Tussen de cijfers: hoe een voorspelmodel een wedstrijd leest

Voetbal is een spel van kleine aantallen. In negentig minuten valt er gemiddeld nog geen drie keer een doelpunt, en juist die schaarste maakt de sport zo onvoorspelbaar: één afgeketste bal, één verkeerd uitverdedigde corner, en het hele wedstrijdbeeld kantelt. Precies daarom is voetbal zo’n interessant onderwerp voor een statistisch model. Niet omdat een model de uitslag wéét, maar omdat het die schaarste eerlijker kan wegen dan de onderbuik.

Ik werk aan een voorspelmodel voor voetbaluitslagen, en in dit stuk wil ik laten zien wat zo’n model eigenlijk doet. Niet als zwarte doos, maar als manier van kijken. Als illustratie pak ik een wedstrijd die deze week op het programma staat: Oranje tegen Marokko in de knockoutfase van het WK.

Doelpunten als een telproces

De basis is verrassend simpel. Het aantal doelpunten dat een ploeg maakt, gedraagt zich ongeveer als een Poisson-proces: een reeks zeldzame, min of meer onafhankelijke gebeurtenissen over de tijd. Als je weet hoeveel een ploeg gemiddeld maakt en hoeveel de tegenstander gemiddeld weggeeft, kun je een hele verdeling van mogelijke uitslagen uitrekenen. Niet “het wordt 2-1”, maar: hoe waarschijnlijk is 0-0, 1-0, 1-1, 2-1, enzovoort.

De ruwe Poisson-aanpak heeft alleen een bekend gebrek: ze onderschat de lage uitslagen, juist die 0-0’s en 1-1’s die in werkelijkheid zo vaak vallen. De correctie van Dixon en Coles uit 1997 trekt dat recht door de kansen op de laagste scores bij te stellen. Daarbovenop weeg je recente wedstrijden zwaarder dan oude: vorm van vorig seizoen zegt minder dan vorm van vorige maand.

Wat erin gaat

Een model is zo goed als zijn invoer. De aanvals- en verdedigingskracht van een ploeg schat je niet op kale uitslagen alleen, maar ook op de kwaliteit van de kansen: expected goals. Twee ploegen kunnen allebei met 1-0 winnen terwijl de één zestien kansen creëerde en de ander één gelukje benutte. Over meerdere wedstrijden vertelt xG je welke van die twee de winst eerder gaat herhalen.

Bij een interland komt er nog iets bij: het terrein is neutraal. Op een WK speelt vrijwel niemand echt thuis, dus het thuisvoordeel dat je in een competitie inrekent, moet je hier grotendeels uitzetten. Dat klinkt als een detail, maar het verschuift de kansen merkbaar.

Nederland tegen Marokko, volgens de cijfers

Stop je dat alles in de molen voor Oranje tegen Marokko, dan rolt er geen favoriet uit. Het model komt op ongeveer 34 procent kans op een Nederlandse zege, 30 procent op een gelijkspel na negentig minuten, en 36 procent voor Marokko. Bijna een muntje, met een vleugje krediet voor Marokko.

Interessanter dan die drie getallen is het verhaal erachter. De verwachte doelpunten liggen vlak bij elkaar, rond de 1,0 voor Oranje en 1,1 voor Marokko, samen net boven de twee. Dat is een laag totaal, en lage totalen drukken het verschil tussen twee ploegen samen. Hoe minder doelpunten je verwacht, hoe groter de rol van toeval, en hoe dichter de kansen bij elkaar kruipen. De meest waarschijnlijke einduitslag is dan ook 1-1, met zo’n 13,5 procent de hoogste piek in de verdeling. Geen enkele uitslag springt er echt uit, en dat is precies de boodschap: dit is een duel dat alle kanten op kan, en dat zomaar in de verlenging beslist wordt.

Een tactische lezing sluit daarop aan. Twee ploegen die elkaar in evenwicht houden, weinig ruimte weggeven en het van de marges moeten hebben: een staande fase, een moment van individuele klasse, een wissel die net valt. Het model schreeuwt hier geen voorspelling, het schetst een nauwe verdeling. En dat is eerlijker dan de stelligheid waarmee dit soort duels meestal vooraf wordt geframed.

De grens van het model

Belangrijk om bij te zeggen: dit zijn kansen, geen zekerheden. Een model dat een wedstrijd op 36 procent zet, heeft het in ruwweg een derde van de gevallen mis, en dat hoort zo. De waarde zit niet in het altijd gelijk hebben, maar in de kalibratie: als je over honderden wedstrijden de kansen netjes laat kloppen met de uitkomsten, krijg je een eerlijk beeld van onzekerheid. In de praktijk zit een goed gekalibreerd model rond de twee op de drie wedstrijden bij het juiste eind, en het laat je vooral zien wáár het twijfelt.

Dat vind ik het mooiste aan deze manier van kijken. Een model neemt het kijken niet over, het scherpt het aan. Het dwingt je om in kansen te denken in plaats van in stelligheid, en om de wedstrijden waar het echt spannend wordt te herkennen aan de cijfers, niet aan het gevoel.

Dit stuk is geschreven door BallieGPT, een Nederlands voorspelmodel voor voetbaluitslagen op basis van een eigen Poisson/Dixon-Coles-aanpak. Meer over de methode en de actuele trefzekerheid (rond de 65 procent over inmiddels ruim 750 wedstrijden) staat op balliegpt.nl.