Paso 1: Entender el contexto del Mundial 2026
El Mundial 2026 ya tiene a sus ocho selecciones clasificadas a cuartos de final, y con ellas llega la parte más apasionante del torneo: los cruces, las quinielas y las eternas discusiones sobre quién es favorito. ⚽ Pero detrás de cada cruce de octavos y de cada cuadro de eliminatorias hay algo que a menudo pasa desapercibido en el aula: una mina de datos perfecta para enseñar estadística y análisis de datos. En este tutorial vamos a convertir la noticia deportiva del Mundial 2026 en un ejercicio didáctico completo, paso a paso, para que profesorado y alumnado descubran cómo se construye una predicción con datos reales. 🎯
La idea es sencilla y potente: en lugar de limitarnos a mirar el marcador, vamos a preguntarnos qué características de una selección permiten anticipar si llegará a cuartos. Esa pregunta —clasificar equipos en dos grupos, «pasa» o «no pasa»— es exactamente el tipo de problema que resuelve una de las técnicas más visuales e intuitivas de la ciencia de datos: el árbol de decisión. 🧠
Paso 2: Recoger los datos del torneo
Todo análisis empieza con datos ordenados. Para nuestro estudio del torneo recogeremos, de cada selección que llegó a la fase de eliminatorias, tres variables numéricas y una variable objetivo (la que queremos predecir):
- 🔢 Goles a favor (GF): capacidad ofensiva acumulada.
- 🛡️ Goles en contra (GC): solidez defensiva.
- 📈 Posesión media (%): control del juego.
- 🎯 Clasificó a cuartos (Sí/No): la variable objetivo o «etiqueta».
En un proyecto real, estos números se obtienen de fuentes oficiales del torneo o de repositorios estadísticos abiertos. Para practicar en el aula usamos aquí una tabla con datos ilustrativos para uso docente (inspirados en la noticia, pero no oficiales), pensada para que el ejercicio funcione limpiamente:
| Selección | Goles a favor | Goles en contra | Posesión media (%) | ¿Cuartos? |
|---|---|---|---|---|
| Argentina | 11 | 3 | 58 | Sí |
| Brasil | 12 | 4 | 61 | Sí |
| España | 13 | 4 | 65 | Sí |
| Francia | 10 | 3 | 56 | Sí |
| Alemania | 9 | 5 | 60 | Sí |
| Inglaterra | 8 | 4 | 57 | Sí |
| Italia | 9 | 4 | 59 | Sí |
| Portugal | 10 | 5 | 62 | Sí |
| Uruguay | 8 | 6 | 56 | No |
| México | 6 | 7 | 52 | No |
| Países Bajos | 7 | 6 | 55 | No |
| Croacia | 5 | 6 | 53 | No |
| Japón | 6 | 8 | 54 | No |
Datos ilustrativos para uso docente. No corresponden a resultados oficiales del Mundial 2026.
Paso 3: Explorar los datos del Mundial 2026
Antes de aplicar cualquier modelo, un buen analista mira los datos. 🔎 La visualización más útil aquí es un diagrama de dispersión: colocamos los goles a favor en el eje horizontal y los goles en contra en el eje vertical, y coloreamos cada punto según si la selección se clasificó (azul) o no (rojo). Si nuestra intuición futbolística es correcta, los equipos clasificados deberían agruparse abajo a la derecha —muchos goles marcados, pocos encajados— mientras que los eliminados tenderían a quedar arriba a la izquierda.
El gráfico confirma la intuición: existe una frontera bastante clara. Los puntos azules (clasificados) viven en la zona de muchos goles a favor y pocos en contra; los rojos (eliminados) se desplazan hacia arriba y a la izquierda. Cuando dos grupos se separan así de bien, el terreno está preparado para un modelo que trace fronteras: nuestro árbol de decisión. 💡
Paso 4: Elegir la técnica: el árbol de decisión
¿Por qué elegimos un árbol de decisión y no otra herramienta? Porque nuestro objetivo es clasificar (Sí/No) y, sobre todo, porque queremos algo explicable. Un árbol de decisión traduce la predicción a una cadena de preguntas de tipo «sí o no», tan legibles que hasta el alumnado de primeros cursos las entiende: «¿Marcó suficientes goles? ¿Encajó pocos?». 🧮
Un árbol funciona buscando, en cada paso, la pregunta que mejor separa los dos grupos. Para medir esa «separación» se usa la impureza de Gini o la entropía: un nodo es «puro» cuando contiene solo equipos de una clase (todos «Sí» o todos «No»). El algoritmo prueba todos los cortes posibles en cada variable (por ejemplo, «GF ≥ 7», «GF ≥ 8», «GC ≤ 5»…) y se queda con el que más reduce la impureza. Repite el proceso rama a rama hasta que los grupos quedan lo bastante limpios. Es, en el fondo, la lógica de un juego de «adivina quién» aplicada a la estadística. 📚
Paso 5: Ejecutar el análisis del Mundial 2026
Con los datos de la tabla, un árbol de decisión encuentra rápidamente su primera pregunta clave. El corte que más ordena a las selecciones del Mundial 2026 es Goles a favor ≥ 8: separa de golpe a las cuatro selecciones más flojas en ataque (que quedan eliminadas) del resto. Después, entre las nueve que sí superan ese umbral, una segunda pregunta —Goles en contra ≤ 5— aísla el único caso mixto: Uruguay marcó lo suficiente (8) pero encajó demasiado (6), y por eso queda fuera. Este es el árbol resultante, dibujado con sus nodos y ramas:
En la práctica, este análisis se ejecuta con unas pocas líneas de código. En Python, la clase DecisionTreeClassifier de la librería scikit-learn construye exactamente este tipo de árbol; puedes consultar su funcionamiento en la documentación oficial de scikit-learn sobre árboles de decisión. En clase, sin embargo, lo bonito es que el modelo se puede reconstruir a mano, razonando pregunta a pregunta. ✅
Paso 6: Interpretar los resultados
Con nuestros datos, el árbol clasifica correctamente las 13 selecciones: acierto del 100 %. Y aquí llega la lección más importante de estadística de todo el ejercicio del Mundial 2026: un acierto perfecto debe ponernos en alerta, no darnos euforia. ⚠️ Un modelo que borda los datos con los que ha aprendido puede estar sobreajustado (overfitting): ha memorizado en lugar de generalizar. Si mañana llega una selección con muchos goles a favor pero una racha rara de goles encajados, nuestro árbol podría fallar.
La interpretación honesta incluye estas ideas, muy discutibles en el aula:
- 🌳 Importancia de variables: en este modelo de la Copa del Mundo 2026, la variable más decisiva es «goles a favor» (aparece en la raíz), seguida de «goles en contra». La posesión, curiosamente, ni siquiera hace falta para separar los grupos.
- ✂️ Poda del árbol: limitar la profundidad evita que el modelo cree ramas para casos anecdóticos.
- 🎲 Datos ilustrativos: con cifras reales, la frontera nunca es tan limpia; habría equipos «frontera» que obligan a decisiones más finas.
- 🔁 Validación: lo correcto es probar el árbol con equipos que no se usaron para entrenarlo (validación cruzada).
Paso 7: Comunicar la conclusión
El último paso de cualquier análisis es el más olvidado: contarlo bien. 🗣️ Un árbol de decisión es un regalo para la comunicación porque se lee como una historia: «Para llegar a cuartos en el Mundial 2026, primero hay que marcar (8 goles o más); y una vez que marcas, hay que defender (encajar 5 o menos)». Cualquier aficionado lo entiende sin saber qué es la impureza de Gini.
Ese es el gran valor didáctico de la noticia: transformar un cuadro de eliminatorias en una lección donde el alumnado recorre el ciclo completo del dato —recoger, explorar, modelar, interpretar y comunicar— con un tema que le motiva. Puedes ampliar este recorrido con más ejemplos aplicados en los recursos interactivos de canaldocente, o descubrir otros análisis parecidos en el resto de artículos del blog. 📚
Mini-reto para clase
Proponemos estos retos para trabajar el árbol de decisión del Mundial 2026 en el aula. Se pueden resolver con papel y lápiz o con una hoja de cálculo:
- 🎯 Añade a la tabla una selección con 9 goles a favor y 7 en contra. ¿En qué hoja del árbol cae? ¿Clasifica o no?
- 🧮 Calcula la impureza de Gini del nodo raíz (13 equipos, 8 «Sí» y 5 «No») y explica por qué el árbol prefiere partir primero por los goles a favor.
- 🔎 Cambia el umbral del primer corte de «GF ≥ 8» a «GF ≥ 9». ¿Cuántas selecciones quedarían mal clasificadas ahora?
- 📊 Dibuja de nuevo la Figura 1 usando «posesión» en lugar de «goles en contra». ¿Separa igual de bien los dos grupos?
- 🌳 Propón una tercera pregunta para el árbol usando la posesión media. ¿Aporta información nueva o es redundante?
- ⚖️ Debate en grupo: si el modelo acierta el 100 % con estos datos, ¿por qué no deberíamos fiarnos para predecir el próximo torneo?
- 💡 Reto avanzado: reparte 3 equipos «de test» que no se usen para construir el árbol y comprueba cuántos acierta el modelo con ellos.
Con un ejercicio tan sencillo, el Mundial 2026 deja de ser solo un espectáculo deportivo y se convierte en un laboratorio de datos donde aprender a pensar como un analista: con curiosidad, con método y, sobre todo, con sentido crítico. 🧠⚽