Después de 20 apuestas, una estrategia tiene un 18% de ganancia. Después de 100, la ganancia se reduce al 7%. Después de 300, se desvía ligeramente al rojo. Luego, después de 1.000 apuestas, vuelve a ser rentable.
¿Cuál de estos resultados es el "real"?
Una de las mayores dificultades al evaluar predicciones de apuestas deportivas es el tamaño de la muestra. A corto plazo, los resultados están fuertemente influenciados por la casualidad, por lo que incluso una ganancia impresionante o una alta tasa de victorias pueden decirte muy poco sobre la verdadera calidad de una estrategia.
- ¿Qué es el tamaño de la muestra en apuestas?
- El problema de los resultados a corto plazo
- ¿Qué puede decirte realmente 100 apuestas?
- ¿Qué cambia después de 500-1.000 apuestas?
- Todo resultado tiene incertidumbre
- No puedes juzgar una muestra sin las cuotas
- La rentabilidad es especialmente volátil sobre muestras pequeñas
- ¿Qué puede aportar el CLV a la imagen?
- Cuando una muestra grande aún te dice muy poco
- Cómo evaluar a un tipster o estrategia de apuestas
- Estadísticas que merecen una mirada más cercana
- Conclusión principal
¿Qué es el tamaño de la muestra en apuestas?
Tamaño de la muestra es el número de observaciones utilizadas para sacar una conclusión.
En apuestas deportivas, una observación suele ser una apuesta.
Si un tipster ha publicado 25 selecciones, las estadísticas se basan en una muestra de 25 apuestas.
Si una estrategia ha sido probada sobre 3.000 apuestas, la muestra contiene 3.000 observaciones.
A simple vista, la regla parece sencilla: más apuestas significan estadísticas más confiables. En general, eso es cierto, pero hay una importante excepción.
Un gran número de apuestas no significa automáticamente que los datos sean útiles.
Un mil comparables apuestas realizadas bajo el mismo conjunto de reglas pueden decirte mucho más que 3.000 apuestas recogidas mientras los mercados, los rangos de cuotas, los tamaños de apuesta y los métodos de selección permanecen cambiando.
El problema de los resultados a corto plazo
Supongamos que una estrategia de apuestas tiene una probabilidad real de ganar del 55%.
Eso no significa que exactamente 55 de las primeras 100 apuestas ganen.
En la práctica, el resultado podría ser:
- 48 ganancias de 100;
- 53 ganancias de 100;
- 61 ganancias de 100;
- o otro resultado cercano.
La razón es la variación aleatoria.
Incluso cuando se conoce la probabilidad subyacente, una secuencia corta de ganancias y pérdidas no tiene que coincidir perfectamente con esa probabilidad.
Este es el mismo efecto que discutimos en "Varianza en apuestas deportivas: ¿por qué una buena estrategia puede seguir perdiendo?".
¿Qué puede decirte realmente 100 apuestas?
Una cien apuestas puede sentirse como una cantidad decente de datos. Estadísticamente, sin embargo, sigue siendo una muestra bastante pequeña.
Toma una estrategia con una tasa de victorias asumida verdadera del 55%.
Una estimación simple del error estándar de una proporción es:
donde:
- p es la probabilidad de ganar;
- n es el número de apuestas.
Para una probabilidad de ganar del 55% sobre 100 apuestas:
Un rango aproximado del 95% es de dos errores estándar en cada lado.
Esto significa que la tasa de victorias observada sobre 100 apuestas puede diferir fácilmente de la tasa real por alrededor de 10 puntos porcentuales.
Eso es una gran margen.
Así que 60 ganancias de 100 pueden parecer impresionantes, pero por sí sola no es suficiente para concluir que la tasa de victorias a largo plazo del tipster sea realmente del 60%.
¿Qué cambia después de 500-1.000 apuestas?
A medida que la muestra crece, la variación aleatoria tiene menos influencia en el resultado general.
Usando la misma estrategia hipotética con una tasa de victorias real del 55%, la imagen se ve aproximadamente así:
| Número de Apuestas | Error Estándar | Rango Aproximado del 95% |
|---|---|---|
| 100 | ≈ 5.0 puntos porcentuales | ≈ ±9.7 puntos porcentuales |
| 500 | ≈ 2.2 puntos porcentuales | ≈ ±4.4 puntos porcentuales |
| 1,000 | ≈ 1.6 puntos porcentuales | ≈ ±3.1 puntos porcentuales |
| 5,000 | ≈ 0.7 puntos porcentuales | ≈ ±1.4 puntos porcentuales |
Este es un modelo simplificado que asume la misma probabilidad de ganar para cada apuesta. Los registros reales de apuestas son más complicados porque las cuotas y las probabilidades varían de una selección a otra.
Aun así, el principio general es claro: al aumentar la muestra, el rango de incertidumbre se vuelve más estrecho.
La diferencia entre 100 y 1.000 apuestas es sustancial. La diferencia entre 10.000 y 10.900 es mucho menos importante.
Todo resultado tiene incertidumbre
Cuando alguien dice, "Este tipster tiene una tasa de victorias del 56%", el número suelen sonar como una característica fija.
Una forma más útil de pensar en ello es:
Observamos una tasa de victorias del 56% en una muestra específica y estamos intentando estimar cuánto se acerca esa figura a la tasa real a largo plazo.
La menor la muestra, mayor la incertidumbre.
Imagina dos tipsters con la misma tasa de victorias del 57%:
- el primero tiene 70 apuestas registradas;
- el segundo tiene 4.000.
El número de la cabeza es idéntico, pero la cantidad de información detrás de él es completamente diferente.
No puedes juzgar una muestra sin las cuotas
La tasa de victorias solo tiene sentido cuando conoces las cuotas.
Supongamos que un tipster gana el 70% de las apuestas y otro solo el 40%.
Eso solo te dice algo sobre cuál estrategia es más rentable.
Si el primer apostador toma cuotas promedio de 1.30, la tasa de ganancia para el punto de equilibrio es aproximadamente:
Una tasa de victorias del 70% a esas cuotas aún perdería dinero.
El segundo apostador podría promediar cuotas de 3.00.
El punto de equilibrio es:
Una tasa de victorias del 40% a esas cuotas puede ser rentable.
Esta es la razón por la que el número de ganancias o la tasa de victorias nunca debe juzgarse en aislamiento.
Analizamos esta relación en más detalle en "Tasa de victorias en apuestas: ¿por qué una alta tasa de aciertos no garantiza rentabilidad?".
La rentabilidad es especialmente volátil sobre muestras pequeñas
A corto plazo, la rentabilidad puede parecer espectacular.
Supongamos que hay 20 apuestas de $100 cada una.
Turnover total de apuestas:
Si algunos de los seleccionados de mayor cuota ganan y la ganancia total alcanza $600:
Una rentabilidad del 30% parece extremadamente fuerte.
Pero si la mayoría de esa ganancia vino de solo dos ganadores de cuotas altas, el número puede cambiar rápidamente en las próximas docenas de apuestas.
A medida que aumenta el turnover, el impacto de cada resultado individual se vuelve más pequeño.
Esta es la razón por la que una rentabilidad del 30% después de 30 apuestas y una rentabilidad del 30% después de 3.000 apuestas no deben tratarse como igualmente informativas.
¿Qué puede aportar el CLV a la imagen?
Los resultados financieros dependen no solo de si la decisión original fue buena, sino también de cómo cada evento terminó.
Esta es la razón por la que, especialmente con una muestra pequeña, puede ayudar mirar más allá de las ganancias y pérdidas y considerar la calidad de las cuotas que tomaste.
Esta es la razón por la que el Valor de Línea de Cierre, o CLV, entra en juego.
Si un apostador consistentemente obtiene mejores cuotas que el precio de cierre del mercado, eso proporciona información que la rentabilidad actual sola no puede mostrar.
Por ejemplo:
- la apuesta se colocó a 2.10;
- el mercado cerró a 1.90 antes de que el evento comenzara.
La apuesta aún puede perder.
Pero el movimiento de precios muestra que el apostador obtuvo un mejor número que el mercado ofreció más tarde.
Más sobre esto en "Valor de Línea de Cierre (CLV): ¿Por qué es importante en apuestas deportivas?".
Cuando una muestra grande aún te dice muy poco
"Tengo estadísticas de 5.000 apuestas" suena convincente. Pero antes de sacar conclusiones, debes saber qué contienen exactamente esas 5.000 apuestas.
Imagina que el registro incluye:
- apuestas de fútbol;
- totales de tenis;
- apuestas acumulativas;
- apuestas en vivo;
- favoritos;
- underdogs;
- cuotas que van desde 1.20 hasta 8.00;
- varios modelos de predicción diferentes.
Puedes combinar todo eso en una sola figura de rentabilidad, pero su valor analítico será limitado.
La razón es simple: la muestra general contiene estrategias con perfiles de riesgo y retorno muy diferentes.
El mismo problema aparece cuando el método cambia durante la prueba.
Por ejemplo:
- las primeras 1.000 apuestas siguieron un modelo;
- las siguientes 1.000 usaron filtros diferentes;
- el rango de cuotas cambió entonces;
- se añadieron nuevas ligas más tarde.
Technicalmente, la muestra es grande. Pero ya no es una sola estrategia consistente.
Cómo evaluar a un tipster o estrategia de apuestas
Ningún solo métrica es suficiente.
Una mejor evaluación mira varios números juntos.
1. Número de Apuestas
La más observaciones tienes, menos influencia tiene cualquier resultado afortunado o desafortunado en las estadísticas generales.
2. Cuotas Promedio
Sin cuotas promedio, la tasa de victorias tiene muy poco significado.
3. Tasa de Victorias
Debe compararse con la tasa de equilibrio implícita por las cuotas reales, no con un umbral arbitrario como el 50%.
4. Rentabilidad (ROI)
La rentabilidad mide la ganancia en relación con el turnover de apuestas, pero es especialmente sensible a la casualidad sobre muestras pequeñas.
5. Máximo Drawdown
Esto muestra cuán profundos fueron los descensos dentro del registro general de desempeño, no solo dónde terminó la estrategia.
6. CLV
El CLV puede proporcionar otra forma de evaluar la calidad de las cuotas que se toman, independientemente de si una apuesta individual ganó o perdió.
7. Consistencia del Método
Debes saber si toda la historia realmente proviene de la misma estrategia.
8. Historia Completa de Apuestas
Si solo las selecciones ganadoras permanecen visibles mientras que las apuestas perdidas desaparecen del registro, el número de "predicciones publicadas" se vuelve casi sin significado.
En BetsPro, los resultados de predicción pueden verse junto con las estadísticas generales, en lugar de juzgarse a partir de un puñado de selecciones exitosas.
Ver estadísticas de predicción de BetsPro →
Estadísticas que merecen una mirada más cercana
Las altas rentabilidades no son automáticamente sospechosas. A corto plazo, resultados especialmente fuertes pueden ocurrir.
La pregunta más importante es ¿cómo se presentan esos resultados?.
Por ejemplo, las afirmaciones merecen más contexto cuando se ven así:
- "80% de tasa de victorias" después de 25 selecciones;
- "40% de rentabilidad" sin mostrar el número de apuestas;
- "la estrategia ha demostrado ser rentable" después de un mes fuerte;
- "máximo drawdown del 5%" basado en un registro muy corto;
- "5.000 predicciones" cuando no se puede verificar la historia de apuestas subyacente;
- "70% de tasa de aciertos" sin mostrar las cuotas promedio.
Cada uno de estos números podría ser genuino. El problema comienza cuando una muestra limitada se usa para apoyar conclusiones que los datos no pueden justificar realmente.
Conclusión principal
- No existe un número universal de apuestas después del cual un resultado de repente se vuelve "confiable".
- En muestras pequeñas, la tasa de victorias y la rentabilidad están fuertemente influenciadas por la variación aleatoria.
- 100 apuestas proporcionan mucho menos información que 1.000, y 1.000 proporcionan menos que varias docenas de apuestas comparables.
- La incertidumbre estadística disminuye gradualmente a medida que la muestra crece.
- El número de apuestas debe evaluarse junto con las cuotas promedio, la tasa de victorias y la rentabilidad.
- El CLV puede proporcionar información adicional sobre la calidad de las decisiones antes de que se haya construido una muestra muy grande.
- Una muestra grande no es especialmente útil si mezcla varias estrategias completamente diferentes.
- La historia de apuestas debe ser completa, sin que las selecciones perdidas se eliminen después del hecho.
La pregunta "¿Cuántas apuestas son suficientes?" no tiene una respuesta única.
La más consistente y comparable apuestas que recojas, la más confianza puedes tener en el análisis. Pero la imagen completa solo comienza a surgir cuando el tamaño de la muestra se considera junto con las cuotas, la tasa de victorias, la rentabilidad, el CLV, el drawdown y la consistencia del método subyacente.