Cómo construir un modelo estadístico para apuestas de béisbol

Los datos son la sangre del modelo

Sin datos, cualquier modelo es una ilusión. Aquí arrancamos con los registros de lanzadores, bateadores y situaciones de juego. Extráelos de bases oficiales, combina con estadísticas avanzadas como wOBA y BABIP. No te quedes con la media; busca líneas de tendencia, fragmentos de 5 juegos, y corrige por parque. Por cierto, mlbapuestas.com tiene una tabla descargable que ahorra horas.

Variables que hacen o deshacen la predicción

Escoge variables con nervios de acero: ERA, FIP, tasa de strikes, pero también factores externos como clima y rotación de bullpen. El truco está en filtrar ruido; la correlación no es causal. Un día la temperatura sube y los hits bajan, mañana lo opuesto. Así que incluye dummy variables para cambios de alineación y para juegos de día/noche. Y aquí está el porqué: la magia ocurre en la interacción, no en los números aislados.

Transformaciones rápidas

Logaritmos, z‑scores y normalizaciones son tu escudo contra outliers. Si un lanzador tiene una ERA de 0.00 en 2 innings, el log lo transforma en cero sin romper la escala. Hazlo en Python o R, pero sin complicarte la vida con pipelines interminables.

El algoritmo: elige tu arma

Regresión logística es la navaja suiza para predecir over/under. Si buscas precisión quirúrgica, prueba XGBoost; sí, ese monstruo de árboles que aplasta la varianza. No te enamores de la sofisticación; la velocidad importa cuando el juego está a minutos del inicio. Un modelo simple, bien calibrado, supera a uno complejo que se descompone al primer cambio de lineup.

Entrenamiento rápido

Divide el histórico en entrenamiento y validación: 70/30 es la regla de oro. Usa validación cruzada de 5 pliegues para evitar sobreajuste. Cada pliegue debe respetar la cronología; no revientes el tiempo.

Validación y ajuste fino

Evalúa con AUC, log‑loss y, sobre todo, Brier score. Si el Brier está por encima de 0.25, el modelo está tan perdido como un bateador sin guantes. Ajusta thresholds para maximizar ROI, no solo precisión. Recuerda que en apuestas, ganar un 55 % de los eventos a odds de 2.00 ya es rentable.

Prueba en tiempo real

Implementa un sandbox: simula la jornada de mañana con los últimos datos y compara tus predicciones contra los mercados. Si la diferencia supera 0.05 en odds, abre la posición. Si no, revísate la calibración.

Acción inmediata

Abre tu hoja de cálculo, importa los últimos datos, aplica una regresión logística con las variables que hemos listado y lanza la primera apuesta antes del próximo juego. No esperes a la perfección; el modelo mejora con cada apuesta.