Pinnacle

¿Qué son las apuestas laterales en el Blackjack? Las apuestas laterales son apuestas de bonificación realizadas en una ronda de Blackjack sobre los resultados, más allá de si el jugador o el crupier ganará. La mayoría es apostada al comienzo de la ronda, antes de que las cartas se hayan repartido junto con las apuestas regulares, y muchas tienen cuotas fijas que generalmente ofrecen mayores pagos que el simple 2:1 entregado por

Juegue al Blackjack en Pinnacle Casino

Las apuestas laterales brindan una forma emocionante de hacer que los juegos de Blackjack sean más interesantes al tiempo que le ofrecen una mayor cantidad de formas de ganar. Entonces, ¿qué son las apuestas laterales de Blackjack, qué apuestas paralelas están disponibles y valen realmente la pena? Siga leyendo para averiguarlo.

Explicación de las apuestas laterales en el Blackjack

Encontrar un mercado especializado a la hora de apostar puede ser el camino para encontrar valor. Puede enfocarse en cualquier cosa, desde el conocimiento especializado en apuestas de handbol hasta una amplia experiencia en las apuestas del béisbol japonés. Siempre y cuando sepamos más que la casa de apuestas, podemos ganar dinero. Los tiros de esquina también pueden ser apuestas muy interesantes y rentables, ya que son

Cuotas de fútbol

El tiro de esquina es uno de los eventos más inexplicablemente emocionantes del fútbol. Apenas un 3 % de los tiros de esquina termina en gol, aunque sin dudas los fanáticos del equipo atacante alentarán a los gritos si su equipo patea uno. Continúe leyendo para descubrir cómo puede beneficiarse con las apuestas a los tiros de esquina.

Apuestas a los tiros de esquina en el fútbol: valor en un mercado poco conocido

La distribución de Poisson es un concepto matemático para convertir los promedios en una probabilidad para los resultados variables de una distribución. Por ejemplo, si sabemos que el Manchester City tiene una media de 1,7 goles por partido, la fórmula de la distribución de Poisson nos indica que esta media equivale a que el Manchester City marque 0 goles en el 18,3&nbsp;% de los partidos, 1 gol en el 31&nbsp;%, 2 goles

La distribución de Poisson, junto con los datos históricos, proporciona un método sencillo y fiable para calcular el marcador más probable en un partido de fútbol. Además, este método se puede aplicar a las apuestas. Esta guía sencilla explica cómo calcular los valores necesarios de fuerza atacante/defensiva y ofrece un práctico método simplificado para generar los valores de la distribución de Poisson. Antes de que te des cuenta estarás pronosticando los marcadores de fútbol con la distribución de Poisson.

Distribución de Poisson: pronóstico del resultado en las apuestas de fútbol

  Valor esperado La cantidad que un jugador puede esperar ganar o perder si realiza una apuesta con la misma cuota muchas veces, calculada a través de una ecuación sencilla:&nbsp;multiplicar la probabilidad de ganar por la cantidad que se podría ganar por apuesta, y restar la probabilidad de perder multiplicada por la cantidad perdida por apuesta.  Glosario►   Un ejemplo sencillo de valor esperado

El valor esperado de una apuesta nos muestra cuánto podemos esperar ganar (de media) por apuesta y, como tal, es el cálculo más valioso que un apostante puede hacer cuando compara las cuotas de las casas de apuestas. ¿Cómo puedes calcular el valor esperado en las apuestas deportivas para predecir tus ganancias? Sigue leyendo para averiguarlo.

Cómo calcular el valor esperado

Joseph es analista de apuestas y dirige el sitio web www.Football-Data.co.uk, que ofrece datos sobre resultados históricos, estadísticas de partidos y cuotas de apuestas. Además, es el autor de Fixed Odds Sports Betting: Statistical Forecasting &amp; Risk Management (2003), How to Find a Black Cat in a Coal Cellar: The Truth about Sports Tipsters (2013) y Squares &amp; Sharps, Suckers &amp; Sharks: The Science, Psychology &amp; Philosophy of Gambling (2016).

Joseph Buchdahl

<h4>La pregunta del hospital</h4>
En 1974 dos psicólogos, Daniel Kahneman y Amos Tversky, presentaron sus sujetos experimentales con la siguiente situación hipotética, junto con una pregunta. Una ciudad cuenta con dos hospitales. En el hospital más grande nacen alrededor de 45 bebés cada día y en el más pequeño nacen alrededor de 15 bebés cada día.
Como sabemos, aproximadamente el 50&nbsp;% de los bebés son niños. Sin embargo, el porcentaje exacto varía de un día a otro. A veces puede ser superior al 50&nbsp;%, otras veces puede ser inferior. Durante un periodo de un año, cada hospital registró los días en los que más del 60&nbsp;% de los bebés que nacieron fueron niños. ¿Qué hospital crees que registró más días de ese tipo?
<ul>
<li>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; El hospital más grande</li>
<li>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; El hospital más pequeño</li>
<li>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Aproximadamente igual (con una diferencia entre ambos del 5&nbsp;%)</li>
</ul>
Según la <a href="http://stattrek.com/probability-distributions/binomial.aspx">teoría binomial</a>, la cantidad de días en los que el número de niños nacidos supera al de niñas en una proporción de al menos seis a cuatro será casi tres veces mayor en el hospital más pequeño, en comparación con el más grande, simplemente debido a la mayor volatilidad en los índices de nacimiento. Es menos probable que una muestra mayor se aleje mucho del 50&nbsp;%. Aun así, solo el 22&nbsp;% de los encuestados dieron la respuesta correcta.
<h4>¿Qué son los heurísticos?</h4>
Kahneman y Tversky describieron este error como una creencia en la ley de los números pequeños. Más en general, los juicios realizados a partir de muestras pequeñas a menudo son percibidos de manera inapropiada como representativos de una población más amplia. Por ejemplo, una muestra pequeña, que parece distribuida aleatoriamente, reforzaría la creencia de que la población más amplia a partir de la cual se selecciona la muestra también estará distribuida aleatoriamente.&nbsp;
<blockquote>La pregunta del hospital: es menos probable que una muestra mayor se aleje mucho del 50&nbsp;%. Aun así, solo el 22&nbsp;% de los encuestados dieron la respuesta correcta.</blockquote>
En cambio, una muestra pequeña que demuestre un patrón aparentemente significativo (como obtener nueve caras en diez lanzamientos de moneda) hará que el observador crea que la población mostrará el mismo patrón significativo. En este caso la suposición sería que la moneda está sesgada. La experiencia de percibir patrones en datos aleatorios o sin sentido se denomina <a href="https://en.wikipedia.org/wiki/Apophenia">apofenia</a>. 
Creer en la ley de los números pequeños es parte de un grupo más amplio de atajos mentales que la gente toma a la hora de formarse juicios en condiciones de incertidumbre. Kahneman y Tversky llamaron a estos atajos <a href="https://www.pinnacle.com/en/betting-articles/betting-psychology/why-bettors-should-understand-heuristics">heurísticos</a>. Generalizar a partir de muestras pequeñas es un ejemplo de un heurístico de representatividad, en el que la gente evalúa la probabilidad de un evento concreto basándose únicamente en la generalización de anteriores eventos similares que se les ocurren fácilmente.
Otro ejemplo de heurístico de representatividad es la expresión de la <a href="https://www.pinnacle.com/es/betting-psychology/what-is-the-gamblers-fallacy">falacia del apostante</a>. De hecho, tal sesgo surge de la creencia en la ley de los números pequeños. Como indican Kahneman y Tversky:
El meollo de la falacia del apostante radica en un concepto equivocado de la imparcialidad de las leyes del azar. El apostante cree que la imparcialidad de la moneda le da derecho a esperar que cualquier desviación en una dirección será pronto cancelada por la desviación correspondiente en la otra dirección. Los sujetos actúan como si cada segmento de la secuencia aleatoria deba reflejar la proporción verdadera; si la secuencia se ha desviado de la proporción de la población, se espera un sesgo correctivo en la otra dirección.
<h4>Lectura de gráficos de tamaños de muestra desiguales</h4>
Los apostantes deportivos pueden ser particularmente propensos al reconocimiento de patrones defectuoso debido a una creencia inapropiada en la ley de los números pequeños. A largo plazo, malinterpretar la rentabilidad de pequeñas muestras de apuestas como representativas de una desviación de la aleatoriedad y un indicio de habilidad para hacer pronósticos puede conllevar consecuencias financieras desagradables. Consideremos la siguiente gráfica de rentabilidad hipotética de 100 apuestas en <a href="https://www.pinnacle.com/es/football/spread-betting">márgenes de puntos de la NFL</a>. Cada apuesta se acepta con una cuota de 1,95. Resulta impresionante, ¿verdad? 
&nbsp;<img src="/sites/default/files/media-image/gr-small-numbers-1.jpg" alt="gr-small-numbers-1.jpg" width="700" height="300" loading="lazy"> 
¿Qué ocurriría si te digo que este registro pertenece a un famoso handicapper deportivo de Estados Unidos? Con una tendencia de crecimiento decente y un rendimiento del 15&nbsp;%, se te podrá perdonar por creerme. Obviamente, estoy mintiendo. De hecho, la siguiente gráfica de 1.000 apuestas revela la perspectiva general. <img src="/sites/default/files/media-image/gr-small-numbers-2.jpg" alt="gr-small-numbers-2.jpg" width="700" height="300" style="display: block; margin-left: auto; margin-right: auto;" loading="lazy"> En realidad, no había rentabilidad a largo plazo en absoluto. El motivo: esto fue meramente creado por un generador de números aleatorios que asumió una probabilidad del 50&nbsp;% de victoria individual y una <a href="https://www.pinnacle.com/es/betting-strategy/how-to-calculate-expected-value">expectativa de beneficio</a> de -2,5&nbsp;%. La primera gráfica simplemente representa las primeras 100 apuestas de la segunda.
No obstante, incluso en la segunda serie temporal más larga se mantuvo una rentabilidad positiva durante varios cientos de apuestas. Además, a pesar de mostrar una pérdida general, el patrón de las series temporales puede parecer cualquier cosa menos aleatorio, ya que cuenta con un patrón similar a una onda bastante constante.
Sin embargo, como reconocieron Kahneman y Tversky, es mucho más probable que percibamos secuencias de resultados similares como no aleatorias, incluso si no hay un mecanismo subyacente tras ellas. De las dos siguientes secuencias binarias, ¿cuál parece aleatoria y cuál no? 
<div style="text-align: center;">0, 0, 0, 0 1, 1, 1, 1, 0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1</div>
<div style="text-align: center;">&nbsp;</div>
<div style="text-align: center;">0, 1, 1, 0, 1, 0, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 0, 1, 1, 1</div>
&nbsp;
La mayoría de la gente escogería la segunda secuencia. En realidad, la primera se generó aleatoriamente en Excel y yo hice la segunda intencionadamente con secuencias más cortas de unos y ceros. Si nos piden crear secuencias aleatorias como esta, la mayoría de nosotros pasaríamos del 1 al 0 o viceversa si considerásemos que uno de ellos se repite con demasiada frecuencia.
Ahora echa un vistazo a la siguiente gráfica de 1.000 apuestas. Todas se generaron aleatoriamente. La amplia gama de resultados posibles debería proporcionarte un indicio de lo sencillo que resulta caer en el engaño de los patrones aparentemente significativos.
 <img src="/sites/default/files/media-image/gr-small-numbers-3.jpg" alt="gr-small-numbers-3.jpg" width="700" height="495" loading="lazy"> Recuerda, no se trata de series de 100 apuestas, sino de 1.000. Echa un vistazo a la del medio. Tiene el sello distintivo de un tipster o apostante experto, con un rendimiento del 5&nbsp;% y un sólido crecimiento del beneficio a lo largo de toda la secuencia de apuestas, la clase de rendimiento que los mejores handicappers son capaces de lograr a largo plazo. Aun así, se produjo solo por casualidad.
Utilizando <a href="http://stattrek.com/probability-distributions/binomial.aspx">la distribución binomial</a>, podemos calcular la probabilidad de seguir obteniendo beneficios tras un periodo de apuestas a pesar de contar con una expectativa del -2,5&nbsp;%.
<table>
<tbody>
<tr>
<td>
Número de apuestas (cuota 1,95, 50&nbsp;% de probabilidad de victoria)
</td>
<td>
Número mínimo de victorias requeridas
</td>
<td>
Probabilidad de tener beneficios
</td>
</tr>
<tr>
<td style="text-align: center;">
100
</td>
<td style="text-align: center;">
52
</td>
<td style="text-align: center;">
38,22 %
</td>
</tr>
<tr>
<td style="text-align: center;">
250
</td>
<td style="text-align: center;">
129
</td>
<td style="text-align: center;">
32,90 %
</td>
</tr>
<tr>
<td style="text-align: center;">
500
</td>
<td style="text-align: center;">
257
</td>
<td style="text-align: center;">
28,05 %
</td>
</tr>
<tr>
<td style="text-align: center;">
1.000
</td>
<td style="text-align: center;">
513
</td>
<td style="text-align: center;">
21,46 %
</td>
</tr>
<tr>
<td style="text-align: center;">
2.500
</td>
<td style="text-align: center;">
1.283
</td>
<td style="text-align: center;">
9,68 %
</td>
</tr>
<tr>
<td style="text-align: center;">
5.000
</td>
<td style="text-align: center;">
2.565
</td>
<td style="text-align: center;">
3,40 %
</td>
</tr>
<tr>
<td style="text-align: center;">
10.000
</td>
<td style="text-align: center;">
5.129
</td>
<td style="text-align: center;">
0,51 %
</td>
</tr>
</tbody>
</table>
 Tras 1.000 apuestas, seguimos teniendo una posibilidad superior a 1 entre 5 de tener beneficios, a pesar de que nuestras apuestas tan solo son aleatorias. Si realizáramos una apuesta tipo hándicap en cada partido jugado de la NFL, esto nos llevaría casi cuatro temporadas. Se trata de mucho tiempo para creer que solo contamos con la suerte de nuestro lado.
<h4>¿Cómo de pequeño es pequeño?</h4>
La ley de los números pequeños es un sesgo cognitivo en el que la gente muestra una tendencia a creer que un número relativamente pequeño de observaciones reflejará fielmente a la población general. Además, como ha demostrado este ejercicio, a veces lo pequeño puede ser bastante grande. Existe porque la gente prefiere la certeza a la duda, la explicación a la ignorancia, la causa a la asociación, los patrones a la aleatoriedad y la habilidad (sobre todo la habilidad que sirve a nuestros intereses) al azar. Para los apostantes deportivos, no apreciar verdaderamente su importancia puede salir caro.&nbsp;

La ley de los números pequeños es un sesgo cognitivo en el que la gente muestra una tendencia a creer que un número relativamente pequeño de observaciones reflejará fielmente a la población general. Sigue leyendo para poner a prueba tus poderes lógicos con la pregunta del hospital y averigua cómo los gráficos pueden resultar engañosos y lo que puedes hacer a fin de evitar pérdidas al utilizar estadísticas para realizar tus apuestas. 