La Real Federación Española de Fútbol (RFEF) quiere asegurar su sitio entre las mejores selecciones del planeta. Pero, ¿qué hay detrás de esa ambición cuando la miramos con ojos de analista de datos? En este artículo convertimos la noticia sobre el liderazgo del fútbol español en una pequeña investigación estadística: vamos a explorar si existe una relación medible entre cómo juega un equipo y los resultados que obtiene. 📊 El objetivo no es solo contar goles, sino aprender a pensar como un científico de datos deportivo. 🎯
Hipótesis de partida: ¿qué sostiene el liderazgo del fútbol español?
Toda investigación arranca con una pregunta y una intuición. La nuestra es sencilla y muy futbolera:
Hipótesis: «Cuanto mayor es el porcentaje de posesión de balón de la selección en un partido, mayor tiende a ser el número de goles a favor». 🧠
Si esa relación existe y es fuerte, tendríamos un argumento de datos a favor del estilo de juego asociado al liderazgo del fútbol español: dominar el balón para dominar el marcador. La herramienta estadística que nos permite cuantificar esa relación se llama correlación, y será la protagonista de toda esta mini-investigación. 🔎
Ojo a un matiz que repetiremos hasta el final: una hipótesis no se "demuestra verdadera", se pone a prueba. Podemos encontrar evidencia a favor, en contra o, lo más interesante, descubrir que la realidad es más rica de lo que pensábamos.
Datos que necesitamos
Para estudiar la correlación necesitamos dos variables numéricas medidas en las mismas unidades de observación. Aquí cada "unidad" es un partido. La noticia original ya nos da un punto de partida sobre el rendimiento global de la selección:
- Partidos jugados: 50
- Partidos ganados: 35 (70 %)
- Partidos empatados: 10 (20 %)
- Partidos perdidos: 5 (10 %)
Estos números resumen un balance excelente, pero son un resultado agregado: no nos dicen por qué se gana. Para investigar el "por qué" necesitamos descender al detalle de cada encuentro y registrar dos columnas:
- Variable X: posesión media de balón (%) en el partido.
- Variable Y: goles a favor en ese mismo partido.
A continuación trabajamos con una muestra reducida de 10 partidos. ⚠️ Datos ilustrativos para uso docente (no son cifras oficiales de la RFEF): sirven para aprender el método, no para sacar conclusiones reales sobre la selección.
| Partido | Posesión media (X, %) | Goles a favor (Y) |
|---|---|---|
| 1 | 48 | 1 |
| 2 | 55 | 2 |
| 3 | 62 | 3 |
| 4 | 51 | 1 |
| 5 | 67 | 4 |
| 6 | 58 | 2 |
| 7 | 71 | 3 |
| 8 | 45 | 0 |
| 9 | 64 | 3 |
| 10 | 60 | 2 |
Diseño del estudio
Nuestro diseño es observacional y correlacional: no manipulamos nada, solo observamos partidos ya jugados y registramos lo que ocurrió. Es exactamente el tipo de estudio que usa un departamento de análisis cuando quiere entender patrones del juego sin alterar la realidad. 📚
El plan de trabajo tiene cuatro decisiones clave:
- Unidad de análisis: el partido individual.
- Variables: ambas cuantitativas (posesión y goles), requisito imprescindible para calcular el coeficiente de correlación de Pearson.
- Tamaño muestral: 10 partidos aquí, pero en un estudio serio querríamos decenas o cientos para que el resultado sea fiable.
- Criterio de éxito: obtener un coeficiente r claramente distinto de 0 y estadísticamente significativo.
Análisis propuesto: la correlación paso a paso
El coeficiente de correlación de Pearson (r) resume en un solo número, entre −1 y +1, la fuerza y el sentido de la relación lineal entre dos variables:
- r ≈ +1 → relación positiva fuerte (más posesión, más goles). 📈
- r ≈ 0 → no hay relación lineal apreciable.
- r ≈ −1 → relación negativa fuerte (más de una, menos de la otra).
Su fórmula compara cómo varían las dos variables a la vez (covarianza) respecto a cuánto varía cada una por separado:
r = Σ[(xᵢ − x̄)(yᵢ − ȳ)] / √(Σ(xᵢ − x̄)² · Σ(yᵢ − ȳ)²)
En la práctica no lo calculamos a mano. En R bastaría con cor(posesion, goles) o, para añadir el contraste, cor.test(posesion, goles). En Python usaríamos scipy.stats.pearsonr(posesion, goles), cuya documentación oficial puedes consultar en la referencia de SciPy. 🧮
La visualización imprescindible para la correlación es el diagrama de dispersión (scatter plot): cada partido es un punto; en el eje X colocamos la posesión (%) y en el eje Y los goles a favor. Si los puntos dibujan una nube que sube de izquierda a derecha, la correlación es positiva; añadir una recta de tendencia ayuda a ver el patrón de un vistazo. Puedes ensayar este tipo de gráficos con los recursos interactivos de canaldocente antes de llevarlos a clase. 💡
Resultados esperables
Con los datos ilustrativos de la tabla, el cálculo arroja un coeficiente aproximado de r ≈ 0,87 (valor orientativo para la práctica). Es una correlación positiva y fuerte: los partidos con más posesión tienden, en esta muestra, a terminar con más goles a favor. 📈
Conviene traducir el número a algo interpretable:
| Valor de r | Interpretación | r² (varianza explicada) |
|---|---|---|
| 0,87 | Correlación positiva fuerte | ≈ 0,76 (76 %) |
| 0,50 | Correlación moderada | 0,25 (25 %) |
| 0,20 | Correlación débil | 0,04 (4 %) |
El r² ≈ 0,76 sugiere que, en estos datos, alrededor del 76 % de la variación en los goles podría ir "de la mano" de la variación en la posesión. Un resultado así reforzaría —solo como hipótesis de trabajo— la idea de que el estilo de dominio del balón forma parte del relato del liderazgo del fútbol español. ✅
Limitaciones y sesgos
Aquí llega la lección más importante de toda la estadística aplicada: correlación no es causalidad. Que dos variables se muevan juntas no significa que una cause la otra. Algunas trampas que un buen analista debe vigilar:
- Variable oculta: quizá los partidos con más posesión son, sencillamente, contra rivales más débiles. La calidad del rival sería la causa real, no la posesión.
- Causalidad inversa: ¿más posesión genera goles, o ir ganando permite tener más posesión al final? 🔎
- Muestra pequeña y sesgada: 10 partidos no bastan; y si solo elegimos partidos contra rivales flojos, los datos mienten.
- Relaciones no lineales: Pearson solo capta la parte lineal. Una posesión excesiva y estéril podría no traducirse en goles.
- Datos ilustrativos: recuerda que estas cifras son docentes, no oficiales de la RFEF.
Aplicación al aula: retos sobre el liderazgo del fútbol español
Esta noticia es una excusa perfecta para que el alumnado practique el razonamiento con datos. Propuesta de retos (de menor a mayor dificultad):
- 📊 Dibuja a mano el diagrama de dispersión de la tabla. ¿Sube o baja la nube de puntos?
- 🧮 Calcula la media de posesión y la media de goles. Localízalas en el gráfico como punto central.
- 📈 Estima "a ojo" si la correlación es positiva, negativa o nula antes de calcular nada.
- 💻 Usa R (
cor()) o una hoja de cálculo (=COEF.DE.CORREL()) para obtener r y compáralo con tu estimación. - 🧠 Inventa una variable oculta distinta de las del texto que pudiera explicar la relación.
- 🔎 Diseña cómo recogerías datos de 100 partidos reales: ¿qué fuentes usarías y qué columnas registrarías?
- 💡 Debate en grupo: ¿basta la posesión para asegurar el liderazgo del fútbol español, o hace falta más?
Si quieres más ideas para llevar la estadística deportiva al aula, encontrarás propuestas en el blog de canaldocente con más artículos didácticos. 📚
Cierre crítico: lo que la correlación dice (y lo que no) del liderazgo español
Hemos convertido un titular —la RFEF quiere asegurar su sitio entre las mejores— en una investigación estadística honesta sobre el liderazgo del fútbol español. La correlación nos ha dado un número elegante (r ≈ 0,87 en datos ilustrativos) y una visualización potente (el diagrama de dispersión), pero también nos ha enseñado humildad: un coeficiente alto abre preguntas, no las cierra. 🎯
El verdadero aprendizaje para el aula es doble. Por un lado, dominamos una herramienta concreta —el coeficiente de Pearson— con sus fórmulas, su código y su gráfico. Por otro, interiorizamos el escepticismo del buen analista: medir bien, dudar de las causas y buscar la variable oculta. Ese pensamiento crítico, más que cualquier marcador, es lo que de verdad sostiene un liderazgo duradero, tanto en el fútbol español como en la ciencia de datos. 🧠✅