Uma lesão pode alterar as probabilidades de uma equipa. Para quantificar esse efeito é preciso um modelo ou dados pertinentes: o nome do jogador e a sua reação emocional não chegam.

Partir de um cenário coerente

Chamemos A a uma vitória e B à ausência de um jogador. Suponha uma probabilidade de ausência de 20 %, uma probabilidade de vitória de 40 % sem ele e de 65 % se jogar.

Antes de conhecer o onze inicial, a probabilidade de vitória é:

P(A) = 0,20 × 0,40 + 0,80 × 0,65 = 60 %.

Se a ausência for confirmada, a probabilidade passa a 40 % por hipótese do modelo. Bayes não produz esta descida do nada: o efeito da ausência já estava estimado.

Usar corretamente a fórmula de Bayes

A fórmula é P(A|B) = P(B|A) × P(A) / P(B). No nosso exemplo, P(B|A) = 0,20 × 0,40 / 0,60 ≈ 13,33 %. Aplicando Bayes, obtém-se de facto 40 %.

Confundir P(B|A) com P(A|B) inverte duas perguntas diferentes: a frequência da ausência entre as vitórias e a frequência de vitória quando o jogador falta.

Estimar o efeito com prudência

Os jogos sem um jogador podem coincidir também com adversários, suplentes ou calendários diferentes. Uma correlação histórica não basta para isolar um efeito causal. Uma ausência já antecipada pode também estar incorporada nas odds.

Guarde a fonte e a hora da informação. Distinga baixa confirmada, dúvida e possível rotação. Use um intervalo se os dados não justificarem um número único.

Decidir com a odd atual

Com 40 % de probabilidade, a odd justa sem margem é 2,50. Uma odd ainda a 1,80 nessa equipa seria desfavorável segundo a nossa hipótese. Uma má notícia não é, portanto, uma oportunidade automática: pode simplesmente tirar o interesse a uma aposta.

Compare a odd aceite com a sua estimativa atualizada e verifique depois a exposição já comprometida. Não force um ajuste para manter uma seleção que lhe apetecia jogar.

Para ler: métodos avançados e checklist antes de confirmar. Os números representam um cenário fictício.

Exemplo: uma informação incerta

Um rumor anuncia a ausência do jogador. Avalia a fiabilidade da fonte: quando o jogador falta mesmo, ela anuncia-o 90 % das vezes; quando joga, anuncia por engano uma ausência 15 % das vezes. A ausência tinha, à partida, 20 % de probabilidade.

  1. Probabilidade de ausência depois do rumor: 0,90 × 0,20 / (0,90 × 0,20 + 0,15 × 0,80) = 0,18 / 0,30 = 60 %.
  2. Probabilidade de vitória: 0,60 × 40 % + 0,40 × 65 % = 50 %.
  3. Odd justa: 2,00.

O rumor leva a estimativa de 60 % para 50 %, não para 40 %: enquanto a ausência não for confirmada, a incerteza continua no cálculo. Se o mercado já baixou a odd do adversário para 2,10, a informação talvez já esteja no preço.

Erros frequentes

  • Contar a informação duas vezes: ajustar a sua probabilidade quando a odd já se mexeu pela mesma razão.
  • Reagir em excesso a nomes famosos: o efeito de uma ausência depende do substituto e do sistema, não da notoriedade.
  • Tratar um rumor como uma baixa confirmada, ou o contrário.

Pôr em prática com a SCANbet

A calculadora de Bayes refaz este cálculo com os seus próprios números. Anote no comentário da aposta a fonte e a hora da informação: o CLV registado depois pela SCANbet mostrará se reagiu antes ou depois do mercado.

Perguntas frequentes

Como estimar o efeito de um jogador nas probabilidades de vitória?

Comparando jogos com e sem ele em contextos comparáveis, ou com um modelo que meça o seu contributo (minutos, golos esperados, golos sofridos). Seja prudente: as amostras são pequenas e os adversários diferentes.

O mercado já incorporou a lesão?

Muitas vezes, sobretudo se a baixa foi anunciada na véspera num grande campeonato. Compare a odd atual com a de antes do anúncio: se já se mexeu muito, a sua vantagem é provavelmente pequena.

O que fazer perante informações contraditórias?

Ponderá-las pela sua fiabilidade, como no exemplo, em vez de escolher a que dá jeito à sua aposta. Se a incerteza continuar grande, não apostar é uma decisão válida.