¿Los jugadores de Hierro y Diamante aprenden campeones de forma distinta? Analizamos 7.8M+ puntos de datos en 1.2M+ partidas para ver cómo cambian el límite de maestría y el costo de aprendizaje de Hierro a Maestro+.
Datos analizados
Combinamos dos fuentes de datos: el nuevo análisis por rango (de Hierro a Diamante, usando datos de partidas enriquecidos con maestría) y el conjunto original de Maestro+ (530K partidas de la primera etapa de recolección). Así tenemos cobertura completa en los 8 rangos.
| Rango | Partidas | Límite mediano | Costo promedio |
|---|---|---|---|
| Hierro | 66.893 | 6 | -10.5% |
| Bronce | 46.816 | 6 | -10.7% |
| Plata | 57.697 | 6 | -10.0% |
| Oro | 285.392 | 6 | -8.5% |
| Platino | 141.506 | 6 | -8.7% |
| Esmeralda | 82.456 | 6 | -9.6% |
| Diamante | 14.032 | 6 | -16.6% |
| Maestro+ | 530.540 | 6 | -12.3% |
Metodología
Curva de maestría: Por cada par (campeón, rango), calculamos la tasa de victoria en cada nivel de maestría (1 a 40+) y luego agrupamos en buckets de 2 niveles (1-2, 3-4, 5-6, etc.) para tener potencia estadística. El suavizado monotónico evita que la curva caiga.
Límite de maestría (Spearman): Usamos correlación de rangos de Spearman sobre una ventana móvil para encontrar el nivel de maestría donde la tasa de victoria deja de correlacionarse con la experiencia. Para cada corte candidato, probamos si los puntos restantes por encima de ese corte todavía muestran una tendencia positiva significativa (p < 0.05, rho > 0.1). El límite aparece donde la correlación desaparece.
Costo de aprendizaje: Mide la penalización de tasa de victoria por jugar un campeón por debajo de tu límite de maestría. Se calcula como (low_mastery_WR - plateau_WR) x 100. Un costo de -8% significa que quienes first-timean pierden 8 puntos porcentuales de tasa de victoria frente a jugadores con experiencia en el mismo campeón.
Umbrales de muestra: Según el análisis de ancho del intervalo de confianza binomial, exigimos 267+ partidas por bucket de maestría para precisión de +/-3pp (IC 95%) y 385+ partidas por grupo para detectar una diferencia de 5pp en WR con 80% de potencia. Excluimos campeones con menos de 200 partidas totales en un rango.
Hallazgo 1: El límite de maestría se comprime en elo alto
La mediana del límite de maestría es 6 en todos los rangos, pero la varianza baja muchísimo en elos altos. En Hierro, algunos campeones siguen mejorando hasta maestría 26. En Diamante y Maestro+, prácticamente todos los campeones llegan al plateau en maestría 6.
En este conjunto de datos, las curvas de los rangos altos alcanzaron antes su plateau estimado. La diferencia fue estadísticamente significativa: la prueba U de Mann-Whitney entre los grupos bajos (Hierro/Bronce/Plata) y altos (Diamante/Maestro+) dio p = 0.0005.
Aun así, esto lo empujan ~35 campeones complejos. El 80% de los campeones llega al plateau en maestría 6 sin importar el rango.
Hallazgo 2: El costo de aprendizaje se mantiene estable entre rangos
Sorprendentemente, el costo de aprendizaje es muy consistente entre rangos, con una mediana cercana a -8%. Los jugadores de Hierro pagan casi la misma penalización de tasa de victoria por first-timear un campeón que los jugadores de Diamante.
Las pruebas U de Mann-Whitney no muestran diferencias significativas entre grupos de rangos (p = 0.06 a 0.18). La correlación de Spearman entre posición de rango y costo es débil (rho = 0.11), aunque técnicamente significativa (p = 0.0001) por el tamaño enorme de la muestra.
Campeones con las curvas de maestría que más cambian por rango
Algunos campeones mostraron límites estimados muy distintos según el rango. Viego llegó al nivel 26 en Hierro y al 6 en Diamante, una diferencia de 20 niveles. El conocimiento general del juego podría explicar parte de esa compresión, pero este análisis no aisló la causa.
Hallazgo 3: Los asesinos y luchadores tienen los techos de habilidad más altos
La clase del campeón predice de forma estadísticamente significativa el límite de maestría (Kruskal-Wallis p = 0.01). Los asesinos (31% con límite por encima de 8) y los luchadores (26%) son los que más tardan en dominarse, mientras que los tanques llegan al plateau casi de inmediato (4%).
Sorprendentemente, el costo de aprendizaje es uniforme entre clases (-7.5% a -9.9%). La diferencia no es cuánto pierdes mientras aprendes, sino cuánto tardas en dejar de perder.
El rol (top, mid, jungla, etc.) NO es un predictor significativo (p = 0.39). El carril central aparece arriba solo porque tiene más asesinos y magos.
Límite de maestría por clase de campeón (Oro)
| Clase | Campeones | Límite mediano | % límite > 8 | Costo mediano |
|---|---|---|---|---|
| Assassin | 16 | 6 | 31% | -9.9% |
| Fighter | 50 | 6 | 26% | -8.7% |
| Marksman | 28 | 6 | 25% | -7.8% |
| Mage | 36 | 6 | 19% | -7.5% |
| Support | 18 | 6 | 11% | -7.6% |
| Tank | 24 | 6 | 4% | -8.7% |
Potencial one-trick: campeones que siguen recompensando la maestría
Un verdadero campeón OTP necesita dos cosas: un límite de maestría alto (seguir mejorando después de maestría 10) Y una ganancia de WR relevante de más de 10 puntos porcentuales en ese recorrido. Las celdas resaltadas muestran dónde existe la señal OTP en cada rango.
Cada celda muestra límite de maestría / ganancia de WR desde sin experiencia hasta plateau. Las celdas resaltadas indican la señal OTP (límite > 10 y ganancia > 10pp).
Calidad de datos y limitaciones
Estabilidad bootstrap: El límite de maestría por Spearman es ruidoso por naturaleza. Incluso en campeones populares con 50K+ partidas en un solo rango, el remuestreo bootstrap muestra intervalos de confianza del 95% amplios para algunos ([6, 20]). Es una limitación de metodología, no un problema de datos.
Datos de Diamante: Con 140K partidas totales y 50 campeones por encima de 1K partidas, los datos de Diamante sirven para analizar el costo de aprendizaje, pero tienen potencia limitada para detectar límites de maestría no triviales.
Datos de Maestro+: Vienen del análisis original de 530K partidas (principalmente Maestro/GM/Retador) y aportan datos ricos por nivel, con hasta 150 niveles de maestría por campeón.
Chequeo de tasa de victoria: Las tasas de victoria generales en todos los rangos están entre 49.6-49.9%, lo que confirma la consistencia interna de los datos.