Cómo leer una tier list y un win rate sin engañarte
Una tier list es un mapa, no un oráculo. El número de win rate resume miles de partidas de gente que no sos vos, en matchups que no son los tuyos. Si entendés qué mide cada porcentaje y qué lo distorsiona, podés usar la tier list para encontrar candidatos y después dejar que las matemáticas confirmen si la build y el matchup cierran para tu caso.
Qué miden de verdad win rate, pick rate y ban rate
El win rate es el porcentaje de partidas ganadas con un campeón sobre el total de partidas jugadas con ese campeón en la muestra. Suena simple, pero es un promedio: mezcla a quien lo domina con quien lo tocó por primera vez, y todos los matchups buenos y malos en una sola cifra. La referencia es el 50%: por construcción, el conjunto de todos los campeones tiende a rondar ese valor, así que un 52% “neutro” puede ser bueno o mediocre según el campeón y el rol.
El pick rate mide cuánto se elige un campeón (qué % de partidas lo incluyen). Habla de popularidad y de cuán cómodo o flexible es, no de cuán fuerte es: un campeón divertido y fácil puede tener pick rate altísimo y win rate mediocre, y un campeón de nicho muy fuerte puede tener pick rate bajo.
El ban rate mide cuánto se banea. Suele señalar frustración o poder percibido más que poder real: campeones odiosos de enfrentar acumulan baneos aunque su win rate sea normal. Un ban rate alto también “esconde” datos, porque cuando un campeón está baneado no genera partidas.
La trampa clásica es leer estas tres cifras como si midieran lo mismo. No: el win rate apunta a resultado, el pick rate a popularidad y el ban rate a percepción. Una tier list seria los combina (a veces con una nota de “presencia” = pick + ban) en lugar de ordenar solo por win rate.
Ejemplo ilustrativo para leer los tramos: S = se elige casi siempre, A = sólido, B = situacional. La tier real cambia cada parche — abrila en la herramienta para ver la del momento.
Los sesgos que distorsionan el win rate
Tamaño de muestra. Con pocas partidas, el win rate es ruido. Un campeón con 40 partidas que marca 58% puede ser un espejismo estadístico; uno con 50.000 partidas al 51,5% es una señal sólida. Antes de creer un porcentaje, mirá cuántas partidas lo respaldan: la incertidumbre se reduce despacio, más o menos con la raíz del número de partidas, así que cuadruplicar la muestra solo divide el margen de error a la mitad.
Elo. Un campeón puede ser dominante en manos de profesionales y un desastre en partidas normales, o al revés. Mecánicas exigentes (combos difíciles, gestión de cooldowns, dependencia del equipo) suben de win rate al subir de elo; campeones que “se juegan solos” suelen rendir mejor en rangos bajos. Por eso una tier list seria te deja filtrar por rango, y un win rate sin contexto de elo dice poco. Si lo que buscás es justamente trepar la escalera, mirá cómo subir de elo.
Inflación por one-tricks. Los campeones difíciles o impopulares tienden a estar en manos de especialistas dedicados. Esa autoselección infla su win rate: no es que el campeón sea fuerte para cualquiera, es que casi nadie que no lo domina lo elige. Un win rate alto con pick rate muy bajo es la firma típica de este sesgo.
Caída del campeón nuevo. Cuando sale un campeón o un rework, su win rate arranca bajo: todo el mundo lo está aprendiendo a la vez, sin builds ni matchups resueltos. Eso no significa que sea débil; significa que la muestra todavía no maduró. Pasadas una o dos semanas, el número se acomoda. Lo mismo, en menor escala, tras cada parche que lo toca.
Ninguno de estos sesgos hace inútil a la estadística: la hace algo que hay que leer con criterio. La estadística es honesta sobre lo que mide (resultados reales de partidas reales); el error está en pedirle que responda preguntas que no puede.
| Partidas | Margen (±) | Rango real |
|---|---|---|
| 10 | ±31% | 19% – 81% |
| 30 | ±17.9% | 32.1% – 67.9% |
| 100 | ±9.8% | 40.2% – 59.8% |
| 500 | ±4.4% | 45.6% – 54.4% |
| 3,000 | ±1.8% | 48.2% – 51.8% |
Intervalo de confianza del 95% (±1,96·√(0,25/n)). Por eso un 53% con 30 partidas no significa casi nada, y con 3000 sí.
Por qué un win rate alto no es “el mejor para vos”
El win rate de una tier list es un promedio global; tu partida es un caso particular. Tres cosas que el número agregado no sabe de vos suelen decidir más que el ranking.
Maestría. Un campeón “tier A” que jugaste 300 veces casi siempre te va a ganar más partidas que un “tier S” que nunca tocaste. La curva de aprendizaje es real: el win rate de la lista asume un jugador promedio del campeón, no a vos en tus primeras 20 partidas. Salvo que el meta sea muy desequilibrado, la maestría suele pesar más que un par de puntos de tier.
Matchup. El promedio esconde la varianza por enfrentamiento. Un campeón con 52% global puede tener 58% contra cierta línea y 44% contra otra. Si tu rival natural o el counter del momento te toca seguido, el número global te miente sobre tu realidad. Para eso están las tablas de matchup específicas y la guía de matchups y counters.
Composición de equipo. El valor de un campeón depende de lo que lo rodea: enganche que aproveche tu daño en área, frontline que te proteja, una segunda amenaza que reparta la atención. Un campeón puede ser fuerte “en el vacío” y mediocre en una comp que no lo complementa, o al revés.
La conclusión no es ignorar la tier list, sino leerla como lista de candidatos y no como orden de compra. Es excelente para descubrir qué está fuerte ahora; es mala para decirte qué te conviene a vos, en tu matchup, con tu equipo y tu nivel de práctica.
Estadística + theorycrafting: el flujo de trabajo
Hay dos formas honestas de saber qué es fuerte, y son complementarias. La estadística te dice lo que la comunidad hace: agregados de partidas reales, al estilo de los sitios de winrate. Captura el meta tal cual se juega, con sus modas y sus sesgos. El theorycrafting te dice lo que dicen las matemáticas: corre las fórmulas reales del juego sobre stats, daño, mitigación y escalado. No depende de cuánta gente juegue algo, sino de si los números cierran. Eso es lo que computan las calculadoras de este sitio.
La estadística responde “¿qué está ganando ahora?”. El theorycrafting responde “¿por qué, y aguanta para mi caso?”. Una mide popularidad y resultado; el otro, causa y mecánica. Usarlos juntos te saca de los dos errores típicos: seguir la lista a ciegas, o teorizar una build perfecta que nadie valida en partidas reales.
El flujo concreto: (1) Abrí la tier list para detectar candidatos fuertes en tu rol, filtrando por tu elo y mirando el tamaño de muestra antes de confiar en cada porcentaje. (2) Cruzalo con el meta para entender qué clase de campeones premia el parche y con los dúos si jugás en pareja de línea. (3) Elegí dos o tres candidatos compatibles con lo que ya dominás.
(4) Verificá la mecánica con las calculadoras: usá versus para ver si tu combo mata en el matchup real (con resistencias y penetración del parche), build para comparar objetos por daño, supervivencia y valor de oro, y las herramientas de mitigación y escalado para entender en qué fase de la partida ganás. Así la tier list te da el “qué probar” y los cálculos te dan el “por qué funciona” — sin números inventados.
Preguntas frecuentes
¿Cuántas partidas necesita un win rate para ser confiable?
No hay un umbral mágico, pero la incertidumbre baja con la raíz del número de partidas, así que las muestras chicas son traicioneras. Con unos pocos cientos de partidas el margen de error sigue siendo de varios puntos; con decenas de miles, el porcentaje ya es estable. Regla práctica: desconfiá de cualquier win rate “espectacular” con pick rate muy bajo, y siempre mirá el tamaño de muestra que la tier list reporta antes de sacar conclusiones.
¿Debería elegir siempre el campeón “tier S” de la lista?
No como regla. Un “tier S” que no dominás suele rendirte menos que un campeón cómodo donde tenés maestría, porque la lista asume un jugador promedio de ese campeón, no tu primera semana con él. Además, el tier ignora tu matchup y tu composición. Usá la tier list para encontrar candidatos fuertes y compatibles con tu pool, no como una orden cerrada; después confirmá el matchup y la build con las calculadoras.
¿Qué le aporta el theorycrafting si ya tengo las estadísticas?
Las estadísticas te dicen *qué* gana en la comunidad; el theorycrafting te dice *por qué* y si aplica a tu caso exacto. La estadística no separa bien tu matchup puntual ni evalúa una build nueva que todavía nadie juega; las matemáticas sí, porque corren las fórmulas reales del parche. Combinalos: la lista propone candidatos, y herramientas como versus y build verifican si el combo mata y si los objetos rinden en oro y supervivencia.