📊 statistics

On the optimality of coin-betting for mean estimation

Este artículo establece la optimalidad de la formulación de apuestas con monedas para la estimación y prueba de la media, caracterizando todas las variables-e y procesos-e válidos e identificando la clase completa mínima de estrategias admisibles dentro de este marco.

Autores originales: Eugenio Clerico

Publicado 2026-05-08

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Eugenio Clerico

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La Gran Imagen: El Misterio de la "Media"

Imagina que estás intentando adivinar el peso promedio de las manzanas en un huerto gigante y misterioso. No puedes pesarlas todas a la vez; tienes que recogerlas una por una. A medida que recoges más manzanas, quieres actualizar tu suposición sobre el peso promedio.

En estadística, esto se llama estimar la media. Pero hay un truco: necesitas estar seguro de que tu suposición es fiable, incluso si decides dejar de mirar las manzanas en cualquier momento aleatorio (esto se llama "prueba secuencial").

La Vieja Forma: El Juego de la "Apuesta a la Moneda"

Recientemente, los investigadores encontraron una forma ingeniosa de hacer esto usando un juego. Imagina que eres un jugador en un casino, pero en lugar de apostar al rojo o al negro, estás apostando sobre el peso promedio de las manzanas.

La Configuración: Eliges una suposición específica para el peso promedio (digamos, 100 gramos).
La Apuesta: Apuestas a si la siguiente manzana que recojas será más pesada o más ligera que 100 gramos.
La Regla: Si tu suposición (100 g) es realmente el promedio verdadero, el juego es "justo". No deberías poder ganar mucho dinero. Si sí ganas una cantidad masiva de dinero, eso demuestra que tu suposición (100 g) estaba equivocada.
El Resultado: Al ejecutar este juego para muchas suposiciones diferentes (90 g, 95 g, 100 g, etc.), puedes tachar aquellas que te permiten ganar demasiado. Las suposiciones que no puedes tachar forman una "secuencia de confianza": una lista en retroceso de promedios probables que garantiza contener la respuesta verdadera.

Este método se llama apuesta a la moneda porque es como apostar a un lanzamiento de moneda, pero la "moneda" es continua (el peso de la manzana).

El Problema: ¿Estamos Usando las Mejores Herramientas?

El artículo plantea una pregunta muy específica: ¿Es este juego de apuesta a la moneda la mejor forma absoluta de hacer esto?

Imagina que tienes una caja de herramientas llena de diferentes estrategias de apuestas. Algunas son simples (como el juego de apuesta a la moneda) y otras son complicadas (usando fórmulas matemáticas complejas como la "desigualdad de Hoeffding").

La Estrategia de Hoeffding: Es como usar un martillo pesado y tosco. Funciona, pero no es muy preciso.
La Estrategia de Apuesta a la Moneda: Es como un bisturí guiado por láser. Es preciso y eficiente.

El autor, Eugenio Clerico, quería demostrar que el "bisturí" (la apuesta a la moneda) no es solo bueno, sino que es óptimo. En otras palabras, no puedes encontrar una herramienta mejor en la caja de herramientas que te dé un resultado más agudo y preciso sin romper las reglas del juego.

El Descubrimiento Clave: "Mayorización"

Para demostrar esto, el autor inventó una forma de comparar herramientas. Él lo llamó "mayorización".

Piénsalo así:

Imagina dos jugadores, Alicia y Bob.
Alicia usa la herramienta de Apuesta a la Moneda.
Bob usa cualquier otra herramienta (como el martillo de Hoeffding).
La Regla: No importa qué manzana salga a continuación, la herramienta de Alicia siempre le ganará al menos tanta "riqueza" (evidencia contra la suposición incorrecta) como la herramienta de Bob. A veces, Alicia ganará estrictamente más.

Si una herramienta puede vencer o igualar a cualquier otra herramienta posible en toda la caja de herramientas, se llama una herramienta "mayorizante". Si es el conjunto más pequeño de herramientas que puede hacer esto, es la herramienta "óptima".

La Afirmación Principal del Artículo:
El autor demuestra que la formulación de la Apuesta a la Moneda es la herramienta óptima.

Es el conjunto de reglas "más simple" que no puede ser vencido.
Cualquier otro método que intentes usar para este problema específico es o bien peor que la apuesta a la moneda, o simplemente una versión torpe de la misma.
Si usas la apuesta a la moneda, no estás perdiendo poder estadístico; estás usando el método más eficiente posible.

Dos Escenarios Diferentes

El artículo examina dos tipos diferentes de huertos:

El Huerto Independiente (El Caso Simple):
Cada manzana se recoge de forma independiente. El peso de la manzana actual no depende de la anterior.
- Resultado: La apuesta a la moneda es el campeón indiscutible aquí. Es la estrategia perfecta y óptima.
El Huerto Dependiente (El Caso Complejo):
Las manzanas podrían estar relacionadas. Quizás si la primera manzana es pesada, es probable que la segunda también lo sea (una "media condicional").
- Resultado: Incluso en este escenario complejo y desordenado, la apuesta a la moneda sigue siendo la estrategia óptima. Sigue venciendo a todos los demás métodos.

La Única Excepción:
El artículo nota un pequeño detalle. Si asumes que las manzanas no solo son dependientes, sino estrictamente idénticas e independientes (una regla muy estricta donde la distribución nunca cambia en absoluto), el método de apuesta a la moneda sigue siendo excelente, pero ya no es el único método perfecto. Hay otras estrategias extrañas y simétricas que funcionan igual de bien en ese caso específico y rígido. Pero para los casos generales y del mundo real donde solo queremos conocer el promedio, la apuesta a la moneda es el rey.

¿Por Qué Importa Esto?

Podrías preguntar: "¿Por qué necesitamos demostrar que el martillo es el mejor martillo?"

El autor explica que conocer la herramienta "mejor" simplifica todo.

Matemáticas Más Simples: En lugar de intentar diseñar una nueva estrategia de apuestas compleja desde cero, los estadísticos pueden simplemente usar las reglas de la apuesta a la moneda. Saben que no pueden hacerlo mejor.
Confianza: Les da una garantía matemática de que no están perdiendo una "superestrategia" que les daría resultados más ajustados y precisos.
Eficiencia: Nos dice que las herramientas al estilo "Hoeffding" (los martillos pesados) son innecesarias. Podemos tirarlas y usar solo el bisturí de la apuesta a la moneda.

Resumen

Imagina que estás intentando encontrar una aguja en un pajar.

El Objetivo: Encontrar el peso promedio real de las manzanas.
El Método: Un juego de apuestas donde intentas probar que una suposición está equivocada.
El Descubrimiento: El autor demostró que la forma específica de "apuesta a la moneda" de jugar este juego es la estrategia perfecta e invencible.
La Analogía: Es como descubrir que el cuchillo suizo es la única herramienta que necesitas para sobrevivir en la naturaleza; cualquier otra herramienta es o bien inútil o simplemente una versión peor del Cuchillo.

El artículo no te dice cómo apostar (qué números específicos elegir), pero demuestra que la estructura del juego en sí misma (las reglas de la apuesta a la moneda) es el mejor marco posible para resolver este problema.

Resumen Técnico: Sobre la optimalidad de las apuestas a monedas para la estimación de la media

Enunciado del Problema
El artículo aborda el problema de probar secuencialmente la media de una variable aleatoria real acotada y construir secuencias de confianza. Aunque enfoques algorítmicos recientes han utilizado juegos de "apuestas a monedas" (coin-betting) para derivar secuencias de confianza ajustadas para variables acotadas (Orabona y Jun, 2023; Waudby-Smith y Ramdas, 2023), la justificación teórica de por qué esta formulación específica es óptima ha dependido en gran medida de argumentos heurísticos. El artículo busca formalizar rigurosamente la afirmación de que el enfoque de apuestas a monedas proporciona las garantías más fuertes posibles entre todos los marcos basados en variables-e para este problema de prueba específico.

Metodología y Marco
El autor introduce una perspectiva novedosa sobre la optimalidad en el contexto de variables-e y procesos-e. En lugar de centrarse en la optimalidad de una única variable-e (por ejemplo, la optimalidad logarítmica frente a una alternativa específica), el artículo define la optimalidad a nivel de conjuntos de variables-e (clases-e).

Las definiciones clave incluyen:

Clase-e mayorante: Una clase-e $\mathcal{E}$ mayora a otra clase $\mathcal{E}'$ si para cada $E' \in \mathcal{E}'$ , existe un $E \in \mathcal{E}$ tal que $E$ domina puntualmente a $E'$ (es decir, $E(x) \geq E'(x)$ para todo $x$ ).
Clase-e óptima: Una clase-e mayorante que está contenida en cualquier otra clase-e mayorante. Si existe, corresponde al conjunto de todas las variables-e maximales (aquellas que no están estrictamente dominadas por ninguna otra variable-e).
Conexión con la Admisibilidad: El artículo señala que este marco es una adaptación del problema estadístico clásico de identificar una clase completa mínima de pruebas (Lehmann y Romano, 2022), donde las variables-e maximales corresponden a pruebas admisibles.

El análisis procede en tres etapas:

Variables-e de ronda única: Prueba de hipótesis donde las observaciones son independientes e idénticamente distribuidas (i.i.d.) con una media fija.
Variables-e de múltiples rondas: Prueba de hipótesis sobre un horizonte fijo $T$ donde la media condicional es fija, pero se permite dependencia entre las observaciones.
Procesos-e: Extensión de los resultados a la prueba secuencial con tiempos de parada arbitrarios bajo la hipótesis de media condicional fija.

Resultados Clave

Optimalidad para Variables-e de Ronda Única (Teorema 1):
Para la hipótesis $H_\mu$ de que una distribución en $[0, 1]$ tiene media $\mu$ , el artículo demuestra que la clase-e de apuestas a monedas $\mathcal{E}^{cb}_\mu = \{x \mapsto 1 + \beta(x-\mu) : \beta \in [(\mu-1)^{-1}, \mu^{-1}]\}$ es la única clase-e óptima.
- Esquema de la prueba: El autor construye una función $F_\mu$ que domina puntualmente a todas las variables-e válidas. Se demuestra que cualquier variable-e que no pertenezca a la clase de apuestas a monedas está estrictamente dominada por algún elemento dentro de dicha clase. Por el contrario, cada elemento en la clase de apuestas a monedas es maximal.
- Implicación: Restringir al jugador a la clase de apuestas a monedas no sacrifica el poder estadístico; cualquier estrategia que utilice una variable-e general puede ser igualada o superada por una estrategia que utilice una variable-e de apuestas a monedas.
Optimalidad para Variables-e de Múltiples Rondas (Teorema 2):
Al probar la hipótesis $H^T_\mu$ de que una secuencia de longitud $T$ tiene una media condicional fija $\mu$ (permitiendo estructuras de dependencia arbitrarias), la clase de variables-e de apuestas a monedas de T rondas (productos de funciones de apuestas a monedas de ronda única) es la clase-e óptima.
- Nota: Este resultado se mantiene para medias condicionales fijas, pero falla si la hipótesis se restringe a observaciones i.i.d. El artículo demuestra que para hipótesis i.i.d., el conjunto de variables-e maximales es estrictamente mayor que el conjunto generado por las apuestas a monedas, lo que significa que las apuestas a monedas no son óptimas en el entorno i.i.d.
Optimalidad para Procesos-e (Teorema 3):
Extendiendo al entorno de procesos-e (procesos válidos para cualquier tiempo de parada) bajo la hipótesis de media condicional fija, se demuestra que la clase-e de procesos de apuestas a monedas (secuencias de procesos de riqueza derivadas de apuestas a monedas) es la clase-e de procesos óptima.

Significado y Afirmaciones
El artículo afirma proporcionar la primera caracterización rigurosa de la optimalidad de la formulación de apuestas a monedas. Sus contribuciones principales son:

Caracterización Explícita: Los resultados proporcionan una descripción directa y explícita del conjunto de todas las variables-e y procesos-e válidos para probar la media (condicional) de una variable aleatoria acotada. Específicamente, cualquier variable-e/proceso-e válido es aquel que es mayorado por una variable-e/proceso-e de apuestas a monedas.
Justificación Teórica: Avanza más allá de las justificaciones heurísticas (como la propiedad de "exactitud" donde las expectativas son iguales a 1) para demostrar que la clase de apuestas a monedas constituye una clase completa mínima de pruebas.
Simplificación Estratégica: Al identificar la clase-e óptima, el marco simplifica el diseño de estrategias de prueba. Por ejemplo, justifica el uso de técnicas de agregación bayesiana (como carteras universales) sobre el espacio paramétrico de baja dimensión de estrategias de apuestas a monedas, asegurando que no se pierda poder estadístico al restringir el espacio de búsqueda a esta clase.
Distinción con Trabajos Previos: El autor distingue este trabajo de las caracterizaciones recientes de variables-e para restricciones lineales (Clerico, 2024; Larsson et al., 2025). Aunque esos trabajos implican el resultado de ronda única, el artículo argumenta que su enfoque es más directo y adaptado al entorno específico, proporcionando intuición mediante argumentos geométricos (visualizados en la Figura 1). Además, este artículo extiende la caracterización a procesos-e y variables de múltiples rondas, aspectos que los trabajos citados no abordan completamente en este contexto específico.

Limitaciones y Alcance
El artículo señala explícitamente que la optimalidad de las apuestas a monedas no se mantiene bajo la hipótesis i.i.d. más estricta, donde el conjunto de variables-e maximales es mayor. Además, el artículo se centra en definir la clase óptima de variables-e en lugar de diseñar estrategias de apuestas específicas, posponiendo la construcción de estrategias concretas a la literatura existente (Orabona y Jun, 2023; Waudby-Smith y Ramdas, 2023). Los resultados se presentan para variables en $[0, 1]$ , pero se señala que se extienden a cualquier conjunto real cerrado acotado.