de ruina antes de liberar el bono. La estadística de la ruina del apostador es tan relevante como la estadística del partido.

Ningún bono es intrínsecamente malo. Pero el análisis de su valor real debería ser el primer paso antes de depositar, no una nota a pie de página. Un bono con un valor neto del 25% sigue siendo mejor que ningún bono, siempre que el apostador tenga claro que el 75% restante es el coste de adquisición que la casa ha presupuestado.

Errores estadísticos que cuestan dinero (y cómo evitarlos)

El error más caro es el sobreajuste. Un modelo que funciona perfectamente en los datos históricos de la temporada pasada puede fallar estrepitosamente en la siguiente porque ha aprendido el ruido, no la señal. La forma de detectarlo es simple: si un modelo tiene un ROI del 15% en el backtest y del −3% en las primeras 50 apuestas reales, no está roto. Estaba sobreajustado desde el principio. La solución no es añadir más variables. Es reducir el número de variables y exigir que el modelo funcione en temporadas distintas antes de poner dinero real.

El segundo error es la muestra pequeña. Tres partidos no son una tendencia. Cinco tampoco. La regla práctica en fútbol es que un patrón necesita al menos 10-12 observaciones para empezar a tener poder predictivo, y en mercados de props de jugador, al menos 20. Por debajo de esos umbrales, lo que se está midiendo es la varianza, no la habilidad. El apostador que reacciona a “el equipo X ha ganado los últimos cuatro partidos como local” está reaccionando a una muestra que cabe en una mano.

El tercer error es el sesgo del favorito-longshot: la tendencia del mercado a sobrevalorar las probabilidades de los resultados improbables y a infravalorar las de los favoritos. La evidencia académica muestra que las apuestas en el decil de cuotas más altas tienen una pérdida media de alrededor del 19% por dólar apostado, mientras que las del decil de cuotas más bajas pierden alrededor del 3%. Eso no significa que apostar a favoritos sea rentable por defecto. Significa que el mercado cobra una prima de riesgo desproporcionada por la emoción de la sorpresa. El analista que lo entiende deja de buscar “el batacazo” y empieza a buscar valor donde el mercado lo ha escondido.

El cuarto error es confundir correlación con causalidad en los datos de equipo. Un equipo que gana cuando el árbitro concede pocos córners no necesariamente gana porque el árbitro concede pocos córners. Puede ser un equipo que controla el juego, y ese control reduce tanto los córners del rival como la probabilidad de perder. La variable causal es el control, no los córners. Modelar la relación equivocada produce señales que desaparecen en cuanto el contexto cambia.

Preguntas frecuentes sobre estadísticas para apuestas en 2026

¿Cuál es la estadística más importante para apostar al fútbol?

No hay una sola. Si hay que elegir una, el diferencial de xG (xG generado menos xG concedido) ajustado por la calidad del rival es la métrica con mayor poder predictivo estable. El promedio de goles y la posesión son descriptivos; el diferencial de xG es la señal que mejor se sostiene a lo largo de una temporada.

¿Se puede ganar dinero a largo plazo solo con estadísticas?

Sí, pero con matices incómodos. Las estadísticas son necesarias, no suficientes. Hace falta disciplina de bankroll, selección de mercados con margen bajo y una tolerancia alta a las rachas negativas. Un EV positivo del 2% puede tardar cientos de apuestas en materializarse. La estadística da la ventaja; la gestión del riesgo evita que la ventaja se la coma la varianza.

¿Los bonos de las casas de apuestas compensan el margen?

Rara vez. Un bono de 100 € con rollover estándar tiene un valor neto real de 25-35 € después de margen y condiciones. Eso equivale a cubrir el coste de margen de entre 500 y 700 apuestas de 20 € al 5%. El bono es un descuento temporal, no una estrategia. La ventaja sostenible está en elegir la casa con menor margen y apostar donde el modelo encuentra valor.

¿Qué diferencia hay entre xG y goles reales para predecir?

El xG mide la calidad de las ocasiones; los goles miden el resultado. A corto plazo, los goles tienen más ruido. A medio plazo, el xG es más estable y suele anticipar la regresión de los equipos que marcan mucho con poco xG o marcan poco con mucho xG. Para predecir, el xG ajustado por rival es más útil que la tabla de goles.

¿Las estadísticas de córners sirven para apostar o son puro azar?

Sirven, pero con un modelo distinto al del 1X2. El promedio simple de córners es un punto de partida; lo que realmente pesa es el estilo de ataque (juego por bandas), el guion del partido (equipo que persigue un resultado) y las tendencias del árbitro. Sin esas tres capas, la apuesta de córners es una moneda al aire con margen.

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

Depende del volumen. Para menos de 10 apuestas semanales, las herramientas gratuitas (FBref, Understat, OddsPortal) cubren el 90% de la necesidad. Para props de jugador o mercados de árbitro con alta frecuencia, una suscripción de 5-15 €/mes puede amortizarse con una sola apuesta de valor al mes. La regla es simple: si la app no se paga con lo que encuentras, no la pagues.

¿Cómo se calcula el valor esperado de una apuesta?

Multiplicando la probabilidad estimada por la cuota decimal y restando 1. Si el resultado es positivo, hay valor. La probabilidad estimada debe ser propia, no la implícita de la cuota. Y la cuota debe compararse entre casas: el mismo mercado puede tener un overround del 4% en una y del 7% en otra. Elegir la cuota más alta es la forma más rápida de mejorar el EV sin mejorar el modelo.