Esports Math
APPLIED PROBABILITY INSTITUTE // GLOSARIO CUANTITATIVO

Glosario de Matemáticas de Esports

Definiciones matemáticas rigurosas, formulaciones analíticas y casos resueltos de 25 conceptos fundamentales en análisis competitivo de CS2 y Dota 2.

Sistemas de Rating y Volatilidad

(4)

Sistema de Clasificación Elo

#
P(A) = \frac{1}{1 + 10^{(R_B - R_A)/400}}, \quad R_A' = R_A + K \cdot (S_A - P(A))

Algoritmo estocástico de suma cero que calcula probabilidades teóricas de victoria según la diferencia de puntos entre competidores.

Caso de Ejemplo: Una diferencia de 200 puntos Elo (1800 contra 1600) produce una probabilidad matemática de victoria del 75.97%.

Sistema Glicko-2

#
g(\text{RD}) = \frac{1}{\sqrt{1 + 3 q^2 \text{RD}^2 / \pi^2}}, \quad q = \frac{\ln(10)}{400}

Marco estocástico bayesiano que supera el Elo tradicional cuantificando la incertidumbre mediante la Desviación de Calificación (RD) y volatilidad competitiva.

Caso de Ejemplo: Un equipo con 1700 puntos y RD=180 tras fichajes recientes genera intervalos de probabilidad más dispersos que una plantilla consolidada con RD=45.

Desviación de Rating (RD)

#
\text{RD}' = \sqrt{\text{RD}^2 + c^2 \cdot \Delta t}

Medida de dispersión equivalente a una desviación típica sobre la estimación de habilidad. El RD se incrementa durante periodos de inactividad.

Caso de Ejemplo: Tras 60 días sin competir, el RD sube de 42 a 98, obligando a los modelos a recortar la certeza de las cuotas del favorito.

Factor K (Calibración de Sensibilidad)

#
\Delta R = K \cdot (S - E)

El factor ponderador que establece cuántos puntos se intercambian tras un partido. Factores elevados capturan rachas pero aumentan la volatilidad.

Caso de Ejemplo: Con K=32, una victoria inesperada transfiere +24.8 puntos, mientras que con K=16 otorga únicamente +12.4 puntos.

Pool de Mapas y Teoría de Juegos

(4)

Profundidad del Pool de Mapas (MPD)

#
\text{MPD} = \sum_{m \in \text{Pool}} \mathbf{1}_{\{WR_m \ge 0.50\}} \cdot \ln(N_m + 1)

Índice que cuantifica la solidez de una plantilla a lo largo de los 7 mapas competitivos, ajustado por frecuencia de juego y umbrales de efectividad.

Caso de Ejemplo: Un equipo con 5 mapas con winrate superior al 58% alcanza un MPD de 8.92, dominando los cruces de series Bo3.

Permaban Táctico

#
\text{BanRate}_m = \frac{N_{\text{bans}, m}}{N_{\text{drafts}}} \ge 0.85

El mapa que una escuadra veta invariablemente en la primera ronda de vetos para eludir mapas poco entrenados.

Caso de Ejemplo: Un veto del 92% sobre Anubis optimiza el tiempo de preparación concentrándolo en los restantes 6 escenarios.

Minimax de Vetos (Teoría de Juegos)

#
\max_{p \in \text{Picks}} \min_{b \in \text{Bans}} \mathbb{E}[\text{WinProbability}(p, b)]

El protocolo de toma de decisiones en el que cada bando selecciona vetos y elecciones que optimizan el peor escenario posible ante un rival racional.

Caso de Ejemplo: El Equipo A veta Mirage para neutralizar el 80% del rival, anulando su mayor ventaja competitiva.

Probabilidad Compuesta de Series (Bo3/Bo5)

#
P(\text{Bo3}) = p_1 p_2 + p_1 (1 - p_2) p_3 + (1 - p_1) p_2 p_3

La suma estocástica de trayectorias binomiales que determina la probabilidad de ganar una serie Bo3 o Bo5 a partir de las tasas individuales de mapa.

Caso de Ejemplo: Con 60% en el Mapa 1, 55% en el Mapa 2 y 52% en el desempate, la probabilidad global en la serie Bo3 es del 58.48%.

Momentum en Vivo y Economia

(7)

Efecto Cascada de Rondas de Pistola

#
P(\text{MapWin} \mid \text{WinBothPistols}) \approx 0.742

El apalancamiento competitivo por el cual ganar la ronda de pistolas asegura una alta conversión de la ronda posterior contra eco, forzando un 2-0.

Caso de Ejemplo: Ganar ambas rondas de pistola en CS2 MR12 genera una tasa empírica de victoria en el mapa del 74.2%.

Reinicio Económico (Economy Reset)

#
\text{LossBonus} = \min(3400, 1400 + 500 \cdot L)

Condición en la que un equipo pierde una ronda inmediatamente tras ganar la previa, reduciendo el bono de derrota a $1.400 y forzando un eco.

Caso de Ejemplo: Ganar la ronda 7 y caer en la 8 restablece el bono a $1.400, otorgando al rival un 82% de probabilidad en la ronda 9.

Equidad del Force Buy

#
P(\text{Win} \mid \text{Force vs Full}) \approx 0.288

Inversión táctica arriesgada donde se agota el dinero disponible en armas secundarias, con una tasa de victoria histórica del 28-32%.

Caso de Ejemplo: Un force buy gana aproximadamente el 28.8% contra compras completas, con la penalización de un eco doble si se fracasa.

Ronda Eco (Ahorro)

#
P(\text{Win} \mid \text{Eco vs Full}) \approx 0.176

Ronda de concesión estratégica con gasto mínimo para reconstruir la economía y garantizar un Full Buy en la siguiente.

Caso de Ejemplo: Las rondas eco apenas se ganan en el 17.6% de ocasiones, pero garantizan más de $4.300 por jugador para la próxima ronda.

Asimetría de Lados (Sesgo CT/T)

#
\text{Bias}_{\text{CT}} = \frac{N_{\text{rounds, CT won}}}{N_{\text{total rounds}}} - 0.50

El desvío estructural del mapa que favorece a un bando sobre el otro (ej. 54.8% CT en Ancient frente a 52.6% T en Anubis).

Caso de Ejemplo: En Ancient, cerrar 4-8 en bando T es habitual; al cambiar al bando defensivo CT, la expectativa es empatar o superar el marcador.

Cambio de Bando (Half-Switch)

#
\text{Round}_{\text{switch}} = 13 \quad (\text{CS2 MR12})

La inversión de roles en la ronda 13 de CS2 MR12 donde se restablece el dinero a $800 y se intercambian los sesgos del mapa.

Caso de Ejemplo: Una ventaja de 9-3 en bando CT puede esfumarse si el equipo cae en la ronda de pistolas de ataque.

Factor de Remontada (Comeback Probability)

#
P(\text{Win} \mid \text{Score } 4\text{-}8) = f(\text{SideBias}, \text{PistolProb}, \Delta \text{Elo})

La probabilidad condicional de revertir marcadores adversos al cambio de bando (4-8 o 3-9) evaluando sesgo de mapa y rondas clave.

Caso de Ejemplo: En Nuke, un favorito con desventaja de 4-8 retiene un 34.6% de probabilidad de remontada si gana el pistol del segundo tiempo.

Impacto del Jugador y Props Fantasy

(5)

Daño Promedio Por Ronda (ADR)

#
\text{ADR} = \frac{\sum_{r=1}^N \text{Damage}_r}{N}

La media de puntos de vida infligidos al rival por cada ronda disputada, reflejando el impacto de daño global sin sesgo de remate.

Caso de Ejemplo: Un competidor con 88.5 de ADR aporta un 18.2% más de daño que la mediana profesional de Tier-1 (74.8 ADR).

Porcentaje KAST (%)

#
\text{KAST} = \frac{N_{\text{Kill } \cup \text{ Assist } \cup \text{ Survived } \cup \text{ Traded}}}{N_{\text{total rounds}}} \times 100\%

La proporción de rondas en las que el jugador sumó una Baja, Asistencia, Sobrevivió o fue Intercambiado (Traded) en menos de 4 segundos.

Caso de Ejemplo: Jugadores de apoyo de élite mantienen cifras de KAST superiores al 75.0%, evitando rondas sin aporte táctico.

HLTV Rating 2.1 Compuesto

#
\text{Rating 2.1} = f(\text{KAST}, \text{KPR}, \text{DPR}, \text{ADR}, \text{Impact})

El índice estándar que sintetiza KAST%, bajas por ronda, muertes, daño e impacto en una escala centrada en 1.00.

Caso de Ejemplo: Un Rating superior a 1.25 sitúa al jugador en el percentil 95 de la élite mundial.

Rating Ajustado por Rol (RAR)

#
\text{RAR} = \frac{\text{Rating} - \mu_{\text{role}}}{\sigma_{\text{role}}}

Un z-score que normaliza el rendimiento individual frente a la distribución propia de su rol táctico (Ancla, Entry, AWP, IGL, Lurk).

Caso de Ejemplo: Un ancla con rating 1.08 obtiene un RAR de +0.91 sigma, mientras que un AWPer con ese mismo 1.08 se sitúa en un deficiente -0.33 sigma.

Índice de Potencial de Carry (CPI)

#
\text{CPI} = \left(\frac{\text{Damage}_{\text{player}}}{\text{Damage}_{\text{team}}}\right) \cdot \left(\frac{\text{Rating}_{\text{player}}}{\overline{\text{Rating}}_{\text{rest}}}\right)

Métrica que evalúa la dependencia matemática de un equipo hacia un jugador estrella. Valores elevados revelan vulnerabilidad ante bloqueos tácticos.

Caso de Ejemplo: Una figura que concentra el 32% del daño de su escuadra alcanza un CPI de 1.42, denotando excesiva dependencia individual.

Matemáticas de Apuestas y Riesgo

(5)

Valor Esperado (EV)

#
\mathbb{E}[X] = \sum_{i=1}^n x_i \cdot P(X = x_i) = (P \cdot b) - (1 - P)

El promedio ponderado por probabilidad del retorno financiero de una apuesta en el largo plazo. Un +EV positivo confirma una ventaja matemática sobre la cuota del operador.

Caso de Ejemplo: Si el modelo estima un 60% de probabilidad con cuota 1.85, el EV = (0.60 * 1.85) - 1 = +0.11 (+11% de rentabilidad neta por unidad).

Margen de la Casa (Overround)

#
\text{Overround} = \left(\sum_{i=1}^n \frac{1}{\text{Odds}_i}\right) - 1

El sobreprecio porcentual incorporado en las cuotas ofrecidas por el operador. Un margen bajo (3-4%) minimiza el desgaste del capital frente a casas recreativas con 8-12% de vig.

Caso de Ejemplo: Cuotas de 1.88 a ambos bandos implican un margen de (1/1.88 + 1/1.88) - 1 = 6.38% de deducción matemática.

Retorno al Jugador (RTP)

#
\text{RTP} = \frac{1}{1 + \text{Overround}} \times 100\%

El porcentaje del capital total apostado devuelto al mercado en condiciones de equilibrio. Operadores competitivos ofrecen RTP cercano al 97%.

Caso de Ejemplo: Un overround de 3.2% resulta en un RTP de 1 / 1.032 = 96.89% de retorno para el apostador.

Varianza y Drawdown Máximo

#
\sigma^2 = n \cdot p \cdot (1 - p), \quad \text{MDD} = \max_{t \in [0,T]} (H_t - B_t)

La dispersión estocástica de los rendimientos frente a la expectativa matemática y la mayor contracción registrada del capital acumulado.

Caso de Ejemplo: Con un +6% de valor esperado y apuestas del 2%, el intervalo de confianza al 95% contempla un drawdown transitorio de hasta 18 unidades.

Criterio de Kelly (Kelly Fraccionario)

#
f^* = \frac{p \cdot b - q}{b}, \quad f^*_{\text{half}} = \frac{f^*}{2}

La fracción óptima de capital asignada a una apuesta con ventaja positiva para maximizar el crecimiento geométrico a largo plazo sin riesgo de quiebra.

Caso de Ejemplo: Con probabilidad 62% y cuota 1.80: Full Kelly sugiere 14.5% del bankroll, mientras que Half-Kelly fija una apuesta prudente del 7.25%.