Tenho uma estratégia de apostas esportivas no mercado de Minutos em partidas de futebol — ou seja, trata-se de “prever” determinados eventos dentro de um intervalo específico de tempo: no meu caso, gols nos primeiros 15 minutos do segundo tempo de um jogo de futebol.
Minha estratégia apresentou 43,30% de greens e ROI de 18,41% depois de 739 apostas (odd média de 2,76).
Será que isso é um resultado expressivo? Pode ser que sim…
Mas a pergunta mais importante é: esse desempenho fornece evidências de que existe algo além da variabilidade aleatória?
Essa é uma das perguntas que a significância estatística procura ajudar a responder.
No caso da estratégia Gol Minuto, temos uma oportunidade interessante para aplicar o conceito aos dados reais do Esporte com Valor.
O que é significância estatística?
Significância estatística é um critério utilizado para avaliar se os dados observados fornecem evidências suficientes contra uma determinada hipótese nula.
Em termos simples:
O resultado observado é suficientemente diferente do que esperaríamos apenas pelo acaso, considerando o modelo estatístico utilizado?
Essa pergunta é diferente de:
A estratégia é lucrativa?
Uma estratégia pode apresentar ROI positivo sem que exista evidência estatística suficiente para concluir que o resultado representa uma vantagem real.
Da mesma forma, um resultado pode ser estatisticamente significativo e apresentar uma relevância prática pequena.
O caso da estratégia Gol Minuto
A base analisada pelo Esporte com Valor contém:
- 739 apostas
- 320 greens
- 419 reds
- 43,30% de green
- 56,70% de red
- ROI de 18,41%
- odds médias de aproximadamente 2,76
A taxa de acerto, portanto, não é particularmente alta quando observada isoladamente. Mas esse é justamente um dos pontos interessantes da estratégia.
Em apostas esportivas, taxa de acerto não pode ser analisada sem considerar as odds.
Com odds elevadas, uma estratégia pode apresentar menos de 50% de greens e ainda assim produzir retorno positivo.
Por que 43,30% de acerto pode gerar lucro?
Considere uma aposta com odd de 2,50.
Para atingir o ponto de equilíbrio, ignorando custos e assumindo uma odd justa, a probabilidade necessária seria:
1 ÷ 2,50 = 40%
Portanto, uma estratégia que acertasse 43% das apostas nessa faixa de odds poderia apresentar expectativa positiva.
É por isso que simplesmente perguntar “Quantas apostas ganharam?” não é suficiente.
Precisamos também observar:
- qual era a odd;
- quanto foi apostado;
- qual foi o retorno;
- qual foi o ROI;
- qual era a probabilidade implícita;
- qual foi a variância dos resultados.
Na base do Gol Minuto, as 739 apostas produziram 320 greens, mas as odds variaram ao longo da amostra.
O resultado financeiro da amostra
Considerando uma unidade de stake em cada aposta, o resultado pode ser calculado diretamente pelas odds:
Green: lucro = odd − 1
Red: prejuízo = −1
Aplicando essa lógica aos 739 resultados da base, o lucro acumulado é de aproximadamente:
+136,07 unidades
Como foram realizadas 739 apostas:
ROI = 136,07 ÷ 739
ROI ≈ 18,41%
Portanto, o caso do Gol Minuto mostra uma situação importante para a análise estatística: 43,30% de acerto não conta toda a história.
O preço das apostas foi determinante para o resultado financeiro.
Mas esse ROI poderia ter acontecido por acaso?
Para investigar isso, precisamos definir uma hipótese de referência.
Uma possibilidade é considerar, de maneira simplificada, a hipótese de que cada aposta tivesse exatamente a probabilidade necessária para tornar sua respectiva odd justa.
Nesse cenário, o retorno esperado de cada aposta seria zero.
A hipótese nula seria aproximadamente:
H₀: o retorno esperado da estratégia é igual a zero.
A hipótese alternativa seria:
H₁: o retorno esperado da estratégia é diferente de zero.
A partir daí, podemos avaliar quão compatível o resultado observado é com essa hipótese.
O resultado do Gol Minuto
Na base de 739 apostas, o lucro foi de aproximadamente:
+136,07 unidades
Isso corresponde a:
+18,41% de ROI
A distribuição dos resultados também permite calcular a variabilidade da unidade de lucro.
Sob uma hipótese simplificada de independência entre as apostas e de que as odds representem probabilidades justas, o resultado observado produz uma estatística padronizada de aproximadamente:
z = 3,77
O p-valor bilateral correspondente é aproximadamente:
p = 0,00016
Ou cerca de:
0,016%
Sob essas premissas específicas, o resultado observado seria bastante improvável se as odds fossem perfeitamente justas e os resultados fossem independentes.
Isso fornece uma evidência estatística relevante contra essa hipótese de referência.
Mas existe uma ressalva fundamental.
Significância estatística não prova que a estratégia possui edge
O resultado acima não deve ser interpretado como:
“Está provado que o Gol Minuto possui vantagem sobre as casas de apostas.”
Seria uma conclusão mais forte do que os dados permitem.
O teste depende de premissas.
Entre elas:
- independência entre as apostas;
- correta especificação da hipótese nula;
- ausência de seleção posterior dos dados;
- tratamento adequado das odds;
- estabilidade das condições do mercado.
Além disso, as odds oferecidas pelas casas normalmente incorporam margem, portanto tratá-las como probabilidades perfeitamente justas é uma simplificação.
O teste mostra que os resultados observados são difíceis de explicar sob aquele modelo de referência.
Isso é diferente de provar definitivamente a existência de uma vantagem sustentável.
O tamanho da amostra faz diferença
739 apostas já representam uma quantidade muito maior de observações do que um pequeno conjunto de 20, 30 ou 50 apostas.
Imagine uma estratégia que apresenta:
20 apostas → ROI de +40%
É impossível ignorar o resultado, mas existe enorme incerteza.
Agora temos:
739 apostas → ROI de +18,41%
A quantidade de observações é muito maior.
Isso reduz a possibilidade de que todo o resultado observado seja simplesmente consequência de uma sequência extremamente curta de resultados.
Ainda assim, tamanho de amostra não resolve todos os problemas.
Uma amostra grande pode continuar apresentando vieses de seleção ou depender de condições específicas do mercado.
Intervalo de confiança do retorno
Outra maneira de observar os dados é por meio de um intervalo de confiança.
Na amostra do Gol Minuto, o lucro médio por aposta foi de aproximadamente:
0,184 unidade
Ou seja, cada aposta produziu, em média, cerca de 0,184 unidade de lucro.
Considerando a variabilidade observada na amostra e uma aproximação normal, o intervalo de 95% para a média de lucro por aposta fica aproximadamente entre:
0,084 e 0,284 unidade
Isso corresponde, aproximadamente, a um intervalo de:
8,4% a 28,4% de ROI
Esse intervalo deve ser interpretado com cautela porque depende das premissas estatísticas utilizadas e não representa uma garantia de que o ROI futuro ficará dentro dessa faixa.
Ele serve para mostrar a incerteza da estimativa obtida a partir da amostra.
Significância estatística x ROI
Esse caso também mostra por que os dois conceitos não devem ser confundidos.
ROI responde:
Quanto a estratégia ganhou ou perdeu em relação ao capital apostado?
Significância estatística pergunta:
Quão compatível esse resultado é com uma determinada hipótese de referência?
São perguntas diferentes.
No Gol Minuto:
ROI observado: +18,41%
Green rate: 43,30%
Amostra: 739 apostas
Esses números descrevem o desempenho observado.
A análise de significância procura avaliar a força da evidência estatística por trás desse desempenho.
Significância estatística e backtest
O conceito se torna ainda mais importante quando analisamos um backtest.
Imagine que uma pessoa teste:
- 20 mercados;
- 30 campeonatos;
- diferentes faixas de odds;
- vários filtros;
- diferentes períodos;
- dezenas de combinações de regras.
Em algum momento, é possível encontrar uma estratégia com resultado excepcional simplesmente por acaso.
Esse problema é conhecido como múltiplos testes.
Quanto mais hipóteses são testadas, maior pode ser a probabilidade de encontrar algum resultado aparentemente significativo.
Por isso, conhecer apenas o p-valor de uma estratégia não é suficiente.
É importante saber:
Como essa estratégia foi encontrada?
Se o Gol Minuto foi definido antes da análise dos 739 resultados, isso é diferente de criar dezenas de estratégias e selecionar posteriormente aquela que apresentou o melhor desempenho.
Out-of-sample é fundamental
Uma maneira de aumentar a robustez da análise é separar os dados utilizados para desenvolver a estratégia daqueles utilizados para testá-la.
Por exemplo:
Amostra de desenvolvimento
Usada para definir regras e parâmetros.
Amostra out-of-sample
Mantida separada para verificar o desempenho.
Se a estratégia continua apresentando comportamento semelhante nos dados que não participaram da sua construção, isso fornece uma evidência adicional contra a possibilidade de que o resultado seja apenas consequência de overfitting.
Não elimina a incerteza, mas melhora a qualidade da avaliação.
43,30% de green é bom ou ruim?
A pergunta, isoladamente, não pode ser respondida apenas pela porcentagem.
A própria estratégia Gol Minuto demonstra isso.
Foram:
43,30% de greens
e:
18,41% de ROI
Isso acontece porque o retorno de uma aposta depende simultaneamente de:
probabilidade × odd
Uma taxa de acerto de 43% pode ser ruim em uma faixa de odds e excelente em outra.
Por isso, análises de apostas esportivas precisam abandonar a ideia de que “acertar mais é sempre melhor”.
O objetivo econômico não é maximizar simplesmente o número de greens.
É encontrar uma relação favorável entre probabilidade, preço e retorno esperado.
O que ainda precisa ser investigado?
Para transformar um resultado histórico em uma análise mais robusta, ainda podemos investigar:
- desempenho por faixa de odds;
- ROI por faixa de odds;
- evolução do ROI ao longo das 739 apostas;
- drawdown máximo;
- sequência máxima de reds;
- variância;
- intervalo de confiança;
- desempenho por campeonato;
- desempenho por período;
- estabilidade da estratégia;
- resultado out-of-sample;
- possível dependência entre apostas;
- impacto da margem das casas;
- CLV, quando houver dados disponíveis.
Essas análises ajudam a responder uma pergunta mais importante do que simplesmente:
“A estratégia ganhou?”
A pergunta passa a ser:
“O padrão observado é consistente, estatisticamente defensável e resistente a diferentes amostras?”
Conclusão
A significância estatística nas apostas esportivas não serve para declarar uma estratégia vencedora ou perdedora.
Ela serve para avaliar a força da evidência existente nos dados.
No caso da estratégia Gol Minuto, a amostra atual de 739 apostas apresenta 320 greens, 419 reds, 43,30% de acerto e ROI de 18,41%. A base de odds e resultados sustenta esses números.
O resultado é particularmente interessante porque demonstra uma característica fundamental das apostas esportivas:
uma estratégia não precisa acertar mais de 50% das apostas para apresentar retorno positivo.
O preço pago pelo mercado importa.
E, para avaliar se esse retorno representa apenas variabilidade ou evidência de um padrão mais consistente, é necessário ir além da taxa de acerto.
ROI, tamanho da amostra, variância, intervalo de confiança, significância estatística, out-of-sample e controle de overfitting formam um conjunto muito mais completo para analisar uma estratégia.
No fim, significância estatística não transforma incerteza em certeza.
Ela ajuda a medir quanto os dados permitem acreditar que o resultado observado é diferente daquele que seria esperado sob uma determinada hipótese.
Esporte com Valor — além do resultado.