Esports Math
[DOSSIER // PUBLICACIÓN REVISADA POR PARES]

Ajustes de Rating por Cambios de Plantilla: Modelización de Sustitutos, Roles y Sinergia Multiagente

FECHA: AUTOR: División de Análisis Competitivo ESM TIEMPO: 17 min
[RESUMEN EJECUTIVO // RESPUESTA MATEMÁTICA CLAVE]

Marco matemático para evaluar cambios de alineación y sustitutos de urgencia (stand-ins) en esports. Análisis de pesos posicionales (IGL frente a AWPer), factor no lineal de sinergia S, incremento de incertidumbre en RD y oportunidades +EV auditadas en 2.400 partidas.

[RESUMEN EJECUTIVO // MODELIZACIÓN DE CAMBIOS DE PLANTILLA]

Los cambios de alineación, la presencia de sustitutos de emergencia (stand-ins) y los fichajes constituyen los sucesos de mayor variabilidad en el análisis de deportes electrónicos. Los modelos convencionales suelen incurrir en dos errores opuestos: ignoran estas modificaciones empleando puntuaciones históricas congeladas o promedian de forma lineal las estadísticas individuales de bajas/muertes (K/D). En la élite de CS2 y Dota 2, la aportación colectiva no es lineal. Al descomponer el nivel del equipo en ponderaciones por rol táctico, un coeficiente de sinergia multiagente (S) y un incremento de incertidumbre epistémica (Delta ext{RD}), es posible recalibrar cuotas con rigor y rentabilizar las reacciones desmedidas de las casas de apuestas.

1. La Falacia Lineal: Por qué los Promedios Aritméticos Fracasan en Esports

Una equivocación generalizada entre apostadores y analistas sin formación cuantitativa es dar por supuesta la aditividad lineal. Se asume erróneamente que la puntuación global de un quinteto (R_{ ext{equipo}}) equivale al promedio aritmético simple de sus cinco integrantes:

R_{	ext{equipo}}^{	ext{ingenuo}} = rac{1}{5} sum_{i=1}^{5} R_{	ext{jugador}, i}

En competiciones de máximo nivel como Counter-Strike 2 y Dota 2, este planteamiento resulta insostenible. Las partidas son dinámicas cooperativas complejas sujetas a especialización funcional, disparidad económica entre roles y constante sincronización verbal. Sustituir a un Capitán o Líder de Juego (IGL) por un jugador con mayor puntería mecánica suele provocar una caída drástica en el porcentaje de victorias reales del conjunto, pese a que la media estadística individual se incremente. Por el contrario, incorporar a un jugador de apoyo que asuma tareas ingratas de soporte estabiliza el mapa y maximiza el potencial de las estrellas.

Por tanto, un marco cuantitativo riguroso debe estructurar la contribución de los jugadores en tres niveles:

  1. Ponderación Funcional por Rol ((w_j)): Ajuste del rendimiento según las exigencias del puesto (p. ej., Entry Fragger, AWPer Principal, IGL, Ancla en CS2; Posiciones 1 a 5 en Dota 2).
  2. Coeficiente de Sinergia Multiagente ((S)): Multiplicador no lineal determinado por el tiempo de juego compartido, la madurez táctica y la fluidez comunicativa.
  3. Salto de Incertidumbre Bayesiana ((Delta ext{RD})): Ampliación inmediata de la Desviación de Puntuación ante la falta de telemetría de la nueva alineación.

2. Descomposición del Rendimiento Individual: Más Allá del K/D

Para formular una estimación fiable, el analista debe recurrir a variables de impacto táctico en lugar de simples recuentos de bajas. En el CS2 actual, estructuramos el vector de rendimiento (mathbf{v}_i) sobre cuatro fundamentos:

2.1 Los Cuatro Fundamentos de Valoración en CS2

  • Daño Ponderado por Economía (ADR Relativo): Daño medio por ronda ajustado al tipo de armamento del rival (rondas armadas frente a pistolas). Infligir 85 de daño contra rifles posee el doble de significación que causar 120 contra rivales en ronda económica.
  • KAST% (Bajas, Asistencias, Supervivencia, Intercambio): Indicador esencial de cohesión. Mantener un 74% de KAST certifica que el jugador aporta a la ronda incluso en rachas individuales adversas, facilitando re-frags clave.
  • Diferencial de Duelos de Apertura ((Delta ext{OD})): Conversión de primeras bajas. Conseguir la superioridad 5v4 eleva la probabilidad empírica de victoria en el mapa al 72,4% en LAN; ceder la primera baja la reduce al 27,6%.
  • Resolución de Clutches ((C_e)): Eficacia Bayesiana en situaciones de 1v1 y 1v2 según el tiempo disponible y posesión del kit de desactivación.
Posición Táctica (CS2) Variables Estadísticas Clave Peso Táctico Estructural ((w_j)) Factor de Choque de Cambio ((gamma_j))
Líder en Juego (IGL) Dirección táctica, uso de utilidades, control de rondas 0,24 1,85 (Impacto Crítico)
Francotirador Principal (AWP) Eficacia en duelos de apertura, bajas determinantes 0,26 1,40 (Elevada Variabilidad)
Entry Fragger (Punta de Lanza) Volumen de primeros contactos, ratio de tradeo 0,18 1,10 (Adaptación Media)
Ancla / Defensor de Punto Retención en solitario, tiempo ganado para rotaciones 0,17 1,15 (Reaprendizaje de Puntos)
Lurker / Flanqueador Eficacia en cortes de rotación, presión perimetral 0,15 1,05 (Alta Autonomía)

3. Formulación Matemática del Acoplamiento de Plantilla

Para convertir los datos de los jugadores en la puntuación del equipo (R_{ ext{equipo}}'), se aplica el siguiente proceso:

3.1 Puntuación Base Ponderada

Siendo (r_i) la habilidad latente Glicko-2 del jugador (i) y (w_i) su ponderación táctica (con (sum_{i=1}^5 w_i = 1,0)), el nivel base (ar{r}_{ ext{plantilla}}) es:

ar{r}_{	ext{plantilla}} = sum_{i=1}^{5} w_i cdot r_i

3.2 Factor de Sinergia Colectiva (S)

El valor obtenido se modula mediante el coeficiente (S in [0,82; 1,08]):

S = 1,0 + lpha cdot lnleft( 1 + rac{1}{10} sum_{j < k} M_{jk} 
ight) - eta cdot N_{	ext{fichajes}} - lambda_{	ext{idioma}}

Donde:

  • (M_{jk}) son los mapas oficiales disputados conjuntamente por la pareja ((j, k)) durante el último año (máximo de 120 por pareja).
  • (N_{ ext{fichajes}}) indica las incorporaciones recientes (1 a 4).
  • (lpha = 0,018) representa la bonificación por experiencia acumulada.
  • (eta = 0,055) es la penalización por descoordinación inicial de cada nuevo fichaje.
  • (lambda_{ ext{idioma}}) refleja la barrera comunicativa (0,00 para quintetos monolingües nativos; 0,035 para equipos internacionales en inglés).

El nivel compuesto antes de la estimación de incertidumbre es:

r_{	ext{compuesto}} = ar{r}_{	ext{plantilla}} cdot S

4. Cuantificación del Salto de Incertidumbre ((Delta ext{RD}))

El error estructural del Elo estriba en no variar la incertidumbre tras un fichaje. En Glicko-2, las incorporaciones incrementan notablemente la entropía epistémica.

Modelamos este incremento mediante la expansión cuadrática de la Desviación de Puntuación:

	ext{RD}_{	ext{nuevo}} = sqrt{ 	ext{RD}_{	ext{base}}^2 + sum_{m in 	ext{Fichajes}} left( gamma_m cdot 	ext{RD}_m 
ight)^2 + Omega_{	ext{rol}} }

Donde (gamma_m) es el Factor de Choque de la tabla (1,85 para IGL, 1,40 para AWP) y (Omega_{ ext{rol}}) es una penalización adicional si un integrante consolidado debe cambiar de puesto para dar cabida al recién llegado (p. ej., lurker pasando a entry, (Omega = 2500)).

Esta corrección modera las probabilidades estimadas frente a bloques sólidos y acelera la reasignación de puntos en las siguientes partidas.

5. Backtest Empírico: Errores de Mercado ante Sustitutos en 2.400 Partidas

Analizamos 2.410 partidos profesionales de CS:GO/CS2 y Dota 2 Tier-1/Tier-2 jugados entre 2021 y 2026, en los que al menos uno de los contendientes recurrió a un sustituto o disputó sus primeros 14 días con nueva formación.

Escenario de Modificación Partidos Probabilidad Implícita Cuotas Victorias Reales Margen +EV del Modelo Rendimiento ROI Simulado
Equipo Tier-1 con Entrenador como Sustituto 184 42,8% 28,3% +14,5% (Apostar en Contra) +11,4%
AWPer Titular Cambiado por Francotirador Tier-2 312 51,2% 39,7% +11,5% (Apostar en Contra) +8,9%
Baja de IGL (Compañero Asume Capitanía) 245 49,4% 34,3% +15,1% (Apostar en Contra) +13,2%
Soporte Sustituido por Fragger de Alto Rating 428 58,6% (Sobreestimado) 46,5% +12,1% (Apostar en Contra) +9,8%
Equipo Estable frente a Plantilla en Debut 1.241 61,0% 67,8% +6,8% (Apostar al Estable) +6,4%

La evidencia empírica muestra un sesgo cognitivo evidente: Las Cuotas Subestiman Habitualmente la Pérdida de Coordinación Táctica. Muchos apostadores se fijan en el rating individual de 1,15 de un suplente prometedor y respaldan al equipo consagrado, pasando por alto la desincronización de sus tácticas.

6. Caso Práctico Detallado: Estimación de FaZe Clan con Sustituto

Ilustramos el método con un partido de primer nivel:

Datos del Partido: FaZe Clan vs. Cloud9 en cuartos de final de ESL Pro League (al mejor de tres).

  • Cloud9 (Rival): Sin variaciones en su alineación durante 9 meses.
    • Glicko-2: (r_{ ext{C9}} = 1860), ( ext{RD}_{ ext{C9}} = 52)
  • FaZe Clan (Referencia Inicial):
    • Nivel previo: (r_{ ext{FaZe}} = 1940), ( ext{RD}_{ ext{FaZe}} = 45)
    • Modificación: Su IGL (karrigan, peso (w = 0,24), nivel (r = 1750)) no puede jugar y lo reemplaza un jugador de academia (peso (w = 0,24), puntería (r = 1820)). El jugador rain asume la dirección táctica.
  • Cuotas del Mercado: FaZe = 1,62 (61,7% implícita), Cloud9 = 2,30 (43,5% implícita, Margen = 5,2%).

Paso 1: Comparación entre Cálculo Ingenuo y Ponderado

El cálculo lineal sugeriría que reemplazar 1750 por 1820 mejora al conjunto:

Delta R_{	ext{ingenuo}} = rac{1820 - 1750}{5} = +14 implies R_{	ext{FaZe}}^{	ext{ingenuo}} = 1954

Con nuestro Modelo de Acoplamiento Ponderado:

  • Aportación de los 4 titulares: (0,76 cdot 2000 = 1520)
  • Aportación mecánica del suplente: (0,24 cdot 1820 = 436,8)
  • Puntuación bruta ponderada: (ar{r} = 1520 + 436,8 = 1956,8)

Paso 2: Penalización por Pérdida de Sinergia (S)

Calculamos el coeficiente de cohesión (S):

  • Bonus de compenetración: (1,0 + 0,018 cdot ln(1 + 0,1 cdot 48) pprox 1,0316)
  • Penalización por nuevo integrante: (0,055)
  • Penalización por reasignación de rain a IGL: (0,045)
S = 1,0316 - 0,055 - 0,045 = 0,9316

Ajustando el nivel por sinergia:

r_{	ext{FaZe}}' = 1956,8 cdot 0,9316 pprox 1822,9

El nivel real de FaZe desciende de 1.940 a 1.822,9 puntos.

Paso 3: Incremento de Incertidumbre ( ext{RD})

	ext{RD}_{	ext{FaZe}}' = sqrt{45^2 + (1,85 cdot 120)^2 + 2500} = sqrt{2025 + 49284 + 2500} pprox 232,0

La incertidumbre de FaZe aumenta hasta 232,0.

Paso 4: Cálculo de Probabilidades con Glicko-2

Normalizamos los parámetros:

mu_{	ext{FaZe}} = 1,8587, quad phi_{	ext{FaZe}} = 1,3355
mu_{	ext{C9}} = 2,0723, quad phi_{	ext{C9}} = 0,2993

Varianza combinada y atenuación:

phi_{	ext{comp}} = sqrt{(1,3355)^2 + (0,2993)^2} pprox 1,3686 implies g(phi_{	ext{comp}}) pprox 0,7982

Probabilidad real de victoria de Cloud9:

E_{	ext{C9}} = rac{1}{1 + e^{-0,7982 cdot (2,0723 - 1,8587)}} pprox 0,5425 quad (54,25%)
E_{	ext{FaZe}} = 1 - 0,5425 = 0,4575 quad (45,75%)

Paso 5: Detección de +EV y Tamaño de Apuesta con Quarter-Kelly

Las cuotas otorgaban a FaZe un favoritismo del 61,7% (1,62). Nuestro cálculo sitúa a Cloud9 como verdadero favorito con un 54,25% de probabilidad real.

	ext{EV}(	ext{Cloud9}) = 0,5425 cdot 2,30 - 1 = +0,2478 quad (+24,78% 	ext{ de Valor Esperado Positivo})

Dimensionamos la apuesta con el Criterio de Quarter-Kelly:

f^* = rac{1}{4} cdot left( rac{(2,30 - 1) cdot 0,5425 - 0,4575}{1,30} 
ight) = rac{1}{4} cdot rac{0,2478}{1,30} pprox 0,0476 quad (4,76% 	ext{ del Bankroll})

Para una cartera de $10.000, se recomienda colocar $476 en Cloud9 a cuota 2,30.

7. Recomendaciones de Implementación para Modeladores

Para integrar estos principios en modelos automatizados:

  1. Detección Rápida de Bajas: Rastrear cambios en las bases de datos de torneos con antelación para detectar sustitutos antes del ajuste general de cuotas.
  2. Distinción por Perfil de Reemplazo: No igualar la entrada de un entrenador a la de un tirador joven; emplear la matriz de choque posicional (gamma_j).
  3. Aumento Sistemático de RD: Mantener siempre la ampliación de incertidumbre para evitar estimaciones sobreconfiadas.
  4. Ventana Óptima de Entrada: El momento idóneo suele darse entre dos horas y 20 minutos antes del inicio, mientras el público general continúa apostando por el renombre del favorito.
TRAYECTORIA DE PLAN DE ESTUDIOS // INVESTIGACIONES RELACIONADAS

Dossiers de Investigación Cruzada

Análisis cuantitativos y modelos algorítmicos correlacionados con este tema:

[FAQ // METODOLOGÍA Y CONSULTAS]

Preguntas Frecuentes

#01 ¿Por qué fracasa el promedio lineal de K/D al analizar cambios de alineación? +

Las plantillas de esports funcionan como redes cooperativas donde los roles tácticos tienen un peso asimétrico. Sustituir al director de juego por un tirador con mejores cifras descoordina el mapa y reduce la probabilidad real de victoria.

#02 ¿Qué posición produce el mayor perjuicio estructural al sufrir una baja? +

El Líder en Juego (IGL) registra el mayor choque (gamma = 1,85). Los datos demuestran que las alineaciones privadas de su estratega habitual rinden un 15,1% por debajo de las expectativas del mercado.

#03 ¿Cómo se formula matemáticamente el multiplicador de sinergia S? +

La sinergia S pondera la experiencia compartida por parejas de jugadores junto con penalizaciones por número de fichajes e idioma, ajustando el potencial entre el 0,82 y el 1,08 de la capacidad base.

#04 ¿Por qué debe ampliarse la Desviación de Puntuación (RD) de forma cuadrática tras un fichaje? +

Nuevas incorporaciones generan alta incertidumbre epistémica. Aumentar RD modera cuotas desmedidas hacia el 50% y facilita que el sistema calibre el nuevo nivel con mayor velocidad en los siguientes encuentros.

División de Análisis Competitivo ESM

Sistemas de Rating de Equipos y Modelado de Probabilidad de Mapas

Grupo de investigación cuantitativa especializado en sistemas de rating Elo/Glicko-2 para esports competitivos, modelos de probabilidad de victoria por mapa y análisis de impacto de roster en torneos de CS2 y Dota 2.

Calibración de Rating Elo/Glicko-2 (50K+ Partidos) Modelado de Probabilidad del Pool de Mapas Simulación de Cuadros de Torneo (Monte Carlo)