Confundir métricas de aislamiento con resultados reales
Muchos analistas se obsesionan con el ERA o el OPS como si fueran el santo grial. La realidad, sin embargo, te lanza al suelo cuando olvidas el contexto del juego: parque, clima, alineación. Cuando el pitcher lanza en un estadio con viento a favor, su FIP se vuelve un mito. Si no ajustas esas variables, el número que ves es una ilusión, una sombra que no te sirve para predecir.
Subestimar la varianza de pequeñas muestras
Un streak de cinco partidos con .350 de bateo parece oro puro. Pero la estadística te susurra que ese pico es probablemente un fluke. Aquí el error es usar esa ráfaga como base para una apuesta de temporada completa. La ley de los números grandes exige paciencia; los datos de 30 juegos son la verdadera prueba, no los diez que acabas de registrar.
Ignorar la calidad de los oponentes
Comparar al Dodgers con el Giants sin ponderar la fuerza del lanzador rival es como comparar manzanas con naranjas. Si el rival tiene una rotación mediocre, los números del equipo se inflan. Por eso, la métrica de wRC+ ajustada a la calidad del bullpen rival es más fiable que cualquier promedio bruto.
Sobrevalorar la intuición y los “corazones”
Los fans viven del corazón. “Sé que este jugador tiene garra, va a romper”. Esa frase suena inspiradora, pero si lo acompañas con datos sólidos, el sentimiento pierde peso. Los modelos de regresión penalizan la subjetividad; la intuición solo sirve como color, nunca como base.
Descuidar la interdependencia de variables
El número de bases robadas no ocurre en el vacío. Un equipo que batea alto tiende a robar menos porque los hits llegan antes. Separar esas métricas y tratarlas como independientes genera sobreestimaciones. La correlación entre OBP y SB% debe considerarse en cualquier modelo serio.
Olvidar el factor “momentum” en la temporada
El momentum no es magia; es la acumulación de resultados recientes que altera la confianza del equipo. No incluir una variable de “últimos 10 juegos” es como lanzar una red sin mosca. Ese componente, aunque intangible, se refleja en la volatilidad de la línea de apuesta.
El error fatal de la sobreoptimización
Cuando construyes un modelo con mil variables y lo pruebas solo en tu conjunto de entrenamiento, estás creando una obra de arte que nadie más entenderá. La sobreoptimización te lleva a un modelo que funciona en simulaciones pero se descompone en vivo. La regla de oro: menos es más.
Acción final
Ajusta cada métrica a su entorno, valida con muestras amplias, y mantén tu modelo simple. Eso es lo que debes hacer ahora.