Como ler uma tier list e um win rate sem se enganar
Uma tier list é um mapa, não um oráculo. O número de win rate resume milhares de partidas de gente que não é você, em confrontos que não são os seus. Quando você entende o que cada porcentagem mede e o que a distorce, dá para usar a tier list para achar candidatos e depois deixar a matemática confirmar se a build e o confronto fecham para o seu caso.
O que win rate, pick rate e ban rate realmente medem
O win rate é a porcentagem de partidas vencidas com um campeão sobre o total de partidas jogadas com ele na amostra. Parece simples, mas é uma média: mistura quem domina o campeão com quem pegou ele pela primeira vez, e todos os confrontos bons e ruins em um único número. A referência é os 50%: por construção, o conjunto de todos os campeões tende a girar em torno desse valor, então um 52% “neutro” pode ser bom ou mediano dependendo do campeão e da rota.
O pick rate mede o quanto um campeão é escolhido (qual % de partidas o incluem). Ele fala de popularidade e de quão confortável ou flexível o campeão é, não de quão forte ele é: um campeão divertido e fácil pode ter pick rate altíssimo e win rate mediano, enquanto um campeão de nicho muito forte pode ter pick rate baixo.
O ban rate mede o quanto um campeão é banido. Costuma indicar frustração ou poder percebido mais do que poder real: campeões chatos de enfrentar acumulam banimentos mesmo com win rate normal. Um ban rate alto também “esconde” dados, porque um campeão banido não gera partidas.
A armadilha clássica é ler essas três cifras como se medissem a mesma coisa. Não medem: o win rate aponta para resultado, o pick rate para popularidade e o ban rate para percepção. Uma tier list séria combina os três (às vezes com uma nota de “presença” = pick + ban) em vez de ordenar só pelo win rate.
Exemplo ilustrativo para ler as faixas: S = quase sempre escolhido, A = sólido, B = situacional. A tier real muda a cada patch — abra na ferramenta para ver a atual.
Os vieses que distorcem o win rate
Tamanho da amostra. Com poucas partidas, o win rate é ruído. Um campeão com 40 partidas marcando 58% pode ser uma miragem estatística; um com 50.000 partidas a 51,5% é um sinal sólido. Antes de acreditar em uma porcentagem, veja quantas partidas a sustentam: a incerteza cai devagar, mais ou menos com a raiz do número de partidas, então quadruplicar a amostra só corta a margem de erro pela metade.
Elo. Um campeão pode ser dominante nas mãos de profissionais e um desastre em partidas comuns, ou o contrário. Mecânicas exigentes (combos difíceis, gestão de cooldowns, dependência do time) ganham win rate conforme o elo sobe; campeões que “se jogam sozinhos” costumam render mais em elos baixos. Por isso uma tier list séria deixa você filtrar por elo, e um win rate sem contexto de elo diz pouco. Se o seu objetivo é justamente subir a escada, veja como subir de elo.
Inflação por one-tricks. Campeões difíceis ou impopulares tendem a ficar nas mãos de especialistas dedicados. Essa autosseleção infla o win rate deles: não é que o campeão seja forte para qualquer um, é que quase ninguém que não o domina o escolhe. Um win rate alto com pick rate muito baixo é a assinatura típica desse viés.
Queda do campeão novo. Quando sai um campeão ou um rework, o win rate começa baixo: todo mundo está aprendendo ao mesmo tempo, sem builds nem confrontos resolvidos. Isso não significa que ele é fraco; significa que a amostra ainda não amadureceu. Depois de uma ou duas semanas, o número se acomoda. O mesmo acontece, em menor escala, após cada patch que mexe nele.
Nenhum desses vieses torna a estatística inútil: torna-a algo que precisa ser lido com critério. A estatística é honesta sobre o que mede (resultados reais de partidas reais); o erro está em pedir que ela responda perguntas que não pode.
| Partidas | Margem (±) | Faixa 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 confiança de 95% (±1,96·√(0,25/n)). Por isso 53% em 30 partidas não significa quase nada, e em 3000 significa.
Por que um win rate alto não é “o melhor para você”
O win rate de uma tier list é uma média global; sua partida é um caso particular. Três coisas que o número agregado não sabe sobre você costumam decidir mais que o ranking.
Maestria. Um campeão “tier A” que você jogou 300 vezes quase sempre vai te ganhar mais partidas que um “tier S” que você nunca tocou. A curva de aprendizado é real: o win rate da lista pressupõe um jogador médio do campeão, não você nas suas primeiras 20 partidas. A menos que o meta esteja muito desequilibrado, a maestria costuma pesar mais que um ou dois pontos de tier.
Confronto. A média esconde a variância por confronto. Um campeão com 52% global pode estar em 58% contra uma rota e 44% contra outra. Se o seu rival natural ou o counter do momento aparecer com frequência do outro lado, o número global mente sobre a sua realidade. É para isso que servem as tabelas de confronto específicas e o guia de matchups e counters.
Composição de time. O valor de um campeão depende do que o cerca: engaja que aproveite seu dano em área, frontline para te proteger, uma segunda ameaça para dividir a atenção. Um campeão pode ser forte “no vácuo” e mediano em uma comp que não o complementa, ou o contrário.
A conclusão não é ignorar a tier list, e sim lê-la como lista de candidatos, não como ordem de compra. Ela é excelente para descobrir o que está forte agora; é ruim para te dizer o que serve para você, no seu confronto, com seu time e seu nível de prática.
Estatística + theorycrafting: o fluxo de trabalho
Há duas formas honestas de saber o que é forte, e elas se complementam. A estatística te diz o que a comunidade faz: agregados de partidas reais, no estilo dos sites de winrate. Ela captura o meta como ele é jogado de fato, com modas e vieses. O theorycrafting te diz o que a matemática diz: roda as fórmulas reais do jogo sobre atributos, dano, mitigação e escalonamento. Não depende de quanta gente joga algo, e sim de os números fecharem. É isso que as calculadoras deste site computam.
A estatística responde “o que está ganhando agora?”. O theorycrafting responde “por quê, e isso se sustenta para o meu caso?”. Uma mede popularidade e resultado; o outro, causa e mecânica. Usar os dois juntos te tira dos dois erros clássicos: seguir a lista às cegas, ou teorizar uma build perfeita que nenhuma partida real valida.
O fluxo concreto: (1) Abra a tier list para detectar candidatos fortes na sua rota, filtrando pelo seu elo e olhando o tamanho da amostra antes de confiar em cada porcentagem. (2) Cruze com o meta para entender que tipo de campeões o patch premia, e com as duplas se você joga em dupla de rota. (3) Escolha dois ou três candidatos compatíveis com o que você já domina.
(4) Verifique a mecânica com as calculadoras: use versus para ver se o seu combo mata no confronto real (com as resistências e a penetração do patch), build para comparar itens por dano, sobrevivência e valor de ouro, e as ferramentas de mitigação e escalonamento para entender em que fase da partida você ganha. Assim a tier list te dá o “o que testar” e os cálculos te dão o “por que funciona” — sem números inventados.
Perguntas frequentes
Quantas partidas um win rate precisa para ser confiável?
Não existe um limiar mágico, mas a incerteza cai com a raiz do número de partidas, então amostras pequenas são traiçoeiras. Com algumas centenas de partidas a margem de erro ainda é de vários pontos; com dezenas de milhares, a porcentagem já é estável. Regra prática: desconfie de qualquer win rate “espetacular” com pick rate muito baixo, e sempre olhe o tamanho da amostra que a tier list reporta antes de tirar conclusões.
Devo sempre escolher o campeão “tier S” da lista?
Não como regra. Um “tier S” que você não domina costuma render menos que um campeão confortável em que você tem maestria, porque a lista pressupõe um jogador médio daquele campeão, não a sua primeira semana com ele. O tier também ignora o seu confronto e a sua composição. Use a tier list para achar candidatos fortes e compatíveis com seu pool, não como uma ordem fechada; depois confirme o confronto e a build com as calculadoras.
O que o theorycrafting acrescenta se eu já tenho as estatísticas?
As estatísticas te dizem *o que* ganha na comunidade; o theorycrafting te diz *por quê* e se aplica ao seu caso exato. A estatística não isola bem o seu confronto pontual nem avalia uma build nova que ainda ninguém joga; a matemática sim, porque roda as fórmulas reais do patch. Combine os dois: a lista propõe candidatos, e ferramentas como versus e build verificam se o combo mata e se os itens rendem em ouro e sobrevivência.