StatsAI.bet

Evaluación

Calibración de probabilidad: cuándo fiarse de los porcentajes del modelo

Nivel intermedio4 min de lecturaPublicado 21 nov 2026

Un pronóstico está calibrado cuando, de todos los eventos que recibieron un 70% de probabilidad, ocurre de verdad alrededor del 70%. Se comprueba agrupando los pronósticos en tramos por probabilidad y comparando, en cada tramo, el pronóstico medio con la frecuencia observada. La media ponderada de las diferencias es el error esperado de calibración (ECE): cuanto más bajo, más fiables las probabilidades.

Contenido
  1. Términos clave
  2. ¿Cómo se comprueba la calibración?
  3. Por qué importa la calibración en las apuestas
  4. Calibración no es precisión
  5. ¿Cómo se calibran las probabilidades?
  6. Limitaciones
  7. Guías relacionadas
  8. Fuentes

Términos clave

Calibración
La concordancia entre las probabilidades previstas y las frecuencias observadas. Un modelo está calibrado si ocurre alrededor del 60% de sus pronósticos del “60%”.
Curva de calibración
Un gráfico de la probabilidad prevista (horizontal) frente a la frecuencia observada (vertical), tramo a tramo. En un modelo calibrado los puntos quedan en la diagonal. También se llama diagrama de fiabilidad.
Tramo
Un grupo de pronósticos con probabilidad parecida, por ejemplo todo lo que va del 60% al 70%.
ECE
Error esperado de calibración: la diferencia entre pronóstico y frecuencia en cada tramo, ponderada por el número de pronósticos del tramo.
Pronóstico demasiado confiado
El modelo da una probabilidad mayor que la frecuencia observada del resultado.

¿Cómo se comprueba la calibración?

  1. Los pronósticos se agrupan en tramos por probabilidad, normalmente de 10 puntos porcentuales.
  2. En cada tramo se calcula el pronóstico medio y con qué frecuencia ocurrió de verdad el resultado.
  3. Las diferencias se muestran en una curva de calibración o se resumen en un solo número, el ECE.
FórmulaECE = Σ (pronósticos en el tramo / todos los pronósticos) × |pronóstico medio − frecuencia|
Ejemplo matemático

Mil pronósticos en cuatro tramos:

Diferencia en puntos porcentuales
TramoPronóstico medioPronósticosOcurrióFrecuenciaDiferencia
20–30%25%2005427,0%2,0
40–50%45%30014147,0%2,0
60–70%65%30017759,0%6,0
80–90%85%20013266,0%19,0

ECE = 0,2 × 2,0 + 0,3 × 2,0 + 0,3 × 6,0 + 0,2 × 19,0 = 6,6 puntos porcentuales

Hasta el 50% el modelo está bien calibrado; por encima, demasiado confiado: cuando dice 85%, el resultado ocurre el 66% de las veces. El modelo se pasa de confiado justo en los pronósticos que parecen más claros.

Por qué importa la calibración en las apuestas

La probabilidad de un modelo se compara con la probabilidad implícita de las cuotas, así que un error de calibración se convierte en un error de apuesta.

Ejemplo matemático

Un modelo que dice 85% toma 1,18 (1 / 0,85) como cuota justa, así que cualquier precio por encima parece valor. Si esos pronósticos aciertan en realidad el 66% de las veces, la cuota justa es 1,52 (1 / 0,66). Una cuota de 1,40 tiene entonces un valor esperado de 0,66 × 1,40 − 1 = −7,6%, aunque el modelo vea +19,0%.

Un modelo sin calibrar encuentra continuamente valor esperado que no existe.

Calibración no es precisión

Un pronóstico que da a todos los partidos la misma probabilidad, igual a la frecuencia histórica (la tasa base), está perfectamente calibrado, pero no distingue un partido de otro. Un buen pronóstico tiene que estar calibrado y ser nítido: da probabilidades distintas a partidos distintos, y esas diferencias son correctas. El Brier score y el log loss miden las dos propiedades juntas; una curva de calibración, solo la primera.

¿Cómo se calibran las probabilidades?

Se aprende una curva “pronóstico → frecuencia observada” con pronósticos pasados, y cada pronóstico nuevo pasa por ella. En el ejemplo de arriba un nuevo 85% se convierte en alrededor de un 66%.

  • La curva tiene que ser creciente (monótona): un pronóstico mayor nunca puede acabar por debajo de uno menor.
  • La regresión isotónica da una curva creciente en escalones; el Platt scaling, una curva logística suave.
  • La curva se aprende con un conjunto de datos y se comprueba con datos que no ha visto. Si no, solo memoriza la muestra.
Rendimiento real de StatsAI

StatsAI calibra sus probabilidades por separado para cada tipo de pronóstico (1X2, goles, ambos marcan y otros): la curva se aprende a partir de los pronósticos resueltos de los últimos 90 días, con al menos 150 pronósticos por tramo, tiene que ser creciente y se actualiza cada 6 horas. En la página de rendimiento del modelo de IA la curva de cada día se aprende solo con días anteriores, así que la comprobación es fuera de la muestra.

A 31 de octubre de 2026, partidos del 1 de septiembre al 31 de octubre de 2026:

ECE en puntos porcentuales, cuanto más bajo mejor
MercadoModelo brutoModelo calibradoCuotas sin margen
1X21,30,60,7
Más/menos 2,59,64,61,7
Ambos marcan9,63,41,8

El modelo bruto era demasiado confiado en los goles: cuando daba alrededor de un 83% a más de 2,5 goles (472 eventos), ocurrió el 67,8% de las veces. La calibración recortó el error a menos de la mitad, pero las cuotas sin margen siguen mejor calibradas. Los números cambian cada día en la página rendimiento del modelo de IA.

Por qué un tramo con pocos pronósticos dice poco, y cómo se calcula el intervalo de Wilson, está en la guía de tamaño de muestra.

Limitaciones

  • La calibración necesita una muestra grande. Un tramo con pocos pronósticos tiene un intervalo amplio, así que su diferencia puede ser azar.
  • Un modelo calibrado en una liga o temporada no tiene por qué estarlo en otra, por eso la curva se vuelve a aprender con regularidad.
  • El ECE depende del número y la anchura de los tramos, así que los números de fuentes distintas solo son comparables si se calculan igual.
  • Una buena calibración no significa ganancias: las cuotas sin margen también están bien calibradas, y la casa sigue quedándose su margen.