Probabilidades avançadas: construir, atualizar e validar uma estimativa

Um modelo útil produz uma probabilidade com hipóteses identificáveis. Depois é preciso comparar essa probabilidade com a odd disponível e verificar, noutros dados, se o método cumpre o que promete.

Estimar sem falsa precisão

Uma frequência observada não é uma lei universal. Uma equipa que ganhou 60 dos últimos 100 jogos não tem automaticamente 60 % de probabilidade contra qualquer adversário seguinte.

Uma abordagem frequencista estuda as propriedades dos procedimentos em repetições. Uma abordagem bayesiana representa a incerteza com uma distribuição e atualiza-a a partir dos dados. Nenhuma das duas dispensa a escolha de boas variáveis e de uma amostra pertinente.

Atualizar uma informação

Se uma hipótese H recebe uma informação D, Bayes dá P(H|D) ∝ P(D|H) × P(H). A verosimilhança descreve a compatibilidade da informação com a hipótese; não é uma percentagem de confiança inventada.

Num modelo simples, uma equipa ganha 65 % das vezes com um jogador e 40 % sem ele. Com 20 % de probabilidade de ausência, a estimativa antes da confirmação é de 60 %. Este cálculo explícito é preferível a uma regra arbitrária do tipo «tirar dez pontos por uma lesão».

Passar do mercado ao rendimento

Num mercado completo, p_i = (1/c_i) / soma(1/c_j) é uma normalização proporcional da margem. Não é o método dos odds ratios. Um método da potência procura antes um expoente k tal que soma((1/c_i)^k) = 1.

Os resultados podem diferir. Não escolha o método que cria mais valor depois de ver a odd. Para uma seleção sem reembolso, o rendimento estimado é p × odd jogada − 1; o modelo continua responsável pela qualidade de p.

Validar no futuro

Separe os períodos de desenvolvimento e de teste. Verifique a calibração: entre os eventos estimados em torno de 60 %, a frequência observada tem de ser compatível com essa estimativa, tendo em conta a incerteza.

Veja também a qualidade do preço, as comissões, a cobertura e a concentração dos ganhos. O valor-p não é uma probabilidade de talento; um resultado escolhido entre muitas tentativas exige uma validação adicional.

Exemplo: pontuar as suas probabilidades com o índice de Brier

O índice de Brier mede a diferença entre uma probabilidade anunciada e o resultado (1 se o evento acontecer, 0 se não): média de (probabilidade − resultado)². Quanto mais baixo, melhor.

Pontuação: 1,0925 / 4 ≈ 0,273. Quem anuncia sempre 50 % obtém 0,25. Nestas quatro apostas, o modelo sai-se pior do que uma moeda ao ar, sobretudo por causa dos 80 % perdidos. Quatro apostas não provam nada, mas o método é o mesmo com quatrocentas.

Ler uma tabela de calibração

Agrupe as suas apostas por intervalo de probabilidade anunciada e compare com a frequência observada. Se 120 apostas anunciadas entre 50 e 60 % ganharam 66 (55 %), a estimativa aguenta-se. Se 80 apostas anunciadas entre 60 e 70 % só ganharam 44 (também 55 %), o modelo está demasiado confiante nesse intervalo: é muitas vezes aí que o dinheiro se perde.

Erros frequentes

• Confundir taxa de acerto e calibração. Ganhar 70 % das apostas à odd 1,30 continua a ser perder.
• Acrescentar variáveis até colar ao passado: o modelo aprende o ruído e engana-se no futuro.
• Esquecer as frequências de base: uma informação rara e marcante não deve esmagar o que dizem centenas de jogos.

Pôr em prática com a SCANbet

Anote a sua probabilidade estimada no comentário de cada aposta para a poder comparar mais tarde com os resultados. A calculadora Elo, a calculadora de Bayes e a calculadora de-vig cobrem as três etapas deste artigo: estimar, atualizar e comparar com o mercado.

Perguntas frequentes

Deve ser-se frequencista ou bayesiano?

As duas abordagens completam-se. A bayesiana é natural para atualizar uma estimativa com uma informação nova; a frequencista, para verificar que um método se comporta bem em repetições. A escolha dos dados conta mais.

O que é um bom índice de Brier?

Só faz sentido comparado com uma referência nos mesmos eventos: a probabilidade implícita do mercado sem margem, ou 50 % num mercado de dois resultados. Bater de forma duradoura a referência do mercado é raro e difícil.

Quantas apostas são precisas para avaliar a calibração?

As suficientes para cada intervalo conter várias dezenas de eventos. Com menos, a diferença entre o anunciado e o observado é dominada pelo acaso.

Para aprofundar

Atualizar depois de uma lesão, medir o CLV sem margem e testar fora da amostra detalham estas etapas. Os exemplos são pedagógicos, sem rendimento reivindicado.