Sobre Flintstat

Flintstat es un proyecto de estadística e investigación deportiva. Comprueba si unas matemáticas sencillas aplicadas a cuotas públicas pueden encontrar cuotas demasiado altas. En cada partido, nuestros modelos leen las cuotas de decenas de casas de apuestas, fijan una cuota justa y muestran dónde la mejor cuota la supera. Nuestro historial de resultados decide qué modelos, deportes y rangos de cuotas publicamos

Esto es análisis e investigación, no asesoramiento de apuestas. Nada de esto promete que un partido vaya a terminar de una forma concreta

Qué es esto y qué no es

Un modelo da una probabilidad, no una certeza. Un 60 por ciento de probabilidades de ganar también significa que el equipo debería perder unas cuatro veces de cada diez

No usamos información privilegiada, contactos en los clubes ni rumores de partidos amañados, y no vendemos apuestas seguras. Todo sale de aplicar matemáticas a registros que cualquiera puede consultar

Qué influye en un partido

Unos pocos factores medibles deciden los resultados, y cambian según el deporte

Fútbol

• El factor local, que se ha reducido con los años y varía según la liga
• Los goles esperados (xG), que miden la calidad de las ocasiones creadas en lugar del resultado final, mucho más ruidoso
• El descanso y la acumulación de partidos, porque jugar seguido o entre semana baja el rendimiento
• Las lesiones y sanciones de jugadores importantes, sobre todo del delantero o el portero titular
• Las tarjetas rojas, que cambian mucho un partido porque alteran la expectativa de goles durante un buen rato

Tenis

• La superficie, porque un mismo jugador puede ser de élite en arcilla y uno más en césped
• Las estadísticas de saque y resto, la categoría más predictiva (puntos ganados al saque y al resto, puntos de break)
• La forma reciente y el cansancio a corto plazo por partidos largos y poco descanso entre uno y otro
• El historial de enfrentamientos, leído con cuidado y, si es posible, superficie por superficie

Baloncesto

• El rating ofensivo y defensivo (puntos por cada 100 posesiones). Su diferencia, el rating neto, es la medida de calidad más limpia
• El ritmo, y por eso las cifras por posesión comparan mejor a los equipos que los totales por partido
• El descanso y el calendario, porque jugar dos noches seguidas baja el rendimiento de forma medible
• Las lesiones y la gestión de cargas, porque una estrella que no juega cambia el rating de un equipo

Béisbol

• El duelo de lanzadores abridores, el factor de mayor peso, medido con la ERA, el WHIP y los porcentajes de ponches y de bases por bolas
• Los factores de estadio, porque cada campo infla o reduce las carreras y los jonrones
• La fuerza del bullpen y su carga de trabajo reciente
• El rendimiento según la mano del lanzador (platoon) y la alineación anunciada

De los resultados pasados a una probabilidad

Las herramientas estándar de abajo calculan la probabilidad de cada resultado con los partidos pasados. Nuestros modelos de pronósticos, en cambio, la sacan de las cuotas de las casas de apuestas

Sistemas de puntuación (Elo). Cada equipo o jugador tiene una puntuación, y la diferencia entre dos puntuaciones da una probabilidad de victoria con una fórmula fija:

resultado esperado = 1 / (1 + 10^((R_rival − R_equipo) / 400))

Una diferencia de 200 puntos equivale a cerca de un 76 por ciento de probabilidad, una de 400 a cerca de un 91 por ciento, y dos puntuaciones iguales dan 50/50. Tras cada partido, la puntuación cambia en K × (real − esperado), así que vencer a un rival fuerte la sube más que vencer a uno débil

Modelos de goles (Poisson). Los goles siguen aproximadamente una distribución de Poisson. Con los goles esperados de cada equipo se puede calcular la probabilidad de cada marcador y sumarlas en victoria local, empate y victoria visitante. El ajuste de Dixon-Coles corrige el Poisson simple, que infravalora un poco los empates con pocos goles

Modelos de regresión. Para un resultado de sí o no, la regresión logística toma muchas variables (puntuaciones, descanso, si juega en casa, lesiones) y devuelve una sola probabilidad entre 0 y 1

Incluso los buenos modelos de fútbol solo aciertan más o menos la mitad de las veces en el mercado 1X2. Su utilidad está en dar probabilidades bien calibradas a lo largo de muchos partidos

De la probabilidad a la cuota justa, y qué significa la ventaja

La cuota decimal justa es la inversa de una probabilidad:

cuota justa = 1 / probabilidad

Un 50 por ciento de probabilidad equivale a una cuota justa de 2.00, y un 25 por ciento, a 4.00. Cualquier cuota se convierte igual en probabilidad, probabilidad implícita = 1 / cuota decimal

Si sumas las probabilidades implícitas de todos los resultados del mercado de una casa de apuestas, el total supera el 100 por ciento. Ese exceso es el margen de la casa. Para quitarlo, se divide cada probabilidad implícita entre el total y así suman el 100 por ciento. El resultado es la probabilidad sin margen del mercado, la que se pone junto a la del modelo. La ventaja muestra, según el modelo, cuánto supera la mejor cuota a la cuota justa

ventaja = probabilidad del modelo × mejor cuota − 1

Una probabilidad del 44 por ciento a cuota 2.60 da 0,44 × 2.60 − 1, una ventaja del 14,4 por ciento. La ventaja es positiva siempre que la mejor cuota supere la cuota justa. Cómo funcionan nuestros pronósticos muestra cómo usa estos números cada página de partido

Quién acierta más

La cuota de cierre, la última antes de que empiece el partido, es la estimación más afinada del mercado. Para entonces ya refleja las alineaciones, las lesiones y el dinero de los apostadores informados. Una prueba justa de un modelo es ver si iguala o supera la cuota de cierre sin margen en una muestra grande

En un puñado de partidos, un buen modelo puede parecer malo y uno malo, bueno, así que el beneficio es un mal indicador a corto plazo. La calibración frente a la cuota de cierre muestra una ventaja real mucho antes. Desde el 9 de octubre de 2026 guardamos las cuotas justo antes del inicio de cada partido y compararemos los pronósticos con la cuota de cierre cuando tengamos suficientes

Límites

• Los modelos estiman probabilidades, no resultados. A corto plazo manda la varianza y ningún modelo elimina la suerte
• Los datos públicos tienen huecos, como las lesiones de última hora, el clima o la motivación, que un modelo basado en datos pasados puede pasar por alto
• Los mercados son eficientes, así que la mayoría de las cuotas ya son casi exactas
• El sobreajuste es un riesgo constante. Un modelo ajustado para dar muy buenos resultados en partidos pasados puede fallar en los nuevos
• Nada de esto es asesoramiento financiero ni una recomendación para apostar. Tienes 18 años o más y eres responsable de tus propias decisiones

Contacto

Flintstat es un proyecto pequeño e independiente. Si ves un error en los números o en el método, o tienes una pregunta sobre los datos, avísanos