Esports Math
APPLIED PROBABILITY INSTITUTE // GLOSSÁRIO QUANTITATIVO

Glossário de Matemática dos Esports

Definições matemáticas fundamentadas, formulações analíticas e exemplos práticos para 25 conceitos essenciais de probabilidade competitiva em CS2 e Dota 2.

Sistemas de Rating e Volatilidade

(4)

Sistema de Rating Elo

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

Algoritmo de classificação de habilidade de soma zero que calcula probabilidades comparativas de vitória com base no diferencial de pontos entre duas equipes.

Exemplo Prático: Uma diferença de +200 pontos de Elo (1800 vs 1600) resulta em uma probabilidade de vitória de 75.97% no mapa.

Sistema Glicko-2

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

Estrutura bayesiana desenvolvida por Mark Glickman que aprimora o Elo clássico ao modelar incerteza através do Desvio de Rating (RD) e volatilidade sigma.

Exemplo Prático: Uma equipe de 1700 de rating com RD=180 após mudanças de jogadores possui um intervalo de incerteza muito mais amplo que um elenco estável com RD=45.

Desvio de Rating (RD)

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

Métrica de incerteza equivalente a um desvio padrão na distribuição de habilidade estimada. O RD se expande na inatividade e se contrai com partidas disputadas.

Exemplo Prático: Após 60 dias sem jogar torneios oficiais, o RD da equipe sobe de 42 para 98, aumentando a margem de incerteza de suas projeções.

Fator K (Sensibilidade do Rating)

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

Multiplicador que define a magnitude da transferência de pontos por resultado. Valores altos aceleram a adaptação; valores baixos privilegiam a estabilidade.

Exemplo Prático: Com K=32, uma zebra contra o líder rende +24.8 pontos de rating; com K=16, a mesma partida rende somente +12.4 pontos.

Pool de Mapas e Teoria dos Jogos

(4)

Profundidade de Pool de Mapas (MPD)

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

Índice quantitativo que mede a consistência e amplitude competitiva de uma equipe nos 7 mapas oficiais ponderado por volume de jogos.

Exemplo Prático: Uma equipe com 5 mapas acima de 58% de vitórias alcança MPD de 8.92, possuindo vantagem decisiva em playoffs Bo3.

Permaban Tático

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

O mapa que uma equipe elimina de maneira sistemática na primeira fase de vetos em todas as partidas oficiais para evitar lacunas táticas.

Exemplo Prático: Banir Anubis em 92% dos drafts permite concentrar 100% dos treinos nos 6 mapas restantes do pool.

Minimax de Vetos (Teoria dos Jogos)

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

A metodologia matemática em que cada equipe toma decisões de banimento e escolha visando maximizar o retorno no pior cenário possível contra um rival racional.

Exemplo Prático: A Equipe A bane Mirage para neutralizar os 80% do rival, priorizando evitar o pior cenário mesmo tendo 55% de vitórias no mapa.

Probabilidade Composta de Séries (Bo3/Bo5)

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

O somatório de caminhos binomiais que calcula a probabilidade global de vitória em uma série a partir das probabilidades independentes de cada mapa.

Exemplo Prático: Com 60% no Mapa 1, 55% no Mapa 2 e 52% no Decider, a chance de fechar a série Bo3 é de 58.48%.

Momentum Ao Vivo e Economia

(7)

Cascata de Rodadas de Pistola

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

O multiplicador estrutural em que vencer a rodada de pistola garante conversão superior a 80% do anti-eco seguinte, abrindo 2-0 de vantagem inicial.

Exemplo Prático: Vencer ambos os pistols no MR12 do CS2 se traduz em 74.2% de conversão de vitória no mapa em torneios Tier-1.

Reset Econômico

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

Cenário em que uma equipe perde a rodada logo após vencer uma, zerando o bônus de derrota para $1.400 e forçando uma rodada eco.

Exemplo Prático: Vencer o round 7 mas perder o round 8 reseta o bônus para $1.400, concedendo ao adversário 82% de chance no round 9.

Equidade do Force Buy

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

Decisão de alto risco em que a equipe gasta todo o capital em armamento secundário (Galil/SMGs) com taxa de sucesso em torno de 28-32%.

Exemplo Prático: Um force buy converte em torno de 28.8% contra compras completas, mas o revés decreta um eco duplo subsequente.

Rodada Eco (Eco Round)

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

Rodada tática de descarte financeiro com gasto mínimo para acumular fundos e viabilizar um Full Buy no round seguinte.

Exemplo Prático: Ecos vencem apenas 17.6% das rodadas, mas asseguram $4.300+ de equipamento por atleta na rodada posterior.

Assimetria de Lados (Viés CT/T)

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

A inclinação estrutural do design do mapa que desvia as probabilidades de rodada de 50% entre CTs e Ts (ex: 54.8% CT em Ancient vs 52.6% T em Anubis).

Exemplo Prático: Em Ancient, fechar o lado T perdendo de 4-8 está dentro do padrão estatístico; na virada para CT, a expectativa da equipe é fazer 8-4.

Troca de Lados (Half-Switch)

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

A transição obrigatória na rodada 13 do CS2 onde o dinheiro de todas as equipes é reiniciado para $800 e a assimetria do mapa se inverte.

Exemplo Prático: Uma liderança de 9-3 do lado CT na Nuke pode se diluir rapidamente se o time perder o pistol round ofensivo.

Fator de Virada (Comeback Probability)

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

A probabilidade condicional de reverter desvantagens substanciais de intervalo (4-8 ou 3-9) considerando a assimetria do mapa e vitória no pistol.

Exemplo Prático: Na Nuke, um favorito perdendo de 4-8 tem 34.6% de chance de vitória se conquistar a segunda rodada de pistolas.

Impacto do Jogador e Props Fantasy

(5)

Dano Médio Por Rodada (ADR)

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

A média de pontos de vida infligidos aos adversários por rodada disputada. Mede com precisão a contribuição real além do fracionamento de kills.

Exemplo Prático: Um jogador com 88.5 de ADR produz 18.2% mais dano efetivo que a média dos profissionais Tier-1 (74.8).

Porcentagem KAST (%)

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

A fração de rodadas em que o jogador participou com Kill, Assistência, Sobrevivência ou foi Vingado (Traded). Métrica primordial de consistência tática.

Exemplo Prático: Atletas de suporte de elite sustentam KAST superior a 75.0%, minimizando rodadas perdidas sem retorno.

Índice HLTV Rating 2.1

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

O índice composto padrão da indústria que pondera KAST, KPR, DPR, ADR e Impacto em uma distribuição centrada em 1.00.

Exemplo Prático: Um rating de 1.25+ posiciona o jogador no top 5% mundial, enquanto 0.90 representa produção abaixo da média.

Rating Ajustado por Função (RAR)

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

Um z-score gaussiano que normaliza o desempenho bruto contra os parâmetros específicos de cada função tática, eliminando distorções estatísticas.

Exemplo Prático: Um âncora com rating 1.08 alcança RAR de +0.91 sigma, enquanto um sniper AWPer com o mesmo 1.08 registra -0.33 sigma abaixo de seus pares.

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 quantifica a dependência tática que uma equipe possui de um único astro individual. Valores acima de 1.35 indicam fragilidade estrutural.

Exemplo Prático: Um astro que responde por 32% do dano total e possui rating 1.35 gera um CPI de 1.42 sobre os companheiros.

Matemática de Apostas e Risco

(5)

Valor Esperado (EV)

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

A média ponderada pelas probabilidades do retorno de uma aposta ao longo de infinitos ensaios. No trading de esports, +EV indica uma vantagem estatística sobre a casa.

Exemplo Prático: Se o modelo atribui 60% de probabilidade e as odds são 1.85, o EV é (0.60 * 1.85) - 1 = +0.11 (+11% de rentabilidade esperada).

Margem da Casa (Overround)

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

A comissão embutida nas odds pela casa de apostas ao precificar desfechos abaixo das probabilidades justas. Plataformas premium operam com 3-4%, enquanto operadoras recreativas cobram 8-12%.

Exemplo Prático: Odds de 1.88 para ambos os lados geram uma margem de (1/1.88 + 1/1.88) - 1 = 6.38% de overround.

Retorno ao Jogador (RTP)

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

A fração percentual do volume apostado devolvida aos apostadores ao longo de amostras balanceadas. Mercados de alta liquidez atingem ~96.8% de RTP.

Exemplo Prático: Uma margem de 3.2% equivale a um RTP de 1 / 1.032 = 96.89% de retorno teórico.

Variância e Rebaixamento Máximo (Drawdown)

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

A dispersão estatística dos resultados em torno do valor esperado e a maior queda percentual da banca entre um topo e um fundo histórico.

Exemplo Prático: Mesmo com 6% de vantagem real, um apostador com unidades de 2% deve tolerar oscilações de 14 a 18 unidades de rebaixamento transitório.

Critério de Kelly (Kelly Fracionário)

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

A fórmula matemática que determina o percentual ideal da banca a ser apostado em cenários de +EV para maximizar o crescimento geométrico do capital.

Exemplo Prático: Para p=0.62 e odds 1.80 (b=0.80): o Full Kelly indica 14.5% da banca. O Half-Kelly recomenda uma alocação estável de 7.25%.