Existem certas operações estatísticas que você faz com certa frequência no seu dia-a-dia sem sequer pensar nelas nesse sentido. A Teoria da Amostragem é uma divisão relativamente complexa da estatística, embora se trate de algo que nós fazemos cotidianamente. Por exemplo, um novo restaurante abre próximo ao seu apartamento. Você vai almoçar lá e descobre que ele é barulhento, tem o serviço lento e uma comida medíocre. Você não retorna. O tamanho da sua amostragem foi um. Isso é o suficiente para a amostra ser correta? Possivelmente sim. Suponhamos agora que sua namorada lhe diga que ela adora aquele restaurante, e vocês dois vão jantar lá no dia dos namorados. A comida está ótima e o serviço melhorou. Sua amostra agora aumentou para dois. Sem perceber, você fez uma amostragem estratificada. Uma vez você foi até lá almoçar e outra vez jantar. Você não sabia que era tão esperto, sabia?
Basicamente, a amostragem é uma técnica destinada a permitir que se chegue a conclusões acerca de uma “população” testando um pequeno grupo retirado dessa população como uma amostra representativa. Há dois grandes tipos de erros que podem ser cometidos na amostragem. O primeiro é escolher uma amostra muito pequena. O segundo é escolher uma amostra que não seja representativa da população. Analisando nosso exemplo simples, não há maneira de se dizer que é o tamanho de amostra adequado para se jantar em um restaurante antes de chegar a uma classificação que seja provavelmente precisa. Talvez duas ou três refeições ruins sejam suficientes. Mas e se você tiver duas refeições boas e uma ruim? E um problema ainda mais difícil é decidir se sua refeição de amostra é representativa da população de todas as refeições. Nós já vimos que almoço e jantar podem ser grupos diferentes dentro da população. Dentro de cada grupo, pode haver subgrupos — carne, peixe e massas, por exemplo (é muito difícil para um indivíduo fazer esse tipo de amostragem com precisão, e isso torna guias gastronômicos bastante populares, pois as amostras deles se baseiam em um grande número de jantares, experimentando pratos diferentes em diferentes períodos).
Quando se joga poker, cada mão que você jogar ou observar se torna parte de sua amostra. Quanto mais observador você for e quanto maior for a frequência com que jogar contra alguém, mais precisas serão as conclusões tiradas sobre ele nas mais variadas situações. Em geral, quando algo acontece com frequência, uma amostra relativamente pequena será suficiente. Quando algo é raro, será necessária uma amostra muito grande para chegar a alguma conclusão significativa. Você vai acabar tendo a maior amostra sobre si mesmo, e mesmo assim pode ser muito pouco para provar qualquer coisa. Digamos que queira saber se tem uma grande vantagem em torneios ao vivo com buy-in de $10.000. Você decide jogar 100 desses torneios. Portanto, sua amostra é de 100. Esses torneios tendem a ter uma estrutura de pagamentos bastante alta e cerca de 500 jogadores. Você acredita que 100 certamente é uma amostra grande o suficiente para provar que você tem uma vantagem. Será? Vamos analisar quatro jogadores e ver que percentagens das vezes eles vão ganhar um torneio. Um deles é um jogador muito fraco, não-favorito de 1.000-para-1. O segundo é mediano, não favorito de 500-para-1 (lembre que nós estamos presumindo que haja 500 jogadores em casa torneio). O terceiro é muito bom, e é não-favorito de apenas 250-para-1. O último jogador é uma superestrela e apenas 100-para-1. A tabela seguinte aproxima a percentagem das vezes em que esses quatro jogadores vão ganhar de zero torneios a três ou mais.
Ganhar nenhum torneio, atingir 0 de 100, não prova nada. É mais provável que você seja um fish do que uma superestrela, mas mesmo a superestrela ganha 0 de 100 mais de um terço das vezes. Ganhar um torneio também não prova nada. Agora é mais provável que você seja uma superestrela do que um peixe, mas nada de realmente significativo aconteceu. Se você ganhar dois torneios, pode se sentir confiante de que tem uma vantagem, possivelmente grande. Se ganhar três ou mais torneios, é quase certo que você é um jogador muito forte, algo na zona do superestrelato. Caso o número de torneios aumente de 100 para 1.000, as conclusões a que poderíamos chegar a partir dos resultados teriam sido mais precisas. Se incluíssemos as segundas e terceiras colocações, também aumentaríamos nossa precisão. A questão é que os dois resultados mais prováveis para 100 torneios, nenhuma ou uma vitória, não provam nada. Como esses eram torneios de $10.000, nós investimos $1 milhão. A não ser que você seja uma superestrela, é possível que seu resultado mais provável seja algo em torno de meio milhão e algumas centenas de milhares de dólares.
Vamos analisar resultados de cash games. Aqui, uma amostra de 100 sessões de oito horas é grande o suficiente para assegurar razoavelmente que qualquer conclusão a que chegarmos é significativa. Qualquer um que ganhe mais de uma big bet por hora em poker low-limit ou entre meia e uma big bet por hora em poker de limites maiores é um vencedor. As vitórias correspondentes em no-limit são dois buy-ins por noite em limites baixos e um buy-in por noite em limites maiores. Mas há um porém. Eu já vi alguns jogadores começarem a computar seus resultados depois de algumas vitórias, incluindo tais vitórias. Essa é uma amostra tendenciosa. Caso você decida computar seus resultados durante 100 sessões, especifique antecipadamente, depois jogue as sessões. Outro problema que pode surgir é juntar sessões de diferentes jogos ou limites. Se você jogar 95 sessões de no-limit hold’em com blinds de $1-$2 e cinco com blinds de $10-$20, tem na verdade uma amostra efetiva de tamanho cinco. Se você jogar 33 sessões cada de limit hold’em, no-limit hold’em e deuce-to-seven triple draw, deve tratar cada jogo separadamente, e não somar os resultados. É verdade que somar 99 sessões pode mostrar que você é um claro vencedor, mas é melhor que você examine cada categoria separadamente e tire conclusões sobre seu desempenho em cada modalidade em particular.
Nesta coluna, eu analisei amostras e tamanhos de amostras relacionados a sua própria performance. Muito embora você possa acumular muitos dados sobre seu próprio jogo, isso pode não ser suficiente para permitir que você chegue a conclusões significativas. Isso é especialmente verdade em situações nas quais a qualidade em análise ocorre com pouca frequência. Eis um exemplo final de uma situação não relacionada ao poker para concluir esta coluna. Se você quisesse saber que percentagem dos homens tem mais de 1,75m, uma amostra de 100 lhe daria uma boa ideia. Se você quisesse saber que percentagem dos homens tem mais de 2m, uma amostra de 100 poderia lhe levar a concluir que ninguém é tão alto assim. Na minha próxima coluna, vou abordar conclusões sobre seus oponentes. ♠
