La Historia vs Las Matemáticas: Qué Mide Realmente la Métrica Edge

Puede que veas una insignia como "+52% vs Prom. del Mercado" en algún panel. Parece impresionante. Antes de confiar en un número así, vale la pena entender exactamente qué se está comparando — y dónde este tipo de cálculo se equivoca silenciosamente.

1. El Error Común

Así funciona la trampa: se toma la precisión de un modelo — el porcentaje de sus predicciones "sí" que resultan correctas — y se compara directamente con una cifra de exactitud de referencia de la industria, que mide algo distinto: el porcentaje de todas las predicciones, "sí" y "no", que resultan correctas.

Precisión y exactitud responden preguntas diferentes, sobre denominadores diferentes. Un modelo puede tener una precisión alta mientras solo se pronuncia sobre una parte reducida de los partidos, algo que no es lo que mide una línea base de exactitud. Tratar la diferencia entre ambas como una "ventaja" real exagera el rendimiento.

"Un porcentaje solo tiene sentido junto a otro porcentaje que mida lo mismo, sobre la misma muestra, con el mismo denominador."

Esa distinción es fácil de pasar por alto. Cuando dos métricas distintas se comparan como si fueran una sola, el "incremento" resultante no mide lo que dice medir.

2. Por Qué El Cálculo No Se Sostiene

Aquí tienes un ejemplo resuelto del error, para que puedas reconocerlo en otros sitios:

Ese "+52%" parece un incremento de rendimiento real, pero no lo es. Es el resultado de restar una cifra de exactitud a una cifra de precisión y dividir entre la cifra de exactitud — dos métricas que nunca fueron comparables entre sí. Una "ventaja" en porcentaje relativo construida a partir de métricas distintas siempre exagerará el rendimiento, sin importar cuáles sean los números de base.

3. Precisión vs Exactitud: Qué Mide Cada Una

Los dos términos se usan indistintamente en la conversación cotidiana, pero miden cosas diferentes:

• Exactitud: De cada predicción realizada — cada "sí" y cada "no" — ¿qué porcentaje resultó correcto?
• Precisión: Solo de las predicciones que dijeron "sí", ¿qué porcentaje resultó correcto? No dice nada sobre cuántas predicciones "sí" se hicieron, ni cómo se manejaron los casos "no".
• Por qué importa: Un modelo puede elevar su precisión eligiendo predecir solo los partidos de los que está más seguro, mientras su exactitud sobre el conjunto completo cuenta una historia distinta.

Antes de comparar dos porcentajes cualesquiera, haz tres preguntas:

• ¿Misma tarea? Precisión y exactitud responden preguntas distintas — no las compares directamente.
• ¿Misma muestra? Una cifra de un conjunto de datos, liga o periodo no es directamente comparable con otra.
• ¿Mismo denominador? "Correcto sobre todas las predicciones" y "correcto sobre las predicciones que decidimos hacer" no son la misma base.

4. Cómo Comparar Porcentajes de Forma Justa

Una comparación justa usa la misma métrica, medida de la misma forma, sobre muestras directamente comparables. Esta es la diferencia entre una comparación engañosa y una honesta:

"Si una comparación se derrumba al sustituir la definición de la otra métrica, nunca fue una comparación justa."

La Conclusión

La próxima vez que veas una insignia como "+52% vs Prom. del Mercado," revisa qué se está comparando realmente:

• Misma métrica: Precisión contra precisión, exactitud contra exactitud — nunca mezcladas.
• Misma muestra: La misma tarea, periodo y población en ambos lados de la comparación.
• Mismo denominador: El "sobre qué" debe coincidir en ambos lados, o los porcentajes no están midiendo lo mismo.

Un número que se salta estas verificaciones no es una ventaja. Es un truco de redondeo.