La Matemática de La Ranita: Probabilidad, Valor Esperado y Cuándo Guardar

Hace un par de meses empecé a registrar mis partidas de La Ranita en una hoja de cálculo. Fila donde guardaba, puntos obtenidos, fase donde explotaba. Después de 200 partidas, abrí los datos y me encontré con algo que ya sospechaba pero que los números confirmaron sin piedad: mis decisiones "intuitivas" eran peores que las que un cálculo básico de probabilidad habría producido. Guardaba demasiado tarde en fases difíciles y demasiado pronto en fases fáciles. El instinto y la matemática no apuntaban en la misma dirección.

Este artículo es el resultado de aplicar matemáticas reales al juego. No generalidades como "gestiona el riesgo". Fórmulas concretas, tablas calculadas, ejemplos con números. Si la idea de "probabilidad condicional" te suena abstracta, voy a mostrar exactamente cómo se aplica a cada salto que haces en el estanque.

Probabilidad por fila: los números que tu cerebro no quiere aceptar

Cada fila en La Ranita es un evento estadísticamente independiente. Lo que pasó en la fila anterior no afecta la siguiente — las pirañas se distribuyen de forma aleatoria en cada fila nueva. La probabilidad de sobrevivir una fila depende solo de la fase actual:

60% suena razonable para Charca. "Más de la mitad de las veces sobrevivo." Pero la multiplicación de probabilidades es traicionera. Para llegar a la fila 5 necesitas sobrevivir las 5 primeras filas consecutivas: 0.60⁵ = 7.78%. Menos del 8%. De cada 100 intentos que empiezan, solo ~8 llegarán a completar Charca. Si eso te parece poco, Estanque tiene 50% por fila: 0.50⁵ = 3.12% de completar las 5 filas de esa fase. Y eso asumiendo que ya sobreviviste Charca.

Esta caída exponencial es lo que el cerebro humano procesa mal. Tendemos a pensar en probabilidades de forma lineal — "60% es un poco más de la mitad, así que en 5 filas debería llegar unas 3 de cada 5 veces". No. La multiplicación de probabilidades independientes produce una caída mucho más rápida de lo que la intuición sugiere.

Tabla de supervivencia acumulada desde el inicio de la partida

Esta tabla muestra la probabilidad de que una partida que empieza en la fila 1 llegue viva hasta cada fila. Los números son exactos, calculados multiplicando las probabilidades de cada fase.

Mira la columna de probabilidad acumulada. Llegar a la fila 6 — primera de Estanque — ocurre en menos del 4% de las partidas. 870 puntos en la fila 10 suena espectacular, pero la probabilidad de alcanzarlos es 0.24% — una de cada 416 partidas. Para ponerlo en perspectiva, si juegas 10 partidas al día, llegarás a la fila 10 una vez cada ~42 días.

Valor esperado: por qué "más puntos" no siempre es "mejor decisión"

El valor esperado (EV) es el concepto más útil de la probabilidad aplicada a la toma de decisiones. La idea es simple: calcula el resultado promedio de una decisión si la repitieras infinitas veces. En La Ranita, cada vez que decides avanzar una fila más en lugar de guardar, estás tomando una decisión con EV calculable.

EV de avanzar = P(sobrevivir) × (puntos acumulados + puntos de la nueva fila)

Si el EV de avanzar es mayor que tus puntos actuales, la decisión matemática es avanzar. Si es menor, guardar.

Ejemplo concreto. Estás en la fila 3 de Charca con 60 puntos. La fila 4 vale 40 puntos más (4 × 10 × 1.0). Probabilidad de sobrevivir: 60%.

EV = 0.60 × (60 + 40) = 0.60 × 100 = 60.

El EV de avanzar (60) es exactamente igual a tus puntos actuales (60). Es el punto de equilibrio. Si tuvieras 61 puntos o más, guardar sería mejor. Con 60, es indiferente — técnicamente puedes avanzar, pero con un margen de cero.

Ahora en la fila 4, con 100 puntos. La fila 5 vale 50 más. EV = 0.60 × (100 + 50) = 0.60 × 150 = 90. Tus 100 puntos valen más que los 90 esperados si avanzas. Guardar es la decisión correcta.

Y aquí viene lo que no es intuitivo: cuanto más puntos acumulaste, más conservador deberías ser. El cerebro dice lo opuesto — "llevo 100 puntos, estoy en racha, sigo adelante". La matemática dice: tienes más que perder, el ratio riesgo-recompensa se deterioró, guarda.

La paradoja de San Petersburgo: cuando el valor esperado infinito no vale nada

Antes de confiar ciegamente en el EV, necesitas entender sus límites. Daniel Bernoulli planteó esto en 1738 con la paradoja de San Petersburgo (Bernoulli, 1738). El escenario: un juego donde una moneda se lanza repetidamente, y el premio se duplica con cada cara consecutiva. El valor esperado de este juego es infinito — matemáticamente, deberías pagar cualquier cantidad por jugarlo. Pero nadie razonable pagaría más de unos pocos euros.

¿Por qué? Bernoulli propuso que las personas no evalúan el dinero por su valor nominal, sino por su utilidad — la satisfacción subjetiva que produce. Ganar 100 puntos cuando tienes 0 es enorme. Ganar 100 puntos cuando ya tienes 500 es agradable. La utilidad marginal decrece. Esta fue la primera formulación de la teoría de utilidad esperada, y sigue siendo la base de la economía del riesgo 288 años después.

En La Ranita, la paradoja de Bernoulli se manifiesta directamente. Los 50 puntos de la fila 5 tienen el mismo valor numérico siempre, pero su valor subjetivo depende de cuánto ya acumulaste. Si llevas 20 puntos, arriesgar por 50 más tiene mucho sentido. Si llevas 200, esos 50 representan un incremento pequeño a cambio de arriesgar algo significativo. Tu utilidad marginal de los puntos adicionales disminuye, pero el costo de perder lo acumulado se mantiene constante. Esa asimetría es la que Bernoulli identificó y la que explica por qué guardar "antes de tiempo" suele ser racional.

Probabilidad condicional: cómo las pistas transforman el juego

Todo lo anterior calcula con las probabilidades "base" — las que tienes antes de ver cualquier información. Pero La Ranita te da pistas. Después de cada salto seguro, el nenúfar revela un número que indica cuántas pirañas hay en las posiciones adyacentes de la siguiente fila. Y esa información cambia radicalmente el cálculo.

Esto es probabilidad condicional: la probabilidad de un evento dado que ya observaste otro evento. La fórmula es la de Bayes: P(A|B) = P(B|A) × P(A) / P(B). Suena abstracto, pero en la práctica funciona así:

Antes de ver pistas, en Charca cada nenúfar de la siguiente fila tiene un 60% de ser seguro (3 seguros, 2 pirañas, de 5 posiciones). Pero si tu nenúfar actual muestra un "0", significa que las 3 posiciones adyacentes son seguras. Tu probabilidad de acertar en esas 3 posiciones pasó del 60% al 100%. Las pistas son información bayesiana — actualizan tu probabilidad base.

Gerd Gigerenzer, director del Centro de Conducta Adaptativa del Instituto Max Planck, ha demostrado que el cerebro humano procesa esta información mucho mejor cuando se presenta en forma de conteos concretos que como porcentajes abstractos (Gigerenzer & Hoffrage, 1995). En su estudio, las respuestas correctas en problemas de razonamiento bayesiano saltaron del 16% al 46% simplemente cambiando el formato. La Ranita usa exactamente este formato: "0 pirañas adyacentes", "1 piraña adyacente", "2 pirañas adyacentes". No porcentajes. Conteos. Es como si el juego estuviera diseñado para facilitar el razonamiento probabilístico.

El problema de Monty Hall y tu nenúfar

Hay un paralelismo que me parece útil. En 1990, Marilyn vos Savant publicó en la revista Parade un problema que generó miles de cartas de protesta, incluidas de matemáticos profesionales (New York Times, 1991). El problema de Monty Hall: eliges una puerta de tres, el presentador (que sabe dónde está el premio) abre una puerta vacía, y te ofrece cambiar. ¿Deberías?

Sí. Cambiar te da 2/3 de probabilidad de ganar. Quedarte, 1/3. La clave es que la acción del presentador te da información — él sabe dónde está el premio y deliberadamente abre una puerta vacía. Eso no es aleatorio; es información condicional que redistribuye la probabilidad.

En La Ranita, las pistas numéricas funcionan de manera similar. Cuando un nenúfar muestra "0", no solo te dice que sus adyacentes son seguros — elimina posibilidades y redistribuye la probabilidad para el resto de la fila. Si en una fila de 5 columnas sabes que las posiciones 2, 3 y 4 son seguras (porque el nenúfar de la posición 3 muestra 0), las 2 pirañas están obligatoriamente en las posiciones 1 y 5. Has pasado de 60% de probabilidad general a 100% de certeza para tres posiciones. La información transformó incertidumbre en certidumbre.

Igual que con el problema de Monty Hall, la mayoría de la gente subestima cuánto poder tiene la información para redistribuir la probabilidad. La diferencia entre ignorar las pistas y usarlas es la diferencia entre jugar con un 60% genérico y jugar con un 90% o más en filas donde la deducción es posible. Es la ventaja más grande disponible en el juego, y la que menos jugadores aprovechan.

La regla de no-adyacencia: una restricción que regala información

En La Ranita, las pirañas nunca se colocan en columnas vecinas dentro de la misma fila. Este detalle parece menor. No lo es. Es una restricción que reduce drásticamente el espacio de configuraciones posibles y te da poder deductivo.

En Charca (5 columnas, 2 pirañas), sin la restricción habría C(5,2) = 10 configuraciones posibles de pirañas. Con la restricción de no-adyacencia, las configuraciones se reducen a 6. Eso significa que la restricción elimina el 40% de las posibilidades antes de que veas cualquier pista numérica.

Cuando combinas la no-adyacencia con las pistas numéricas, en muchas filas puedes deducir la posición exacta de ambas pirañas con total certeza. No hay cálculo de probabilidades — es lógica deductiva pura, del mismo tipo que usas en un Buscaminas o un Sudoku. Esa es la parte del juego que convierte La Ranita de un ejercicio probabilístico en un puzzle híbrido donde la deducción domina cuando estás atento y el cálculo toma el control cuando no hay suficiente información para deducir.

La ley de los grandes números: por qué una partida no dice nada

Jacob Bernoulli demostró formalmente en 1713, en su obra Ars Conjectandi (publicación póstuma), lo que hoy llamamos la ley de los grandes números: el promedio de los resultados de un experimento aleatorio converge hacia el valor esperado a medida que el número de repeticiones crece. Cuantas más partidas juegas, más se acerca tu promedio real al promedio teórico.

En 5 partidas, puedes tener resultados absurdos — 5 explosiones seguidas en la fila 1, o 5 partidas espectaculares. En 200 partidas, tu promedio se acerca al valor que las fórmulas predicen. Esa convergencia es lo que hace que la estrategia matemática funcione: no necesitas que cada partida salga bien. Necesitas que el promedio de muchas partidas sea mejor que el promedio de alguien que decide por instinto.

La implicación práctica es directa: no juzgues una estrategia por una sesión de 5 partidas. Necesitas al menos 20-30 para detectar si tu promedio está mejorando. La variabilidad a corto plazo es enorme — he tenido sesiones de 10 partidas donde mi promedio fue 15 puntos y sesiones de 10 donde fue 140. A las 200 partidas, mi promedio se estabilizó en ~95 puntos con el método del umbral + valor esperado.

Hay un detalle que Bernoulli no abordó pero que es crucial: la velocidad de convergencia. ¿Cuántas partidas necesitas para que tu promedio real se acerque "lo suficiente" al teórico? Depende de la variabilidad del juego. En Charca, donde la varianza entre partidas es moderada, 50 partidas suelen ser suficientes para que el promedio sea informativo. En Estanque o Pantano, donde la mayoría de partidas terminan en cero y unas pocas terminan con puntajes altos, necesitas más — quizás 100 — porque la distribución de resultados está muy sesgada. Unos pocos resultados extremos pueden mover tu promedio durante mucho tiempo.

Ergodicidad: el concepto que separa la teoría de la realidad

Nassim Taleb ha popularizado un concepto de la física estadística que cambia cómo deberías pensar sobre el riesgo en La Ranita: la ergodicidad. En un sistema ergódico, el promedio de un grupo de personas a lo largo del tiempo es igual al promedio de una persona a lo largo de mucho tiempo. En un sistema no ergódico, no.

¿La Ranita es ergódica? Parcialmente. Si puedes jugar infinitas partidas y cada una empieza desde cero, sí — tu promedio converge al EV teórico. Pero en un torneo con 3 intentos, la situación es no ergódica. Si explotas en los 3 intentos, te quedas con cero puntos. No hay "largo plazo" que te salve. Taleb lo resume así en su ensayo The Logic of Risk Taking (Taleb, 2017): "Nunca cruces un río que en promedio tiene un metro de profundidad." El promedio es irrelevante si hay un tramo de 5 metros donde te ahogas.

Aplicado a La Ranita: en partidas libres, con sesiones de 20+ partidas, la estrategia óptima es la que maximiza el EV por partida. En torneos, la estrategia óptima minimiza la probabilidad de ruina total (tres ceros) incluso si eso reduce ligeramente el EV. Son dos problemas diferentes con soluciones diferentes. La Regla del Triple — un intento agresivo, uno conservador, uno adaptativo — es la respuesta a la no ergodicidad del formato de torneo.

La tabla del valor esperado marginal: la guía definitiva para guardar

Este es el cálculo más útil del artículo. Para cada fila, preguntamos: "¿me conviene avanzar una fila más o guardar lo que tengo?" El criterio es simple: si P(sobrevivir) × P_siguiente / Acumulado > (1 − P(sobrevivir)) / P(sobrevivir), avanza. Si no, guarda.

En versión simplificada para Charca (60% de supervivencia), el ratio crítico es (1−0.60)/0.60 = 0.667. Si los puntos de la siguiente fila divididos entre tus puntos acumulados superan 0.667, avanza. Si no, guarda.

*La fila 6 entra en Estanque con 50% de supervivencia, así que el ratio crítico sube a (1−0.50)/0.50 = 1.00. 108/150 = 0.72, que es menor que 1.00 → guardar es correcto.

**Con pistas numéricas que confirmen posiciones seguras, la probabilidad efectiva sube y el cálculo puede cambiar. Sin pistas, guarda.

Lo que esta tabla revela es algo que muchos jugadores no esperan: en Charca, el punto de inflexión marginal está entre la fila 3 y la 4. Después de la fila 3, avanzar sin información adicional de las pistas deja de ser matemáticamente favorable. La fila 4 sigue siendo "posible" — 13% de llegar hasta ahí — pero el ratio riesgo-recompensa ya se volvió negativo.

Moscas doradas: el cálculo real de su impacto

Las moscas doradas aparecen con ~25% de probabilidad en nenúfares seguros y multiplican los puntos de esa fila por 1.5×. ¿Cuánto cambia eso el valor esperado?

Si una fila vale 40 puntos, el valor esperado incluyendo la mosca es: 0.25 × (40 × 1.5) + 0.75 × 40 = 15 + 30 = 45. Un incremento del 12.5%. La mosca también da una carga de Scout, que tiene valor informacional — pero ese valor es difícil de cuantificar porque depende de cuándo lo uses.

El error común es tratar la mosca como una razón para avanzar más. "Quizá me sale la mosca en la siguiente fila." La mosca no es controlable ni predecible. Perseguirla es arriesgar puntos reales contra un bonus que tiene un 75% de probabilidad de no aparecer. Si tu cálculo de EV dice "guarda", la posibilidad de mosca no debería cambiar esa decisión — su impacto medio es solo un 12.5% de incremento en los puntos de una fila, no en tus puntos acumulados.

El Scout como reducción de incertidumbre: la matemática de la información

Cada carga de Scout te permite espiar un nenúfar sin saltar a él. En términos de teoría de la información, el Scout convierte incertidumbre en certeza para una posición específica. ¿Cuánto vale eso matemáticamente?

Si estás en Charca (60% de supervivencia por fila) con 100 puntos acumulados, el costo esperado de avanzar sin información es el 40% de probabilidad de perder 100 puntos = 40 puntos de pérdida esperada. Si usas el Scout y descubres que una posición es segura, tu probabilidad de acertar esa posición sube al 100%. Si descubres que es piraña, la evitas y tu probabilidad para las posiciones restantes mejora también (pasas de 3/5 a 3/4 = 75%).

El valor del Scout aumenta con tus puntos acumulados. Con 10 puntos, el 40% de pérdida esperada es solo 4 puntos — no vale gastar el Scout. Con 200 puntos, es 80 puntos. Ahí sí merece. Es un recurso escaso que debería usarse proporcionalmente a lo que protege.

También hay una forma más sofisticada de pensar el Scout: como un test de verificación antes de guardar. Si tu cálculo de EV dice que estás cerca del punto de equilibrio — ni claramente a favor de avanzar ni de guardar — un Scout puede resolver la ambigüedad. Si revela que la siguiente posición es segura, avanzas un paso más con riesgo cero y guardas después con más puntos. Si revela piraña, confirmas que guardar era correcto. En ambos casos, el Scout te da información que mejora la calidad de tu decisión marginal — exactamente donde más la necesitas.

Independencia estadística: por qué las rachas no existen

Uno de los errores más frecuentes es creer que después de 3 explosiones consecutivas, la cuarta partida "tiene que salir bien". Es la falacia del jugador, documentada formalmente por Tversky y Kahneman en 1974 (Tversky & Kahneman, 1974) como consecuencia del heurístico de representatividad.

La realidad: si cada fila tiene 60% de probabilidad de ser segura, esa probabilidad es 60% independientemente de lo que pasó antes. Puedes explotar 10 veces seguidas en la fila 1, y la undécima partida sigue teniendo un 60% de probabilidad de sobrevivir la primera fila. Las pirañas no tienen memoria. El estanque no "te debe" una buena partida.

Lo contraintuitivo es que las rachas sí ocurren — son un producto natural de la aleatoriedad. Con 60% de supervivencia, la probabilidad de explotar 3 veces seguidas en la fila 1 es 0.40³ = 6.4%. Parece baja, pero en 50 partidas es casi seguro que ocurra al menos una vez. La racha no indica nada sobre las partidas futuras. Es ruido estadístico — real, pero sin significado predictivo.

Hay una forma útil de pensar esto. Imagina que tienes un dado de 5 caras (representando las 5 columnas de Charca) y 2 de esas caras tienen piraña. Lanzas el dado antes de cada salto. El dado no sabe cuántas veces lo has lanzado antes. No "recuerda" que la última vez cayó piraña. Cada lanzamiento es nuevo. La probabilidad de caer en piraña es 40% cada vez, sin importar el historial. Cuando un jugador dice "llevo tres explosiones, la siguiente tiene que salir bien", está atribuyendo memoria a un dado que no la tiene.

Tversky y Kahneman explicaron este sesgo como un defecto del heurístico de representatividad: esperamos que secuencias cortas de eventos aleatorios "se parezcan" a la distribución general. Si la probabilidad es 60/40, creemos que en 5 intentos deberíamos ver algo como 3 éxitos y 2 fracasos. Cuando vemos 5 fracasos seguidos, sentimos que "algo no cuadra" y que la serie tiene que "corregirse". Pero la aleatoriedad no se autocorrige. Simplemente produce nuevos eventos independientes que, a lo largo de miles de repeticiones, se promedian — pero nunca "compensan" lo anterior.

¿Por qué nos cuesta tanto aplicar la matemática?

Saber la fórmula del EV no garantiza que la uses. Kahneman y Tversky identificaron exactamente por qué en su Teoría Prospectiva (Kahneman & Tversky, 1979): las pérdidas pesan más que las ganancias equivalentes. Perder 100 puntos genera más malestar que la satisfacción de ganar 100. Eso produce dos efectos opuestos según tu situación.

Cuando vas "en positivo" — acumulaste puntos, estás en una buena posición — te vuelves averso al riesgo. Prefieres guardar antes de tiempo en vez de arriesgar lo que tienes. A veces eso coincide con lo que la matemática recomienda. A veces no — si el EV de avanzar es claramente positivo, tu aversión emocional te hace guardar demasiado pronto.

Cuando vas "en negativo" — acabas de explotar, llevas varias partidas con cero puntos — te vuelves buscador de riesgo. Quieres recuperar. Avanzas más filas de las que deberías, ignoras el EV negativo porque "necesitas" compensar. Es el tilt, y es exactamente lo contrario de lo que la matemática prescribe.

La solución no es convertirte en un robot. Es tener reglas predefinidas — umbrales de guardado — que ejecutas independientemente de cómo te sientas. La matemática te dice cuándo guardar. La disciplina te hace guardar. Son dos habilidades diferentes, y ambas necesarias.

La varianza: por qué dos estrategias con el mismo EV no son iguales

Dos estrategias pueden tener el mismo valor esperado pero sentirse completamente diferentes. Una que produce 60 puntos en cada partida y una que produce 0 la mitad de las veces y 120 la otra mitad tienen el mismo EV: 60. Pero la segunda tiene varianza alta — resultados impredecibles, racha de ceros frustrantes, picos emocionales cuando sale bien. La primera es aburrida y consistente.

En finanzas, esta diferencia se mide con el ratio de Sharpe: rendimiento ajustado por volatilidad. En La Ranita, la traducción es directa: un jugador que guarda consistentemente en la fila 3 (con poco riesgo y puntaje estable) tiene un "Sharpe" mucho mejor que uno que alterna entre ceros espectaculares y filas 8 gloriosas. Ambos pueden tener el mismo promedio, pero la experiencia — y los resultados en torneos cortos — son radicalmente diferentes.

Mi experiencia personal: cuando empecé a priorizar la reducción de varianza (menos partidas en cero) por encima de maximizar el puntaje individual, mi posición en los torneos mejoró. No porque sacara puntajes más altos, sino porque dejé de tener intentos completamente desperdiciados. Tres resultados medianos le ganan a un resultado brillante y dos ceros.

La pregunta correcta no es "¿cuánto puedo ganar?" sino "¿cuánto puedo perder?"

Si hay una idea que resume todo este artículo, es esta. La mayoría de jugadores evalúan cada salto pensando en lo que van a ganar: "la siguiente fila me da 40 puntos más". La pregunta correcta es lo que van a perder: "si fallo, pierdo los 100 que ya tengo".

Este reencuadre — de ganancia potencial a pérdida potencial — es lo que la matemática formaliza con el valor esperado. El EV no te dice "cuánto puedes ganar". Te dice "qué vale en promedio esta decisión, contando tanto los éxitos como los fracasos". Y cuando lo calculas, descubres que muchas decisiones que "sienten" bien — avanzar una fila más, intentar llegar a Estanque — tienen un EV negativo. Los puntos que podrías ganar no compensan los que probablemente pierdes.

Entrenar ese reencuadre mental es quizás lo más valioso que la matemática de La Ranita puede enseñar fuera del juego. En proyectos personales, en decisiones de carrera, en cualquier contexto donde arriesgas algo valioso por algo posible, la pregunta "¿qué puedo perder y con qué probabilidad?" es más importante que "¿qué puedo ganar?". Bernoulli lo entendió en 1738. Kahneman y Tversky lo formalizaron en 1979. En La Ranita lo sientes cada vez que explotas en la fila 5 con 150 puntos que podrías haber guardado en la 3.

Una anécdota final que ilustra esto mejor que cualquier fórmula. En mi partida 173, llegué a la fila 5 con 150 puntos y una carga de Scout. El EV decía "guarda". Pero pensé: "el Scout me da una verificación gratis". Espié la posición central de la fila 6 — segura. Avancé. 258 puntos acumulados. Mi cerebro, eufórico, dijo: "una más". No tenía Scout. No tenía pistas claras. El EV era claramente negativo. Guardé. Los 258 puntos fueron mi mejor resultado esa semana. Pero lo que me quedo de esa partida no son los 258 puntos — es la claridad de que sin el cálculo previo del EV, habría seguido avanzando. Y habría explotado. Las matemáticas no salvaron esa partida por suerte. La salvaron porque me dieron un criterio cuando mi instinto habría fallado.