Hubo un tiempo en que analizar deportes era relativamente sencillo. En el fútbol ganaba el equipo que anotaba más goles, en el béisbol importaban el promedio de bateo y los jonrones, en el baloncesto se contaban puntos y rebotes, y en la NFL bastaba con saber cuántas yardas había avanzado el quarterback.
Eso cambió.
Ahora un futbolista puede terminar un partido sin marcar, pero con un xG de 1.8; un bateador puede tener promedio de .240 y ser considerado una estrella por su wRC+; un quarterback puede lanzar tres touchdowns y recibir críticas por su EPA, mientras un jugador de la NBA puede terminar con 15 puntos y ser presentado como el más eficiente de la noche gracias a su TS%.
Bienvenidos al universo de las estadísticas avanzadas, donde los cronistas deportivos, analistas de datos y aficionados más especializados hablan un idioma que, para buena parte del público, necesita subtítulos.
Se develan los diseños de las canchas para la NBA Cup y se define el calendario rumbo a Indianápolis
José Ramírez y Junior Caminero van por el desempate en la Serie de Campeonato de la Americana
Y el asunto sigue evolucionando. En septiembre de 2026, la NFL presentó nuevos modelos de inteligencia artificial capaces de identificar hasta 16 tipos de esquemas de carrera y analizar los bloqueos individuales de los jugadores durante cada jugada.
Pero ¿qué significan todas estas estadísticas?
Fútbol: cuando perder 1-0 puede convertirse en una victoria estadística
En el fútbol, la invasión matemática tiene un protagonista indiscutible: el xG, abreviatura de expected goals o goles esperados.
Esta métrica calcula la probabilidad de que una oportunidad de gol termine dentro de la portería, considerando factores como la distancia, el ángulo del disparo y la posición de los defensores.
- Un disparo con xG de 0.30 significa que, históricamente, ocasiones similares terminan en gol aproximadamente el 30 % de las veces.
Así, un equipo puede perder 1-0 y terminar el encuentro con un xG de 2.7 frente al 0.4 de su rival.
Para el aficionado tradicional, perdió y punto. Para el analista, creó oportunidades suficientes para haber marcado más goles.
Y todavía faltan otros términos.
El xA (expected assists) mide la probabilidad de que un pase termine convirtiéndose en una asistencia de gol. Es decir, el jugador puede dar un pase extraordinario, su compañero fallar frente a la portería y, aun así, acumular valor estadístico.
El PPDA (passes per defensive action) calcula cuántos pases permite un equipo al rival por cada acción defensiva en determinadas zonas del campo. Generalmente, un número más bajo refleja una presión más intensa.
También aparece el field tilt, que mide qué proporción del dominio territorial en el tercio ofensivo corresponde a cada equipo.
Por tanto, la próxima vez que alguien diga que el Barcelona dominó un partido, conviene preguntarle si habla de posesión, xG, PPDA o field tilt.
Porque ahora dominar y ganar no necesariamente aparecen en la misma columna estadística.
Béisbol: batear .300 ya no garantiza ganar una discusión
Si existe un deporte donde los números se han convertido en una disciplina casi científica, es el béisbol.
Durante décadas, un bateador de .300 era considerado una garantía ofensiva. Ahora, ese promedio puede resultar insuficiente para establecer quién produce más.
Primero está el WAR (wins above replacement), que intenta medir cuántas victorias aporta un jugador por encima de lo que produciría un sustituto de nivel disponible.
- Así, cuando alguien afirma que un pelotero tiene 6.0 WAR, no significa que haya ganado seis partidos por sí solo, sino que su contribución estimada equivale a unas seis victorias adicionales frente a un jugador de reemplazo.
Después aparece el wRC+ (weighted runs created plus).
Esta estadística mide la producción ofensiva tomando en cuenta el valor de cada resultado al bate y ajustando factores como los estadios.
El promedio de la liga se establece en 100. Un bateador con wRC+ de 150 produce ofensivamente un 50 % más que el promedio.
Entonces llega el FIP (fielding independent pitching), que evalúa al lanzador considerando principalmente ponches, boletos, pelotazos y jonrones, sin incorporar el resultado de las pelotas puestas en juego.
Y, por si todavía parecía sencillo, existe el xwOBA, una métrica que estima el valor ofensivo esperado a partir de factores como la velocidad de salida y el ángulo de los batazos.
La consecuencia es una conversación que hace 20 años habría parecido incomprensible:
- Ese bateador apenas está dando .250.
- Sí, pero tiene un wRC+ de 145 y su xwOBA demuestra que está haciendo contactos de calidad.
¿Y cuántas carreras empujó?
La pregunta sigue siendo válida, aunque ahora probablemente provoque una explicación de diez minutos.
La NFL tampoco se ha quedado atrás.
Una de sus estadísticas más utilizadas es EPA (expected points added), o puntos esperados añadidos.
Esta métrica estima cuánto cambia el valor esperado de una posesión después de una jugada.
No es lo mismo avanzar cinco yardas en primera oportunidad desde el propio territorio que conseguirlas en tercera oportunidad para mantener viva una serie ofensiva.
Ambas jugadas producen cinco yardas, pero su impacto sobre las posibilidades de anotar es diferente.
De ahí surge el EPA por jugada, utilizado para evaluar la eficiencia ofensiva y defensiva.
Después está el CPOE (completion percentage over expected), que compara el porcentaje de pases completos de un quarterback con el porcentaje que cabría esperar dada la dificultad de sus lanzamientos.
Un quarterback puede completar el 65 % de sus pases y superar las expectativas si intentó envíos especialmente difíciles. Otro puede completar el 70 % y quedar por debajo de lo esperado si la mayoría eran pases sencillos.
La NFL también utiliza las yardas terrestres esperadas y las yardas por encima de lo esperado, con las que busca separar el trabajo del corredor de las condiciones que encuentra al recibir el balón.
¿Y qué hay del DVOA? Es otro índice avanzado que compara la eficiencia de las jugadas con referencias de la liga, ajustando factores del contexto y la oposición.
Ahora, cuando un comentarista diga que un equipo necesita mejorar su EPA/play y su CPOE, quizá simplemente está explicando que debe ejecutar mejor sus jugadas y completar los pases que realmente importan.
Pero con muchas más letras.
Baloncesto: 30 puntos pueden valer menos que 20
En la NBA, las estadísticas avanzadas también han complicado la conversación sobre quién jugó mejor.
Durante años, una actuación de 30 puntos era suficiente para dominar los titulares.
Actualmente, el porcentaje de tiro verdadero o TS% (true shooting percentage) permite cuestionar qué tan eficientemente fueron conseguidos esos puntos.
- La fórmula toma en cuenta los lanzamientos de dos puntos, los triples y los tiros libres.
Un jugador puede anotar 30 puntos necesitando 30 intentos de campo, mientras otro consigue 25 con muchos menos lanzamientos y mayor eficiencia.
También existe el eFG% (effective field goal percentage), que ajusta el porcentaje de campo para reconocer que un triple vale más que un lanzamiento de dos puntos.
El USG% (usage percentage) estima qué proporción de las posesiones ofensivas del equipo termina mediante un lanzamiento, tiros libres que consumen posesión o una pérdida del jugador mientras está en cancha.
Un jugador con USG% elevado tiene una participación importante en la finalización de las posesiones, pero eso no significa necesariamente que sea quien más tiempo tiene la pelota.
Después llega el Net Rating, que calcula la diferencia entre puntos anotados y recibidos por cada 100 posesiones.
Un jugador puede terminar con una actuación individual discreta y pertenecer a una alineación que supera ampliamente a sus rivales cuando está en la cancha.
Para los analistas, esa información puede ayudar a explicar su impacto. Para el público que solo mira los puntos anotados, puede parecer una contradicción.
¿Realmente sirven para algo todas estas estadísticas?
Aunque algunas parezcan diseñadas para complicar las discusiones deportivas, las métricas avanzadas tienen aplicaciones concretas.
Los equipos profesionales las utilizan para evaluar jugadores, identificar tendencias, estudiar rivales y orientar decisiones tácticas o de contratación.
Además, permiten medir aspectos que las estadísticas tradicionales no reflejan adecuadamente.
Por ejemplo, un futbolista puede generar oportunidades de gol sin registrar asistencias; un defensor de la NFL puede alterar una jugada sin conseguir una captura; un lanzador puede recibir carreras por problemas defensivos, y un jugador de baloncesto puede influir en el rendimiento colectivo sin conseguir muchos puntos.
