may. 1, 2020
may. 1, 2020

El pensamiento binario y las apuestas: ¿qué se considera una “buena apuesta”?

El pensamiento binario y las apuestas: ¿qué se considera una “buena apuesta”?

La forma en que los apostadores procesan la información es muy importante para que tengan éxito. ¿Qué es el sesgo binario? ¿Qué nos pueden decir YouTube y los Baltimore Ravens sobre la psicología de las apuestas? ¿Qué se considera una buena apuesta? Continúe leyendo para averiguarlo.

¿Qué es el pensamiento binario?

El pensamiento binario implica clasificar la información en opciones mutuamente exclusivas, algo no muy distinto a lo que hacen las computadoras con el código binario. Una cosa equivale a un 1 o a un 0, y esas son las únicas dos opciones. No hay grises.

Muchos afirman que los seres humanos clasifican la información de esta forma e incursionan en una especie de pensamiento binario.

Para los humanos primitivos esto tenía mucho sentido. El tipo de decisiones que debían tomar los llevaba a tener este tipo de pensamiento, en especial cuando se trataba de decisiones rápidas. Decidir, por ejemplo, si un ruido en la maleza era o no un depredador.

La recompensa de pasar tiempo valioso analizando la información disponible (mientras el depredador se prepara para atacar) no vale la pena el riesgo de ser devorado. Asociar el ruido en la maleza con un depredador y huir es más simple y tiene mucho más sentido desde la perspectiva riesgo vs. recompensa.

Richard Dawkins afirma que tal deseo por encontrar soluciones de “sí o no” y catalogar la información de forma ordenada es “la tiranía de la mente discontinua”. Él sugiere que las personas buscan una reafirmación mediante la clasificación de “esto o aquello” porque es mucho más fácil para el cerebro pensar de forma binaria, tal como hacían nuestros ancestros, que considerar las distintas tonalidades de grises que puede haber entre dos conclusiones.

Este tipo de pensamiento binario encaja perfectamente con la toma de decisiones rápidas, pero hoy en día vivimos en un mundo lleno de matices. En las apuestas, esto se refleja con más agudeza que en cualquier otro ámbito.

El sesgo binario: cafeína y calificaciones de Youtube

¿Cómo impactan las decisiones binarias en la forma en que procesamos la información?

Fisher y Kell se disponen a explicarlo en una serie de estudios sobre lo que ellos llaman “el sesgo binario”. Para realizar estos estudios, los participantes recibieron información sobre un tema en particular y se les pidió que la resumieran y le dieran una puntuación que reflejara la impresión que les causó a nivel general.

Por ejemplo, si a los participantes les tocaba evaluar los datos de diferentes estudios de investigación sobre la relación entre la cafeína y la salud, rápidamente ubicaban estos datos dentro de la categoría de los que tenían efectos o de los que no, independientemente de la solidez relativa de la evidencia.

En términos generales, estos estudios mostraron que “en una amplia variedad de contextos, cuando se resume la evidencia, las personas muestran un sesgo binario: una tendencia a imponer distinciones categóricas a los datos continuos. La evidencia se comprime en distintas categorías y la diferencia entre ellas es lo que forma la opinión resumida”.

En otras palabras, los participantes presentaron una tendencia a ignorar la solidez relativa de la evidencia que recibieron y prefirieron dividirla en categorías diferentes y concentrarse en la suma de todas ellas.

Esto eliminó todos los datos continuos, es decir que una conclusión que mostraba una probabilidad del 25 % en una dirección simplemente se agrupó con el resto de las conclusiones que iban en esa misma dirección, independientemente de su solidez. Esto hizo que los datos fueran más fáciles de procesar para los participantes de la prueba, pero disminuyó el valor de la información.

Un ejemplo de esta situación fue YouTube y sus calificaciones con estrellas, que se demostró que no eran eficaces. La gran mayoría de los votos eran de una o cinco estrellas.

Esto es consecuencia de las decisiones binarias. Si al usuario le gusta el video, lo califica con cinco estrellas, y si no le gusta, le pone solo una. La información que se encuentra entre estas dos categorías diferentes se pierde. Como consecuencia de esto, Youtube decidió adoptar un sistema simplificado de “me gusta/no me gusta”.

El sesgo de resultado

Como ya vimos, el ser humano prefiere clasificar la información en dos categorías distintas siempre que sea posible. Lo mismo ocurre en las apuestas.

Para los apostadores novatos, una buena apuesta es, básicamente, una apuesta ganadora. Y una mala apuesta es una apuesta que pierde. Estos dos conceptos son simples de entender y tienen sentido a nivel intuitivo para los inexpertos y aquellos que no conocen bien todos los matices de las apuestas.

Sin embargo, son completamente falsos. Una apuesta ganadora puede ser una apuesta terriblemente mala, mientras que la mejor de las apuestas puede terminar perdiendo. Al catalogar las apuestas de una forma tan simple, toda la información útil se pierde.

Este deseo de catalogar un dato como “bueno” o “malo” en función del resultado de un evento se torna evidente en la controversia que se generó con los Baltimore Ravens y su intento fallido por convertir dos puntos en la temporada 2019 de la NFL.

Matemáticamente, la decisión de los Ravens de ir por los dos puntos era la correcta. Sin embargo, al quedar en un intento fallido, algunos comentaristas catalogaron la estrategia como una “mala decisión”, a pesar de que, matemáticamente, habían tomado la decisión correcta.

La información adicional proporcionada por los análisis de este tipo de juego desapareció para estos comentaristas debido a una combinación del sesgo de resultado (un intento fallido debe haber sido consecuencia de una mala decisión) y el sesgo binario (la necesidad de colocar al juego en una categoría bien definida).

¿Qué se considera una buena apuesta? Cómo piensan los apostadores

Para poder adoptar la mentalidad de los apostadores exitosos, es necesario evitar este tipo de sesgos. Los grises entre ganar y perder son los que diferencian a una apuesta buena de una mala.

Los apostadores trabajan con porcentajes. Si el porcentaje de un apostador es más preciso que el de la casa de apuestas, seguramente el primero termine ganando a largo plazo. Pero, ¿es siquiera posible determinar si los porcentajes de un apostador son precisos?

Sin una muestra de gran tamaño es casi imposible responder a esta pregunta de forma definitiva.

Tomemos como ejemplo un porcentaje famoso. Las estadísticas del sitio web FiveThrityEight indicaban que Donald Trump tenía un 30 % de probabilidades de ganar las elecciones presidenciales de 2016 en EE. UU. Obviamente, Trump se convirtió en presidente.

La reacción de algunos sectores a estos pronósticos fue catalogarlos como “incorrectos”. Debido al enfoque binario que aplican las personas en este tipo de situaciones, es fácil darse cuenta porqué resulta tentador hacerlo. Tal como demostró el trabajo sobre el sesgo binario realizado por Fisher y Keil, las personas eliminaron la parte menos probable del pronóstico (Trump con 30 % de probabilidades de ganar en lugar de 0 %) y lo catalogaron como “incorrecto”, que es lo que más les convenía.

Obviamente, esto no tiene ningún sentido. Según estos pronósticos, Trump debería haber ganado tres votos de cada diez. El hecho de que el panorama terminara con Trump como ganador no aporta nada nuevo sobre la precisión del pronóstico.

El tamaño de la muestra debería aumentarse mucho más al realizar las mismas elecciones una y otra vez (algo que, obviamente, es imposible). Solo en ese caso se podría saber cuán acertados eran los pronósticos de FiveThirtyEight del 30 % para Trump en comparación con la realidad.

Controlar el caos

Esto resulta, sin dudas, desconcertante. Va en contra de nuestros instintos admitir que en realidad no sabemos y probablemente nunca sepamos si los pronósticos de una persona eran acertados.

Sin duda hubo apuestas que hice porque intuía que los porcentajes estaban a mi favor, pero fuera de un modelo implementado en una muestra grande de eventos similares, no hay manera de saber si estaba o no en lo cierto.

Los apostadores nos manejamos dentro de esas zonas grises que se encuentran entre “lo bueno” y “lo malo”. Para tener éxito, es necesario alejarse de esas clasificaciones simples y aceptar los porcentajes de una apuesta individual como lo que realmente son. Es, simplemente, tratar de hacer una “buena” apuesta sin olvidar que posiblemente nunca sepamos si realmente se la puede clasificar de esa manera.

Recursos para apostar: facultando sus apuestas

La sección Recursos para apostar de Pinnacle es una de las recopilaciones más exhaustivas de consejos expertos sobre apuestas que encontrará en Internet. Dirigida a todos los niveles de experiencia, nuestro objetivo consiste simplemente en facultar a los apostantes para que estén mejor informados.