Reparto justo y percepción del azar en el mus online

Estudio técnico, matemático y psicológico sobre el reparto de cartas en UsuMus

Resumen

La conclusión rigurosa, separando matemática de confianza social, es la siguiente. Si se deja fuera la hipótesis de manipulación deliberada por parte del operador y si el “shuffle por inserción” descrito es la variante estándar correcta, el reparto de un servidor de mus online puede ser estadísticamente tan válido como el de una mesa física idealmente bien barajada. Lo que cambia no es la justicia combinatoria del reparto, sino la percepción de justicia: en mesa se ve barajar y cortar; online el proceso queda oculto dentro de una caja negra. La literatura sobre justicia procedural y aversión a los algoritmos explica precisamente por qué esa opacidad genera desconfianza incluso cuando el procedimiento objetivo es bueno.

También hay una segunda conclusión, menos cómoda pero más fuerte científicamente. El argumento “podríais favorecer a quien quisierais” no es una objeción estadística, sino una objeción de gobernanza. Ningún documento interno puede refutar al cien por cien una hipótesis de fraude oculto del propio operador. Lo que sí puede refutar es otra cosa: que las rachas, los grumos de cartas buenas o malas y la falta de “compensación” entre manos sean, por sí mismos, prueba de sesgo. Eso no lo son. De hecho, varias de esas sensaciones son exactamente las que predice la psicología del azar cuando los humanos observan secuencias realmente aleatorias.

Entradilla técnica: cómo se realiza el reparto en UsuMus

Para interpretar correctamente el estudio, conviene explicar antes, de forma resumida, el procedimiento técnico de reparto utilizado en UsuMus.

El servidor parte de una baraja española de 40 cartas representada internamente como un array ordenado. La semilla de aleatoriedad se inicializa mediante randomize a partir del tick del reloj del servidor y se establece una sola vez al día. A partir de ahí, cada barajado se realiza sobre el mazo mediante un sistema de shuffle por inserción repetido tres veces.

Una vez mezclado el mazo, el reparto se efectúa carta a carta, dando una carta a cada jugador en sentido antihorario. En la mesa virtual una pareja ocupa las posiciones horizontales y la otra las verticales, pero esa disposición pertenece únicamente a la representación visual de la mesa.

Cuando hay mus, los jugadores descartan las cartas que no desean conservar. Esas cartas pasan a un montón de descarte. Al terminar la mano, el servidor junta las cartas no repartidas con las cartas descartadas, vuelve a barajar ese conjunto mediante el mismo método y reparte desde ahí las cartas necesarias. Por tanto, después de un mus no se trabaja con una baraja completa nueva de 40 cartas, sino con el conjunto residual formado por sobrantes y descartes.

Esta explicación no pretende sustituir el análisis posterior, sino fijar el contexto técnico que se analiza en el documento.

1. Qué hace el propio mus con la distribución de cartas

El mus federativo estándar se juega con baraja española de 40 cartas, normalmente en modalidad de ocho reyes y ocho ases; los naipes se reparten de uno en uno y de derecha a izquierda, y cuando el mazo se agota en descartes se recoge el descarte, se baraja, se corta y se siguen sirviendo las cartas pedidas. Además, para el lance de juego, los treses cuentan como reyes y los doses como ases; en valor, reyes, treses, caballos y sotas valen 10, y ases y doses valen 1. Es decir, el propio reglamento del mus ya incorpora reposiciones condicionadas por descartes y un sistema de equivalencias que concentra mucho valor en pocas cartas.

Eso importa mucho, porque el mus no es un juego de “cuatro manos frescas e independientes” en sentido intuitivo. Cuando hay mus, los jugadores no descartan al azar, sino exactamente las cartas que consideran peores para su objetivo estratégico; por tanto, las cartas que vuelven al montón de reposición no representan una miniatura limpia de la baraja original, sino una baraja seleccionada por decisiones humanas. Las cartas fuertes tienden a quedarse en las manos en las que ya han aparecido, y las cartas vistas como menos rentables tienden a recircular. Por eso, tras uno o varios muses, la sensación de que “solo vuelven cartas malas” no es una anomalía del servidor: es una consecuencia natural del propio diseño del juego.

Si se mira solo la primera dada de una mano nueva en modalidad de ocho reyes y ocho ases, el cálculo combinatorio directo da una imagen muy distinta a la intuición habitual de los jugadores. Una mano individual tiene pares en el 56,6% de los casos, juego en el 26,7% y 31 solo en torno al 9,17%, es decir, aproximadamente una vez cada once primeras dadas. En una simulación Monte Carlo de 3 millones de primeras dadas con esa baraja, que los cuatro jugadores salgan de entrada con juego apareció solo alrededor del 0,13% de las veces, del orden de una vez cada 700-800 repartos iniciales; que los cuatro salgan todos con pares rondó el 10,1%; y que los cuatro estén simultáneamente sin pares y sin juego estuvo cerca del 1,34%. Dicho de otro modo: “cartas buenas para todos” no es la firma de la aleatoriedad, sino un evento relativamente raro dentro de una distribución correcta. Esa rareza no es sospechosa; es exactamente lo esperable dadas las restricciones del mazo y del propio mus.

Las rachas tampoco son un indicio suficiente de sesgo. Con esas probabilidades de primera dada, una secuencia de diez manos iniciales seguidas sin juego para un jugador concreto sigue teniendo una probabilidad de alrededor del 4,45%. Y veinte primeras dadas seguidas sin 31, que a muchos usuarios les parecen “imposibles”, siguen siendo bastante corrientes: alrededor del 14,6%. En una plataforma con muchos jugadores y muchas manos diarias, esas rachas no solo pueden ocurrir: tienen que ocurrirle a alguien prácticamente todos los días.

2. Qué implica matemáticamente el reparto descrito

El punto decisivo es el significado exacto de “shuffle por inserción”. Si por esa expresión se entiende la variante estándar en la que, al construir el mazo mezclado, cada nueva carta se inserta con igual probabilidad en una de las posiciones actualmente disponibles, entonces un solo pase ya basta para generar una permutación uniforme exacta del mazo. La demostración es sencilla: si tras k - 1 pasos todas las ordenaciones del prefijo de k - 1 cartas son equiprobables, cada ordenación posible de k cartas se obtiene a partir de una única ordenación previa y una única posición de inserción, con probabilidad 1/(k - 1)! x 1/k = 1/k!. Repetido por inducción hasta 40 cartas, todas las ordenaciones del mazo quedan con probabilidad idéntica. Tres pasadas, en ese caso, no “corrigen” nada ni introducen sesgo adicional: simplemente vuelven a aplicar una mezcla uniforme sobre una mezcla que ya era uniforme. Éste es el mismo principio matemático que subyace a la corrección de los shuffles uniformes tipo Fisher-Yates.

Bajo esa hipótesis, el hecho de que el servidor parta de una baraja ordenada es irrelevante. Una distribución uniforme “borra” por completo el orden inicial. También queda borrada cualquier sospecha asociada al dibujo de la mesa: una pareja horizontal y otra vertical en la interfaz no cambian la probabilidad de nada, porque la orientación visual no entra en el modelo probabilístico. Si el mazo final es una permutación uniforme de 40 cartas y se reparten 4 cartas a cada asiento en ciclo fijo, cada jugador recibe exactamente la misma distribución marginal: para cualquier mano concreta de 4 cartas, Pr(jugador i recibe H) = 1 / C(40,4).

Y lo mismo vale para las parejas: cada pareja recibe un conjunto de 8 cartas con la misma distribución que cualquier otra pareja. No hay asiento “favorecido” por ser horizontal, vertical, primero o cuarto en la animación de la interfaz; solo habría diferencia si la posición de mano o postre estuviera reglísticamente mal gestionada, pero eso es una cuestión distinta del reparto de cartas.

Una consecuencia importante de lo anterior es que el corte no añade aleatoriedad a un mazo que ya está perfectamente aleatorizado. Matemáticamente, cortar un mazo es aplicar una rotación fija sobre el orden de las cartas; una rotación de una permutación uniforme sigue siendo uniforme. En otras palabras: una vez alcanzada la uniformidad, el corte no mejora la mezcla. Su valor en una mesa física no es “crear más azar”, sino añadir control social sobre el repartidor humano y reducir la posibilidad de apilado o manipulación previa. Esa diferencia entre valor estadístico y valor social es central para comparar mesa y online. Si el mazo ya es uniforme, cortar es redundante desde el punto de vista probabilístico.

Lo mismo se extiende a las reposiciones tras el mus. Si el servidor junta sobrantes y descartes y vuelve a mezclarlos uniformemente, lo que obtienes no es una “segunda primera dada” desde 40 cartas, sino una extracción uniforme condicionada al montón residual que ha quedado después de las decisiones de los jugadores. Eso sigue siendo un reparto válido. Lo que cambia es el universo de cartas disponibles, no la corrección del procedimiento de extracción. Atribuir a sesgo del servidor el hecho de que la reposición “se note distinta” confunde dos cosas distintas: la calidad del azar y la composición del conjunto sobre el que ese azar opera.

La única reserva técnica seria de esta descripción no está en el reparto asiento a asiento, sino en la fuente del azar. Sembrar el generador una sola vez al día a partir del “tick” del reloj no implica por sí mismo favoritismo para unos jugadores frente a otros, pero sí es una arquitectura menos fuerte, menos auditable y menos defendible públicamente que la práctica actual recomendada. La autoridad española, la Dirección General de Ordenación del Juego, exige para el GNA independencia estadística, distribución uniforme, impredecibilidad, ausencia de reproducibilidad de series y técnicas de semillado/resemillado que no permitan predicción; además, en su documentación más reciente habla ya de generadores “criptográficamente fuertes”. En la misma línea, NIST recomienda DRBG con suficiente entropía y seguridad basada en la impredecibilidad de la semilla, y OWASP desaconseja tanto los PRNG inseguros como el seeding manual basado en valores previsibles; MITRE/CWE identifica explícitamente el tiempo del sistema como ejemplo de semilla predecible. Esto no demuestra que el reparto esté sesgado, pero sí significa que el punto más débil de defensa científica ante el jugador desconfiado no es el barajado en sí, sino el diseño del RNG y de su semillado.

También conviene separar medio y calidad de implementación. El riesgo real no es “ser online”, sino implementar mal el azar. Un shuffle correcto con un GNA correcto es excelente; un shuffle correcto con un mal escalado o un PRNG flojo puede degradarse; y un shuffle humano habitual, por muy tradicional que parezca, puede estar mucho peor mezclado que cualquiera de los anteriores. Por eso las normas técnicas no se quedan en decir “use aleatoriedad”, sino que exigen además métodos de escalado sin sesgo, pruebas estadísticas y monitorización del generador.

3. Por qué la mesa física no es un patrón oro automático

El reparto presencial tiene una gran ventaja simbólica: la gente ve manos humanas, cartas físicas, barajado visible y corte visible. Pero esa ventaja no implica automáticamente mejor aleatoriedad. La literatura matemática sobre cartas insiste en un punto básico: si el mazo está perfectamente aleatorizado, el método de reparto ya no importa; si el mazo no está perfectamente aleatorizado, repartir cíclicamente puede mejorar algo la imprevisibilidad efectiva de las manos, pero no convierte un barajado mediocre en una uniformidad ideal. Conger y Howald lo expresan con claridad: si el mazo estuviera perfectamente randomizado, la forma de repartir sería indiferente; el reparto cíclico ayuda precisamente cuando el barajado humano ha sido insuficiente.

La intuición popular sobre el barajado físico suele ser demasiado optimista. El resultado clásico asociado a Persi Diaconis y otros autores sitúa el riffle shuffle ideal en el entorno de siete barajados para una baraja de 52. En cambio, el barajado overhand o “a paquetitos”, muy común entre jugadores casuales, mezcla muchísimo peor: Robin Pemantle mostró que requiere del orden de N² o más, y para 52 cartas hacen falta más de 1.000 barajados para acercarse a la uniformidad. Traducido al lenguaje del jugador: una mesa física “muy auténtica” con barajado casero puede estar, estadísticamente, más lejos del ideal que un barajado software correcto.

Por eso la comparación honesta no es “online contra la mesa mítica”, sino “online contra una mesa real”. Frente a una mesa real, el online pierde visibilidad social, pero puede ganar consistencia estadística. La mesa física no es superior por definición; solo es más observable. Y la observabilidad tiene valor psicológico y social muy alto, pero no es lo mismo que calidad matemática del reparto.

4. Por qué los jugadores perciben más injusticia en el online

La percepción humana de lo aleatorio es mala de forma muy sistemática. La investigación de Falk y Konold sobre azar subjetivo resume un hallazgo robusto: las personas identifican la aleatoriedad con un exceso de alternancias, y las secuencias aleatorias típicas les parecen “poco aleatorias” porque contienen rachas demasiado largas. Es decir, mucha gente espera que un reparto correcto “se vea equilibrado” a corto plazo, cuando justamente la aleatoriedad real produce grumos, sequías y repeticiones locales.

Los trabajos de Daniel Kahneman y Amos Tversky sobre representatividad y ley de los pequeños números ayudan a explicar el resto. Si alguien cree, intuitivamente, que incluso una muestra muy corta debe reflejar enseguida la proporción global del proceso, tenderá a pensar que tras varias manos malas “ya toca” una buena, o que una racha de manos buenas en un rival “no puede ser normal”. La literatura posterior sobre la falacia del jugador y el efecto mano caliente muestra precisamente esa doble tendencia: a veces la gente espera reversión inmediata, y a veces continuidad de la tendencia, pero en ambos casos está sobreinterpretando secuencias cortas.

En online aparece además un sesgo que no existe igual en mesa: la aversión al algoritmo. Dietvorst y coautores mostraron que las personas se vuelven especialmente reacias a los algoritmos cuando los ven errar, incluso en contextos donde el algoritmo supera al humano. Otros trabajos subrayan que los sistemas automatizados se perciben como inscrutables y que la gente es menos indulgente con sus errores que con los errores humanos. Y la literatura sobre justicia procedural añade algo decisivo: la percepción de equidad mejora cuando hay transparencia del proceso y algún grado de control o posibilidad de inspección.

Eso explica la diferencia social entre mesa y servidor. En una mesa física la mala racha suele atribuirse al azar compartido entre cuatro personas que están viendo y tocando las cartas. En online, la causalidad psicológica se concentra en el propietario de la plataforma: si el reparto es invisible, el cerebro del jugador sustituye “azar” por “alguien decidió esto”. Ésta es una inferencia compatible con la literatura sobre opacidad algorítmica y justicia procedural. No es una prueba de que el servidor favorezca a nadie; es una explicación de por qué, aun siendo justo, será sentido como más sospechoso que una mesa equivalente.

5. Qué puede demostrarse y qué queda fuera de la matemática

La objeción más dura de un jugador desconfiado no es “veo demasiadas rachas”, sino “como sois los dueños de la plataforma, podríais favorecer a quien quisierais”. Científicamente, eso cambia de problema. Ya no se discute si el reparto descrito es correcto, sino si existe una capa oculta no descrita que interviene sobre él. Ese tipo de hipótesis no se refuta con intuiciones ni con relatos del estilo “yo veo lo que veo”. Pero tampoco se refuta del todo con una explicación matemática interna. Se refuta, hasta donde es posible, con trazabilidad, auditoría y verificación externa.

Ésa es precisamente la lógica de los estándares regulados. El supervisor británico exige que los juegos y los RNG sean probados por approved test houses antes de su puesta en producción; el regulador español exige trazabilidad, monitorización y conservación de registros que permitan reconstruir el desarrollo de los juegos y acceder a logs durante largos periodos. Es decir, el estándar profesional del sector no descansa en “créame, no trampeo”, sino en “quíteme el control opaco y sométame a prueba”.

Esto encaja de lleno con la idea de “compensar” manos o suavizar rachas para que los usuarios no protesten. Eso no sería una mejora de la aleatoriedad; sería justamente lo contrario. El regulador británico prohíbe expresamente el compensated game, y la norma técnica española exige que los eventos de azar estén regidos exclusivamente por el GNA, que no exista correlación entre jugadas y que el juego no manipule los eventos de azar manual ni automáticamente para sostener retornos mínimos. Un sistema que, por ejemplo, decidiera “como perdió antes ahora le doy mejor mano” estaría introduciendo correlación y descartando parte del espacio natural de resultados. Eso haría el sistema más predecible, menos aleatorio y, a la larga, más sospechoso.

Por tanto, la afirmación científicamente defendible no es “nadie podrá jamás sospechar”, porque eso no existe en sistemas opacos, sino ésta: condicionado a que el servidor ejecute exactamente el mecanismo descrito y a que el azar esté bien implementado, el reparto no favorece asientos ni parejas y es coherente con el comportamiento esperado de un mus válido. Lo que la matemática desmonta son las falsas inferencias a partir de rachas, grumos y sequías. Lo que la matemática por sí sola no desmonta es una acusación institucional de amaño oculto; para eso hace falta diseño auditable.

Conclusión

Tomando la descripción técnica de UsuMus al pie de la letra y asumiendo la variante estándar correcta del shuffle por inserción, el núcleo del reparto es defendible. Un mazo uniformemente barajado repartido circularmente de uno en uno no favorece a ningún asiento; la orientación horizontal o vertical de las parejas en pantalla es irrelevante; el corte no añade aleatoriedad a un mazo ya uniforme; y la dinámica del mus hace que, tras los descartes, circulen con más frecuencia las cartas que el propio juego ha “expulsado”, no porque el servidor sesgue el reparto, sino porque los jugadores conservan lo que ya consideran fuerte. Las rachas, la rareza de las manos excelentes “para todos”, y la ausencia de compensación entre manos no son síntomas de fraude: son rasgos normales de un proceso aleatorio dentro de un juego con descarte selectivo.

La única salvedad importante es la ya indicada: una semilla temporal única al día no es la mejor práctica moderna para defender públicamente la impredecibilidad del sistema. No invalida por sí sola la equidad estadística del reparto observado por usuarios honestos, pero sí deja abierta una debilidad de confianza y de auditabilidad que los estándares actuales intentan cerrar con RNG criptográficamente fuertes, resemillado adecuado, pruebas estadísticas y supervisión externa. Con esa reserva, la frase correcta no es “el online reparte raro”, sino “el online se percibe raro porque combina azar real con opacidad”. Matemáticamente, puede ser tan bueno como una mesa ideal; socialmente, para que los jugadores lo acepten como tal, la clave no es pedir fe, sino hacer visible o verificable el proceso.

Referencias

• https://pages.ischool.utexas.edu/hai-files/files/publications/45/2019-CSCW-Al_ProceduralFairness.pdf
• https://labs.la.utexas.edu/gilden/files/2016/04/falk.pdf
• https://lafederaciondemus.es/wp-content/uploads/2026/02/Reglamento-de-Juego-Federacion.pdf
• https://www.isa-afp.org/entries/Fisher_Yates.html
• https://arxiv.org/pdf/0901.1324
• https://claesdevreese.wordpress.com/wp-content/uploads/2020/10/araujo2020_article_inaiwetrustperceptionsaboutaut.pdf
• https://people.maths.ox.ac.uk/trefethen/publication/PDF/2000_87.pdf
• https://www.ordenacionjuego.es/cmis/document/alfresco/cbbc0022-4d24-424d-a2cb-4097d3e511d0
• https://link.springer.com/chapter/10.1007/978-94-010-2288-0_3
• https://marketing.wharton.upenn.edu/wp-content/uploads/2016/10/Dietvorst-Simmons-Massey-2014.pdf
• https://www.gamblingcommission.gov.uk/licensees-and-businesses/guide/page/games-test-reports-remote-gambling-and-gambling-software
• https://www.gamblingcommission.gov.uk/standards/remote-gambling-and-software-technical-standards/rts-7-generation-of-random-outcomes
• https://ordenacionjuego.es/cmis/browser?id=workspace%3A%2F%2FSpacesStore%2Fa8d9e2fa-b51f-4bda-8898-1f989020e6ce