Una valutazione degli effetti generati dalle situazioni di punteggio

di Stephanie Kovalchik // OnTheT

Pubblicato il 6 ottobre 2017 – Traduzione di Edoardo Salvati

Una particolare situazione di punteggio che appare sul tabellone può incidere sulla prestazione di un giocatore? Questo articolo analizza come misurare gli effetti delle situazioni di punteggio e identifica alcuni giocatori tra quelli di vertice che più ne sembrano soggetti e altri che invece paiono impassibili.

Qualunque appassionato di tennis si è trovato almeno una volta a pensare che un giocatore abbia avuto il così detto “braccino”, o non sia stato in grado di gestire la tensione del momento. Diverse definizioni di pressione psicologica utilizzate nello sport condividono l’idea di fondo che la prestazione di un giocatore possa essere influenzata dal punteggio.

Un esempio evidente di questo concetto si è verificato nel primo turno del torneo di Pechino 2017 tra Lucas Pouille e Rafael Nadal. Dopo aver vinto il primo set 6-4, Pouille era in corsa per ottenere la sua sesta vittoria in carriera contro un giocatore dei primi 10, portando Nadal al tiebreak del secondo set. Dopo aver sprecato due match point, indietro 6-7 nel punteggio ha servito la seconda in rete, per il suo unico doppio fallo in tutto il set, regalando così il tiebreak a Nadal. È difficile non essere tentati dal pensiero che Pouille abbia subito la pressione imposta dal punteggio.

Qualsiasi momento di una partita è passibile di interpretazioni varie e, per molti, questo è il lato affascinante del tennis. Per giungere a conclusioni su comportamenti sistematici di rottura sotto pressione o di innalzamento del livello di gioco in circostanze di punteggio sfavorevole, serve un’analisi attenta che ne dia dimostrazione numerica.

Come si possono misurare quindi gli effetti generati dalle situazioni di punteggio?

Esistono diversi modi. Alcuni studiosi hanno verificato l’effetto delle palle break, altri hanno considerato come sulla prestazione di un giocatore incida l’importanza del punto. In una relazione per la Sloan Sports Conference 2016, anche io ho analizzato queste e altre specifiche situazioni partita.

Più recentemente, ho cercato di comprendere quali dinamiche di rendimento si possano verificare quando siano state considerate tutte le combinazioni emergenti da un game normale (ad esempio 0-0, 30-0, 30-30, etc). Si può intuire che l’incontro tra gli aspetti psicologici che un giocatore deve affrontare sotto pressione e le variazioni tattiche legate all’alternanza di parità e vantaggi restituisca risultati degni di nota.

Effetto di selezione del punteggio

Se un giocatore affrontasse ciascun punto a prescindere dal suo contesto, si potrebbe semplicemente pensare di confrontare i punti vinti per qualsiasi punteggio considerato (ad esempio 30-30) con la media complessiva di punti vinti. Se dovesse emergere una significativa differenza statistica, saremmo probabilmente di fronte a un effetto dettato dalla situazione di punteggio.

C’è però un’insidia nell’utilizzare questa metodologia su numerose partite, quella cioè rappresentata dal fatto che gli avversari cambiano. Ipotizzare che un giocatore giochi come mediamente faccia in tutte le circostanze di 30-30 è valido solo se quel giocatore gioca esattamente contro quello stesso avversario in situazioni di punteggio di 30-30 con la stessa frequenza con cui ha giocato le altre situazioni di punteggio.

Ma quanto è probabile che sia così? Non è più facile vedere il problema chiedendosi se qualsiasi avversario di Nadal abbia la stessa possibilità di portarlo sul 30-30 quando Nadal è al servizio? Se la risposta è ‘no, ovviamente’, si dovrebbe allora apprezzare l’effetto di selezione dell’avversario introdotto dalla scelta di specifiche circostanze di punteggio.

Quanto può incidere?

Se a questo punto vi steste chiedendo quanto possa incidere l’effetto, date uno sguardo all’immagine 1, che mostra i punti giocati al servizio da Nadal contro molteplici avversari per le partite del circuito maggiore dal 2011 a oggi. I pallini blu rappresentano i punti giocati sullo 0-0, i pallini arancioni i punti giocati sul 40-40 o sulle altre parità.

Non solo si osserva come pochi giocatori giochino contro Nadal lo stesso numero di primi punti del game e di punti sulla parità, ma anche come gli avversari più forti, Novak Djokovic o Stanislas Wawrinka ad esempio, abbiano giocato più punti sulla parità contro Nadal della maggior parte degli altri avversari.

IMMAGINE 1 – Frequenza di primi punti e di situazioni di parità di Nadal

Se quindi confrontiamo semplicemente la media punti vinti da Nadal al servizio su situazione di parità contro la sua media complessiva, la differenza ottenuta dipenderà da un misto di effetto dovuto all’avversario e, probabile, effetto dovuto al punteggio, da cui sarà difficile derivare un senso.

Gestire l’effetto di selezione del punteggio

Per ridurre questo effetto di selezione, possiamo prendere spunto dalle tecniche di campionamento utilizzate nei sondaggi. L’obiettivo di qualunque buon sondaggio è ottenere un campione rappresentativo della popolazione di interesse. Per riuscire nell’intento mantenendo il sondaggio rivolto a un numero di partecipanti facilmente gestibile, chi effettua il sondaggio deve spesso sovra-dimensionare i gruppi più sparuti, così che la struttura demografica del campione non riflette più le proporzioni effettive della popolazione. Si ovvia poi alla problematica ponderando i risultati del sondaggio in modo che il responso di ciascun partecipante ottenga un peso uguale alla sua rappresentazione all’interno della popolazione.

Possiamo usare un’idea simile per assegnare a ogni avversario identica ponderazione per tutte le combinazioni di punteggio di un game. Se prendiamo nuovamente l’esempio della parità, questo vuol dire chiedersi che prestazione avrebbe un giocatore se giocasse lo stesso numero di parità contro gli stessi giocatori con cui ha giocato in passato. Chiamerò questa statistica con il nome di punti vinti ponderati.

Punti vinti ponderati

L’immagine 2 mostra un esempio dei punti vinti al servizio sopra la media da parte di Nadal, effettivi (non ponderati) e ponderati. I punti vinti dall’avversario variano per riga nei riquadri dall’alto verso il basso. I “punti di vantaggio” lungo l’asse delle ascisse sono la differenza nei punti vinti da Nadal rispetto a quelli dell’avversario. Quindi +2 punti di vantaggio quando l’avversario è a zero significa un punteggio di 30-0.

Un aspetto estremamente interessante del grafico è dato dall’intensità nel cambiamento della prestazione di Nadal a +0 punti di vantaggio una volta introdotta la ponderazione. In assenza di ponderazione, sembra che Nadal giochi tendenzialmente sotto la media. Tuttavia, effettuata la ponderazione, sembra che questa dinamica negativa in situazioni di parità si ribalti completamente per via della variazione nella tipologia di avversari in queste combinazioni di punteggio più equilibrate. Una volta considerato questo aspetto, Nadal sembra essere molto più efficace in situazioni di parità o sulle palle break da salvare.

IMMAGINE 2 – Punti vinti al servizio sopra la media da Nadal

Curiosamente, anche dopo aver ponderato per tipologia di avversario, Nadal sembra giocare sotto la media nelle situazioni di 0-30. Questo potrebbe indicare una particolare forma di ansia per questa circostanza o uno svantaggio a essere indietro nel punteggio e servire sul lato delle parità, o una combinazione di questi due elementi.

Una classifica legata agli effetti delle situazioni di punteggio

Il precedente esempio evidenzia che i giocatori con le maggiori deviazioni dalle loro medie ponderate per avversario sono più soggetti all’effetto avversario. Ho calcolato i valori assoluti delle deviazioni di alcuni tra i più forti giocatori per vedere cosa rivelasse la classifica.

L’immagine 3 mostra che nel campione storico di partite considerato, sono Nadal e Robin Haase a emergere come i due giocatori più soggetti al punteggio. Giocatori come Roger Federer e Gilles Simon si trovano invece dal lato opposto dello spettro e mostrano un cambiamento relativamente minore nella prestazione in funzione delle situazioni di punteggio. Nel mezzo si trova un folto gruppo di giocatori che subiscono gli effetti delle situazioni di punteggio più o meno in misura simile.

IMMAGINE 3 – Classifica degli effetti delle situazioni di punteggio

Quello che è più interessante è verificare nello specifico dettaglio le dinamiche degli effetti delle situazioni di punteggio per i singoli giocatori, utilizzando una personale versione della rappresentazione ad albero Game Tree. Nell’immagine 4, mi sono concentrata su due dei giocatori con i più alti valori di effetti delle situazioni di punteggio. Haase, in arancione, dimostra di essere più efficace quando è avanti di un punto o ha gli stessi punti dell’avversario. Trovandosi invece molto indietro o molto avanti, il suo rendimento tende a calare.

IMMAGINE 4 – Effetti delle situazioni di punteggio sulla prestazione di Haase e Nishikori

Kei Nishikori si comporta in modo simile, mostrando però minore variazione rispetto a Haase quanto il suo avversario si trova a 30, a prescindere dalla distanza nel punteggio.

Non necessariamente un segno di debolezza

Analizzando gli effetti delle situazioni di punteggio attraverso queste tabelle è sempre importante ricordare che, da un lato, altri fattori oltre a quelli psicologici possono determinare differenze comportamentali (come ad esempio tattiche specifiche su situazioni di parità o di vantaggi, o di fronte a palle break). Dall’altro – valida la precedente considerazione – deviazioni dalla media non sono necessariamente un segno di debolezza. Ridurre il ritmo in determinate situazioni di punteggio, aumentarlo in altre o utilizzare tattiche che possono variare all’interno dello stesso game sono tutti aspetti in grado di produrre esiti di rendimento diversi in funzione del punteggio e rappresentare comunque un vantaggio ai fini del risultato finale.

Anche nell’impossibilità di far risalire questi effetti a una causa specifica, grazie al metodo di ponderazione illustrato, possiamo almeno avere maggiore fiducia sul fatto che gli effetti eventualmente osservati siano reali.

Il codice e i dati dell’analisi sono disponibili qui.

Assessing Scoreboard Effects