Nuestra Metodología

TL;DR: No confiamos en los casinos. No confiamos en sus promesas. Analizamos la salida criptográfica cruda contra estándares estadísticos de nivel gubernamental — NIST SP 800-22, PractRand y TestU01 — usando más de 100,000 rondas por juego. Cada dataset se publica. Cada prueba es reproducible. Si sabes matemáticas, puedes verificar nuestro trabajo.

Read this page in English

Por qué existe esta página

Pasé muchos años como pit boss en casinos físicos. Vi a jugadores perder dinero, claro — pero podían ver la ruleta girar. Podían observar cómo se repartían las cartas. La confianza no era ciega. Estaba integrada en el proceso físico.

Los crypto casinos online eliminaron todo eso. Lo reemplazaron con una promesa: "Es provably fair."

El problema es este — provably fair demuestra integridad, no equidad. Un casino puede pasar cada verificación de hash y aún así manipular resultados mediante exploits de timing de seeds. Eso no es teoría. Es una vulnerabilidad documentada con código de prueba de concepto funcional.

Así que construimos algo diferente. Un framework de pruebas al que no le importa lo que el casino dice. Solo le importa lo que los números muestran.

Qué probamos realmente

Raw Floats, no resultados de juego

Esta es la decisión arquitectónica más importante que tomamos — y es la misma que usan GLI y eCOGRA, el estándar de oro en el gambling regulado.

Cada juego provably fair funciona de la misma manera bajo el capó:

HMAC-SHA256(server_seed, client_seed:nonce:round) → 32 bytes → float [0,1) → resultado del juego

Dice, Crash, Limbo, CoinFlip, Roulette — todos parten del mismo raw uniform float. El resultado del juego es solo una transformación determinística de ese float. Si los bytes fuente están distribuidos uniformemente, el RNG está produciendo salida genuinamente aleatoria — una condición necesaria para la equidad del juego.

Nosotros probamos la fuente. No la transformación.

¿Por qué? Porque probar resultados del juego introduce ruido de la función de transformación misma. Una distribución de multiplicadores de Crash debería verse sesgada — así está diseñada. Pero los bytes subyacentes deberían ser perfectamente uniformes. Probar a nivel de bytes es más limpio, más poderoso, y detecta manipulaciones que las pruebas a nivel de juego no detectarían.

Alcance: Qué demuestran las pruebas estadísticas — y qué no

La transparencia importa. Antes de entrar en nuestras suites de pruebas, aquí está exactamente lo que nuestro análisis estadístico puede y no puede demostrar.

Qué demuestran nuestras pruebas

• La salida del RNG es estadísticamente aleatoria. Sin patrones detectables, sesgo o predictibilidad en el flujo de salida.
• La distribución observada coincide con la distribución esperada. Si Dice promete resultados uniformes entre 0–100, lo verificamos matemáticamente.
• Sin evidencia de outcome shaving. Si un casino reduce sutilmente los pagos en un 0.5%, nuestros tamaños de muestra son lo suficientemente grandes para detectarlo.
• Sin drift o degradación en el tiempo. El RNG se comporta consistentemente a lo largo de todo el dataset, no solo en ráfagas cortas.

Qué NO demuestran nuestras pruebas

• No verificamos la implementación de la lógica del juego. Un juego podría tener un RNG perfecto pero una fórmula de pago rota o manipulada. La verificación de lógica de juego es una disciplina separada.
• No demostramos que los client seeds se usen en el cálculo. Un casino podría aceptar tu client seed y silenciosamente ignorarlo. Verificar esto requiere auditoría a nivel de código o criptográfica, no pruebas estadísticas.
• No demostramos que los server seeds no estén pre-seleccionados. Un casino podría teóricamente generar múltiples server seeds y elegir los favorables. Nuestras pruebas detectan la huella estadística de esto si se hace a escala, pero no la manipulación de una sola instancia.
• No auditamos el proceso de compromiso de seeds en sí. Si el hash pre-comprometido fue genuinamente bloqueado antes de tu apuesta es una pregunta de verificación criptográfica, no estadística.

Línea final: Las pruebas estadísticas y la verificación de lógica de juego son dos capas de protección fundamentalmente diferentes. Son complementarias — no compiten, no son redundantes. Nosotros nos enfocamos en el lado matemático: ¿la salida del RNG es genuinamente aleatoria e imparcial? Para una imagen completa de la equidad del casino, ambos enfoques son necesarios. Somos transparentes sobre esto porque la honestidad intelectual no es negociable.

Por qué las pruebas estadísticas son una capa de protección separada

La verificación de lógica de juego confirma que el código hace lo que dice la especificación. Las pruebas estadísticas confirman que la salida es genuinamente aleatoria. Estas son preguntas diferentes con respuestas diferentes — y un casino puede fallar en una mientras pasa la otra.

Considera un ejemplo concreto: un casino implementa su lógica de juego perfectamente — cada fórmula de pago es correcta, cada hash coincide, cada verificador lo confirma. Pero los server seeds no fueron generados aleatoriamente. Fueron seleccionados de un pool pre-computado que favorece ligeramente a la casa. El código es impecable. La lógica del juego pasa cada revisión. Pero los resultados están sesgados. Solo las pruebas estadísticas sobre muestras grandes detectan esto.

Lo inverso también es cierto: un RNG perfecto no demuestra lógica de juego correcta. Un casino podría alimentar números genuinamente aleatorios a una fórmula de pago rota. Por eso declaramos explícitamente nuestro alcance — y por eso existen ambas disciplinas.

Escenarios de manipulación que solo las pruebas estadísticas detectan:

• Seed pre-selection a escala. Generar miles de candidatos de seeds y quedarse solo con los que producen secuencias favorables a la casa. El código es correcto — la entrada está amañada.
• Outcome shaving. Desplazar sutilmente la distribución en un 0.3–0.5% — invisible para jugadores individuales, invisible para revisión de código, pero detectable a lo largo de más de 100,000 rondas mediante pruebas chi-square y de distribución.
• Degradación del RNG en el tiempo. Un sistema que empieza justo pero desarrolla patrones después de millones de rondas — detectable mediante autocorrelación y análisis espectral, no mediante inspección de código.
• Manipulación de nonce. Mantener el nonce en cero o ciclar a través de un conjunto pequeño de nonces para reusar resultados favorables. La hash chain se ve correcta — pero la huella estadística revela la repetición.

Ninguna revisión de código detecta esto. Ninguna reconstrucción de lógica de juego lo detecta. Solo las matemáticas sobre grandes datasets lo hacen. Ese es nuestro territorio — y nos mantenemos en él porque hacer una cosa a profundidad de nivel gubernamental es más valioso que hacer todo a nivel superficial.

Tres frameworks de prueba, un veredicto

No dependemos de una sola prueba ni de un solo framework. Ejecutamos dos suites de pruebas independientes y complementarias en cada dataset:

Framework 1: NIST SP 800-22 Rev. 1a — Suite completa

El National Institute of Standards and Technology publicó SP 800-22 como el estándar para evaluar generadores de números aleatorios y pseudoaleatorios. Es lo que usan gobiernos, contratistas militares e instituciones financieras para certificar sus sistemas criptográficos.

Nosotros ejecutamos la batería completa — las 15 pruebas. No un subconjunto. No una "versión simplificada." Lo completo.

Cada prueba produce un p-value. Usamos un nivel de significancia de α = 0.01 (99% de confianza). Un p-value por debajo de 0.01 significa que la salida se desvía de la aleatoriedad más de lo que el azar solo explicaría.

Pruebas estadísticas adicionales

Más allá de NIST, ejecutamos cuatro pruebas más de la estadística estándar — diferentes lentes matemáticas sobre los mismos datos:

Framework 2: PractRand

NIST es el estándar de la industria. PractRand es la pesadilla de la industria.

Desarrollado por Chris Doty-Humphrey, PractRand es ampliamente considerado como la suite de pruebas de PRNG más exigente que existe. Donde las pruebas de NIST podrían aprobar un generador mediocre, PractRand lo destroza.

PractRand funciona diferente a NIST. Consume un flujo binario crudo y ejecuta pruebas progresivamente más difíciles con volúmenes de datos crecientes — desde kilobytes hasta terabytes. No solo busca sesgo. Caza correlaciones sutiles, periodicidades y debilidades estructurales que las pruebas estándar pasan por alto completamente.

Si NIST es un chequeo médico, PractRand es una autopsia. Encuentra cosas que no sabías que estaban ahí.

Convertimos los resultados del casino en flujos binarios crudos y los alimentamos directamente a PractRand. Un generador que pasa tanto NIST como PractRand es, para todos los propósitos prácticos, indistinguible de la aleatoriedad verdadera.

Framework 3: TestU01 (BigCrush)

TestU01 es el estándar de oro académico, desarrollado en la Université de Montréal. Su batería BigCrush ejecuta 106 pruebas estadísticas durante 3–4 horas — el análisis de un solo ciclo más completo de un generador de números aleatorios que existe en la literatura revisada por pares.

Donde NIST te da el sello gubernamental y PractRand caza defectos estructurales sutiles, BigCrush lanza todo lo que la academia ha desarrollado durante décadas contra tus datos. Si un generador sobrevive los tres, no existe método estadístico conocido que pueda distinguirlo de la aleatoriedad verdadera.

Niveles de auditoría

No toda auditoría necesita la misma profundidad. Manejamos dos niveles:

Auditoría estándar (cada reporte)

Cada reporte de auditoría publicado pasa por nuestra batería de 25 pruebas:

• 15 pruebas NIST SP 800-22 (suite completa)
• 4 pruebas estadísticas adicionales (Chi-Square, K-S, Serial Correlation, Runs Up/Down)
• 6 pruebas de validación específicas por juego

Esto ya supera lo que cualquier competidor ejecuta. Cubre todo lo que un sistema provably fair bien implementado debería pasar.

Auditoría profunda (bajo solicitud)

Para casinos que quieren demostrar que están más allá de cualquier reproche — o jugadores que necesitan certeza absoluta — vamos más lejos:

• PractRand — análisis progresivo de flujo binario, desde kilobytes hasta terabytes
• TestU01 BigCrush — 106 pruebas de grado académico, 3–4 horas de ejecución

La auditoría profunda está disponible bajo solicitud. La ejecutamos cuando las apuestas son altas, el dataset es grande, o alguien cuestiona nuestros hallazgos. Tres frameworks científicos independientes, cero superposición en metodología, un veredicto.

Si NIST es el chequeo médico, PractRand es la resonancia magnética, y BigCrush es la autopsia completa. La mayoría de los pacientes solo necesitan el chequeo. Pero tenemos el quirófano listo.

Validación específica por juego

Además del análisis de raw floats, ejecutamos pruebas específicas por juego sobre los resultados reales. Estas verifican que la transformación de raw float a resultado del juego esté implementada correctamente — un casino podría tener un RNG perfecto pero una fórmula de juego rota.

Total: 25 pruebas individuales por auditoría — 15 NIST + 4 estadísticas adicionales + 6 específicas por juego. Para auditorías profundas, agrega PractRand y TestU01 BigCrush (106 pruebas adicionales) encima.

Muéstrame otro sitio de reseñas de casinos que ejecute siquiera cinco de estas.

Tamaños de muestra

No hacemos verificaciones superficiales. Nuestro tamaño mínimo de muestra es 100,000 rondas por juego. Para auditorías mayores, llegamos a 250,000 o más. Nuestra auditoría de Bustabit analizó 100 millones de rondas.

¿Por qué importa el tamaño de muestra? Porque las muestras pequeñas ocultan la manipulación. Una moneda amañada que cae en cara el 52% del tiempo se ve normal después de 100 lanzamientos. Después de 100,000 lanzamientos, el sesgo grita. El poder estadístico aumenta con el tamaño de muestra — y nosotros usamos suficientes datos para detectar desviaciones tan pequeñas como 0.1%.

Integridad de datos

Cada reporte de auditoría incluye:

• Hash SHA-256 del dataset — prueba criptográfica de que los datos no han sido alterados después de las pruebas
• Parámetros completos de seeds — server seed, client seed, rango de nonce
• Instrucciones de reproducibilidad — guía paso a paso para que cualquiera pueda regenerar nuestros resultados
• Descarga de datos crudos — los resultados reales en JSON, disponibles para verificación independiente

No te pedimos que confíes en nosotros. Te damos las herramientas para verificarnos. Esa es la diferencia entre una auditoría y una opinión.

Qué NO hacemos

Transparencia significa ser honestos también sobre las limitaciones:

• No verificamos lógica de juego ni implementación de código. Nuestro alcance es el análisis estadístico de la salida del RNG. Si el código del juego implementa correctamente su especificación publicada es una disciplina de auditoría separada que requiere revisión de código fuente o reconstrucción independiente del juego.
• No podemos probar el comportamiento del servidor en vivo en tiempo real. Auditamos datos históricos. Un casino podría teóricamente comportarse diferente para jugadores específicos o períodos de tiempo. El análisis estadístico detecta manipulación sistemática, no manipulación dirigida de una sola ronda.
• No auditamos smart contracts. Los juegos on-chain con código Solidity publicado son otra cosa. Nuestro enfoque son los sistemas provably fair basados en HMAC-SHA256.
• No garantizamos equidad futura. Una auditoría es una instantánea. Por eso abogamos por monitoreo continuo y re-auditorías regulares.
• No evaluamos velocidad de retiros ni soporte al cliente. Nuestro alcance es la equidad matemática. Para prácticas empresariales, lee por qué las matemáticas solas no son suficientes.

El sistema de puntuación — RNG Audit Score

Cada auditoría produce un FairPlay Score de 0 a 10:

Importante: El FairPlay Score refleja únicamente la aleatoriedad del RNG y la integridad estadística. No cubre la implementación de lógica de juego, la corrección de fórmulas de pago, ni el proceso de compromiso de seeds. Un casino puede obtener 10/10 en calidad de RNG y aún tener problemas en otros aspectos. Este score responde una pregunta: ¿el generador de números aleatorios está produciendo salida genuinamente imparcial? Para el panorama completo, tanto la auditoría de RNG como la verificación de lógica de juego son necesarias — nosotros hacemos el lado matemático.

El score se calcula a partir de la proporción de aprobados/reprobados en todas las pruebas aplicables, ponderado por severidad. Una prueba NIST Monobit reprobada (sesgo fundamental) pesa más que un resultado marginal en la prueba Runs.

Monitoreo longitudinal del RNG — El Consistency Comparator

Una sola auditoría te dice una cosa: el RNG era justo ese día. Pero ¿qué pasa la próxima semana? ¿El próximo mes? ¿Qué pasa si un casino aprueba nuestra batería de 25 pruebas en junio y luego cambia algo silenciosamente en julio?

Este es el vacío que nadie en la industria aborda. La verificación provably fair tradicional — incluyendo nuestra propia auditoría estándar — es una instantánea. Te dice el estado del RNG en un punto en el tiempo. No puede decirte si las cosas cambiaron después de la auditoría.

El Consistency Comparator resuelve esto.

Cómo funciona — en español claro

Imagina que llenas dos frascos con canicas de la misma máquina. Si la máquina es consistente, ambos frascos deberían verse más o menos iguales — colores similares, proporciones similares, aleatoriedad similar. Si abres el segundo frasco y de repente encuentras el doble de canicas rojas, algo cambió.

Eso es exactamente lo que hace el Consistency Comparator con datos de casino:

Fase A: Recolectamos una muestra grande de resultados del juego — digamos, 100,000 rondas de Crash. Ejecutamos nuestra batería completa de pruebas. Guardamos los resultados.

Fase B: Semanas o meses después, recolectamos otras 100,000 rondas del mismo juego. Mismo casino, mismo tipo de juego — pero datos frescos de una nueva cuenta anónima.

Luego comparamos.

El Comparator ejecuta siete pruebas estadísticas independientes entre la Fase A y la Fase B. Cada prueba observa los datos desde un ángulo diferente — forma de distribución, valores promedio, dispersión, contenido de información. Si las siete coinciden en que los datos se ven consistentes, el casino obtiene un Consistency Score alto. Si las pruebas detectan un cambio, el score baja — y sabemos que algo cambió.

Las siete pruebas de comparación

No necesitas un título en matemáticas para entender qué verifica cada prueba:

1. Kolmogorov-Smirnov Test — ¿Las dos muestras siguen el mismo patrón general? Piénsalo como superponer dos gráficas y verificar si coinciden.

2. Chi-Square Homogeneity — Si ordenas los resultados en cubetas (0-10%, 10-20%, etc.), ¿ambas muestras llenan las cubetas de la misma manera?

3. Jensen-Shannon Divergence — Una medida de teoría de la información. ¿Qué tan sorprendido estarías si pensaras que los datos venían de la Fase A, pero en realidad venían de la Fase B? Poca sorpresa = consistente.

4. Welch's t-Test — ¿Los resultados promedio son los mismos? Un juego amañado que recorta 1% de los pagos altos desplazará el promedio.

5. F-Test — ¿La dispersión (varianza) es la misma? Una distribución más apretada o más suelta en el tiempo señala un cambio en el RNG.

6. Cohen's d — Incluso si una diferencia es estadísticamente real, ¿es lo suficientemente grande para importar? Esto separa cambios significativos del ruido.

7. Bhattacharyya Distance — Una medida geométrica de cuánto se superponen dos distribuciones. Superposición perfecta = comportamiento idéntico.

El Consistency Score

Las siete pruebas alimentan un Consistency Score ponderado de 0 a 10:

9–10: CONSISTENTE — Sin cambio detectable. El RNG se comporta igual que antes.

8–9: ESTABLE — Fluctuaciones estadísticas menores dentro del rango normal.

6–8: EN DERIVA — Algunas pruebas señalan diferencias. Podría ser varianza natural, podrían ser señales tempranas de un cambio. Amerita monitoreo más cercano.

4–6: PREOCUPANTE — Múltiples pruebas detectan cambios. Algo probablemente cambió en el RNG o la configuración del juego.

0–4: DIVERGENTE — Los datos se ven fundamentalmente diferentes. Fuerte evidencia de manipulación o reemplazo del RNG.

Sensibilidad de detección

En nuestras pruebas de validación:

Un outcome shave de 0.5% — apenas perceptible para cualquier jugador individual — baja el Consistency Score de 9.4 a 5.6 (PREOCUPANTE). Una manipulación del 2% lo baja a 2.6 (DIVERGENTE). Con más de 100,000 muestras, no hay dónde esconderse.

Por qué esto cambia todo

Las auditorías tradicionales tienen una debilidad fundamental: el casino sabe que lo están probando. Si anuncias una inspección, encontrarás una cocina limpia. Nuestro enfoque usa cuentas anónimas — el casino no sabe qué jugador está recolectando datos para un ciclo de monitoreo.

Esto significa:

Un casino no puede "actuar" para el auditor y luego cambiar su comportamiento después. Si el RNG se desvía, degrada o es manipulado entre períodos de monitoreo — lo detectamos. No porque alguien reportó un problema. No porque tuvimos suerte. Porque las matemáticas no mienten, y siempre estamos observando.

El Consistency Comparator es open source, como el resto de nuestras herramientas: github.com/GuidoHam/provably-fair-audit.

Por qué una sola auditoría no es suficiente

Una sola auditoría demuestra equidad en un día. Eso es todo.

Piénsalo desde la perspectiva del casino. Saben que un auditor probó su juego de Crash en junio. El reporte es público. Obtuvieron 10/10. Excelente material de marketing. ¿Pero qué pasa en julio? ¿Agosto? ¿Diciembre?

Nada impide a un casino cambiar los parámetros de generación de seeds, intercambiar implementaciones de RNG, o introducir comportamiento específico por cuenta después de que se publica la auditoría. Una auditoría única crea un incentivo perverso: desempeñarse bien para la prueba, luego hacer lo que quieras después.

Esto no es paranoia. Es teoría de juegos básica. Si la inspección solo ocurre una vez, el costo de hacer trampa después de la inspección es cero.

El monitoreo longitudinal elimina esa red de seguridad. Auditamos el mismo casino múltiples veces durante semanas y meses, usando cuentas anónimas que el casino no puede identificar. Cada ciclo de monitoreo es sin aviso. El casino no sabe cuándo estamos recolectando datos, cuál cuenta es nuestra, ni qué juego estamos probando.

Si algo cambia entre auditorías — una distribución desplazada, un nuevo patrón en la salida, un aumento sutil en el house edge — el Consistency Comparator lo señala. No porque un jugador se quejó. Porque las matemáticas lo detectaron.

Una auditoría es una fotografía. El monitoreo longitudinal es una cámara de vigilancia. Ambos tienen su lugar. Pero solo uno detecta lo que pasa cuando nadie está mirando.

Qué obtienes

La verificación provably fair funciona en dos niveles. Ambos importan. Ninguno es suficiente por sí solo.

Nivel 1: Verificación de rondas individuales

Cada jugador puede verificar sus propias apuestas. Exporta tus seeds, pégalos en nuestro verificador gratuito, y confirma que el casino calculó tu resultado correctamente. Esto demuestra integridad criptográfica — el resultado coincide con el hash comprometido.

Esto es necesario. Pero solo demuestra que el casino siguió su propia fórmula para esa ronda específica. No te dice nada sobre la calidad de la aleatoriedad que alimenta esa fórmula, ni nada sobre si el casino trata a todos los jugadores por igual a lo largo de miles de rondas.

Nivel 2: Auditoría estadística en el tiempo

Nosotros verificamos el panorama general. Más de 100,000 rondas por juego, analizadas contra 25 pruebas estadísticas, repetidas en el tiempo con el Consistency Comparator. Esto detecta lo que la verificación individual no puede:

• Outcome shaving sutil (sesgo de 0.3–0.5% invisible para cualquier jugador individual)
• Degradación o reemplazo del RNG entre períodos de auditoría
• Diferencias de tratamiento específicas por cuenta
• Manipulación post-auditoría

Ambos juntos

La verificación individual confirma: mi apuesta fue calculada correctamente.
La auditoría estadística longitudinal confirma: la aleatoriedad subyacente es genuina y no ha cambiado.

Una sin la otra deja huecos. Un jugador que solo verifica rondas individuales no puede detectar sesgo sistémico. Un auditor que solo prueba una vez no puede detectar cambios post-auditoría. La combinación — auto-verificación más monitoreo estadístico independiente continuo — es la protección más completa contra seeds manipulados que actualmente existe en el crypto gambling.

No pretendemos perfección. Hemos listado lo que nuestras pruebas no demuestran arriba. Pero dentro del dominio del análisis estadístico de RNG, esto es tan exhaustivo como se puede.

El trato

FairPlay Audit se financia a través de alianzas de afiliados con los casinos que auditamos. Así es como funciona en la práctica:

Te registras en un casino a través de uno de nuestros enlaces. Juegas normalmente. El casino nos paga una comisión por tu actividad. Modelo de afiliados estándar — cada sitio de reseñas de casinos funciona así.

La diferencia: cuando te registras a través de FairPlay, estás jugando en un casino bajo revisión estadística independiente continua. No un chequeo único. No una colocación pagada. Monitoreo continuo, sin aviso, con datos publicados.

Qué te cuesta: Nada. Cero. Tus probabilidades, pagos y house edge son idénticos ya sea que te registres a través de nosotros o directamente. El tracking de afiliados no cambia la mecánica del juego.

Qué obtienes: Acceso al mismo casino que usarías de todos modos — pero con un tercero ejecutando más de 25 pruebas estadísticas sobre más de 100,000 rondas, publicando los resultados y señalando cualquier cambio en el tiempo. Gratis.

Qué obtiene el casino: Nuevos jugadores y una certificación de equidad pública y verificable que ningún presupuesto de marketing puede replicar.

Qué obtenemos nosotros: Comisión que financia más auditorías, pruebas más profundas y mayor cobertura de casinos.

La alineación de incentivos es directa: solo ganamos si juegas en casinos que hemos auditado. Solo mantenemos credibilidad si nuestras auditorías son honestas. Una auditoría amañada destruiría el único activo que tenemos. El modelo de negocio impone la integridad — no a pesar de la estructura de afiliados, sino gracias a ella.

La divulgación completa de todas las relaciones de afiliados se publica en nuestra Declaración de independencia y divulgación de afiliados.

Cómo se comparan los métodos de verificación

Ninguno de estos métodos por sí solo es completo. La auto-verificación confirma rondas individuales. Las auditorías únicas confirman la calidad del RNG en una instantánea. El monitoreo longitudinal confirma la consistencia en el tiempo. La protección más fuerte usa los tres — y eso es exactamente lo que obtienes al jugar a través de FairPlay.

Compromiso open source

Repositorio: github.com/GuidoHam/provably-fair-audit — Community Edition con 25 pruebas estadísticas. Licencia MIT. 116 clones en las primeras dos semanas.

Nuestras herramientas de prueba están publicadas como open source en GitHub. Puedes leer el código. Puedes ejecutarlo tú mismo. Puedes reportar issues si encuentras un bug.

Esto no es generosidad — es estrategia. Open source significa que nuestra metodología está bajo revisión permanente de pares. Si nuestras pruebas tienen fallas, alguien las encontrará. Esa presión nos mantiene honestos. ¿Y honestamente? Así es exactamente como debería funcionar.

No todos los casinos aprecian este nivel de escrutinio. Hemos documentado las siete excusas más comunes que dan los casinos cuando se les pregunta sobre auditorías independientes — y por qué ninguna se sostiene.

Desafíanos

Si crees que nuestra metodología tiene un vacío, que nuestras matemáticas están mal, o que nuestras conclusiones no se derivan de los datos — dinos. Publicamos una invitación permanente para cuestionar cualquier auditoría que hayamos producido. Trae datos, no opiniones, y responderemos de la misma manera.

Ese es el punto. No te pedimos que nos creas. Te pedimos que verifiques.