Equilibrio del Meta
Explora el metajuego estable teórico basado en las relaciones de enfrentamiento entre mazos. Descubre qué mazos están sobre-representados, infra-representados y cómo sería un campo equilibrado. Datos proporcionados por MTGDecks.
¿Cómo funciona?
¿Qué es el Equilibrio de Nash del Metajuego?
En formatos competitivos, los jugadores ajustan constantemente sus elecciones de mazo para vencer a las estrategias más populares. Si todos juegan el Mazo A porque tiene el winrate más alto, la gente empezará a elegir el Mazo B — el contra del Mazo A. Luego el Mazo C sube para vencer al Mazo B, y así sucesivamente. Esta es la dinámica fundamental de piedra-papel-tijera de los metajuegos.
Un equilibrio de Nash es una distribución teórica de mazos donde ningún jugador tiene un incentivo fuerte para cambiar de mazo unilateralmente. En tal estado, cada mazo en la mezcla tendría aproximadamente el mismo winrate esperado contra el campo (~50%). El mazo con el winrate bruto más alto no siempre es el que define el meta — depende de cómo interactúan todos los mazos entre sí.
Este análisis utiliza los winrates reales de los enfrentamientos para estimar cómo sería una distribución estable del metajuego. Luego compara este ideal teórico con lo que la gente está jugando realmente, revelando qué mazos están sobre-representados (más jugados de lo ideal) e infra-representados (menos jugados de lo ideal) en relación con el equilibrio.
El método que utilizamos se llama Multiplicative Weights Update (MWU), un algoritmo bien establecido para aproximar equilibrios de Nash de estrategia mixta. Ajusta iterativamente los pesos de los mazos basándose en su rendimiento contra el campo actual hasta que converge en una distribución estable.
Limitaciones
- La calidad de los datos importa. El modelo es tan bueno como los datos de enfrentamientos que recibe. Datos inexactos o sesgados producirán resultados erróneos.
- Los tamaños de muestra pequeños reducen la fiabilidad. Los enfrentamientos con muy pocas partidas tienen una alta varianza.
- La habilidad del jugador no se captura. El modelo asume que todos los pilotos son iguales.
- La calidad del banquillo varía. Las partidas post-banquillo cambian la dinámica de forma que los números agregados no pueden expresar totalmente.
- El metajuego cambia rápido. Nuevas colecciones o baneos pueden desplazar los equilibrios más rápido de lo que se recolectan datos.
- Los enfrentamientos faltantes distorsionan los resultados. Cuando no hay datos, el modelo asume un winrate neutral del 50%.
- Los jugadores reales no son perfectamente racionales. La gente elige mazos por comodidad, coste o preferencia personal.
- La popularidad, el hábito y la inercia pueden hacer que el meta real difiera sustancialmente del equilibrio teórico.
Cómo leer los resultados
Configura tu Análisis
Selecciona mazos arriba y haz clic en "Ejecutar Análisis de Equilibrio" para explorar el balance teórico.