Para poder construir la tabla de probabilidades final se necesitan articular 3 modelos distintos.

En primer lugar, construimos un modelo predictivo que nos permite asignar la probabilidad de cada resultado en cada partido. Esto se hace teniendo diversas variables (resultados históricos, enfrentamientos directos, rendimiento actual, etc.) por lo que aplicamos técnicas de estadística avanza y de machine learning. Este modelo nos ayuda a determinar las probabilidades de una victoria del local, de un empate o de un triunfo visitante.

Después de construir este primer modelo tenemos un segundo modelo en donde simulamos un número importante de escenarios. Esto lo hacemos usando un “dado mágico” de 100 lados que nos va a dar un resultado teniendo en cuenta las probabilidades presentadas en el primer modelo. Este proceso lo repetimos entre 100.000 y 100.000.000 de veces dependiendo de la liga o competición que estemos analizando.

Finalmente, llegamos al tercer modelo que nos permite asignarle un marcador al resultado del segundo modelo. Nuevamente usamos el “dado mágico” de 100 lados y tomamos el histórico de marcadores para ver cómo se distribuyen los marcadores en los 3 posibles escenarios (victoria local, empate o victoria visitante). Con esta información le asignamos un marcador a cada una de las simulaciones que hicimos en el modelo 2.

Con este conjunto de escenarios simulados tenemos una tabla resultante diferente para cada escenario simulado. Por lo tanto, para poder crear nuestra tabla de probabilidades, hacemos un conteo para identificar así en cuantos escenarios sucede la clasificación del equipo X o la posición en la tabla del equipo Y.