SPORTS BETTING MATH
APPLIED PROBABILITY INSTITUTE // GLOSARIO CUANTITATIVO

Glosario de Matemáticas de Apuestas

Definiciones matemáticas rigurosas, formulaciones analíticas y ejemplos resueltos de 35 conceptos fundamentales en análisis cuantitativo de apuestas.

Ilustración del tema: Glosario de Matemáticas de Apuestas
Ilustración conceptual. Los supuestos numéricos y ejemplos se explican en el texto.

Márgenes y Formatos de Cuotas

(10)

Overround (Margen / Vig)

#
OR=(∑i=1n1Oi−1)×100%

El exceso m=sum(1/Oi)-1 en un mercado completo y mutuamente excluyente. Mide overround cotizado, no hold realizado ni pérdida esperada individual. Bajo probabilidades proporcionales, la pérdida esperada por unidad es m/(1+m). Un overround positivo no implica EV negativo en cada selección.

Caso de Ejemplo: Cuotas 2.10/3.40/3.50 dan aproximadamente 5.60% de overround. Para 1.91/1.91, el overround es 4.712042% y la pérdida esperada proporcional 4.50%. El hold realizado también depende de importes y resultados.

Probabilidad Implícita

#
πi=1Oi

El inverso de la cuota decimal, 1/O. Es la probabilidad de equilibrio de ese precio, no una probabilidad real determinada independientemente. En un mercado completo y excluyente, la suma puede superar, igualar o quedar por debajo de uno.

Caso de Ejemplo: Una cuota de 2.50 representa una probabilidad implícita de 1 / 2.50 = 0.40 (40.0%).

Cuotas Justas (Fair Odds)

#
Ofair=1Ptrue

Para una probabilidad definida p>0, la cuota justa es 1/p y da EV=pO-1=0. Si p se estima o procede de eliminar el margen, la cuota depende del modelo; normalizar no establece la probabilidad real.

Caso de Ejemplo: Un resultado con un 50% de probabilidad real tiene una cuota justa de 1 / 0.50 = 2.000.

Cuotas Decimales (Formato Europeo)

#
Return=Stake×DecimalOdds

La notación estándar de cuotas utilizada en España, Latinoamérica y mercados internacionales. Expresa el importe total devuelto por cada unidad apostada, incluyendo el capital arriesgado inicialmente.

Caso de Ejemplo: Una apuesta de 100 € a cuota 2.75 genera un retorno total de 275 € (175 € de ganancia neta + 100 € de apuesta inicial).

Desmargenación (Devigging)

#
Devig:{Oi}⟶{pˆimodel}

Transformación de precios de un mercado completo y excluyente en una estimación de probabilidad bajo un modelo de margen definido. Multiplicativo, Aditivo, Power y Shin usan supuestos distintos; normalizar no recupera verdad observada ni demuestra calibración.

Caso de Ejemplo: Convertir cuotas con margen de 1.91 / 1.91 en cuotas justas de 2.00 / 2.00 mediante normalización proporcional.

Método Multiplicativo de Desmargenación

#
Pi=πi∑k=1nπk

El enfoque de desmargenación más utilizado, el cual asume que la casa aplica su margen de forma estrictamente proporcional a la probabilidad implícita de cada selección. Es robusto; ignora el sesgo favorito-no favorito, pero en 2.490 partidos de la Premier League fue tan preciso como Shin (Brier 0,5676).

Caso de Ejemplo: Si la suma de probabilidades implícitas es 1.050, cada probabilidad individual se divide entre 1.050 para sumar 1.000.

Método de Shin

#
πi2S=zPi+(1−z)Pi2,S=∑kπk

Modelo de margen de Hyun Song Shin. Sus hipótesis sobre apuestas informadas producen una ecuación no lineal; una raíz factible puede hallarse numéricamente, incluida la bisección. El parámetro no mide participación de insiders sin validación.

Caso de Ejemplo: En 2.490 partidos de la Premier League (football-data.co.uk), Shin asigna de media 0,79 puntos porcentuales más de probabilidad justa a los grandes favoritos (cuotas por debajo de 1,70) que el método multiplicativo; la precisión global de ambos fue la misma (Brier 0,5676).

Método de Potencia (Power Method)

#
∑i=1nπik=1.000

Power normaliza los inversos q_i resolviendo sum(q_i^k)=1. Con 0<q_i<1, k>1 si el overround es positivo, k=1 para suma unitaria y k<1 con underround. La transformación es un supuesto de modelo, no prueba de la probabilidad verdadera ni de un sesgo medido.

Caso de Ejemplo: Para cuotas 1.50/4.00/7.50, k≈1.058589227 normaliza la suma a1.

Línea de Cierre (Closing Line)

#
Oclose=limt→tstart⁡O(t)

La última cuota previa al evento registrada con fuente, hora y reglas definidas. Un cierre líquido puede servir de referencia, pero no contiene toda la información ni revela directamente probabilidades reales.

Caso de Ejemplo: Una línea de cierre de 1.85 en el Real Madrid indicando un 54.05% de probabilidad justo antes de comenzar el partido.

Sesgo Favorito-No Favorito (FLB)

#
ORlongshot≫ORfavourite

Anomalía empírica documentada en mercados de apuestas donde el público sobrevalora de forma sistemática a los equipos no favoritos. Las casas compensan esta tendencia cargando una proporción significativamente mayor de margen en las cuotas altas.

Caso de Ejemplo: Un operador aplicando un 2.5% de margen a una cuota de 1.25 y un 8.5% de margen a una cuota de 11.00.

Valor Esperado y CLV

(6)

Valor Esperado (EV)

#
EV=(Pwin×Net Profit)−(Ploss×Stake)

Retorno neto esperado con probabilidades y reglas definidas. En una apuesta binaria con cuota O y probabilidad p, EV por unidad es pO-1. La expectativa negativa describe una media, no garantiza una secuencia finita ni un resultado aislado.

Caso de Ejemplo: Apostar 100 € a cuota 2.10 con probabilidad real del 52% ofrece un EV de +9.20 € (+9.20%).

Apuestas de Valor Positivo (+EV)

#
EV%=(PtruePimplied−1)×100%>0

Retorno esperado positivo bajo probabilidades definidas: pO-1>0 para una apuesta binaria. El EV estimado positivo depende del modelo; errores, dependencia, ejecución y tamaño de apuesta pueden producir pérdidas.

Caso de Ejemplo: Una cuota de 2.20 (implícita del 45.45%) en un suceso con probabilidad real del 50.0% presenta un +EV del +10.0%.

Valor sobre la Línea de Cierre (CLV)

#
CLV%=(ObetOclosefair−1)×100%

Comparación de precio con una referencia de cierre definida. CLV sin margen usa un mercado completo y un modelo de normalización indicado. Es EV bajo esa estimación, no necesariamente bajo la probabilidad real, y solo se observa tras el cierre.

Caso de Ejemplo: Apostar a cuota 2.10 en una línea cuyo cierre justo es 1.95 equivale a un CLV del +7.69%.

Ventaja Matemática (Edge)

#
Edge%=(OofferedOfair−1)×100%

Retorno neto esperado por unidad bajo una estimación indicada: pO-1. Superar la cuota justa de un modelo identifica ventaja estimada, no beneficio verificado independientemente.

Caso de Ejemplo: Un evento con cuota justa de 2.00 ofertado a 2.10 proporciona una ventaja del +5.0%.

Varianza en Apuestas Deportivas

#
σ2=∑(Xi−E[X])2Pi

El segundo momento central finito E[(R-E[R])²] de los retornos. Describe dispersión, no una probabilidad fija de una racha concreta. Las rachas dependen además de probabilidad de victoria, dependencia y horizonte.

Caso de Ejemplo: Para apuestas independientes con probabilidad de victoria 0.55, un bloque específico de diez derrotas tiene probabilidad 0.45^10≈0.0340506%. Una racha en cualquier punto de 1000 apuestas es otro evento, con bloques solapados. La ventaja por sí sola no fija esas probabilidades: hacen falta cuotas, probabilidad, dependencia y horizonte.

Tamaño de la Muestra (Sample Size)

#
n≈(z1−α/2σE)2

Número planificado de observaciones para una precisión o contraste definido. La aproximación normal mostrada estima la muestra para semianchura E de un intervalo con retornos independientes y varianza finita. No es un umbral universal que pruebe habilidad. La potencia exige hipótesis nula, efecto, significación y dependencia.

Caso de Ejemplo: Con desviación del retorno 1, semianchura 0.05 y aproximación normal del 95%, n≈(1.96/0.05)^2=1536.64, redondeado a1537 observaciones independientes. Esta planificación no convierte un Sharpe positivo en prueba de ventaja.

Criterio de Kelly y Gestión de Capital

(7)

Criterio de Kelly

#
f∗=bp−qb=p−qb

Fórmula matemática deducida por John L. Kelly Jr. (1956) que calcula la fracción óptima de capital a arriesgar en una apuesta con valor esperado positivo para maximizar la tasa asintótica de crecimiento geométrico de la banca.

Caso de Ejemplo: Para una cuota de 2.00 (b = 1.0) y probabilidad real del 54%, el Kelly completo recomienda apostar el 8.0% del capital.

Full Kelly (Kelly Completo)

#
ffull=1.00⋅f∗

Apostar la fracción óptima completa del crecimiento logarítmico esperado bajo el modelo. Para una apuesta binaria con p conocido y O>1, f*=(pO-1)/(O-1), limitado al dominio permitido. La probabilidad de caída depende del modelo y horizonte; no existe una tasa universal del 50%.

Caso de Ejemplo: Apostar exactamente el 6.0% del capital recomendado por la ecuación de Kelly.

Half Kelly (Medio Kelly)

#
fhalf=0.50⋅f∗

Apuesta el 50% de la fracción exacta de Kelly. En la aproximación cuadrática para apuestas pequeñas conserva alrededor del 75% del crecimiento logarítmico máximo; la razón exacta depende de la probabilidad y la cuota. En el retorno simple de una apuesta, la desviación típica se reduce a la mitad y la varianza a una cuarta parte. La caída en un horizonte finito requiere un cálculo separado.

Caso de Ejemplo: Si el Full Kelly indica un 6.0%, Half Kelly prescribe apostar un 3.0% del saldo.

Quarter Kelly (Cuarto de Kelly)

#
fquarter=0.25⋅f∗

Apuesta el 25% de la fracción exacta de Kelly. La aproximación cuadrática para apuestas pequeñas da alrededor del 43.75% del crecimiento logarítmico máximo, no una razón exacta universal. En el retorno simple de una apuesta, la desviación típica pasa a una cuarta parte y la varianza a una dieciseisava parte. Eso no garantiza protección frente a errores de probabilidad o caídas profundas.

Caso de Ejemplo: Si el Full Kelly recomienda el 6.0%, Quarter Kelly destina el 1.5% del saldo.

Riesgo de Ruina (Risk of Ruin)

#
P(τa≤N),τa=inf⁡{t:Wt≤a}

Probabilidad de alcanzar por primera vez un umbral a del capital hasta el horizonte N. Indique si a es cero, fracción fija del capital inicial o mínimo operativo. La caída desde un máximo es otro evento.

Caso de Ejemplo: Con fracciones menores que uno y factores brutos positivos, no se alcanza cero en pasos finitos. Sí puede alcanzarse un umbral operativo positivo. Esa positividad finita no implica crecimiento positivo a largo plazo.

Banca (Bankroll)

#
Wt=W0+∑k=1tΔWk

El fondo de capital financiero destinado exclusivamente a la operativa en apuestas deportivas. Las asignaciones deben recalcularse dinámicamente según el saldo real de la banca.

Caso de Ejemplo: Un apostador que gestiona un capital dedicado de 50.000 € totalmente separado de sus fondos domésticos.

Apuesta Plana (Flat Staking)

#
Stakek=c⋅W0

Estrategia estática de gestión donde se arriesga una suma fija de dinero en cada operación, sin ponderar la magnitud de la ventaja analítica. Es matemáticamente subóptima respecto a Kelly.

Caso de Ejemplo: Apostar siempre 50 € por encuentro con independencia de que la ventaja matemática sea del 2% o del 9%.

Poisson y Modelos de Partidos

(8)

Distribución de Poisson

#
P(X=k;λ)=λke−λk!

Distribución estadística discreta que describe el número de acontecimientos independientes ocurridos en un intervalo continuo de tiempo en función de una tasa media λ. Es el estándar cuantitativo en modelado de fútbol.

Caso de Ejemplo: Para un club con λ=1.60 goles esperados, la probabilidad de anotar 2 goles es del 25.84%.

Goles Esperados (xG)

#
xG=∑i=1nP(Goal|Shoti)

Estimación de la probabilidad de que un remate sea gol, agregada entre remates. Variables y calibración dependen del proveedor. La mejora al usar xG debe probarse fuera de muestra; la definición no implica un porcentaje fijo.

Caso de Ejemplo: Un remate frontal a escasos metros de la línea de gol con un xG de 0.78.

Fuerza Ofensiva (Alpha)

#
αi=Goals Scoredi/GamesiLeague Avg Goals/Games

Coeficiente que mide el rendimiento atacante relativo de una plantilla respecto a la media liguera. Un registro de 1.25 denota que el equipo genera un 25% más de anotaciones que la media.

Caso de Ejemplo: Un equipo que anota 2.40 goles en un torneo con promedio de 1.40 ostenta un ataque alpha = 1.714.

Solidez Defensiva (Beta)

#
βj=Goals Concededj/GamesjLeague Avg Conceded/Games

El coeficiente de fragilidad defensiva relativa. Valores por debajo de 1.00 reflejan una defensa superior a la media (un beta de 0.80 representa encajar un 20% menos goles que el promedio).

Caso de Ejemplo: Un club que encaja 0.75 goles por partido en una competición con promedio de 1.40 posee un beta de 0.536.

Matriz de Marcador Correcto

#
P(X=x,Y=y)=P(X=x;λ)×P(Y=y;μ)

Tabla bidimensional de probabilidades conjuntas (típicamente 6x6 o 7x7) resultante de multiplicar las probabilidades marginales de Poisson de ambos conjuntos para resultados entre 0-0 y 6-6.

Caso de Ejemplo: Para goles Poisson independientes lambda 1.68 y mu 1.15, P(1,0)=1.68 exp(-2.83)≈9.9141594%.

Corrección de Dixon-Coles

#
PDC(x,y)=τ(x,y,λ,μ,ρ)⋅P(x;λ)P(y;μ)

Corrección de cuatro marcadores bajos de un modelo Poisson independiente. El parámetro ajustado rho cambia 0:0, 1:0, 0:1 y 1:1; importan su signo y dominio factible. Rho no es la correlación de Pearson de los goles.

Caso de Ejemplo: Con lambda=1.65, mu=1.15 y rho ilustrativo=-0.12, el factor de 0:0 es 1-lambda*mu*rho=1.2277. Es una entrada elegida, no un ajuste universal medido.

Más / Menos de 2.5 Goles (Over / Under)

#
P(Under 2.5)=∑x+y≤2P(X=x,Y=y)

El mercado de goles por excelencia en fútbol. La probabilidad de Menos de 2.5 equivale a la suma de los marcadores 0-0, 1-0, 0-1, 1-1, 2-0 y 0-2; Más de 2.5 es su complemento exacto (1 - P(Menos)).

Caso de Ejemplo: Un partido donde la suma de marcadores bajos es 46.31% genera cuotas justas de 2.159 (Menos) y 1.863 (Más).

Ambos Equipos Anotan (BTTS)

#
P(BTTS Yes)=(1−e−λ)(1−e−μ)

Mercado que evalúa si ambos contendientes marcarán al menos un gol en el tiempo reglamentario. En Poisson independiente, equivale al producto de las probabilidades de no quedarse a cero.

Caso de Ejemplo: Con lambda = 1.68 y mu = 1.15, la probabilidad de Ambos Marcan es 55.60% (Cuota justa: 1.799).

Microestructura de Mercado y Tipos

(4)

Mercado 1X2 (Resultado Final)

#
P(1)+P(X)+P(2)=1.000

El mercado principal de tres opciones en fútbol: 1 representa Victoria Local, X representa Empate y 2 representa Victoria Visitante al finalizar los 90 minutos reglamentarios.

Caso de Ejemplo: Un choque cotizado a 1.85 (Local), 3.60 (Empate) y 4.20 (Visitante).

Apuesta Combinada (Parlay / Acumulador)

#
ORparlay=∏i=1k(1+ORi)−1

Apuesta combinada que exige ganar todas las selecciones. Bajo independencia y probabilidades proporcionales de mercados completos, el overround combinado es product(1+m_i)-1, pero la pérdida esperada por unidad es 1-product(1/(1+m_i)). Son cantidades distintas.

Caso de Ejemplo: Para cuatro selecciones independientes con overround cotizado del 5% cada una, el total es 1.05^4-1=21.550625%; la pérdida esperada proporcional es 1-1/1.05^4≈17.7297525%, no 21.55%.

Casa de Apuestas Sharp

#
m=∑i1/Oi−1

Etiqueta informal de un operador formador de precios usado como referencia. No implica margen fijo, aceptación universal de ganadores ni límites irrestrictos. Revise mercado, hora y condiciones; una bolsa tiene otra comisión.

Caso de Ejemplo: Un investigador puede elegir un operador y una hora como fuente de comparación. Debe registrar la referencia y el método, sin asumir exactitud universal.

Casa de Apuestas Soft (Recreativa)

#
m=∑i1/Oi−1

Etiqueta informal de un operador orientado al consumidor, frente a referencias formadoras de precios. La etiqueta no establece overround, velocidad ni restricciones; hacen falta pruebas actuales del mercado específico.

Caso de Ejemplo: Cuotas hipotéticas 2.15 y 1.85 en dos operadores muestran diferencia, no latencia demostrada ni EV positivo. Compare horas y reglas de liquidación.

Compara el mismo mercado

Enlaces de socios

1win Sports: consulta evento, cuotas y reglas de liquidación

Qué incluye el precio → Visitar 1win Sports 18+ · Condiciones en el sitio

Stake Sportsbook: compara el mismo evento, mercado y reglas

Qué incluye el precio → Visitar Stake 18+ · Condiciones en el sitio

Consulta la cuota actual, el mercado exacto, las reglas y la disponibilidad en tu país. El resultado depende de los supuestos y no confirma una oportunidad en vivo.