Ancor prima del calcio d’inizio dell’11 giugno, il torneo era già stato giocato decine di migliaia di volte. Non su un campo, ma sui server. Gli algoritmi hanno simulato ogni partita, ogni fase a gironi, ogni possibile finale — e hanno emesso il loro verdetto: la Spagna. Ma ecco il paradosso di cui nessuno parla davvero: il modello che incorona la Roja le attribuisce anche circa l’84% di probabilità di non vincere.
Benvenuti nel Mondiale più complesso della storia dal punto di vista matematico, con 48 squadre per la prima volta. Più squadre significano più partite, più scenari possibili e — meccanicamente — favorite con probabilità più basse. È proprio quanto sottolinea Chris Myson nell’analisi pubblicata da Opta Analyst: «In un tabellone a 48 squadre, la gamma dei possibili risultati è immensa e nessuna squadra raggiungerà percentuali molto elevate.»
25 000 finali in anticipo
Il supercomputer di Opta — la divisione analitica di Stats Perform, riferimento mondiale per i dati sportivi — ha simulato l’intero torneo 25 000 volte prima del calcio d’inizio dell’11 giugno. Non 10 000 volte, come hanno riferito alcuni media: 25 000 simulazioni complete, partita per partita, dal primo turno alla finale del 19 luglio. Il risultato di queste simulazioni, pubblicato il 1º giugno 2026 secondo Opta Analyst, è chiaro: la Spagna vince il torneo nel 16,1% degli scenari, davanti a Francia (13,0%), Inghilterra (11,2%) e Argentina (10,4%).
In concreto, queste cifre significano che se si giocasse il Mondiale 2026 cento volte di seguito in un simulatore perfetto, la Spagna vincerebbe circa sedici volte. La Francia tredici. E in circa il 36% dei casi, secondo Opta, un Paese diventerebbe campione del mondo per la prima volta nella sua storia.
La Spagna presenta anche un’altra particolarità statistica: è l’unica squadra del torneo a superare la soglia del 50% di probabilità di raggiungere i quarti di finale, con esattamente il 52,1% secondo Opta. Per la finale, la probabilità scende al 25,6%. In altre parole: persino la grande favorita ha tre possibilità su quattro di non disputare la finale.
Il genio discreto di Siméon-Denis Poisson
Per capire come un algoritmo «simuli» una partita di calcio, bisogna risalire a un’idea matematica vecchia di due secoli. Nel XIX secolo, il matematico francese Siméon-Denis Poisson si interessò alla probabilità degli eventi rari: quante volte si verifica un evento improbabile in un dato intervallo di tempo? La sua legge — la distribuzione di Poisson — risponde a questa domanda con notevole eleganza.
Un gol nel calcio è proprio questo tipo di evento: raro, discreto (non si segnano 2,7 gol) e relativamente indipendente da un minuto all’altro. Se una squadra segna in media 1,8 gol a partita, la distribuzione di Poisson permette di calcolare la probabilità esatta che ne segni 0, 1, 2, 3 o più in una data partita. Questo quadro matematico fu applicato per la prima volta al calcio dallo statistico M. J. Maher in un articolo fondamentale pubblicato nel 1982, che mostrava come «un modello di Poisson indipendente fornisca una descrizione ragionevolmente accurata dei punteggi nel calcio».
L’idea centrale è questa: ogni squadra ha un parametro di intensità offensiva (indichiamolo con λ, «lambda») che dipende dalla propria forza d’attacco e dalla difesa avversaria. Si estrae un punteggio per la squadra A secondo la sua distribuzione di Poisson, uno per la squadra B secondo la propria — e si ottiene un risultato simulato. Ripetete l’operazione per ogni partita del torneo, poi ricominciate 25 000 volte, e otterrete una distribuzione di probabilità su tutti i possibili vincitori.
Ma una partita di calcio non è la somma di due dadi indipendenti. Quando una squadra conduce 1-0, entrambe cambiano tattica, e questo modifica le intensità di gol. Per questo i modelli moderni — come quello descritto da Dixon e Coles nel Journal of the Royal Statistical Society — correggono il modello di Poisson ingenuo attribuendo maggior peso alle partite recenti e aggiustando le probabilità dei punteggi bassi (0-0, 1-0, 0-1, 1-1), che si comportano diversamente da quanto prevede un modello troppo semplice.
Monte Carlo allo stadio
Simulare una partita è una cosa. Simulare un intero torneo è tutt’altra faccenda. È qui che entra in scena il metodo Monte Carlo — un nome preso in prestito dal casinò monegasco, che dice molto sullo spirito del metodo. Il principio: ripetere un processo aleatorio un numero grandissimo di volte per stimare la probabilità di un risultato complessivo. Per un Mondiale a 48 squadre, significa simulare 104 partite per torneo, propagando a ogni turno le incertezze del turno precedente.
È esattamente ciò che descrivono Andreas Groll, Gunther Schauberger e Gerhard Tutz nel loro articolo di riferimento sulla previsione dei tornei di calcio: «La Coppa del Mondo FIFA viene simulata ripetutamente e si ottengono probabilità di vittoria per tutte le squadre.» Il modello integra una regressione di Poisson regolarizzata — una tecnica che evita di adattare eccessivamente i dati penalizzando le variabili troppo numerose — per stimare le intensità di gol a partire da decine di covariate: classifica FIFA, valore di mercato delle rose, forma recente, età media dei giocatori.
Il gruppo dell’Università di Innsbruck, guidato da Achim Zeileis, ha condotto una simulazione indipendente di 100 000 tornei completi, integrando le rose definitive, le quote dei bookmaker e i valori di mercato. Il risultato è coerente, ma leggermente diverso: Spagna al 14,5%, Inghilterra e Francia al 12,4% ciascuna. Come ricorda Andreas Groll, statistico alla TU Dortmund: «La probabilità che la grande favorita vinca effettivamente il torneo non supera in genere il 20%», secondo il comunicato dell’Università di Innsbruck.
Vedete il paradosso? Tre modelli indipendenti — Opta, Innsbruck e il modello dell’Università di Liverpool, che attribuisce alla Spagna il 26,1% secondo il suo comunicato di ricerca — concordano sul nome della favorita, ma divergono sull’entità del vantaggio attribuito alla favorita. È già di per sé una lezione di statistica: il consenso sulla classifica non garantisce il consenso sulle cifre.
Il jolly Haaland e il limite dei modelli
Tutti questi modelli hanno una lacuna nota: ragionano sulle medie delle squadre, mentre il calcio a eliminazione diretta si decide spesso su prestazioni individuali fuori dal comune. Benjamin Holmes, ricercatore del Centre for Sports Business dell’Università di Liverpool, lo spiega chiaramente: il suo modello simula ormai «gli infortuni, le squalifiche e chi segna i gol», integrando perfino le condizioni meteorologiche e l’altitudine degli stadi nordamericani.
È qui che Erling Haaland entra nell’equazione. Un attaccante con un tasso di conversione statisticamente anomalo — ciò che i data scientist chiamano talvolta un «superatleta» — può ribaltare le probabilità di una squadra nelle partite a eliminazione diretta, dove un solo gol può decidere tutto. La Norvegia, non particolarmente temibile nella fase a gironi secondo i modelli, diventa una variabile perturbatrice nelle simulazioni delle partite secche.
E poi c’è ciò che nessun modello può catturare: un cartellino rosso al primo minuto, una raffica di vento che devia un tiro sul palo, un portiere che gioca la partita della sua vita. La distribuzione di Poisson modella l’intensità media dei gol — non modella il caos.
Forse è questa la vera lezione matematica dell’esercizio: un modello probabilistico non predice il futuro. Mappa l’incertezza. E su questa mappa la Spagna occupa la vetta — ma il territorio che le sfugge resta di gran lunga il più vasto.
