El rating que no es un número
Tu nivel en DomiRank no es un número solo (tipo Elo) sino una distribución de probabilidad. Mientras conectamos la versión interactiva, mira el preview que ya tiene los widgets en vivo.
1Tu rating tiene dos números: μ y σ
OpenSkill modela cada jugador con una gaussiana centrada en μ (mu) con anchura σ (sigma).
- μ = tu skill estimado más probable.
- σ = qué tan inseguro está el sistema. Empieza alto y baja con cada partida.
- Rating mostrado =
μ − 3σ(el peor caso al 99.7%, conservador a propósito).
2¿Por qué no Elo?
| Capacidad | Elo | OpenSkill |
|---|---|---|
| 1v1 | ✓ | ✓ |
| Equipos (2v2, 3v3…) | ✗ con parches | ✓ nativo |
| Free-for-all (4 jugadores, ranking 1-4) | ✗ | ✓ |
| Modela incertidumbre del rating | ✗ | ✓ con σ |
| Distingue novato (5 partidas) de veterano (500) | ✗ | ✓ |
| Base bayesiana formal | ✗ | ✓ |
3Cómo cambia tu rating tras una partida
Dado N equipos con sus jugadores y su rank final, OpenSkill recalcula μ y σ para cada uno usando las aproximaciones analíticas de Weng-Lin sobre el modelo Plackett-Luce. Cuanto más sorprendente el resultado (upset), mayor el ajuste. Cuanta más certeza tenía el sistema (σ baja), menor el ajuste.
Pulsa el botón de arriba para verlo en vivo en el preview: dos jugadores empiezan iguales, clic en quién gana y las gaussianas se mueven con animación.
4Singles y parejas, ratings separados
DomiRank guarda dos pares (μ, σ) por jugador:singles_* y doubles_*. Las habilidades para 1v1 y para parejas (comunicación con compañero, lectura del juego en conjunto) no son la misma cosa, y se miden por separado.
5DomiRank Global: el número único
Aunque singles y parejas se miden por separado, queremos un número único que responda "¿quién es el mejor?". Para eso combinamos las dos distribuciones con la fusión bayesiana correcta: ponderar por precisión (1/σ²). Más certeza pesa más.
Si nunca jugaste un formato, su σ alta lo hace contribuir muy poco al global. Si juegas ambos, ambos pesan. Mínimo 5 partidas totales para entrar al ranking global. Mira el preview interactivo para sliders en vivo.
6Auditable
Cada fila de match_players guarda μ y σ antes y después de la partida. Eso permite reconstruir cualquier rating histórico exactamente, mostrar "ganaste +1.84 μ por esta partida" y re-calcular con otro modelo en el futuro sin perder la historia.
7Para nerdear
· Weng & Lin (2011). A Bayesian approximation method for online ranking. JMLR.
· OpenSkill: openskill.me.
· Plackett-Luce (1975): modelo probabilístico de permutaciones.