Probabilidades avanzadas: construir, actualizar y validar una estimación

Un modelo útil produce una probabilidad con hipótesis identificables. Después hay que comparar esa probabilidad con la cuota disponible y comprobar, con otros datos, si el método cumple lo que promete.

Estimar sin falsa precisión

Una frecuencia observada no es una ley universal. Un equipo que ha ganado 60 de sus 100 últimos partidos no tiene automáticamente un 60 % de probabilidades contra cualquier rival.

Un enfoque frecuentista estudia las propiedades de los procedimientos en repeticiones. Un enfoque bayesiano representa la incertidumbre con una distribución y la actualiza a partir de los datos. Ninguno de los dos exime de elegir buenas variables y una muestra pertinente.

Actualizar una información

Si una hipótesis H recibe una información D, Bayes da P(H|D) ∝ P(D|H) × P(H). La verosimilitud describe la compatibilidad de la información con la hipótesis; no es un porcentaje de confianza inventado.

En un modelo sencillo, un equipo gana el 65 % de las veces con un jugador y el 40 % sin él. Con un 20 % de probabilidades de ausencia, su estimación antes de la confirmación es del 60 %. Este cálculo explícito es preferible a una regla arbitraria del tipo «quitar diez puntos por una lesión».

Pasar del mercado al rendimiento

En un mercado completo, p_i = (1/c_i) / suma(1/c_j) es una normalización proporcional del margen. No es el método de los odds ratios. Un método de potencia busca en cambio un exponente k tal que suma((1/c_i)^k) = 1.

Los resultados pueden diferir. No elijas el método que crea más valor después de ver la cuota. Para una selección sin devolución, el rendimiento estimado es p × cuota jugada − 1; el modelo sigue siendo responsable de la calidad de p.

Validar con el futuro

Separa los periodos de desarrollo y de prueba. Comprueba la calibración: entre los eventos estimados en torno al 60 %, la frecuencia observada debe ser compatible con esa estimación, teniendo en cuenta la incertidumbre.

Mira también la calidad del precio, las comisiones, la cobertura y la concentración de las ganancias. El p-valor no es una probabilidad de talento; un resultado elegido entre muchos intentos exige una validación adicional.

Ejemplo: puntuar tus probabilidades con el índice de Brier

El índice de Brier mide la diferencia entre una probabilidad anunciada y el resultado (1 si el evento se produce, 0 si no): media de (probabilidad − resultado)². Cuanto más bajo, mejor.

Puntuación: 1,0925 / 4 ≈ 0,273. Quien anuncia siempre un 50 % obtiene 0,25. En estas cuatro apuestas, el modelo lo hace peor que una moneda, sobre todo por el 80 % perdido. Cuatro apuestas no demuestran nada, pero el método es el mismo con cuatrocientas.

Leer una tabla de calibración

Agrupa tus apuestas por tramo de probabilidad anunciada y compáralas con la frecuencia observada. Si 120 apuestas anunciadas entre el 50 y el 60 % han ganado 66 (55 %), la estimación se sostiene. Si 80 apuestas anunciadas entre el 60 y el 70 % solo han ganado 44 (también un 55 %), el modelo es demasiado confiado en ese tramo: suele ser ahí donde se pierde el dinero.

Errores frecuentes

• Confundir porcentaje de aciertos y calibración. Ganar el 70 % de las apuestas a cuota 1,30 sigue siendo perder.
• Añadir variables hasta ajustarse al pasado: el modelo aprende el ruido y se equivoca con el futuro.
• Olvidar las frecuencias de base: una información rara y llamativa no debe aplastar lo que dicen cientos de partidos.

Ponerlo en práctica con SCANbet

Anota tu probabilidad estimada en el comentario de cada apuesta para poder compararla más tarde con los resultados. La calculadora Elo, la calculadora de Bayes y la calculadora de-vig cubren las tres etapas de este artículo: estimar, actualizar y comparar con el mercado.

Preguntas frecuentes

¿Hay que ser frecuentista o bayesiano?

Los dos enfoques se complementan. El bayesiano es natural para actualizar una estimación con una información nueva; el frecuentista, para comprobar que un método se comporta bien en repeticiones. La elección de los datos cuenta más.

¿Qué es un buen índice de Brier?

Solo tiene sentido comparado con una referencia sobre los mismos eventos: la probabilidad implícita del mercado sin margen, o el 50 % en un mercado de dos resultados. Superar de forma duradera la referencia del mercado es raro y difícil.

¿Cuántas apuestas hacen falta para juzgar la calibración?

Las suficientes para que cada tramo contenga varias decenas de eventos. Con menos, la diferencia entre lo anunciado y lo observado está dominada por el azar.

Para profundizar

Actualizar tras una lesión, medir el CLV sin margen y probar fuera de muestra detallan estas etapas. Los ejemplos son pedagógicos, sin rendimiento reivindicado.