Saltar al contenido
Sunday Funday Network
NFL · Network
Centro de transparencia

Cómo se construyen los datos

La confianza comienza explicando qué sabemos, qué estimamos y qué todavía no podemos medir.

01

Partidos y resultados

Los equipos, fechas, horarios y marcadores se contrastan con las fuentes oficiales disponibles de la NFL antes de incorporarse a Network. Cuando el administrador documenta una URL de transmisión, la ficha del partido enlaza directamente a esa fuente; cuando todavía no existe una URL pública, mostramos este proceso general de verificación. Los picks de usuarios nunca alimentan el modelo.

02

Elo

Cada resultado modifica la fuerza de ambos equipos según la calidad previa del rival. Vencer a un equipo fuerte aporta más que vencer a uno con menor calificación.

03

Fuerza de calendario

Un cálculo iterativo tipo SRS ajusta el diferencial de puntos por los rivales enfrentados y devuelve el contexto que falta en un récord simple.

04

Forma reciente

Los partidos más nuevos pesan más. El margen de cada juego está limitado para que una sola paliza no deforme toda la clasificación.

05

Ajuste de muestra

Los promedios ofensivos y defensivos se acercan inicialmente a la media de la liga. Conforme llegan resultados propios, el equipo depende menos de ese punto de partida.

06

Cambio de temporada

La versión 2 conserva 40% de la desviación Elo del año anterior y pondera cada temporada anterior al 18% en SRS. Elo usa K=36 para reaccionar más a los resultados nuevos. Los juegos duplicados entre torneos se cuentan una sola vez.

07

SF Rating

Elo, diferencial ajustado y forma reciente se expresan en una sola escala. Power Rankings y Laboratorio consumen ese mismo motor para evitar mensajes contradictorios.

08

Incertidumbre visible

Mostramos rango, muestra y confianza. Lesiones, plantillas, clima y cambios de entrenador aún no forman parte del cálculo; ninguna estimación es una garantía.

09

CSV y SFQuant

Las capturas confirmadas aportan yardas por jugada, pérdidas, conversión de terceros downs, pases completos, acarreos, sacks y eficiencia avanzada. Los promedios usan sus denominadores reales; los datos faltantes no se convierten en cero. SFQuant v1 usa EPA y tasa de éxito con cobertura mínima del 98%, además de su fuerza ofensiva y defensiva dinámica. Un CSV no equivale por sí solo a una corrida publicada.

10

Comparar sin mezclar

Laboratorio muestra la lectura base y SFQuant cuando existe una corrida aprobada. Una diferencia de favoritos revela incertidumbre, no un error que debamos ocultar. El ranking muestra el orden SFQuant como comparación solo si el snapshot está completo, sin correcciones pendientes y actualizado. No combinamos escalas con pesos sin validar.

11

Prueba histórica

El ajuste base se eligió con 2024 (desde la semana 5) y se probó por jornada en 285 juegos de 2025, sin usar resultados de la semana pronosticada. El acierto de ganador pasó de 65.1% a 66.2% (284 juegos sin empate), el Brier de 0.2200 a 0.2170 y el error absoluto de margen de 10.11 a 10.00 puntos. Es una mejora histórica pequeña, no una promesa para cada partido ni una prueba de pesos nuevos para los CSV.