O World Cup Insights é uma plataforma gratuita e de acesso aberto para previsões do Mundial 2026 da FIFA. Não é um projeto oficial da FIFA — trata-se de uma análise independente, orientada por dados, construída por entusiastas de futebol e machine learning. Todos os dados e previsões deste site podem ser livremente partilhados e reproduzidos, desde que cite o World Cup Insights como fonte.
Como funciona: metodologia técnica
Base de dados
O nosso motor de previsão assenta em 154 anos de dados de futebol internacional (1872–2026): 49 071 jogos, 47 555 registos individuais de golos e o historial completo do Ranking Mundial da FIFA desde 1992. Por cima sobrepomos o valor de mercado atual dos jogadores, a forma do jogador e a forma da seleção — atualizado diariamente para refletir os resultados mais recentes. Cada jogo traz metadados: tipo de torneio, local, indicador de campo neutro e um peso de importância de 1.0 (amigáveis) a 4.0 (finais de Mundial).
Os três modelos
Usamos um conjunto de três modelos independentes, cada um capturando aspetos diferentes da força das seleções. Nenhum modelo sozinho vê o quadro completo — combiná-los produz previsões mais precisas e melhor calibradas do que qualquer abordagem isolada.
Modelo 1: Sistema de pontuação Elo
O sistema de pontuação mais antigo e mais testado em desportos competitivos. Cada seleção começa com 1500 pontos. Após cada jogo, os pontos passam do perdedor para o vencedor — mais pontos por surpresas, menos por resultados esperados.
A nossa implementação acrescenta três ajustes próprios do futebol: um multiplicador por diferença de golos (vencer 3-0 vale mais do que 1-0), uma escala por importância do torneio (um jogo do Mundial atualiza o rating 4× mais do que um amigável) e um bónus de campo de 100 pontos Elo para campos não neutros.
Após processar os 49 071 jogos históricos, cada seleção fica resumida num único número que codifica toda a sua história competitiva, com maior peso para resultados recentes através de decaimento natural. A atualização diária mantém o rating atual — cada novo resultado internacional entra diretamente no cálculo Elo.
Elo responde à pergunta: "Quão forte é, no geral, esta seleção?"
Modelo 2: Dixon-Coles (Poisson bivariado)
Publicado por Dixon e Coles em 1997 e ainda largamente usado na analítica de futebol. Em vez de prever quem ganha, prevê quantos golos cada equipa vai marcar.
Cada seleção tem dois parâmetros — força ofensiva (quantos golos costuma marcar) e força defensiva (quantos costuma sofrer). Ajustamos estes parâmetros diariamente com o valor de mercado atual do plantel e a forma recente da seleção, para que ataque/defesa reflitam a realidade de hoje, e não apenas médias históricas. Para qualquer confronto, os golos esperados são:
Golos esperados casa = ataque_casa × defesa_fora × vantagem_casa
Golos esperados fora = ataque_fora × defesa_casa
Os golos seguem uma distribuição de Poisson, o que nos permite calcular a probabilidade exata de cada resultado (0-0, 1-0, 0-1, 1-1, 2-0, …). Somando obtemos P(vitória casa), P(empate), P(vitória fora).
- Correção Rho (ρ = −0,176): Jogos com poucos golos (0-0, 1-1, 0-1, 1-0) ocorrem mais vezes do que Poisson puro prevê. O parâmetro rho corrige isto.
- Decaimento temporal (λ = 0,003): Um jogo do mês passado importa mais do que um de 2019. Decaimento exponencial com semi-vida de ~230 dias garante que o modelo reflete a forma atual.
Os parâmetros são estimados por Máxima Verosimilhança em 2363 jogos recentes (2018-2026), otimizados via SLSQP.
Dixon-Coles responde: "Qual será provavelmente o resultado?"
Modelo 3: XGBoost Gradient Boosting
Um classificador de machine learning treinado em 10 691 jogos com 26 features por confronto. Onde Elo e Dixon-Coles usam modelos matemáticos elegantes, o XGBoost aprende padrões diretamente dos dados — incluindo interações não-lineares que os modelos paramétricos não captam. A atualização diária dos dados injeta forma do jogador, valor de mercado do plantel e forma da equipa diretamente no conjunto de features.
Features principais por importância:
- Diferença de Elo (16%) — o preditor mais forte
- Diferença de valor de mercado e índices de forma do jogador (10%)
- Diferença no ranking FIFA (8%)
- Indicador de campo neutro (5%)
- Taxa histórica de vitórias em Mundiais (4%)
- Forma recente da seleção e média de golos sofridos (3-4% cada)
O modelo usa 300 rondas de boosting com regularização (profundidade máx 6, learning rate 0,05, subsample 80%) para evitar overfitting.
XGBoost responde: "Que padrões nos dados preveem o resultado?"
O conjunto e a sua validação
A previsão final é uma média ponderada dos três modelos. Cada um contribui com aquilo em que é melhor — Dixon-Coles com probabilidades calibradas de resultado, XGBoost com interações não-lineares entre variáveis, e Elo com a perspetiva histórica mais longa. Os pesos foram escolhidos medindo a precisão individual de cada modelo em backtesting, dando mais influência aos componentes que produziram previsões mais nítidas e melhor calibradas em dados passados. Para validar o conjunto corremo-lo em jogos de Mundiais anteriores que os modelos nunca tinham visto durante o treino — dados out-of-sample de 2014, 2018 e 2022 — verificando precisão direta, calibração de probabilidades e perda em teoria da informação. A precisão do conjunto situa-se na faixa típica de sistemas fortes de previsão desportiva, com calibração apertada o suficiente para que as probabilidades publicadas se possam considerar sinais honestos e não teatro de confiança.
Simulação Monte Carlo do torneio
Prever jogos individuais é apenas metade da história. Para responder à questão real — quem ergue o troféu? — simulamos o torneio inteiro 500 000 vezes.
Como funciona
A simulação segue o formato oficial do Mundial 2026: 48 seleções em 12 grupos de quatro, seguida de uma fase a eliminar com 16-avos (incluindo os 8 melhores terceiros classificados), oitavos, quartos, meias e final.
1. Fase de grupos
Cada jogo de grupo é simulado retirando um resultado aleatório do modelo Dixon-Coles. Os golos de cada equipa são amostrados das suas distribuições de Poisson esperadas, com correção rho aplicada a jogos de poucos golos. Os pontos são somados (3 pela vitória, 1 pelo empate) e as equipas são ordenadas por pontos, depois diferença de golos, depois golos marcados.
2. Apuramento dos terceiros
Os 8 melhores terceiros dos 12 grupos avançam para os 16-avos, ordenados por pontos e diferença de golos — exatamente como as regras da FIFA prescrevem.
3. Fase a eliminar
Cada jogo a eliminar usa o conjunto para calcular probabilidades 1-X-2. Se o sorteio aleatório der vitória, o vencedor avança. Se der empate, uma moeda 50/50 decide — refletindo a imprevisibilidade do prolongamento e dos penáltis.
4. Contagem
Após todos os 500 000 torneios, contamos quantas vezes cada seleção terminou como campeã, finalista, semifinalista, quartofinalista e apurada da fase de grupos.
Porquê 500 000 simulações?
Convergência estatística. Com 500 mil iterações, as probabilidades de campeão estabilizam dentro de ±0,05 pontos percentuais entre execuções — os resultados são reproduzíveis e independentes do ruído aleatório. Um passo de pré-cálculo calcula todas as 2 304 matrizes de probabilidade por pares (48 × 48 seleções) uma única vez antes do ciclo de simulação, para que cada torneio individual corra inteiramente em consultas rápidas a arrays.
O que os resultados mostram
- Probabilidade de título: com que frequência cada seleção vence o Mundial inteiro.
- Progressão fase a fase: probabilidade de chegar à final, meias, quartos, oitavos e apurar-se do grupo.
- Previsões da fase de grupos: percentagem de vitória por grupo, probabilidade de apuramento por seleção.
- Previsões ao nível do jogo: probabilidades 1-X-2 e golos esperados para cada jogo da fase de grupos.
Para o Mundial 2026
O modelo considera um fator crítico: todos os jogos a eliminar e a maioria dos jogos de grupos no Mundial 2026 serão disputados em terreno neutro (sediados nos Estados Unidos, México e Canadá). Os dados históricos mostram que a vantagem caseira cai de ~51% para ~40% em campos neutros — o nosso conjunto ajusta-se automaticamente tratando cada jogo do Mundial como jogo em terreno neutro.
Cada previsão inclui:
- Probabilidades 1-X-2 do conjunto.
- Detalhamento por modelo individual (Elo / Dixon-Coles / XGBoost).
- Golos esperados para cada equipa.
- Resultados exatos mais prováveis.
- Probabilidades de progressão no torneio a partir de 500 000 simulações Monte Carlo.
Fontes de dados
As nossas previsões assentam em décadas de dados de futebol públicos e de licença aberta. Em seguida, um resumo de alto nível do que alimenta os três modelos.
Arquivo completo de jogos internacionais
49 071 jogos internacionais masculinos de 1872 a 2026 — resultado, local, indicador de campo neutro e contexto do torneio para cada jogo.
Registos individuais de golos
47 555 golos com marcador, minuto e indicadores de grande penalidade/auto-golo. Alimenta as estimativas de força ofensiva no Dixon-Coles e as features de forma histórica no XGBoost.
Resultados de desempates por grandes penalidades
665 desempates por grandes penalidades ao longo de 60 anos de futebol de torneio, usados para calibrar a resolução por moeda em empates na fase a eliminar.
Histórico do Ranking Mundial da FIFA
Rankings oficiais mensais da FIFA de 1992 até hoje — a feature não-Elo mais forte do nosso classificador XGBoost.
Resultados de Mundiais passados
Registos jogo a jogo de cada Mundial desde 1930. Usados para backtesting (o conjunto foi re-executado em 192 jogos das edições de 2014/2018/2022) e para features de taxa histórica de vitórias.
Metadados oficiais do torneio 2026
Documentos públicos da FIFA cobrindo o formato de 48 equipas, sorteio de grupos (5 de dezembro de 2025), calendário de jogos e tabela de apuramento dos terceiros do Anexo C.
Valorizações agregadas do plantel
Estimativas públicas do valor agregado do plantel como indicador de talento — ajuda a separar seleções cujos resultados recentes ultrapassam a qualidade bruta do seu plantel das que estão genuinamente a melhorar.
Forma recente da equipa
Últimos 10–20 jogos competitivos por seleção. A forma recente entra no nosso Elo através de decaimento exponencial (semi-vida ~230 dias) e aparece no XGBoost como várias features de janela curta.
Contexto da época de clubes em curso
Sinais de desempenho ao nível de clube da época europeia 2025/26 em curso — captados indiretamente via momentum do ranking FIFA, resultados do ciclo de apuramento e metadados do ciclo de lesões integrados no nosso conjunto de features.
Aviso
As nossas previsões servem apenas fins informativos e de entretenimento. Embora procuremos precisão com métodos analíticos avançados, o futebol é inerentemente imprevisível. As previsões não devem ser usadas como única base para qualquer decisão.
Fala connosco
Tens questões, sugestões ou comentários? Adoraríamos ouvir-te! Contacta-nos