Il ventesimo Slam di Federer, quello più facile

di Jeff Sackmann // TennisAbstract

Pubblicato il 20 febbraio 2018 – Traduzione di Edoardo Salvati

Dopo la vittoria di Rafael Nadal agli US Open 2017, ho scritto un articolo per l’Economist in cui provavo a classificare ciascun titolo dello Slam in base alla difficoltà, giungendo a un’interessante conclusione: gli avversari di Nadal sulla strada per i suoi 16 Slam sono stati significativamente più ostici di quelli affrontati da Roger Federer nella conquista dei primi 19. Nell’indice di vittoria degli Slam corretto per difficoltà, Nadal conduceva di un soffio, 18.8 rispetto a 18.7 di Federer.

Federer ha poi portato il suo totale a 20, vincendo gli Australian Open 2018. Pur di fronte a una concorrenza abbastanza debole, sicuramente un nuovo titolo ha portato l’indice di vittoria corretto per difficoltà a superare quello di Nadal, giusto?

Si, ma non di molto. Corrette per difficoltà, le sette vittorie a Melbourne di Federer valgono solo 0.42 Slam. A confronto, il valore più basso da lui ottenuto in precedenza è stato agli Australian Open 2006, con uno 0.61, e il più basso di Nadal è stato appunto agli US Open 2017, con uno 0.62. La precedente media di Federer era 0.98, quella di Nadal 1.18 e il tabellone del Roland Garros 2013 vinto da Nadal valeva un incredibile 1.65.

Il percorso di Federer è stato debole anche in prospettiva storica. Solo alcuni Slam dell’era Open hanno richiesto meno sforzo ai vincitori, tutti prima del 1985 e la maggior parte a Melbourne, un torneo che già non richiamava i giocatori più forti. Gli Australian Open 2018 sono stati ancora più deboli se raffrontati al decennio in corso: in media, un titolo Slam nel periodo 2010-2017 vale 1.23, in gran parte perché i Fantastici Quattro hanno dovuto giocare l’uno contro l’altro.

Secondo le valutazione Elo specifiche per superficie, il giocatore più in forma contro cui si è scontrato Federer il mese scorso è stato Tomas Berdych, seguito da vicino da Marin Cilic. Nonostante abbiano raggiunto la seconda settimana, nessuno dei due giocatori è tra i primi 10 dell’attuale classifica Elo. L’algoritmo che corregge per difficoltà i titoli Slam considera il rendimento di un medio vincitore Slam contro un determinato gruppo di avversari; affrontando Berdych e Cilic, ci si attende che l’ipotetico medio vincitore vinca rispettivamente l’88% e l’89% delle volte. Anche Nadal ha dovuto battere Juan Martin Del Potro a New York l’anno scorso.

Dopo essere ritornato numero 1 del mondo, Federer può reclamare un altro primato, visto che il suo indice corretto di 19.1 ha superato quello di Nadal a 18.8 e il 15.3 di Novak Djokovic. Non ha però lo stesso fascino di “20 titoli Slam” ed è molto più soggetto alla possibilità concreta di essere ceduto. Dovesse Nadal recuperare dall’infortunio e vincere il prossimo Roland Garros, si garantirebbe virtualmente di tornare in cima a questa speciale graduatoria, e con un margine ben più ampio di quello detenuto al momento da Federer. Tradizionalmente il Roland Garros è un torneo difficile: eccetto il 2010, tutte le vittorie di Nadal a Parigi sono state più faticose della media. A differenza del numero totale di Slam vinti, il primo posto della classifica degli Slam corretti per difficoltà potrebbe vedere un’alternanza tra questi due campioni, se entrambi manterranno alto il loro livello competitivo.

Roger Federer’s 20th, Easiest Grand Slam Title

Lo stato di salute del rovescio a una mano

di Jeff Sackmann // TennisAbstract

Pubblicato il 10 aprile 2013 – Traduzione di Edoardo Salvati

I numeri sono stati aggiornati (prendendo a riferimento il 30 novembre 2017 per stabilire l’età precisa dei giocatori) così anche da mostrare le variazioni rispetto al 2013. Il testo è stato adattato di conseguenza, n.d.t.

Non è ancora il momento di scriverne il tributo. Non è più così facile avvistare un rovescio a una mano, ma in giro ne sopravvivono ancora. Quando la generazione attuale si sarà ritirata però, potremmo trovarci di fronte a una specie in via di estinzione. Quella che segue è una veloce radiografia della diffusione del rovescio a una mano nel tennis attuale.

Circa 1 giocatore su 8 (40 dei primi 300) nel circuito maggiore e su quello Challenger usa il rovescio a una mano, in calo rispetto al 2013 quando il rapporto era di circa 1 giocatore su 5, con 62 dei primi 300. Più precisamente: 8 giocatori dei primi 50, 13 nel gruppo 51-100, 8 nel gruppo 101-150, 3 nel gruppo 151-200 e 4 ciascuno per i gruppi 201-250 e 251-300 (la tabella riepiloga le differenze con la situazione del 2013).

Classifica   2017   2013   
1-50         8      10
51-100       13     14
101-150      8      13
151-200      3      9
201-250      4      8
251-300      4      8             

Totale
1 mano       40     62

C’è qualche mancino in meno, rispetto ai destrimani, che usa il rovescio a una mano. Tra i primi 200, 31 sono mancini, quattro dei quali (12.9%) hanno il rovescio a una mano. Per i destri, la percentuale è del 16.5% (nel 2013, i mancini erano 28 e 6 di loro usavano il rovescio a una mano, cioè il 21.4%; per i destri la percentuale era del 23.3%).

Suddividendo i primi 300 in quartili sulla base dell’età, osserviamo una tendenza definita. Circa il 20% dei giocatori nella metà più vecchia – quelli nati prima della fine di giugno 1987 – usa il rovescio a una mano: 24 dei 75 più vecchi e 6 del quartile successivo (contro, rispettivamente, 23 e 22 nel 2013). Nel secondo quartile più giovane – quelli nati tra febbraio 1991 e maggio 1994 – ci sono solo 5 giocatori dal rovescio a una mano, cioè il 6.7% (rispetto al 13.3% del 2013). Così anche nel quartile dei più giovani, in cui si trova Denis Shapovalov, il più giovane a usare il rovescio a una mano (nel 2013 i giocatori erano sette e il più giovane era Dominic Thiem). Della metà più giovane del campione, sette giocatori sono europei, quattro del resto del mondo.

Per riassumere più sinteticamente, l’età media dei giocatori dal rovescio a una mano nei primi 300 è di 29 anni e 94 giorni, mentre l’età media dei giocatori dal rovescio a due mani è 26 anni e 9 giorni (contro, rispettivamente, 28 anni e 63 giorni e 26 anni e 103 giorni nel 2013). Considerando l’abbondanza di giocatori di secondo livello vicino a compiere trent’anni, è una differenza più grande di quanto possa sembrare. In cinque anni, l’età media del rovescio a una mano è cresciuta – tristemente per i proseliti di questo colpo – del 4.6%. Nello stesso periodo, l’età media del rovescio a due mani è diminuita dello 0.05%.

Nel 2017 ci sono state 107 partite sulle 4150 giocate a livello ATP (compresa la Coppa Davis) tra due giocatori dal rovescio a una mano (rispetto alle 137 del 2012, l’ultima stagione completa disponibile alla data della versione originale). In ciascuna di quelle 107 partite, sicuramente si è sentito qualcuno dire: “Due giocatori con il rovescio a una mano! Non se ne vedono più così tanti ormai”.

The State of the One-Handed Backhand

Valori di riferimento nell’analisi punto per punto

di Jeff Sackmann // TennisAbstract

Pubblicato il 17 gennaio 2017 – Traduzione di Edoardo Salvati

In un precedente articolo ho illustrato una possibile futura configurazione delle statistiche relative agli errori. Un ampio spettro di statistiche avanzate in molteplici sport, dal baseball all’hockey su ghiaccio – e progressivamente anche nel tennis – segue lo stesso algoritmo di base:

  1. raggruppare gli eventi (colpi, opportunità e qualsiasi altro) in categorie;
  2. determinale livelli attesi di prestazione o rendimento – solitamente medie del circuito – per ogni categoria;
  3. confrontare i giocatori (o i game o i tornei specifici) con quei livelli attesi di prestazione.

Il primo passaggio è di gran lunga il più complicato, perché la suddivisione in categorie dipende in larga parte dai dati a disposizione. Nel baseball ad esempio, le statistiche di media difensiva avevano inizialmente poco margine di analisi oltre al numero di ribattute, che invece oggi possono essere raggruppate in funzione della posizione esatta, dell’angolo di lancio, della velocità di uscita dalla mazza e altro ancora. Avere più dati non rende il compito necessariamente più facile, considerando la varietà di metodi di classificazione potenzialmente utilizzabili.

Uno scenario simile si presenterà nel tennis quando, nel tempo, se i dati raccolti da Hawk-Eye (o un sistema analogo) verranno resi di pubblico dominio. Per il momento, chi è interessato a fare analisi ha comunque molto materiale, in particolare i più di 1.6 milioni di colpi (a oggi più di 2 milioni, n.d.t.) raccolti grazie al Match Charting Project.

La sequenza di codifica dei colpi che ho creato per il Match Charting Project rende un passaggio dell’algoritmo relativamente immediato, perché è un sistema che classifica i colpi in due modi principali: il tipo (dritto, rovescio, rovescio tagliato, volée di dritto, etc) e la direzione (al centro o verso l’angolo destro o sinistro). Pur tralasciando molti dettagli (profondità, velocità, rotazione, etc) si tratta del maggior numero di dati che ci si può aspettare un valutatore riesca a raccogliere in tempo reale sulla partita.

Per fare un esempio, si possono usare i dati del Match Charting Project per calcolare la media degli errori non forzati nel circuito maschile quando un giocatore prova a colpire un dritto incrociato, per poi confrontare tutti gli altri giocatori rispetto a quel valore di riferimento. La media del circuito è del 10%, la frequenza di errori non forzati di Novak Djokovic è del 7% e quella di John Isner è del 17%. Naturalmente, non ci si può limitare a questo nel confronto tra efficacia di dritti incrociati: se in media un giocatore del circuito ottiene un vincente dal 7% di dritti incrociati, la frequenza di Djokovic è solo del 6%, mentre quella di Isner è del 16%.

È necessario quindi adottare una prospettiva più allargata. Invece dei singoli colpi, credo sia di maggiore interesse analizzare le opportunità di colpo, cioè anziché domandarsi cosa succeda quando un giocatore è nella posizione di giocare un determinato colpo, dovremmo cercare di capire cosa accada quando quello stesso giocatore ha la possibilità di tirare un determinato colpo in una specifica zona del campo.

Questo diventa particolarmente importante se si vuole superare il fraintendimento che risiede nella distinzione tra errori forzati e non forzati (così come quello della linea di separazione tra errori e vincenti dell’avversario, frutto della stessa vicinanza interpretativa per cui i vincenti sono semplicemente colpi così ben piazzati che l’avversario non riesce nemmeno a commettere un errore forzato). Nell’esempio con Djokovic e Isner, il denominatore era “dritti in una specifica zona del campo che il giocatore aveva una ragionevole opportunità di rimettere in gioco”, vale a dire vincenti ed errori non forzati di dritto. In questo caso non stiamo confrontando grandezze omogenee: a parità di opportunità, Djokovic riuscirà ad arrivare su più palline, commettendo forse errori non forzati quando nella medesima circostanza considereremmo errori forzati quelli di Isner.

Esiti delle opportunità di colpo

Per esattezza, con opportunità di colpo intendo quelle definite dalla decisione di gioco presa dall’avversario, a prescindere da come il giocatore stesso riesca a replicare o se riesca anche solo ad arrivare con la racchetta sulla pallina. Ad esempio, ipotizzando che entrambi i giocatori siano destrimani, nel disegno è evidenziato un dritto incrociato.

Il giocatore A è quello che gioca il dritto e offre al giocatore B un’opportunità di colpo. Questa è una delle varie classificazioni degli esiti che potrebbero derivarne, con – tra parentesi – le abbreviazioni che ho utilizzato anche nei grafici a seguire:

  • il giocatore B non riesce a raggiungere la pallina, determinando un vincente per il giocatore A (vs V);
  • il giocatore B raggiunge la pallina, ma commette un errore forzato (EF);
  • il giocatore B commette un errore non forzato (ENF);
  • il giocatore B rimette la pallina in gioco ma finisce per perdere il turno (pi-P);
  • il giocatore B rimette la pallina in gioco, presenta al giocatore A un colpo “giocabile” e finisce per vincere il punto (pi-V);
  • il giocatore B costringe il giocatore A a commettere un errore forzato (EF ind);
  • il giocatore B colpisce un vincente (V).

Come sempre, per ogni dato denominatore si potrebbero individuare varie categorie, magari unendo errori forzati e non forzati, o scomponendo ulteriormente la tipologia “in gioco” per identificare se il giocatore si è posizionato in modo da concludere il punto velocemente. Ancora, si potrebbero analizzare categorie completamente differenti, come la selezione del colpo.

Le categorie sopra elencate forniscono comunque una valida idea generale di come i giocatori si comportino di fronte a opportunità differenti e come quelle opportunità siano di fatto diverse l’una dall’altra. I grafici a seguire mostrano – mantenendo le sigle dell’esempio precedente – gli esiti per il giocatore B basati sui colpi del giocatore A, raggruppati solo per tipologia di colpo.

IMMAGINE 1 – Esiti di opportunità di colpo suddivisi per tipologia

Gli esiti sono messi uno sopra all’altro dal peggiore al migliore. In basso troviamo la percentuale di vincenti del giocatore A (vs V), cioè quelle opportunità in cui il giocatore B – dal cui punto di vista stiamo facendo l’analisi – non è riuscito nemmeno a raggiungere la pallina. In alto troviamo la percentuale dei vincenti (V) colpiti dal giocatore B di fronte all’opportunità di colpo. Come ci si poteva attendere, i dritti presentano le opportunità più difficili: il 5.7% diventa un vincente e un altro 4.6% risulta in errori forzati. I giocatori sono in grado di convertire quelle opportunità in punti vinti solo il 42.3% delle volte, rispetto al 46.3% di fronte a un rovescio, al 52.5% di fronte a un rovescio tagliato o (in chip) e al 56.3% di fronte a un dritto tagliato.

Il grafico si basa su circa 347 mila colpi, cioè tutte le opportunità da fondo (esclusi i servizi, che necessitano di trattamento separato) che sono emerse in più di 1000 partite tra due destrimani presenti nel database.

Naturalmente, esistono numerosissime altre variabili per distinguere ulteriormente quei colpi del semplice raggruppamento per tipologia. L’immagine 2 mostra gli esiti delle opportunità di colpo in vari momenti dello scambio quando il giocatore A colpisce un dritto.

IMMAGINE 2 – Esiti di opportunità di colpo in vari momenti dello scambio

La colonna più a sinistra può essere letta come l’insieme dei risultati delle “opportunità di giocare un terzo colpo”, vale a dire esiti quando la risposta al servizio è un dritto. Anche in questo caso i numeri sono in linea con le attese: il momento migliore per giocare un vincente con un dritto è il terzo colpo, nella tattica chiamata “servizio più uno”. Lo si può vedere in altro modo nella colonna adiacente, che rappresenta le opportunità di giocare un quarto colpo. Se l’avversario gioca un dritto in campo come primo colpo dopo il servizio nella tattica “servizio più uno”, c’è una probabilità del 10% che il giocatore non riesca nemmeno a raggiungere la pallina. In media, la probabilità di un giocatore di vincere il punto da quella posizione è solo del 38.4%.

Dopo il terzo e quarto colpo, ho suddiviso le opportunità in quelle a disposizione del giocatore al servizio (quinto colpo, settimo colpo e così via) e in quelle a disposizione del giocatore alla risposta (sesto, ottavo colpo, etc). Come si osserva, dal quinto colpo in avanti non c’è molta differenza, quantomeno di fronte a un dritto.

Esaminiamo un’ulteriore grafico: gli esiti delle opportunità di colpo quando l’avversario gioca un dritto in varie direzioni (sempre in una partita tra destrimani).

IMMAGINE 3 – Esiti di opportunità di colpo per dritto giocato in varie direzioni

C’è poca differenza tra i due angoli, ed è evidente che sia più semplice approfittare di una opportunità di colpo al centro del campo rispetto a ciascuno dei due angoli. È interessante notare come di fronte a un dritto rimesso in gioco – a prescindere da dove sia mirato – il giocatore medio abbia una probabilità inferiore al 50% di vincere il punto. Siamo in presenza di un’occorrenza di effetto (o distorsione) di selezione generante confusione e che occasionalmente si verifica nelle statistiche di tennis: visto che una percentuale importante di colpi è rappresentata da errori, il giocatore che ha colpito la pallina in campo è temporaneamente in una situazione di vantaggio.

Passi successivi

Se vi steste domandando quale sia il senso di tutto questo, posso capire (e apprezzo il fatto che abbiate letto sin qui nonostante i vostri dubbi). Senza prima arrivare all’analisi di situazioni molto più specifiche – e forse nemmeno in quel caso – queste medie del circuito non sono più che curiosità. Mostrare che un dritto ha più efficacia che un rovescio tagliato o che tirare agli angoli del campo è più produttivo che mirare al centro certamente non rivoluziona l’analisi statistica nel tennis.

In definitiva, queste medie sono solo uno strumento per quantificare con maggiore dovizia il rendimento di determinati giocatori. L’esplorazione di algoritmi come questo, unita all’incremento dei dati raccolti con il Match Charting Project (che ha da poco superato le 3600 partite totali, n.d.t.), permetterà di conoscere meglio le dinamiche di gioco dei migliori del mondo, e quali aspetti li rendano così tanto più bravi di tutti gli altri.

Benchmarks for Shot-by-Shot Analysis

Presente e futuro degli errori

di Jeff Sackmann // TennisAbstract

Pubblicato il 13 gennaio 2017 – Traduzione di Edoardo Salvati

Quando un errore è forzato? Se, per rispondere alla domanda, si ipotizza di sviluppare un algoritmo, la situazione diventa rapidamente ingestibile. Bisognerebbe tenere conto della posizione del giocatore, della velocità, angolo e rotazione del colpo, della velocità della superficie e forse di qualcos’altro. Ci sono errori chiaramente individuabili come forzati e non forzati, ma molti finiscono in un’ambigua terra di mezzo.

Molte delle statistiche relative agli errori non forzati mostrate durante una telecronaca o di riepilogo alla fine della partita sono conteggiate a mano. Il valutatore riceve delle istruzioni preliminari e prende nota di ogni tipo di errore. Se si dovesse ridurre l’algoritmo umano di conteggio a una sola regola, la sua definizione sarebbe simile a: “Ci si aspetta che un professionista medio sia in grado di non sbagliare quel colpo?”. Ci sono valutatori che limitano il computo degli errori non forzati escludendo errori come le risposte al servizio, i colpi a rete o i tentativi di passante.

Naturalmente, qualsiasi intenzione di raggruppare i colpi sbagliati solo in due categorie sarebbe frutto di eccessiva semplificazione. E non credo che il mio sia un punto di vista estremo. Molti commentatori di tennis danno credito a questa posizione quando spiegano che l’errore non forzato di un giocatore “non la dice tutta”, o un’altra espressione a effetto di questa natura. Ho scritto in passato dei limiti dello spesso citato rapporto tra vincenti ed errori non forzati e della somiglianza tra gli errori non forzati e la giustamente criticata statistica della media difensiva nel baseball.

Si immagini per un momento di avere a disposizione dei dati migliori con cui lavorare – perché ad esempio quelli di Hawk-Eye non sono protetti in cassaforte – e di poter elaborare una metodologia di identificazione degli errori più precisa.

In primo luogo, invece di considerare solo gli errori, è più istruttivo classificare i potenziali colpi in tre categorie: colpi rimessi in gioco, errori (che specificheremo meglio più avanti) e vincenti dell’avversario. In altre parole: sei riuscito a giocare il colpo, l’hai sbagliato o non hai nemmeno visto la pallina? L’errore forzato di un giocatore corrisponde al colpo rimesso in gioco dall’avversario (specialmente se il giocatore è Bernard Tomic e se l’avversario è Andy Murray). Diventa quindi necessario valutare l’intero spettro di possibili esiti di ciascun potenziale colpo.

La chiave per acquisire conoscenza diretta dalle statistiche di tennis è di raffinare il contesto di riferimento con altre informazioni a disposizione, ad esempio confrontare le statistiche di un giocatore con il rendimento di un giocatore medio del circuito, o contrapporle a quelle derivanti dall’ultima partita giocata con caratteristiche simili. Per gli errori la questione non è diversa.

Ecco un facile esempio. Nel sesto game dei sedicesimi di finale contro Darya Kasatkina al torneo di Sydney 2017, Angelique Kerber ha colpito un dritto lungolinea come nella foto:

Grazie al Match Charting Project, siamo in possesso di dati su 350 dritti lungolinea di Kerber, per cui sappiamo che ottiene un vincente il 25% delle volte, mentre la sua avversaria colpisce un errore forzato un altro 9% delle volte. Diciamo che un ulteriore 11% si trasforma in errori non forzati e arriviamo a un profilo di quanto succede abitualmente quando Kerber cerca il lungolinea: 25% vincenti, 20% errori, 55% colpo rimesso in gioco. Si potrebbe approfondire ancora e stabilire che il 55% dei colpi rimessi in gioco consiste in un 30% che determina la conquista del punto da parte di Kerber rispetto a un 25% in cui il punto lo ha perso.

In questo caso, Kasatkina è riuscita ad arrivarci con la racchetta, sbagliando però un colpo che molti valutatori sarebbero d’accordo nel giudicare un errore forzato:

Questa singola occorrenza – un errore forzato di Kasatkina contro un tipo di colpo offensivo molto efficace – non rivela nulla in sé e per sé. Ipotizziamo però di aver tenuto traccia di 100 tentativi di replica a un dritto lungolinea di Kerber da parte di molteplici giocatrici. Potremmo scoprire che Kasatkina concede 35 vincenti su 100, o che Simona Halep concede solo 15 vincenti e rimette in gioco 70 colpi, o ancora che Anastasia Pavlyuchenkova commette un errore 30 volte su 100 tentativi.

La mia tesi è questa: con più statistiche granulari, possiamo inserire gli errori in un contesto concreto. Invece di esprimere un giudizio sulla difficoltà di un determinato colpo (o affidarsi a un valutatore per stabilirlo), è concepibile lasciare che sia un algoritmo a eseguire il lavoro su 100 colpi, per verificare se una giocatrice riesce a raggiungere più colpi della giocatrice media o se sta facendo più errori di quanto non faccia abitualmente.

Il presente e il futuro

Nel precedente esempio, ho omesso molti dettagli importanti. Nel confrontare l’errore di Kasatkina con un centinaio di altri dritti lungolinea di Kerber, non sappiamo se il colpo sia stato più difficile del solito, se sia stato piazzato più accuratamente all’incrocio, se Kasatkina fosse in una posizione di campo migliore di quella di una giocatrice media nella stessa dinamica di gioco o se fosse diversa la velocità della superficie. È probabile che su un centinaio di dritti lungolinea siano parametri che si annullino. Ma nella partita in questione, Kerber ne ha colpiti solo 18. Se, tipicamente, in una partita al meglio dei tre set si raccoglie materiale per qualche centinaio di colpi, con questo tipo di analisi non si riesce ad andare oltre.

In futuro, un ideale algoritmo di classificazione degli errori potrà fare molto di più. Considererà tutte le variabili che ho elencato (e, senza dubbio, altre) e, per ogni colpo, calcolerà la probabilità di differenti esiti. Nel momento di gioco della prima immagine, cioè quando la pallina ha appena abbandonato la racchetta di Kerber, con Kasatkina nella metà di campo più lontana, potremmo stimare una probabilità di vincente del 35%, una di errore del 25% e un 40% di probabilità che venga rimessa in gioco. In funzione del tipo di analisi che stiamo facendo, potremmo calcolare quei numeri per la giocatrice media del circuito o per Kasatkina stessa.

Sono stime con cui potremmo, di fatto, assegnare un “valore” agli errori. Continuando con l’esempio, l’algoritmo prevede solo un 40% di probabilità per Kasatkina di rimettere la pallina in gioco. In confronto, un colpo in uno scambio ha in media il 90% di probabilità di essere rimesso in gioco. Invece di dover catalogare gli errori come “forzati” e “non forzati”, saremmo in grado a nostro piacimento di operare una suddivisione più accurata, come ad esempio raggruppare i potenziali colpi in quintili. Potremmo ad esempio calcolare se Murray riesce a rimettere in gioco più spesso rispetto a Novak Djokovic la maggior parte dei colpi che non hanno replica. Anche se già abbiamo un’idea al riguardo, finché non abbiamo stabilito con precisione in cosa consista il quintile (o quartile o qualsiasi altro) non possiamo nemmeno iniziare a dimostrarla.

Sarebbe un tipo di analisi accattivante anche per quegli appassionati solitamente non interessati alle statistiche aggregate. Pensiamo alla facoltà di un commentatore di isolare uno specifico colpo di Murray e poter dire che avesse solo il 2% di probabilità di rimettere in gioco la pallina in quella situazione. In scambi con continui capovolgimenti di fronte, è un metodo in grado di generare un grafico di probabilità di vittoria per ogni singolo punto, un’immagine capace di comunicare immediatamente quanto abbia dovuto faticare un giocatore per rientrare in uno scambio che sembrava ormai perso.

Fortunatamente, la tecnologia per raggiungere questo livello esiste già. Analisti con accesso a sottoinsiemi di dati Hawk-Eye hanno incominciato a individuare i fattori che incidono su aspetti come la scelta del colpo. Il software “SmartCourts” di Playsight distingue gli errori tra forzati e non forzati quasi in tempo reale, lasciando intendere di far leva su un meccanismo molto più sofisticato ma non visibile, anche se nemmeno gli algoritmi di Intelligenza Artificiale sono esenti da occasionali cantonate. Un’altra possibile strada è di applicare algoritmi di apprendimento automatico a enormi quantità di partite, facendo in modo che siano essi stessi a determinare i migliori fattori predittivi di vincenti, errori e altri esiti di un colpo.

Un giorno gli appassionati di tennis guarderanno con meraviglia alla scarsa conoscenza statistica nello sport del 21° secolo.

The Continuum of Errors

I tornei di preparazione a uno Slam e gli altri ATP 250

di Jeff Sackmann // TennisAbstract

Pubblicato l’11 gennaio 2013 – Traduzione di Edoardo Salvati

I due tornei di preparazione agli Australian Open 2013 stanno andando in modo molto diverso tra loro.

A Sydney, una sola testa di serie (Andreas Seppi, che non è così automatico trovare tra le teste di serie o nei turni finali) ha raggiunto la semifinale, e solo un’altra è arrivata ai quarti. Nella parte opposta del Mar di Tasmania, tre dei quattro semifinalisti ad Auckland sono tra le prime quattro teste di serie e il quarto, Gael Monfils, si trova tipicamente in quella zona di classifica (pur partecipando grazie a una wild card per via del suo 99esimo posto. Monfils ha poi perso in semifinale contro David Ferrer, n.d.t.). Se il torneo di Sydney rientra nella casistica più convenzionale, è quello di Auckland a mescolare le carte. Nella settimana che precede uno Slam, molti dei giocatori di vertice si risposano, mentre di quelli che giocano…beh diciamo che per loro i tornei di preparazione non sono esattamente la più importante delle priorità.

Vincere nei tornei 250

Convenientemente, il calendario ATP è di immediato sostegno come esperimento finalizzato a capire se i tornei di preparazione a uno Slam facciano davvero storia a sé (per facilità, li considero tutti tornei di preparazione, anche se analizziamo solo quelli nella settimana che precede uno Slam. Sydney è incluso, ma non lo è il torneo di Brisbane, per quanto gli eventi due settimane prima di uno Slam siano generalmente chiamati “di preparazione”).

Dal 2009, tutti i tornei di ultima categoria del circuito maggiore hanno assegnato 250 punti al vincitore ed è comodo che tutti quelli nella settimana che precedente uno Slam facciano parte di questa categoria.

Per verificare se i giocatori affrontino i tornei di preparazione agli Slam diversamente, possiamo semplicemente confrontare i risultati dei tornei di preparazione con quelli degli altri tornei 250. Non è una metodologia perfetta, visto che alcuni 250 hanno tabelloni con più di 32 giocatori e la qualità della competizione non è identica a questo livello, ma esaminando differenti parametri riusciamo ad arginare l’impatto di queste limitazioni.

Chi vi si dedica con intensità?

Iniziamo dal rapido conteggio di vittorie e sconfitte delle teste di serie. Nei tornei di preparazione dal 2009 al 2012, le teste di serie hanno vinto circa il 61% delle partite contro avversari fuori dalle teste di serie (224 su 365), mentre negli altri 250 le vittorie sono state più del 70% (1499 su 2129). Si tratta di una differenza sostanziale.

Per eliminare la stranezza del tabellone più ampio al Queen’s Club (che dal 2015 ha acquisito lo status di torneo 500, n.d.t.), e magari escludere anche qualche ritiro al primo turno, analizziamo il bilancio delle teste di serie in turni specifici.

Nei sedicesimi di finale di un torneo di preparazione, le teste di serie hanno conseguito 71 vittorie a fronte di 50 sconfitte, cioè una percentuale del 58.7%. Negli altri 250, il record è stato di 591 vittorie e 225 sconfitte, pari a una percentuale del 72.6%.

Nei quarti di finale di un torneo di preparazione, le teste di serie hanno battuto i giocatori non teste di serie per 36 volte su 46, pari al 71.7%. Negli altri 250, il bilancio è stato a favore delle teste di serie in 200 partite su 275, cioè il 72.7%.

Sembra che molti dei giocatori di vertice si presentino ai tornei di preparazione a uno Slam con l’intento di giocare una o due partite in contesto competitivo (o forse per obblighi contrattuali con gli sponsor). Sono giocatori il cui rendimento non è in linea con lo standard abituale. Ma, come visto dal record abbastanza simile nei quarti di finale, quelli che partecipano al torneo per arrivare fino in fondo giocano al loro livello abituale.

Qualche altro aspetto

Un elemento che sembra avere conseguenza effettiva nei tornei di preparazione sono i ritiri dell’ultimo minuto, come quello della seconda testa di serie Gilles Simon a Sydney, perché non compaiono nel record di partite vinte e perse (curiosamente, Monfils e Simon hanno vinto nel 2018 rispettivamente a Doha e Pune, in India, due tornei 250 che precedono gli Australian Open di due settimane, n.d.t.).

Per avere un quadro completo della situazione, compresi i ritiri, possiamo conteggiare il numero di teste di serie che hanno raggiunto la semifinale nelle due categorie che abbiamo definito per i tornei 250.

In quelli di preparazione a uno Slam, i semifinalisti negli ultimi quattro anni si sono suddivisi in 53 teste di serie e 43 non teste di serie, vale a dire che il 55% dei giocatori di vertice sono arrivati in semifinale. Negli altri 250, il rapporto è stato 365 teste di serie e 191 non teste di serie, cioè il 66% dei giocatori di vertice arrivati in semifinale.

Un ennesima chiave di analisi è il rendimento delle prime quattro teste di serie. Nei 250 succede spesso che le teste di serie dalla numero 5 alla numero 8 siano praticamente indistinguibili dal resto dei partecipanti. Per esempio, a Sydney questa settimana le teste di serie dalla 5 alla 8 sono Florian Mayer, Radek Stepanek, Jeremy Chardy e Marcel Granollers. Quindi non molta differenza tra questi giocatori e i semifinalisti fuori dalle teste di serie Julien Benneteau, Kevin Anderson e Bernard Tomic (che ha poi vinto il torneo in finale contro Anderson, n.d.t.).

In assenza di una netta separazione tra giocatori di primo livello e il resto del gruppo, selezionare le prime quattro teste di serie è una scelta valida come qualsiasi altra possibile.

Il risultato è simile a quanto visto con un campione più ampio di teste di serie. Complessivamente, quando una delle prime quattro teste di serie affronta un avversario fuori dalle prime quattro in un torneo di preparazione, vince il 65% delle partite (129 su 199). Negli altri 250, vince il 74% delle partite (978 su 1321).

Nei sedicesimi di finale, le prime quattro hanno un record di 51 vinte e 24 perse nei tornei di preparazione, pari al 68%, rispetto al 76% (366-114) negli altri 250.

È nei quarti di finale che le prime quattro teste di serie ottengono un rendimento diverso da quello delle altre teste di serie. Nei tornei di preparazione, il record è 31-20, pari al 61% delle partite. Negli altri 250, la percentuale è del 71% (261-105). Forse il bye al primo turno in molti dei tornei di preparazione a uno Slam significa che le teste di serie preferiscono non dover giocare più di due partite di preparazione.

Come detto, questi calcoli restituiscono risultati imprecisi, perché non tengono conto del livello di bravura dei partecipanti in ciascuno dei vari tornei 250. Pur non essendo l’ultima parola sulla questione, sono numeri che indicano con forza che i giocatori di classifica più alta non hanno troppa considerazione dei tornei di preparazione a uno Slam. Contro un insieme di avversari dalle caratteristiche simili, vincono molte più partite nei tornei 250 di altri momenti dell’anno.

Questo forse è un motivo per cui vincere un torneo di preparazione agli Australian Open non è predittivo di alcuna particolare aspettativa di successo a Melbourne: sono tornei a cui alcuni degli avversari di più alta classifica non si dedicano con l’intensità normalmente riservata ad altri tornei.

Warming Up and Losing Out

Cosa succede dopo aver vinto un torneo di preparazione agli Australian Open?

di Jeff Sackmann // TennisAbstract

Pubblicato il 29 dicembre 2011 – Traduzione di Edoardo Salvati

La particolare collocazione nel calendario tennistico rende gli Australian Open un torneo unico. Seguono quasi immediatamente la ripresa dalle vacanze invernali, quindi la percezione comune è che alcuni giocatori si presentino in uno stato di forma non ottimale come per gli altri tre Slam.

Per questa ragione i tornei delle due settimane precedenti agli Australian Open sono contemporaneamente importanti e difficili da pronosticare. Chi sarà in forma a Chennai la prossima settimana (torneo vinto da Milos Raonic, che ha poi perso al terzo turno degli Australian Open 2012, n.d.t.)? Chi è mentalmente pronto per la nuova stagione? E una volta che Chennai, Doha, Auckland, Sydney e Brisbane si sono conclusi, che informazioni si possono trarre per gli Australian Open stessi?

Cercherò di rispondere a quest’ultima domanda. Se mai ci fosse un periodo in cui la classifica non sembra contare così tanto è proprio gennaio, dopotutto è il mese in cui Yevgeny Kafelnikov ha vinto il suo Slam sul cemento. Sarebbe ragionevole ritenere che i tornei di preparazione siano particolarmente predittivi. Magari tornei come Doha forniscono un’anteprima in pillole su quanto ciascun giocatore sia pronto per il grande evento di Melbourne.

Purtroppo però, così non sembra essere. Vincere un torneo nelle due settimane che precedono Melbourne non necessariamente è predittivo del rendimento agli Australian Open. Anzi, è più affidabile nel pronosticare una prestazione deludente nel primo Slam dell’anno.

Dal 1992 (e senza considerare il 2007, anno in cui alcuni dei tornei di preparazione hanno modificato il format introducendo una fase a gironi) ci sono stati 93 tornei nelle due settimane che precedono gli Australian Open, 42 dei quali la settimana prima e gli altri 51 due settimane prima. Per ciascuno di essi, ho segnato i vincitori, la loro testa di serie agli Australian Open e il piazzamento a Melbourne. Con questi ultimi due dati, possiamo verificare se il rendimento sia stato uguale, superiore o inferiore alle attese.

(Le teste di serie agli Australian Open non sono lo strumento perfetto per stabilire il livello delle attese, visto che i risultati delle due settimane precedenti sono incorporati nella classifica. Ma si sono rivelate l’opzione di gran lunga più semplice e, siccome non è un metodo che distingua, ad esempio, tra la testa di serie numero 5 e la numero 8, dubito che faccia troppa differenza.)

Consideriamo i vincitori nella settimana che precede gli Australian Open. Non avevo grandi aspettative in questo caso, visto che i giocatori migliori solitamente riposano nella settimana prima di uno Slam. Sembra però che vincere un torneo in quella settimana dia una spinta aggiuntiva per superare uno o due turni.

Dei 42 vincitori di questi tornei, 12 hanno confermato le attese (vale a dire, hanno giocato al livello previsto dalla loro testa di serie a Melbourne), 17 hanno superato le attese e 13 hanno giocato peggio (tra cui un giocatore che si è ritirato).

Di questi tredici, solo quattro hanno perso il turno di apertura a Melbourne e nessuno era testa di serie. Molti hanno perso al secondo turno, tra cui la dolorosa uscita della testa di serie numero 6 Michael Chang nel 1993.

In chiave positiva, Pete Sampras ha vinto a Sydney nel 1994 e subito dopo a Melbourne, raccogliendo due tornei di fila. È l’unico giocatore negli ultimi vent’anni ad aver vinto gli Australian Open e un altro torneo nella settimana precedente.
Per i vincitori di tornei due settimane prima di Melbourne, i risultati non sono altrettanto confortanti. Dei 51 vincitori, 15 hanno confermato le attese, 12 le hanno superate e 24 hanno giocato peggio rispetto alla loro testa di serie (tra cui, anche in questo caso, un giocatore che si è ritirato).

Incredibilmente, ben 14 su 51 vincitori non ha poi superato nemmeno un turno a Melbourne, tra cui la testa di serie numero 4 Boris Becker nel 1993, la numero 5 Carlos Moya nel 2005 e la numero 9 Andy Murray nel 2008. Solo due dei 51 giocatori hanno vinto il torneo: Petr Korda nel 1998 e Roger Federer nel 2006, entrambi trionfatori a Doha (recentemente anche Stanislas Wawrinka e Novak Djokovic ci sono riusciti, nel 2014 e nel 2016, vincendo rispettivamente a Chennai e a Doha, n.d.t.).

In altre parole, la vittoria in un torneo di preparazione non rivela molto sul livello di forma per gli Australian Open stessi, e così sarà per i vincitori dei tornei delle prossime settimane, che non riceveranno particolari favori del pronostico a prescindere da quanto abbiano giocato bene nel debutto stagionale.

C’è una domanda a cui non ho risposto: cosa succede saltando completamente i tornei di preparazione? Se si escludono le esibizioni, è il programma che seguirà Djokovic, insieme ad altri giocatori, tra cui si fa notare Marin Cilic, che ha vinto a Chennai nel 2009. Dopo quel risultato, non è andato oltre i sedicesimi a Melbourne. Forse questa volta gambe più fresche significheranno più turni superati (Djokovic ha effettivamente vinto gli Australian Open nel 2012, mentre Cilic non li ha giocati per infortunio. Djokovic ha vinto gli Australian Open nel 2013 senza aver disputato tornei di preparazione, così anche Federer nel 2017, n.d.t.).

What Happens When You Win an Aussie Warmup?

Il numero dei ritiri negli Slam non è preoccupante

di Jeff Sackmann // TennisAbstract

Pubblicato l’1 settembre 2015 – Traduzione di Edoardo Salvati

Ritirandosi sotto 0-6 0-2 nel punteggio e avendo vinto solo 5 dei 37 punti giocati, Vitalia Diatchenko si è dimostrata essere un primo turno degli US Open 2015 ancor meno difficoltoso delle attese per Serena Williams. Naturalmente, il suo ritiro ha alimentato il solito effluvio di domande su come i premi partita dei tornei dello Slam – 39.500 dollari per la giocatrice o giocatore che esce al primo turno – siano un incentivo a presentarsi e incassare l’assegno anche quando non si è nella condizione fisica ideale per giocare.

Diatchenko non è stata l’unica a perdere al primo turno senza aver concluso la partita. Di 32 partite maschili, sei sono finite con un ritiro. Nessuna però è stata così a senso unico, tutti e sei i giocatori infortunati sono stati in campo almeno due set e cinque di loro ne hanno vinto uno.

Per il fatto che fosse un primo turno con la numero 1 del mondo, e visto l’alto numero di ritiri complessivi della giornata, i commentatori di tennis saranno certamente impegnati per qualche giorno a proporre un cambiamento nella regola. Come vedremo però, c’è scarsa evidenza di alcuna tendenza e nessun bisogno di modificare le regole.

Le circostanze dei ritiri negli Slam maschili

Prima dell’ecatombe degli US Open 2015, ci sono stati solo cinque ritiri al primo turno nei tabelloni Slam di quest’anno. Il momentaneo totale di 11 ritiri è perfettamente in linea con la media annuale del periodo 1997-2004 e lo stesso numero dei ritiri al primo turno negli Slam del 1994.

Si è assistito a un lieve incremento nei ritiri al primo turno degli Slam negli ultimi 20 anni. Dal 1995 al 2004, in media dieci giocatori hanno abbandonato il primo turno ogni anno. Dal 2005 al 2014, la media è stata di 12.2, in larga parte a causa dei 19 ritiri al primo turno della precedente stagione.

Si tratta di un aumento degli infortuni e dei ritiri in generale, non un incremento nel numero di giocatori che arrivano agli Slam non in perfette condizioni fisiche. Dal 1995 al 2004, in media 8.5 giocatori si sono ritirati prima o durante la partita dopo il primo turno negli Slam, mentre nel decennio successivo, il numero è salito a 10.8.

I ritiri nei tornei non Slam del circuito hanno avuto identico andamento. Nel periodo 1995-2004, la frequenza dei ritiri è stata di circa l’1.3% e nel decennio successivo è salita a circa l’1.8% (non c’è molta differenza tra i ritiri al primo turno e nei turni successivi per i tornei non Slam).

È la tendenza ad avere infortuni a essere aumentata – esattamente quello che ci si aspetta in uno sport diventato sempre più fisico. Sulla base dei recenti risultati, non dovremmo sorprenderci nel vedere un aumento dei ritiri nelle partite al meglio dei cinque set, visto che molte delle fatalità del primo turno degli US Open 2015 sarebbero sopravvissute a una partita al meglio dei tre set.

I ritiri negli Slam femminili

Nella maggior parte delle stagioni, la frequenza di ritiri al primo turno degli Slam femminili è a malapena la metà di quella in tornei non Slam del circuito.

Negli ultimi dieci anni, poco più dell’1.2% delle giocatrici nel tabellone principale di uno Slam ha abbandonato prematuramente una partita di primo turno. La stessa frequenza per i turni successivi è dell’1.1%, mentre quella nei primi turni di tornei non Slam del circuito è del 2.26%. Diatchenko è stata la quinta giocatrice a ritirarsi in un primo turno Slam quest’anno, per un totale quasi identico alla media di 1.2% data da sei ritiri (non ci sono stati altri ritiri al primo turno dopo quello di Diatchenko nel 2015, n.d.t.)

Un aneddoto, seppur fastidioso, non rappresenta un trend e il fatto che sia avvenuto in una partita di cartello non dovrebbe fargli assumere più importanza del valore associato al singolo elemento di un campione di dati. Anche di fronte al lauto compenso di una sconfitta al primo turno di uno Slam, i giocatori non si presentano al meglio della condizione più spesso di quanto non facciano durante il resto della stagione.

The Unalarming Rate of Grand Slam Retirements

La potenza analitica di un punto per mille

di Jeff Sackmann // TennisAbstract

Pubblicato il 5 dicembre 2017 – Traduzione di Edoardo Salvati

In un precedente articolo, ho introdotto un metodo per stilare una classifica della bravura nello smash. Ho espresso i risultati in “scala 100”, vale a dire il numero di punti che un giocatore potrebbe attendersi di vincere o perdere, rispetto alla media del circuito, in funzione della sua abilità nel colpire quello specifico colpo. I numeri emersi erano molto piccoli: i calcoli hanno mostrato che è Jo-Wilfried Tsonga ad avere lo smash migliore, un colpo che per lui vale 0.17 punti per 100 punti sopra la media e 0.27 punti per 100 punti in più del giocatore con lo smash peggiore nel campione analizzato, cioè Pablo Cuevas.

La scarto di 0.27 per 100 punti tra lo smash migliore e il peggiore è un’indicazione di massima di quanto la qualità di uno smash possa fare la differenza. Si tratta di una frequenza che si traduce all’incirca in un punto ogni 370. È molto poco e, considerando che la maggior parte dei giocatori staziona intorno alla media anziché trovarsi nelle vicinanze di uno dei due estremi, il tipico effetto generato dalla qualità di uno smash è ancora più ridotto.

Tuttavia, è difficile intuire quanto effettivamente valga un punto. Normalmente, un singolo punto, o anche cinque punti, non faranno più di tanto la differenza. D’altro canto però, ci sono molte partite talmente equilibrate per cui un punto o due possono orientare il risultato in una o nell’altra direzione. Se un giocatore fosse in grado di perfezionare il suo smash nella preparazione tra una stagione e l’altra e raggiungere il livelli di Tsonga, quale contribuito darebbero quei 0.17 punti per 100 punti alle sue vittorie totali? E per la classifica?

Una volta deciso di indagare sul tema, è un problema relativamente chiaro da affrontare. Durante una stagione, i giocatori migliori vincono più punti dei loro avversarsi, ovviamente. Il margine però non è così scontato. Nel 2017, nessun giocatore ha vinto più punti più spesso di quanto abbia fatto Rafael Nadal, con il 55.7% delle volte. È un valore più alto di meno di sette punti percentuali del peggior giocatore tra i primi 50, Paolo Lorenzi, che ha vinto il 49.1% dei punti giocati. Quasi la metà dei primi 50, 22 per l’esattezza, ha vinto tra il 49.0% e il 51.0% dei punti totali, e un altro 15% di giocatori si è posizionato tra il 51.0% e il 52.0%.

Sistemare la statistica dei punti totali vinti

Questi numeri portano leggermente fuori strada, solo leggermente però. La statistica dei punti totali vinti (PTV) tende a raggruppare i giocatori nella zona molto vicina al 50% perché si trovano ad affrontare quello che, per altri sport, chiameremmo un calendario sbilanciato. Infatti, se un giocatore vince solitamente deve giocare il turno successivo contro un avversario più forte; se vince ancora, c’è un avversario ancora più forte che lo attende. Questo significa che la differenza di 6.6% tra Nadal e Lorenzi è più ampia di quanto sembri: se Lorenzi avesse incontrato lo stesso insieme di avversari di Nadal, non sarebbe riuscito a vincere il 49.1% dei punti.

È possibile però trovare una soluzione. In un articolo di qualche mese fa, ho introdotto un algoritmo che analizzava i punti vinti alla risposta ponderati per avversario, mettendo a confronto i risultati di ogni coppia di giocatori in partite di equivalente difficoltà (un’analisi che richiamava l’attenzione sull’improvvisa ascesa del mago alla risposta Diego Schwartzman). Pur non sapendo esattamente cosa accadrebbe se Lorenzi avesse giocato contro gli stessi identici avversari di Nadal, possiamo usare questa metodologia basata sul “generico” avversario come approssimazione. Troviamo che la differenza tra il primo giocatore, Nadal, e il 50esimo della classifica, Lorenzi, è di circa dieci punti percentuali; tenendo costante al 55.7% la frequenza di punti vinti da Nadal, Lorenzi raggiunge il 46.2%, un valore che appare più neutro. Molti giocatori rimangono nel gruppo compreso tra 49% e 51% ma, quando si tiene conto della tendenza naturale del tennis a compensare le vittorie di un giocatore con le successive sconfitte, la differenza complessiva è maggiore.

La differenza di dieci punti percentuali non varia anche allargando il numero di giocatori a 71, vale a dire tutti quelli che hanno giocato almeno 35 partite sul circuito maggiore nel 2017. Lorenzi resta in fondo all’elenco, qualche posizione sopra a Mikhail Youzhny, la cui frequenza di punti vinti del 45.7% lo mette all’ultimo posto, esattamente dieci punti percentuali sotto Nadal.

Riflettiamo sul significato: in una classica partita maschile, per ogni cento punti giocati, solo dieci sono davvero incerti. Non in senso letterale naturalmente: ci sono moltissime partite in cui un giocatore vince almeno il 60% dei punti totali. In media però, ci si può attendere che anche il giocatore più debole tra quelli regolarmente nel circuito vinca 45 punti su 100. Nella statistica sportiva di squadra, si parla in termini analoghi di “livello di rimpiazzo”, cioè l’abilità di un tipico giocatore dei campionati minori svincolato da contratto – e quindi immediatamente impiegabile come sostituto – o di un giocatore della panchina. Non mi piace troppo mutuare il concetto di livello di rimpiazzo, perché in uno sport individuale è impossibile sostituire davvero un giocatore con un altro. Genericamente parlando però, è un buon metodo di paragone: come un battitore dei campionati minori potrebbe colpire con .230 di media realizzativa (rispetto allo .000) nelle leghe maggiori, così un giocatore ATP vincerà il 45% dei punti, non lo 0%.

Punti verso vittorie

Nella statistica sportiva di squadra, è frequente associare un determinato numero di segnature, goal o punti a una vittoria. Ragionare in termini di vittorie è un buon modo per valutare i giocatori: se si è in grado di stabilire che un portiere più forte vale due vittorie in più rispetto a quello attualmente nella rosa, è evidente il suo contributo alla squadra. Ancora una volta, è richiesta un po’ d’immaginazione per applicarlo al tennis, ma è un punto di partenza per iniziare a riflettere in modo analogo.

Un’altra stranezza del tennis è quella per cui non solo i giocatori affrontano avversari di livello ben diverso tra loro, ma giocano anche un numero di partite che può variare considerevolmente. I primi 50 a fine stagione 2017 hanno giocato dalle 35 alle 80 partite; in parte è dovuto agli infortuni, ma la causa maggiore è di tipo strutturale: più partite vinci, più giochi. Nadal ha gestito il suo calendario iscrivendosi solamente a qualche torneo non obbligatorio, eppure solo David Goffin ha giocato più partite di lui. Abbiamo quindi un altra stranezza da considerare, che possiamo gestire ipotizzando del tutto fittiziamente che una stagione di tennis sia lunga esattamente 50 partite. Il record di vittorie-sconfitte di Nadal è stato nel 2017 di 67-11; rapportato a una stagione da 50 partite, diventa circa 43-7.

Siamo ora pronti ad analizzare la relazione tra punti e vittorie. Per punti s’intende la frequenza di punti totali vinti aggiustata per avversario affrontato, e le vittorie sono il numero di partite vinte nell’ipotetica stagione da 50. È una relazione piuttosto forte (r^2 = 0.75), per quanto non perfetta. Roger Federer ha vinto partite a una frequenza più alta di quella di Nadal, ma in termini di punti totali vinti per avversari affrontati, Nadal lo ha surclassato, con il 55.7% contro il 53.5% di Federer. E come visto, Lorenzi è in fondo al campione di 71 giocatori, nonostante sia riuscito a rimanere intorno alla 40esima posizione della classifica. Fortuna, bravura nei momenti che contano e qualche altra circostanza favorevole rendono imperfetta la relazione punti verso vittorie, ma è comunque un valido indicatore.

Non servono troppi punti per aumentare le vittorie totali di un giocatore. L’aumento di solo 0.367 punti per 100 punti si traduce in una vittoria in più sulle 50 partite stagionali giocate. La media punti giocati a stagione è di 8000, quindi sono 29 punti in più ad anno. Le conclusioni sull’analisi dello smash migliore assumono una nuova luce: la differenza di 0.27 punti per 100 punti tra i due estremi è sembrata ininfluente, ma ora ci si accorge che vale quasi una vittoria di una stagione da 50 partite.

Vittorie verso posizioni in classifica

Quello che conta davvero però nel tennis, la sua valuta di scambio universalmente riconosciuta, non solo le vittorie ma la posizione nella classifica generale. Anche la relazione tra vittorie e posizione in classifica è forte ma imperfetta (r^2 = 0.63).

Come osservato, i giocatori di media classifica sono molto vicini in termini di punti totali vinti, con molti di loro che si aggirano sul livello del 50%, anche quando il dato è corretto per la tipologia di avversari. Anche il numero di vittorie non è di grande aiuto per creare separazione tra questi giocatori: in media, un aumento di 0.26 vittorie per 50 partite equivale a una posizione in classifica. Detto in altro modo, se un giocatore vince una partita in più, la sua classifica migliorerà di quattro posizioni. Serve ricordare che non sono postulati scolpiti nella roccia quando si considerano situazioni reali, dipende infatti anche quando e dove sono conseguite quelle vittorie addizionali: il corrispondente incremento di classifica potrebbe variare da nessuna fino a trenta posizioni. Conoscendo le caratteristiche di una tipica vittoria però possiamo meglio comprendere l’impatto di ciascuna vittoria marginale e, per estensione, il valore del vincere dei punti aggiuntivi.

Un punto per mille

Se mettiamo insieme queste due relazioni, otteniamo una nuova regola del pollice comoda anche da un punto di vista numerico. Se l’aumento di una posizione in classifica richiede 0.26 vittorie addizionali ogni 50 partite, e una vittoria aggiuntiva richiede 0.376 punti extra per 100 punti, un rapido giro di calcolatrice dimostra che una posizione in classifica equivale a circa 0.095 punti per 100 punti. Arrotondando a 0.1 per 100 punti, siamo nell’ordine di un punto per 1000 punti.

Un punto addizionale per mille punti è una quantità minuscola, quel tipo di differenza che mai sogneremmo di notare a occhio nudo. Tornei vengono vinti regolarmente senza che un giocatore arrivi a dover giocare così tanti punti; anche per Goffin – che ha servito o risposto più di dodici mila volte quest’anno – si parla di circa una dozzina di punti. Ripensiamo però a tutti quei giocatori raggruppati tra il 49% e il 52% dei punti vinti totali; anche una volta che si è corretto per la tipologia di avversari, tre di loro hanno terminato il 2017 con lo stesso valore di 50.4%, separati da meno di un punto per mille.

La zona della classifica in cui un punto per mille non rappresenta più che un errore di arrotondamento sono le posizioni di vertice massimo. Di solito, un giocatore emerge dal gruppo e i pochi che sono in cima si distanziano da tutti gli altri. Il 2017 non è stato diverso: la differenza corretta per avversario tra Nadal e Federer è stata di un incredibile 2.2% (22 punti per mille punti), mentre il successivo 2.2% fa scendere da Federer fino a tutti i primi 10. Il 2.2% che segue, che si estende all’intervallo tra il 51.1% e il 48.9%, ricomprende altri venti giocatori che, in media, sono separati tra loro da un punto per mille. Se un giocatore cercasse di migliorare la sua classifica dalla 30esima posizione alla 20esima, il percorso sarebbe abbastanza lineare; dalla quinta alla terza posizione invece sarebbe molto meno prevedibile, e probabilmente più difficoltoso.

Se tutto questo sembra inutilmente astruso, posso solo riferirmi ai risultati emersi dall’analisi sullo smash. Ora sappiamo che la variazione di capacità tra giocatori regolarmente attivi sul circuito maggiore nel colpire lo smash vale circa tre posizioni in classifica. Si pensi a cosa voglia dire arrivare a simili conclusioni per dritti, rovesci, discese a rete…roba che scotta! Anche se la strada da percorrere è ancora lunga, questo approccio permette di misurare l’impatto di specifici colpi – e magari anche di tattiche – e trasformare quell’impatto in termini di posizioni in classifica, la valuta di riferimento nel tennis.

The Power of One Point Per Thousand

Alla ricerca dello smash migliore – Parte 2 (WTA)

di Jeff Sackmann // TennisAbstract

Pubblicato il 28 novembre 2017 – Traduzione di Edoardo Salvati

La Parte 1 di quest’analisi (per il circuito maschile).

Gli smash nel tennis femminile

Le giocatrici moderne colpiscono molti meno smash degli uomini, e vincono il punto con lo smash meno frequentemente. Nonostante queste differenze, il ragionamento illustrato nel caso del tennis maschile si applica parimenti al circuito femminile. 

Nella WTA della decade in corso, gli smash diventano un vincente (o inducono a un errore forzato) il 63% delle volte, e consentono di vincere il punti circa il 75% delle volte. Sono entrambi numeri inferiori rispetto agli equivalenti dell’ATP (rispettivamente il 69% e l’81%), ma non in misura così drammatica. La tabella riepiloga la frequenza di vincenti, errori e punti vinti per smash per le 14 giocatrici con almeno 80 smash nel campione di dati del Match Charting Project.

Giocatrice    V/SM   E/SM   PT/SM  
Jankovic      73%    9%     83%  
Williams      72%    13%    81%  
Graf          61%    9%     81%  
Kuznetsova    70%    10%    79%  
Halep         66%    11%    76%  
Wozniacki     61%    16%    74%  
Pliskova      62%    18%    74%  
Radwanska     54%    13%    74%  
Kerber        57%    15%    72%  
Navratilova   54%    13%    71%  
Niculescu     50%    15%    70%  
Muguruza      63%    19%    70%  
Kvitova       59%    22%    68%  
Vinci         58%    14%    68%

Lo storico punto per punto per le donne è meno rappresentativo di quello degli uomini, quindi è più sicuro ipotizzare che la tendenza nella frequenza di smash vincenti sia più simile nel caso degli uomini che delle donne.

Se fosse veramente così, allora l’era di Steffi Graff somiglia a quella presente, mentre negli anni d’oro di Martina Navratilova si assisteva a molti meno smash vincenti o a punti vinti a seguito di uno smash.

È nella differenza tra le opportunità di smash (pallonetti) e gli smash che il gioco femminile si discosta in maniera netta da quello maschile. Come visto in precedenza, gli uomini gestiscono il 72% delle opportunità di smash con uno smash. Nella WTA attuale, il valore corrispondente equivale a meno della metà, cioè il 35%. I numeri di alcune specifiche giocatrici sembrano quasi troppo estremi per essere veri: in 12 partite del campione, Catherine Bellis ha ricevuto 41 pallonetti e colpito 3 smash; in 29 partite, Jelena Ostapenko ha colpito 10 smash di fronte a 103 opportunità di smash. Una generazione fa, la differenza tra i generi era minima: Graf, Martina Hingis, Arantxa Sanchez Vicario e Monica Seles colpivano lo smash almeno in tre quarti delle opportunità a disposizione. Tra le giocatrici in attività, solo Barbora Strycova supera il 70%.

La tabella elenca i numeri relativi alle opportunità di smash per 17 giocatrici con almeno 150 opportunità di smash nel campione del Match Charting Project. La colonna SM/OSM identifica gli smash per opportunità, la V/OSM i vincenti (e gli errori forzati indotti) per opportunità di smash, la E/OSM gli errori per opportunità e la PT/OMS i punti vinti per opportunità di smash.

Giocatrice      SM/OSM  V/OSM  E/OSM  PT/OSM  
Sharapova       12%     57%    11%    76%  
Williams        55%     58%    18%    72%  
Graf            82%     52%    17%    71%  
Pliskova        47%     52%    16%    70%  
Halep           14%     41%    11%    69%  
Suarez Navarro  25%     33%     9%    69%  
Bouchard        29%     50%    18%    68%  
Azarenka        35%     52%    17%    67%  
Kerber          39%     42%    14%    66%  
Muguruza        43%     51%    18%    66%  
Niculescu       57%     41%    19%    65%  
Kvitova         48%     50%    19%    65%  
Radwanska       44%     42%    18%    65%  
Konta           30%     47%    21%    64%  
Wozniacki       36%     44%    18%    64%  
Svitolina       14%     38%    14%    63%  
Navratilova     67%     42%    26%    58%

È subito chiaro dalla parte alta dell’elenco che quello femminile è un diverso tipo di tennis. Maria Sharapova non sceglie quasi mai di colpire uno smash, ma di fronte a un pallonetto è la migliore del gruppo. Segue Serena Williams, che colpisce quasi più smash di quasi tutte le giocatrici in attività considerate, e quasi possiede la migliore percentuale di realizzazione. Ricordiamo che per gli uomini esiste una modesta correlazione positiva tra smash colpiti per opportunità di smash e punti vinti per opportunità di smash. In questo caso, la relazione è più debole e leggermente negativa.

Visto che la maggior parte delle giocatrici colpisce così pochi smash, utilizzare la Probabilità di Punto Aggiunta (PPA) per valutare la bravura nel colpire lo smash è di poca soddisfazione. Graf era eccezionalmente brava, in linea con la capacità di Tsonga di estrarre valore dallo smash, ma tra le giocatrici in attività, solo Williams e Victoria Azarenka possono vantare uno smash del valore di quasi un punto ogni mille. All’estremo opposto, Monica Niculescu è quasi tanto inefficiente quanto era brava Graf, a suggerire che dovrebbe trovare un modo per gestire più opportunità di smash con il dritto tagliato per cui è famosa.

La tabella riporta lo stesso gruppo di giocatrici (tranne Navratilova, la cui era rende sfalsati confronti in termini di PPA), con la PPA di smash per 100 punti (SM PPA/100) e la PPA delle opportunità di smash per 100 punti (SMO PPA/100).

Giocatrice        SM PPA/100   OSM PPA/100  
Sharapova         0.03         0.21  
Williams          0.09         0.15  
Graf              0.15         0.14  
Pliskova          -0.01        0.09  
Suarez Navarro    0.04         0.08  
Halep             0.00         0.07  
Bouchard          -0.02        0.03  
Azarenka          0.08         0.00  
Kerber            -0.03        -0.02  
Muguruza          -0.07        -0.03  
Kvitova           -0.07        -0.04  
Niculescu         -0.13        -0.06  
Wozniacki         -0.01        -0.07  
Radwanska         -0.02        -0.07  
Konta             -0.12        -0.08  
Svitolina         0.01         -0.09

L’elenco è ordinato sulla base della PPA delle opportunità di smash, che dà indicazione di un aspetto molto più rilevante nel tennis femminile. La bravura di Sharapova nel rispondere al pallonetto la distanzia nettamente dal resto del gruppo, con un valore medio superiore a un punto ogni 500, con Williams e Graf non troppo indietro. La distanza tra queste giocatrici di cui si hanno molti più dati – dallo 0.21 di Sharapova al -0.09 di Elina Svitolina – è piuttosto ridotta rispetto a quanto lo sia negli uomini, ma in presenza di estremi come Sharapova e Del Potro, è difficile trarre conclusioni scolpite nella pietra da un insieme ristretto di giocatori, non importa se espressione dell’élite del tennis.

Considerazioni finali

L’approccio illustrato per quest’analisi, volta a misurare l’impatto dello smash e della bravura nello sfruttare le opportunità di smash, potrebbe essere utilizzato per altre tipologie di colpo. Grazie alla loro semplicità, gli smash sono un buon punto di partenza: molti terminano lo scambio e, anche quando questo non accade, garantiscono di fatto che un giocatore, o una giocatrice, vincerà il punto. Anche se poi gli smash si rivelano un po’ più complessi di quanto non appaia inizialmente, le problematiche che emergono dall’applicare un simile algoritmo a, per esempio, i rovesci e le opportunità di rovescio, sono di risoluzione considerevolmente più difficile. In ogni caso, rimango della convinzione che questo algoritmo rappresenti un punto di partenza promettente per affrontare un giorno analisi estremamente sofisticate.

Measuring the Best Smashes in Tennis

Alla ricerca dello smash migliore – Parte 1 (ATP)

di Jeff Sackmann // TennisAbstract

Pubblicato il 28 novembre 2017 – Traduzione di Edoardo Salvati

Come possiamo identificare i colpi migliori nel tennis? Sembra, all’apparenza, un quesito dalla risposta immediata. Grazie ai dati punto per punto raccolti in più di 3500 partite del Match Charting Project, siamo in grado di verificare ogni occorrenza del colpo in questione e determinarne l’esito. Se un giocatore colpisce molti vincenti o vince molti dei punti successivi a quel colpo, è probabile che sia un colpo in cui riesce molto bene. Svariati errori non forzati invece potrebbero indurci a pensare al contrario.

Poco tempo fa un amico mi ha chiesto: chi possiede lo smash migliore tra gli uomini? Rispetto ad altri colpi, come ad esempio il rovescio tagliato, dovrebbe essere abbastanza facile valutare gli smash, visto che in larga parte sono colpi che chiudono lo scambio – nel tennis maschile attuale (parlerò di quello femminile nella seconda parte) il 69% è rappresentato da vincenti o da errori forzati – aspetto che semplifica il problema.

L’algoritmo più diretto per trovare una risposta consiste nel determinare la frequenza con cui un punto si conclude in favore del giocatore che ha colpito lo smash, grazie a un vincente o a un errore forzato. Possiamo chiamare questo rapporto “V/SM”. Nel Match Charting Project ci sono ottanta giocatori con almeno dieci partite nel circuito maggiore e il rapporto V/SM per quei giocatori va dall’84% (di Jeremy Chardy) fino al 30% (di Paolo Lorenzi). Sono estremi appartenenti a giocatori con un insieme di dati relativamente ridotto; se limitiamo l’analisi ai giocatori con almeno 90 smash, l’intervallo non è così ampio. Il migliore è Jo Wilfried Tsonga, con il 79%, il “peggiore” è Ivan Lendl, con il 57%. È un po’ ingiusto definire Lendl il peggiore, visto che negli anni la frequenza di smash vincenti è significativamente aumentata, e quella di Lendl è inferiore alla media degli anni ’80 solo di un paio di punti percentuali. Tra i giocatori in attività presenti nel campione che hanno almeno 90 smash è Stanislas Wawrinka ad alzare il livello minimo, con un V/SM del 65%.

Possiamo analizzare gli effetti di lungo periodo degli smash di un giocatore senza aggiungere eccessiva complessità. Se terminare un punto con lo smash è una situazione ideale, la maggior parte dei giocatori si accontenterebbe di vincere il punto. Quando colpiscono uno smash, i giocatori odierni finiscono per vincere il punto l’81% delle volte, andando dal 97% (di nuovo Chardy) al 45% (di nuovo Lorenzi). È sempre Tsonga a guidare il campione più ampio di giocatori, vincendo il 90% dei punti a seguito di uno smash e, tra i giocatori in attività, Wawrinka rimane ultimo, con il 77%.

La tabella elenca tutti i giocatori con almeno 90 smash nel database del Match Charting Project, con indicazione del relativo rapporto vincenti (ed errori forzati indotti dallo smash) per smash (V/SM), errori per smash (E/SM) e punti vinti per smash (PT/SM).

Giocatore    V/SM   E/SM   PT/SM  
Tsonga       78%    6%     90%  
Berdych      76%    6%     88%  
Sampras      75%    7%     86%  
Federer      73%    7%     86%  
Nadal        69%    7%     84%  
Raonic       73%    9%     82%  
Murray       67%    6%     82%  
Nishikori    68%    11%    81%  
Ferrer       71%    9%     81%  
Agassi       67%    8%     80%  
Djokovic     66%    9%     80%  
Edberg       62%    12%    78%  
Wawrinka     65%    10%    77%  
Lendl        57%    13%    71%

Sono numeri che indicano chiaramente su quali giocatori si dovrebbe scommettere se mai venisse organizzata una gara degli smash nello stile di quella delle schiacciate all’All Star Game della NBA. Ancora meglio, non ci si macchia di alcuna pesante offesa nei confronti del buon senso: ci si attende infatti di vedere Tsonga e Roger Federer in cima alla lista, e sarebbe stato strano trovare Novak Djokovic troppo lontano dal fondo.

Opportunità di smash

Dobbiamo però fare meglio di così. Quasi tutti i colpi di una partita sono frutto di una decisione del giocatore che li colpisce: meglio topspin o taglio? Rovescio o dritto girando intorno alla pallina? Approccio a rete o linea di fondo? Molti smash sono una scelta ovvia, ma molti altri non lo sono. I giocatori fanno scelte diverse tra loro e, per valutare un colpo specifico, bisogna riformulare la domanda in modo più puntuale. Invece di cercare un vago “il migliore”, dovremmo orientarci a capire quale giocatore ottiene il massimo dai suoi smash. Le domande sono certamente simili, ma non identiche.

Espandiamo la visuale per integrare quelle che potremmo chiamare “opportunità di smash”. Anche in questo caso, come tipologia di colpo lo smash rende l’analisi più semplice. Possiamo definire un’opportunità di smash come un pallonetto colpito dall’avversario (con un campione di dati imperfetto, c’è una complicazione aggiuntiva, perché a volte i colpi che precedono lo smash sono codificati come colpi a rimbalzo in topspin o tagliati. Le ho comunque considerate opportunità di smash). Nel tennis maschile moderno, circa il 72% dei pallonetti comportano uno smash, il resto è giocato come vincente o gestito con un altro colpo. Ogni giocatore ha la sua strategia: Federer, Pete Sampras e Milos Raonic colpiscono lo smash di fronte a più dell’84% di opportunità. Pochi giocatori si fermano sotto al 50%: Nick Kyrgios ad esempio ha colpito uno smash solo 20 volte sulle 49 opportunità del campione (il 41%). Tra i giocatori di cui si hanno più dati a disposizione, Juan Martin Del Potro ha scelto di colpire lo smash 61 volte su 114 (il 54%) e Andy Murray 271 su 433.

Naturalmente, non tutti i pallonetti sono uguali tra loro. Quando il numero di punti è molto alto, ci si attende una normalizzazione nella tipologia, ma anche in quella circostanza, lo stile complessivo di gioco può influenzare le opportunità di smash che un giocatore si trova ad avere. Ma questo è un’aspetto più complicato e per un’analisi separata; per il momento, è più facile ipotizzare che la combinazione di opportunità di smash per ciascun giocatore sia pressoché identica, pur tenendo a mente la probabilità di aver nascosto un po’ di complessità sotto al tappeto.

Con una varietà così ampia di smash per opportunità di smash (SM/OSM), è evidente che per alcuni giocatori gli smash in media siano più difficili che per altri. Federer colpisce circa la metà delle opportunità di smash rispetto, ancora, a quanto faccia Del Potro, indicazione che i tentativi di Federer arrivano su pallonetti più difficili da gestire di quelli di Del Potro; e sui tentativi più difficili, Del Potro sceglie un colpo diverso. Quando decide di giocare lo smash infatti, raggiunge un livello di efficacia molto alto, vincendo l’84% di quei punti, ma è probabile che, se colpisse lo smash con la stessa frequenza di Federer, non arriverebbe a una percentuale di successo altrettanto redditizia.

Questo fa pensare a una domanda leggermente differente: quali sono i giocatori più efficaci in presenza di opportunità di smash? Lo smash di per sé non è necessariamente così importante, poiché se un giocatore è ugualmente efficace con, ad esempio, un dritto o un rovescio al volo, non giocare lo smash diventa irrilevante. Lo smash è semplicemente uno strumento efficace utilizzato dalla maggior parte dei giocatori in occasioni di questo tipo.

Le opportunità di smash non offrono la stessa garanzia di risultato degli smash: nel tennis maschile moderno, i giocatori vincono il 72% dei punti dopo aver ricevuto un’opportunità di smash dall’avversario e il 56% dei colpi che seguono diventano un vincente o inducono a un errore forzato. Stiamo andando un po’ fuori strada, ma queste considerazioni permettono di affrontare una questione di portata più ampia sul gioco, perché le opportunità di smash rappresentano un numero di colpi maggiore degli smash.

La tabella elenca tutti i giocatori con almeno 99 opportunità di smash nel campione dati del Match Charting Project, insieme alla frequenza con cui colpiscono lo smash (SM/OSM), con cui colpiscono vincenti o inducono errori forzati a seguito di opportunità di smash (V/OSM), con cui commettono un errore (E/OSM) e con cui vincono un punto quando ricevono il pallonetto (PTV/OSM). Come nell’elenco precedente, i giocatori sono classificati sulla base dei punti vinti riportati nell’ultima colonna a destra.

Giocatore   SM/OSM  V/OSM  E/OSM  PTV/OSM  
Tsonga      80%     68%    13%    80%  
Federer     84%     66%    13%    78%  
Sampras     86%     68%    15%    78%  
Berdych     75%     66%    16%    76%  
Raonic      85%     67%    14%    76%  
Djokovic    81%     60%    13%    75%  
Anderson    66%     57%    12%    74%  
Nadal       74%     57%    16%    73%  
Agassi      77%     62%    17%    73%  
Becker      85%     59%    18%    72%  
Wawrinka    79%     58%    15%    72%  
Nishikori   72%     57%    17%    70%  
Murray      63%     52%    15%    70%  
Thiem       66%     52%    11%    70%  
Ferrer      71%     57%    17%    69%  
Cuevas      73%     54%    14%    67%  
Edberg      81%     52%    23%    65%  
Borg        81%     41%    20%    63%  
Del Potro   54%     48%    19%    60%  
Lendl       74%     45%    28%    59%  
McEnroe     74%     43%    24%    56%

C’è molta somiglianza nella graduatoria delle due tabelle, con nomi quali Federer, Sampras e Tsonga in cima. Ci sono però anche differenze chiave: Djokovic e Wawrinka sono particolarmente efficaci in risposta a un pallonetto con colpi che non siano necessariamente uno smash, mentre Del Potro è l’opposto, comparendo quasi in fondo all’elenco nonostante sia molto efficace con lo smash.

La frequenza con cui un giocatore trasforma opportunità di smash in smash possiede un impatto sulla sua percentuale di successo complessiva sulle opportunità di smash, ma la relazione non è così forte (r^2 = 0.18). Anche colpi alternativi come dritto/rovescio al volo o dritti da centro campo consentono di vincere il punto con una buona probabilità.

Il valore dello smash

Torniamo alla mia domanda, nella versione rivista: quale giocatore ottiene più valore dallo smash? Per una buona risposta, è necessario determinare la frequenza con cui lo smash è colpito e con quale successo. Una volta quantificate queste due variabili, siamo in grado di verificare quanto uno smash valido o, viceversa, uno colpito male, possano incidere sulla prestazione finale di un giocatore, misurata con i punti complessivamente vinti, e quanto uno smash fantastico si discosti da uno pessimo.

Come detto, un giocatore del circuito maggiore attuale vince mediamente il punto l’81% delle volte in cui colpisce uno smash. Esprimiamo lo stesso concetto in termini di probabilità di vincere un punto: quando un pallonetto è in aria e un giocatore posiziona la racchetta per colpire lo smash, la sua probabilità di vincere il punto è dell’81%, poiché gran parte del lavoro è già stato fatto avendo creato una situazione così favorevole. Se il giocatore in questione finisce per vincere il punto, lo smash ha aumentato la probabilità di 0.19 punti percentuali (dallo 0.81 all’1%), se invece finisce per perdere il punto, lo smash ha fatto diminuire la probabilità di 0.81 punti percentuali (dallo 0.81 allo 0%). Un giocatore che colpisce cinque smash vittoriosi consecutivamente ha uno smash che vale circa un intero punto: 5 moltiplicato per 0.19 è uguale a 0.95.

Possiamo usare questa semplice formula per stimare quanto valga lo smash di ciascun giocatore, espresso in punti. Lo chiamiamo Probabilità di Punto Aggiunta (PPA). Da ultimo, dobbiamo inserire nel calcolo la frequenza con cui viene colpito lo smash. Per farlo, dividiamo la PPA per il numero totale di punti giocati, e moltiplichiamo per 100 per rendere il risultato più leggibile. La statistica diventa quindi PPA per 100 punti, e riflette l’impatto dello smash in una tipica partita di breve durata. La maggior parte dei giocatori ha un numero simile di opportunità di smash ma, come osservato in precedenza, alcuni decidono di colpire più smash di altri. Quando dividiamo per il numero di punti, diamo maggior merito ai quei giocatori che ricorrono più spesso allo smash.

L’impatto complessivo dello smash si rivela essere minimo. La tabella elenca i giocatori dagli anni ’90 con almeno 99 opportunità di smash nel campione di dati a disposizione, e la relativa PPA dello smash per 100 punti.

Giocatore     SM PPA/100  
Tsonga        0.17  
Sampras       0.11  
Berdych       0.11  
Federer       0.10  
Nadal         0.05  
Raonic        0.04  
Del Potro     0.02  
Murray        0.01  
Anderson      0.01  
Nishikori     0.00  
Ferrer        0.00  
Agassi        0.00  
Djokovic      -0.02  
Wawrinka      -0.07  
Thiem         -0.07  
Cuevas        -0.10

È sempre Tsonga a dominare incontrastato, dalla misurazione più elementare a quella più complessa. Il suo 0.17 di PPA dello smash per 100 punti significa che la qualità dei suoi smash gli garantisce circa un punto aggiuntivo (rispetto alla media del circuito) ogni 600 punti. Non sembra molto, ed effettivamente non lo è: Tsonga colpisce meno di uno smash ogni 50 punti e, per quanto il suo sia accurato, anche il giocatore medio possiede uno smash molto affidabile.

Riusciamo anche a farci un’idea di quanto siano tra loro distanti i giocatori rispetto all’abilità nel colpire lo smash. Tra quelli in attività, il ritardatario del gruppo è Pablo Cuevas, con lo -0.1 di PPA per 100 punti: la sua inefficacia con lo smash gli costa un punto ogni mille giocati. Si può fare anche peggio – Lorenzi ottiene il -0.65 di PPA, seppur in un campione ridotto di dati – ma se limitiamo l’analisi ai giocatori con più informazioni punto per punto, la differenza tra estremo superiore e inferiore è a malapena di 0.25 di PPA per 100 punti, cioè un punto ogni 400.

Da quest’ultimo elenco ho escluso molti giocatori delle generazioni precedenti. Come detto, la frequenza di smash vincenti in quel periodo era in media inferiore, quindi valutare leggende come John McEnroe o Bjorn Borg attraverso una formula di probabilità di punto basata su dati del tennis attuale sarebbe totalmente errato. Con Sampras e Andre Agassi siamo però al sicuro, visto che la frequenza con cui i giocatori trasformano smash in punti vinti è rimasta abbastanza stabile dall’inizio degli anni ’90.

Il valore della risposta al pallonetto

Dopo aver visto l’impatto potenziale della bravura con lo smash, ampliamo nuovamente il raggio d’azione per verificare l’impatto potenziale della bravura con le opportunità di smash. Prima che un giocatore decida come rispondere a un pallonetto, la sua probabilità di vincere il punto è di circa il 72%. Quindi, utilizzare un colpo che porta alla vittoria del punto vale 0.28 punti percentuali di PPA, mentre una scelta che determina la perdita del punto si traduce in una PPA di -0.72.

Ci sono più opportunità di smash che smash e maggiori margini di miglioramento come media (72% invece che 81%), dovremmo quindi attenderci un intervallo più ampio di valori PPA per 100 punti. In altre parole, dovremmo attenderci che la bravura nella risposta al pallonetto, che comprende lo smash come possibile colpo, sia più importante della bravura specifica nel colpire uno smash.

La differenza è modesta, sembra però che la bravura nella risposta al pallonetto abbia un’ampiezza maggiore di quella nel colpire lo smash. La tabella mostra il medesimo gruppo di giocatori, sempre con indicazione della loro PPA per 100 smash (SM PPA/100) e con anche i valori della PPA/100 per le opportunità di smash (OSM PPA/100).

Giocatore    SM PPA/100   OSM PPA/100  
Tsonga       0.17         0.18  
Federer      0.10         0.16  
Sampras      0.11         0.16  
Raonic       0.04         0.12  
Berdych      0.11         0.09  
Anderson     0.01         0.08  
Djokovic     -0.02        0.07  
Nadal        0.05         0.03  
Agassi       0.00         0.01  
Wawrinka     -0.07        0.00  
Nishikori    0.00         -0.03  
Murray       0.01         -0.03  
Thiem        -0.07        -0.05  
Ferrer       0.00         -0.06  
Cuevas       -0.10        -0.12  
Del Potro    0.02         -0.19

Sono ancora Djokovic e Del Potro a catturare l’attenzione, in qualità di giocatori la cui bravura nello smash non rappresenta accuratamente la bravura nelle opportunità di smash. Djokovic è di poco sotto la media con gli smash, ma qualche gradino sopra sulle opportunità di smash. Del Potro invece supera di poco la media nel colpire lo smash, ma ottiene risultati decisamente negativi quando deve fronteggiare un pallonetto.

Siamo quindi in grado di misurare i migliori smash nel tennis, di mettere a confronto i giocatori e arrivare a un’impressione complessiva dell’importanza di questo colpo. Abbiamo però visto anche che non basta considerare solo gli smash, ma che si può conoscere di più dell’abilità di un giocatore allargando l’analisi alle opportunità di smash.

Nella seconda parte, i risultati ottenuti per il circuito femminile.

Measuring the Best Smashes in Tennis