Il valore delle carte nella UTS

di Stephanie Kovalchik // StatsOnTheT

Pubblicato il 21 giugno 2020 – Traduzione di Edoardo Salvati

La UTS, o Ultimate Tennis Showdown, è una nuova competizione creata da Patrick Mouratoglou con l’intento di rendere il tennis appassionante anche per i giovanissimi. Al suo debutto nel mese di giugno, è stato da subito chiaro che la principale fonte d’ispirazione sono gli e-sport, vista la presenza di elementi tipici dei videogiochi come le carte UTS.

Si tratta di opportunità a disposizione del singolo giocatore per modificare il valore di alcuni punti, aumentando la possibilità di acquisire un vantaggio strategico. Non sembra però che, almeno finora, i giocatori abbiano imparato a usare le carte nel migliore dei modi. In questa analisi, introduco un metodo per la stima del valore atteso di ciascuna carta UTS, oltre a una classifica sulla base dei risultati ottenuti.

Valore aggiunto atteso

Tra i cambiamenti radicali alle regole tradizionali del tennis, ci sono due delle quattro possibili carte UTS che i giocatori ricevono e che possono usare in qualsiasi quarto (cioè il set di questo formato). Le carte sono assegnate arbitrariamente prima dell’inizio di ogni quarto e allo stesso modo l’algoritmo decide per quanti punti possono essere giocate. Di seguito, ipotizzo una durata di due punti, in linea con la durata che si è verificata più frequentemente nelle partite.

Le quattro carte hanno il potere di cambiare il numero di punti che un giocatore può guadagnare, da un lato associando una ricompensa più alta alla vittoria di determinati scambi, dall’altro modificando il vantaggio di aver vinto il punto. Anche se ogni carta ha regole differenti, è possibile determinarne la resa con valutazione analoga, richiamando il concetto di valore aggiunto atteso (VAA). Il valore atteso è in questo caso definito come i punti attesi che un giocatore guadagnerà alla fine dei due punti in cui viene utilizzata la carta. Il valore aggiunto atteso è dato semplicemente dalla differenza di valore tra lo scenario in cui la carta è giocata e quello in cui non è giocata.

Steal Serve

La prima carta in esame è Steal Serve. Di solito, nella UTS il quarto si gioca come un tiebreak, con l’alternanza di due punti al servizio. Grazie alla carta Steal Serve, un giocatore può servire quattro volte consecutivamente, vale a dire il doppio delle volte rispetto a quando è alla risposta. È quindi la carta a stabilire chi serve e chi riceve. Il VAA si traduce qui nella differenza della vittoria del punto, P(Vittoria), tra quando si è al servizio e quando si è alla risposta:

VAA = 2 * P(Vittoria|Servizio) – 2 * P(Vittoria|Risposta)

Naturalmente, è un valore che oscilla in funzione dalla specifica bravura al servizio e alla risposta dei giocatori. Nel circuito maggiore, in media un giocatore vince il 65% dei punti al servizio. Se si trovano di fronte due giocatori che ben si combinano tra loro, la Steal Serve avrebbe un VAA di +0.60.

-1 Serve

C’è un’altra carta che incide direttamente sul servizio e si chiama -1 Serve, o senza la seconda di servizio. Usando questa carta si costringe l’avversario a giocare senza la protezione aggiuntiva fornita da un’eventuale seconda di servizio. Assegnare un valore a questa carta richiede tenere in considerazione il comportamento dell’avversario. Se adotta una posizione del tutto razionale (e si tratta di un’ipotesi non di poco conto all’interno di un’esibizione), gioca il servizio alla stregua di una seconda. In questo caso, il VAA della carta si riduce alla differenza tra la vittoria del punto alla risposta di fronte a una seconda di servizio e la vittoria del punto nella situazione canonica di due servizi:

VAA = 2 * P(Vittoria|Risposta seconda) – 2 * P(Vittoria|Risposta)

Guardando le statistiche dei punti vinti alla risposta sulla seconda di servizio, possiamo farci un’idea del vantaggio che potrebbe avere il giocatore medio. Sul circuito maggiore, la percentuale è del 48%. Rispetto a un valore medio del 35% di vittoria del punto alla risposta in presenza di due servizi, arriviamo a un VAA di +0.26.

Win In 3 Shots Max

Le altre due carte si distinguono perché non danno indicazione su quale sia il giocatore al servizio o alla risposta, aumentando il livello di complicazione della strategia. Consideriamo per prima la carta Win In 3 Shots Max. Con questa carta, la pressione si sposta sull’avversario, che è costretto a vincere i successivi due punti in non più di tre colpi. Il vantaggio deriva dal quel sottoinsieme di punti che l’avversario vince ma solo dopo uno scambio lungo. Se ipotizziamo che il numero di colpi è di fatto indipendente dal giocatore al servizio, il VAA può essere calcolato come segue:

VAA = 2(1-P(Vittoria|Risposta))* P(termina in > 3 colpi)

Se invece la carta è giocata con l’avversario alla risposta (e quindi chi serve gioca la carta), la formula diventa:

VAA = 2(1-P(Vittoria|Servizio))* P(termina in > 3 colpi)

Nonostante i proclami di alcuni sedicenti esperti di numeri, la maggior parte dei punti nel tennis termina dopo non più di tre colpi. Anzi, quasi il 70% dei punti è così corto. Questo suggerisce un VAA di +0.39 quando è al servizio l’avversario e di +0.21 quando è alla risposta. È un vantaggio in entrambi i casi, ma sarebbe meglio giocare la carta quando l’avversario è al servizio, perché è un modo efficace per annullare parte del vantaggio che ha un giocatore in quella situazione.

Winners Count x 3

Questa forse è la carta più interessante. Si chiama Winners Count x 3, ed è l’unica delle quattro in grado di alterare il valore di un punto nel sistema di punteggio. Il valore però cambia solo quando un giocatore vince il punto con un colpo che è chiaramente un vincente. Se ci poniamo nella stessa assunzione, cioè di una probabilità di chiusura del punto con un vincente che è indipendente da chi è al servizio, allora una ragionevole stima del VAA della carta è data da:

VAA = 2*3*P(Vittoria|Servizio)* P(vincente)

nel caso in cui la carta è usata dal giocatore al servizio. Nel caso in cui invece la carta è usata da chi è alla risposta, il calcolo è:

VAA = 2*3*P(Vittoria|Risposta)* P(vincente)

Negli Slam, i tornei di cui abbiamo più statistiche riguardo ai vincenti, il 30% dei punti termina in modo chiaro con un vincente. Questo suggerisce un VAA in media di +1.17 quando il giocatore è al servizio e di +0.63 quando è alla risposta.

Classifica

Grazie a quesi numeri di riepilogo legati a statistiche medie per giocatori professionisti, siamo in grado di disporre le quattro carte UTS considerate in ordine di importanza in funzione della contesto di gioco.

Carta UTS             Quando?       VAA
Winners Count x 3     Servizio      +1.17
Winners Count x 3     Risposta      +0.63
Steal Serve           Servizio      +0.60
Win in 3 Shots Max    Risposta      +0.39
-1 Serve              Risposta      +0.26
Win in 3 Shots Max    Servizio      +0.21

La carta Winners Count x 3 è quella con il valore maggiore, a prescindere dallo scenario, anche se come l’ha giocata Matteo Berrettini contro David Goffin, quando Berrettini era alla risposta, è stato evidentemente un errore strategico (e Goffin non si è fatto mancare l’occasione di prenderlo un po’ in giro nel collegamento in cuffia).

Al secondo posto per capacità di indirizzare il punteggio in favore del giocatore che ne ha disposizione c’è la carta Steal Serve. Da qui in avanti, la differenza si riduce sensibilmente. Visto che però le carte hanno tutte un valore aggiunto positivo, avrebbe comunque senso per i giocatori usarle sempre nel singolo quarto.

È ragionevole pensare che sono numeri che vanno bene in media per qualsiasi accostamento di giocatori. Per una partita specifica servirebbero invece statistiche relative agli scontri diretti per poter stimare con precisione il valore aggiunto delle carte. Per quanto, anche in presenza di variabilità da partita a partita, sarei sorpresa se la classifica di queste carte cambiasse in modo radicale.

Dovesse la UTS farsi strada tra gli appassionati, sarà materiale interessante per analisi future.

How to Game the UTS Cards

L’ipotesi non indipendente e identicamente distribuito nel tennis

di Stephanie Kovalchik // StatsOnTheT

Pubblicato il 20 marzo 2020 – Traduzione di Edoardo Salvati

In assenza di sport in campo per cause di forza maggiore, c’è più tempo per gli smanettoni dei numeri per scatenarsi. In questo articolo, cerco di rispondere alla domanda che dovrebbe stare a cuore di qualsiasi analista di tennis: ai giocatori si applica l’ipotesi non indipendente e identicamente distribuito (non iid)? Come si possono misurare le conseguenze relative a una situazione non iid? Perché dovrebbe interessarci? E quali sono stati i giocatori più non iid tra i primi 50 della classifica?

In uno dei rari studi di sport a essere pubblicato sul Journal of the American Statistical Association, i due giganti dell’analisi statistica del tennis Franc Klaassen e Jan Magnus si soffermano sull’ipotesi indipendente e identicamente distribuito (iid) per l’esito dei punti nel tennis. Se vi fosse mai capitato di fare una regressione, avrete già applicato l’ipotesi iid. Per un campione casuale di occorrenze, iid è un punto di partenza comodo e ragionevole. Nella fattispecie tennistica, iid è il modo più semplice per intendere la sequenza di punti in una partita. In sostanza, una volta che si conosce la media di punti vinti al servizio dal giocatore in quella partita si ipotizza che ogni punto al servizio sia una prova Bernoulli con la probabilità dell’esito “successo” pari alla probabilità di punti vinti al servizio del giocatore nella partita.

Da un punto di vista dell’analisi statistica, iid è una manna. Se i giocatori sono iid, allora qualsiasi quesito investigativo come vincere un set, vincere un tiebreak o vincere la partita si riduce a una qualche funzione della probabilità di punti vinti al servizio del giocatore.

Cosa succede però se i giocatori non sono iid?

Beh, la situazione si complica. L’ipotesi non iid vorrebbe dire che, in determinati momenti come ad esempio sul 30-30, i giocatori servono sistematicamente meglio o peggio. Dovremmo conoscere nel dettaglio quelle dinamiche per avere anche una speranza di descrivere le probabilità di risultato durante lo svolgimento di una partita.

Se guardando una partita vi è capitato di pensare che un giocatore ha il braccino o ha ceduto alla pressione, vi stavate esprimendo in termi di effetti non iid. Ci si è abituati ormai a vari cambiamenti di fronte nel corso di una partita che è difficile accettare il postulato per cui i giocatori sono iid. Quella che sembra una striscia vincente, o uno scenario sorprendente, è in realtà in linea con le probabilità associate a una sequenza di Bernoulli.

Se è possibile ricavare un insegnamento dallo studio di Klaassen e Magnus, è che la verità sta nel mezzo. Voglio cioè dire che i giocatori non sono iid, ma gli effetti del loro non iid sono molto più contenuti di quanto si potrebbe pensare. Così ridotti infatti che l’ipotesi iid, in molti casi nel tennis, è una descrizione estremamente veritiera dei risultati effettivi. Anche in presenza di effetti circoscritti, almeno nella media, è comunque possibile che alcuni giocatori mostrino un comportamento non iid più accentuato di altri. Quali sono tra quelli attualmente al vertice i giocatori meno iid in assoluto?

Una misura complessiva degli effetti non iid

Un modo per ottenere una misura complessiva degli effetti non iid in una partita è confrontare i game al servizio concretamente vinti da un giocatore con i servizi vinti in base alle previsioni iid. Chiamiamo g la proporzione di servizi vinti concretamente in una partita. Chiamiamo poi p la proporzione di punti vinti al servizio in una partita dal giocatore in esame e q quella del suo avversario. Date le caratteristiche espresse al servizio durante la partita, possiamo usare una simulazione Monte Carlo per calcolare una proporzione attesa di game vinti come ĝ(p,q).

Per fare un esempio pratico, nell’ultima partita prima della sospensione, Novak Djokovic ha vinto il 90% dei game al servizio, con una percentuale di punti vinti al servizio del 70% contro il 58% di Stefanos Tsitsipas. Inserendo probabilità al servizio del 70% e del 58% nel simulatore iid per una partita al meglio dei tre set, si riesce a determinare la stima dei game vinti al servizio per un grande numero di partite simulate.

Ho eseguito questa simulazione per le partite dal 2018 a oggi per tutti i giocatori tra i primi 50 (qualunque sia il significato attuale della classifica). L’immagine 1 mostra i risultati per tutte le partite, con in blu il non iid medio. I giocatori sono in ordine decrescente dall’alto verso il basso da quello con la media non iid più positiva a quello con la media non iid inferiore. Un effetto positivo qui significa che un giocatore ha vinto più game al servizio di quelli attesi rispetto alla sua percentuale di punti vinti al servizio e in ipotesi iid.

IMMAGINE 1 – Effetti non iid in partita per le partite dal 2018 a oggi per gli attuali primi 50 giocatori

Strategie basate sul servizio bomba

Proprio in cima troviamo tre dei giocatori con il servizio più potente: Reilly Opelka, Nick Kyrgios e John Isner. Quale può essere il motivo? Un’interpretazione è che i giocatori che fanno del servizio un colpo fondamentale lo utilizzano come elemento portante di una o due strategie per risolvere con efficacia i momenti più importanti della partita, come i game al servizio molto combattuti o le fasi conclusive. Potrebbe trattarsi di una modalità a disposizione di un giocatore per incrementare il rendimento nei game vinti al servizio, anche se poi la percentuale media di punti vinti al servizio rimane fondamentalmente invariata.

È interessante la presenza di diversi giocatori tra i primi dieci che non si pensa possiedano un servizio particolarmente forte, come ad esempio Pablo Carreno Busta, Jo Wilfried Tsonga o Denis Shapovalov. L’effetto non iid per loro è inferiore ma potrebbe essere dettato comunque dalla stessa strategia.

Anche se per questi giocatori la percentuale complessiva di punti vinti al servizio non è così alta, in ogni caso nei punti importanti al servizio potrebbero adottare una certa strategia o disposizione mentale che determina una divario misurabile tra previsione iid e previsione non iid.

Il caso di Carreno Busta

Nel caso di Carreno Busta, le tre partite con il massimo effetto iid sono terminate in una sconfitta, con i suoi avversari che hanno ottenuto più del 70% dei punti al servizio. Carreno Busta ha vinto più del 90% dei game al servizio in ognuna di quelle partite a dispetto di una percentuale relativamente bassa di punti vinti al servizio.

C’è stata la sconfitta nel 2019 agli Internazionali d’Italia contro Shapovalov, nella quale Carreno Busta ha vinto +17 punti percentuali di game al servizio rispetto alle attese iid. Come la sconfitta, sempre l’anno scorso, allo Shanghai Masters contro Dominic Thiem, nella quale ha vinto +14 punti percentuali delle attese. E la recente sconfitta a Rotterdam contro Felix Auger-Aliassime, nella quale ha vinto +13 punti percentuali. Sono occorrenze che evidenziano come gli effetti non iid potrebbero spiegare situazioni in cui un giocatore è riuscito a gestire egregiamente la pressione al servizio, ma ha comunque poi perso la partita.

La mentalità del campione

Non mi ha sorpreso vedere i Grandi Tre tra i giocatori più sistematici in termini di iid. Significa cioè che sono stati tra i meno influenzati dal contesto. O, detto in altro modo, sono giocatori che affrontano ogni punto come se avesse la stessa importanza, un aspetto che molti attribuiscono alla mentalità del campione. I lettori più attenti avranno notato che ci sono più giocatori dal lato positivo degli effetti non iid che dal lato negativo. Credo che in parte dipenda dal fatto che, considerati i pochi game al servizio giocati in una partita, soprattutto se una al meglio dei tre set, il risultato è più di tipo discreto con limite superiore di 1.

Una simile impostazione potrebbe tornare utile per altri indicatori di rendimento, oltre ai game vinti al servizio, più sensibili agli effetti non iid. L’elenco dei temi legati all’ipotesi non iid che meritano un approfondimento sembra davvero interminabile e di indubbia ispirazione per futuri articoli.

Are Top ATP Players Non-IID?

Punteggi di set più probabili per combinazione di giocatrici al servizio

di Stephanie Kovalchik // StatsOnTheT

Pubblicato il 22 febbraio 2020 – Traduzione di Edoardo Salvati

Nel suo rientro al professionismo dopo quasi otto anni, Kim Clijsters ha impressionato per aver costretto Garbine Muguruza al tiebreak del secondo set, nel quale nessuna delle due vinceva più del 60% dei punti al servizio. Mi sono chiesta qual è la probabilità di un tiebreak in questi casi. Nell’analisi che segue, ho utilizzato un semplice modello Monte Carlo per verificare i punteggi di set più probabili per diverse combinazioni di giocatrici al servizio.

Nella prima partita giocata da Clijsters a livello professionistico al Dubai Championships, in molti si sono stupiti del punteggio ottenuto contro una giocatrice che aveva da poco disputato la finale agli Australian Open. Anche se spesso chi è al commento considera il tiebreak un esempio di due giocatrici che hanno avuto un rendimento sostanzialmente identico nel set, ci sono molte situazioni che possono portare a un tiebreak e non tutte soddisfano quella condizione.

Ad esempio, nel secondo set della partita in questione Clijsters e Muguruza sono riuscite in un break per parte, con Clijsters che ha vinto solo il 52% dei punti al servizio rispetto al 59% di Muguruza. Di fronte a quelle statistiche, ho cercato di capire se la fortuna ha in parte aiutato Clijsters a mantenere il set così in equilibrio.

Tutti i possibili punteggi

Mediante la simulazione di un set, ho esaminato la probabilità di tutti i possibili punteggi per diverse combinazioni di giocatrici. Per ciascuna occorrenza, ho ipotizzato una percentuale di punti al servizio costante durante il set. Si tratta di una semplificazione (nel gergo statistico del tennis, l’ipotesi indipendente e identicamente distribuito) che però fornisce una base di partenza utile, oltre a essersi rivelata ragionevolmente rappresentativa della prestazione della maggior parte delle giocatrici in un set qualsiasi.

Il grafico dell’immagine 1 è una mappa di calore dei risultati. Sull’asse dell’ordinate troviamo la bravura al servizio della giocatrice che ha vinto il set, mentre sull’asse delle ascisse il corrispondente livello della giocatrice che ha perso il set. Ciascun pannello corrisponde a un diverso punteggio finale per la giocatrice che perde il set, o alla probabilità di un tiebreak, se lo si raggiunge. La somma di tutte le celle nella stessa posizione della griglia per i sette i pannelli è uguale a 100.

IMMAGINE 1 – Possibile numero di game vinti dalla giocatrice che perde il set per ciascuna combinazione di punti vinti al servizio dalla vincitrice del set (ordinate) e dalla perdente del set (ascisse), in un intervallo dal 55 al 95%

Se incrociamo quindi il 55% sull’asse delle ascisse e il 60% su quello delle ordinate, la probabilità di un tiebreak nel secondo set tra Clijsters e Muguruza a Dubai era solo dell’11%. Con questi numeri era più probabile infatti che Muguruza avrebbe vinto il set per 6-4 6-3.

Come mai?

Spostandosi da sinistra verso destra, la probabilità di un tiebreak aumenta quando le giocatrici hanno un simile rendimento al servizio, quello che nella terminologia di Klaassen e Magnus è un piccolo “malus”. Nella tabella il malus è 0 lungo le diagonali e cresce all’aumentare della distanza dalle diagonali.

L’equilibrio nel rendimento al servizio però non è l’unico aspetto. Il fattore più importante anzi è la bravura complessiva al servizio tra le giocatrici, che può essere sintetizzata con la percentuale combinata di punti vinti al servizio. Sempre per Klaassen e Magnus, si tratta del concetto di “bonus”. Nel secondo set tra Clijsters e Muguruza il bonus era solo di 111, abbastanza basso per giocatrici di quella caratura. Nell’immagine 1, il bonus aumenta spostandosi verso l’alto (per la giocatrice che vince il set) e verso destra (per la giocatrice che lo perde).

A parità di qualsiasi riga del grafico, notiamo che la probabilità di un tiebreak, o in questo caso muoversi verso l’ultimo pannello di destra, aumenta all’aumentare del rendimento al servizio della giocatrice che perde il set. Sarebbe molto sorprendente per una giocatrice con il 95% dei punti vinti al servizio perdere il set ma, dovesse accadere, sarebbe quasi con certezza in un tiebreak.

Dedurre le probabilità dal punteggio

Si può anche procedere per punteggio invece che per prestazione al servizio delle giocatrici. Significa determinare la più probabile combinazione di percentuale di punti vinti al servizio con un punteggio dato del set, ad esempio 6-3. Nel caso di un tiebreak, osserviamo una maggiore concentrazione di probabilità negli alti valori dell’angolo superiore a destra. Le probabilità di quest’intervallo sembrano abbastanza uniformi, a enfasi del fatto che le giocatrici non devono avere un rendimento identico al servizio per arrivare al tiebreak.

IMMAGINE 2 – Possibile percentuale di punti al servizio delle due giocatrici dato un determinato punteggio finale del set. I pannelli da sinistra a destra mostrano i game vinti dalla giocatrice che perde il set

Uno dei motivi per i quali il tennis è uno sport che invita all’analisi statistica è il contenuto informativo che si può apprendere sul possibile risultato di una partita conoscendo solo il rendimento al servizio di una giocatrice contro un’altra. Un solo grafico è in grado di illustrare tutti i possibili esiti di set in una partita di tennis! Ovviamente, si potrebbe anche includere gli effetti generati da ipotesi non indipendenti e identicamente distribuite se sapessimo che alcune giocatrici, ad esempio, sistematicamente cedono alla pressione delle palle break. Spero comunque che sia un riferimento per chi vuole andare oltre il semplice punteggio di una partita.

Which Set Scores Are Most Likely for all Combinations of Servers?

La giornata storta di Aleksandre Metreveli non è stata così terribile

di Jeff Sackmann // TennisAbstract

Pubblicato il 5 gennaio 2020 – Traduzione di Edoardo Salvati

La stagione 2020 di Roberto Bautista Agut è iniziata sotto il migliore degli auspici quando, alla ATP Cup, ha sconfitto il numero 2 georgiano Aleksandre Metreveli con l’imbarazzante punteggio di 6-0 6-0. Le vittorie senza game per l’avversario sono estremamente rare sul circuito maschile, con meno di 100 negli ultimi tre decenni.

Circa il 25% di quei 6-0 6-0 arrivano da partite della Coppa Davis, la competizione in cui è più probabile che questo accada. L’incrocio dei singolaristi, la parte della sfida in cui si affrontano il miglior giocatore di una nazione e il secondo migliore dell’altra (ormai praticamente defunta con il nuovo formato), genera risultati particolarmente a senso unico.

Così non è per l’ATP Cup, ma Bautista Augut è più forte di molti numeri 1 nazionali, e Metreveli è in quella manciata di giocatori questa settimana che altrimenti non troverebbe posto in un torneo del circuito maggiore. Eppure, non è stata una demolizione così catastrofica. La partita è durata 72 minuti, più di tutte le altre 59 con lo stesso punteggio di cui possiedo le statistiche. È stato solo il quarto 6-0 6-0 ha superare l’ora di gioco. Il precedente record apparteneva a Guillermo Canas che agli Internazionali d’Italia nel 2005 aveva annientato in 65 minuti Juan Monaco. Delle 120 partite per 6-0 6-0 sul circuito femminile di cui possiedo le statistiche, nessuna è mai andata oltre i 67 minuti.

Un po’ di contesto

Sulla durata di una partita possono incidere la routine dei giocatori o il comportamento del pubblico, ma non il numero dei punti giocati. Anche sulla base di questa statistica Metreveli ha fatto meglio di quanto il punteggio indichi. Ha tenuto in campo Bautista Agut per 97 punti, più a lungo di tutte le altre partite tranne tre. In media, servono solo 74 punti per un doppio 6-0. Più di 150 partite della scorsa stagione non hanno superato i 97 punti, tra cui diverse finali e un paio con un set terminato 7-5.

Un altro modo per considerare l’equilibrio di una partita è dato dalle palle break salvate. Il punteggio prevede che Metreveli non abbia mai fatto un break e che Bautista Agut ci sia riuscito sei volte. Metreveli però si è difeso duramente dalla risposta di Bautista Agut, salvando otto palle break. Solo quattro giocatori tra i 59 che hanno perso per 0-6 0-6 erano riusciti a salvare così tante palle break.

Opportunità di doppio 6-0

Bautista Agut ha vinto l’83% dei punti al servizio, rispetto al solo 40% di Metreveli. Se nessuna striscia inusuale di punti vinti o persi avesse interrotto queste frequenze di conversione, Bautista Agut avrebbe tenuto il 98.9% dei servizi a fronte del 26.4% di Metreveli. Per vincere i dodici game, Bautista Agut doveva tenere il servizio sei volte e fare altrettanti break. Sulla base di quella frequenza di tenuta del servizio, la probabilità di riuscirci era del 14.8%. Detto in altro modo, se questi due giocatori avessero continuato a tenere quel livello su un campione più ampio di partite (perdonami, Aleksandre!), ci sarebbe stato un doppio 6-0 solo all’incirca in una partita su sei.

Vale la pena ribadirlo, la prestazione di Metreveli si fa notare per essere una delle più solide in un punteggio di 6-0 6-0. Solo cinque tra le precedenti 59 partite di questo gruppo avevano una probabilità così ridotta di terminare con uno dei due giocatori senza game sul tabellone.

In funzione della probabilità di doppio 6-0, otto partite del 2019 sono state più a senso unico di questa, e solo una è terminata con dodici game di fila. Tre dei giocatori sconfitti hanno evitato lo zero in entrambi i set.

Torneo         Vincitore    Sconfitto    Punteggio    Prob 6-0 6-0 
Winston Salem  Fratangelo   Weintraub    6-0 6-0      63.5%  
Los Cabos      Granollers   Gomez        6-0 6-1      24.6%  
Us Open        Federer      Goffin       6-2 6-2 6-0  19.9%  
Estoril        Dav. Fokina  Chardy       6-1 6-2      18.5%  
Acapulco       Millman      Gojowczyk    6-0 6-2      17.2%  
Internaz. It   Nadal        Basilashvili 6-1 6-0      16.6%  
Miami          Car. Baena   Kudla        6-1 6-2      16.6%  
Tokyo          Djokovic     Pouille      6-1 6-2      15.5%

(E Metreveli è stato più valoroso contro Bautista Agut di quanto abbia fatto Nikoloz Basilashvili contro Nadal a Roma, anche se poi la vittoria di Nadal per 6-3 7-5 all’ ATP Cup è stata un po’ più equilibrata.)

Con questo non si può certo sostenere che Metreveli abbia avuto un debutto positivo all’ATP Cup. I doppi 6-0 sono però così rari che tendono a generare notizia, mettendo in secondo piano le specificità. Per il modo in cui ha giocato, Metreveli meritava una sconfitta più consona, con almeno uno o due game a suo favore.

Aleksandre Metreveli’s Bad Day Wasn’t Double-Bagel Bad

Una breve spiegazione sull’arrivo in volata alla Laver Cup

di Stephanie Kovalchik // StatsOnTheT

Pubblicato il 24 settembre 2019 – Traduzione di Edoardo Salvati

Nella terza edizione della Laver Cup, il Resto del Mondo si è avvicinato — come mai era riuscito — a battere l’Europa, che ancora una volta ha dimostrato di essere una potenza. Indietro nel punteggio per 5-7 al termine della seconda giornata, con la vittoria delle prime due partite della terza giornata il Resto del Mondo ha ristabilito l’equilibrio lasciando l’esito della sfida incerto fino all’ultimo. La situazione non sembrava chiara per i telecronisti, aperti alla possibilità di una tredicesima partita tra le due squadre. Vediamo perché non sarebbe potuto accadere e quali condizioni si sarebbero invece dovute verificare per arrivare alla partita decisiva.

La Laver Cup non ha una lunga tradizione, quindi parlare di tendenze può non avere molto senso. Abbandonando temporaneamente i rigidi dettami statistici, è curioso notare che il Resto del Mondo si è migliorato o ha eguagliato sé stesso al termine della seconda giornata in ciascuno dei tre anni. Gli 11 punti vinti in Svizzera sono a oggi il bottino più ampio. Escludendo la conquista del trofeo, il Resto del Mondo potrebbe superare questo traguardo con 12 punti alla fine delle partite della terza giornata forzando la sfida conclusiva, uno scenario che però non si è mai verificato.

Forzare la partita decisiva

Alcuni dei commenti televisivi hanno lasciato intendere che si sarebbe comunque sempre potuti arrivare alla partita decisiva. Non è la prima inesattezza numerica sentita durante una telecronaca, ma si è portati a pensare che la semplice addizione multipli di 3 al punteggio del Resto del Mondo alla fine della seconda giornata avrebbe evitato un errore di quel tipo.

Gli affezionati lettori di questo blog non avranno alcun problema nel realizzare che ci sono solo una manciata di punteggi dalle partite della seconda giornata che possono generare una parità di 12-12 dopo la dodicesima partita della terza giornata. E cioè:

  • 0-12
  • 3-9
  • 6-6
  • 9-3
  • 12-0

Meno immediato è capire quanto probabile fosse ciascuno di essi a Ginevra. Tenendo conto delle valutazioni specifiche per il cemento dei giocatori scelti per il singolare e il doppio nella prima e seconda giornata, il grafico dell’immagine 1 mostra tutte le combinazioni di punteggio possibili per il Resto del Mondo alla fine della seconda giornata, con la relativa probabilità.

Complessivamente, la probabilità che il Resto del Mondo fosse su uno dei cinque punteggi che avrebbe condotto a una partita decisiva era del 33%. Il più probabile era il 3-9, con il Resto del Mondo senza i favori del pronostico in tutti i singolari ma favorito in tutti i doppi.

È interessante notare che il punteggio effettivamente raggiunto (5-7) era, con il 17%, appena meno probabile del 3-9 su cui si sarebbero potuti trovare. Sicuramente la prima vittoria in singolare di Jack Sock (contro Fabio Fognini per 6-1 7-6, n.d.t.) per il Resto del Mondo deve essere tra le più grandi sorprese della competizione.

IMMAGINE 1 – Probabilità attesa per ogni combinazione di punteggio del Resto del Mondo alla fine della seconda giornata, sulla base di 50.000 simulazioni di risultato dalle partite effettive della prima e seconda giornata

Recuperare dallo 0-12?

Quando il Resto del Mondo ci riproverà a Boston, nella quarta edizione della Laver Cup nel 2020, guarderò con attenzione se saranno in grado di fare meglio di 5 punti dopo la seconda giornata e di 11 dopo la terza.

E spero di essere ancora in salute quando una delle due squadre recupererà uno svantaggio di 0-12 per giocarsi tutto nella partita finale. Con i giocatori presenti quest’anno, sarebbe successo solo in 6 delle 50.000 simulazioni della competizione. Temo ci sarà un po’ da aspettare per questo scenario. Per la prima partita decisiva invece, l’anno prossimo potrebbe essere quello giusto.

A Short Explainer on Getting to a Laver Cup Decider

Una misura dell’impatto delle palle break

di Jeff Sackmann // TennisAbstract

Pubblicato il 2 gennaio 2019 – Traduzione di Edoardo Salvati

In un precedente articolo, ho esaminato l’effetto della fortuna nei tiebreak. Ho mostrato che se da un lato i giocatori più forti vincono tendenzialmente un numero maggiore di tiebreak, dall’altro non esiste un talento speciale che permette a determinati giocatori un rendimento superiore alla fine del set rispetto ad altri momenti della partita. Di fronte a strisce molto positive, o viceversa molto negative nei tiebreak, dovremmo quindi evitare di assecondare l’invitante ipotesi dell’esistenza di un potere sovrannaturale nei tiebreak e supporre invece che i risultati torneranno in futuro a essere più in linea con la media.

Per le palle break valgono le stesse considerazioni. In una qualsiasi stagione, ci sono giocatori che vincono o perdono palle break in misura sproporzionata, ed è facile ricorrere alla forza mentale come principale spiegazione. Eppure, più spesso di quanto si pensi, quei risultati inusuali scompaiono, e con essi le convincenti teorie su nervi d’acciaio o di crolli sotto pressione che sono state appositamente elaborate.

Per quantificare circostanze di prestazioni migliori o peggiori delle possibilità di ciascun giocatore, ho cercato di esprimere le palle break trasformate in funzione di quelle “attese”, dove l’aspettativa è definita dalla frequenza con cui un giocatore vince i punti alla risposta o PVR (in realtà è leggermente più complicato che considerare la semplice frequenza di PVR di una stagione. Invece, serve prendere la PVR di ogni partita e ponderare le partite sulla base delle palle break concesse).

Palle break trasformate in funzione di quelle attese

Ad esempio, nel 2018 Gael Monfils ha trasformato 146 palle break sulle 317 avute, vale a dire una frequenza del 46.1%. È un valore molto più alto della PVR ponderata del 38.7%. Ha trasformato 23 palle break, o il 19%, più delle attese. Così come per l’analisi sui tiebreak, ho dato un nome a queste statistiche: il valore assoluto è definito come Palle Break Sopra le Attese (PBSA), la frequenza come Rendimento Aggiunto sulle Palle Break (RAPB).

(In media, i giocatori alla risposta vincono qualche palla break in meno dei punti che non sono palle break. Ho abbassato di conseguenza il livello di “attesa” all’1.4%).

Monfils ha rappresentato un’eccezione, l’unico giocatore ad andare oltre il +20 di PBSA, e l’unico con almeno 40 partite e con un PBSA di più del 15%. Poco del passato di Monfils però avrebbe fatto presagire risultati così importanti. Dal 2009 al 2017, ci sono state tre stagioni negative, due anni totalmente neutrali e quattro sopra la media. In quel periodo, Monfils ha convertito palle break più spesso delle attese in misura inferiore all’1%. A questo riguardo, Il successo del 2018 potrebbe essere dovuto a una rinnovata fiducia nelle proprie capacità ma, se la storia è d’insegnamento, non potrà continuare a beneficiare di una combinazione di bravura e fortuna per numeri da primato. La tabella riepiloga le prestazioni migliori e peggiori in termini di PBSA dei giocatori con almeno 20 partite sul circuito maggiore.

Giocatore   PB   Vinte  PBSA   RAPB  
Monfils     317  146    23.4   1.19  
Mcdonald    252  116    19.0   1.20  
Mmoh        129   63    16.9   1.37  
Jaziri      298  134    16.2   1.14  
Herbert     297  126    16.1   1.15  
Mannarino   318  136    14.1   1.12  
Berankis    235  103    13.8   1.15  
Querrey     290  118    13.8   1.13  
Klizan      313  139    13.5   1.11  
Struff      272  118    13.4   1.13  
                                                  
Fucsovics   414  162   -11.5   0.93  
Krajinovic  238   86   -11.8   0.88  
Donskoy     239   79   -11.9   0.87  
Wawrinka    217   66   -11.9   0.85  
Bedene      303  108   -12.9   0.89  
Isner       308   85   -13.0   0.87  
Zverev      347  123   -14.1   0.90  
Cilic       568  209   -18.1   0.92  
Sousa       484  176   -21.6   0.89  
Djokovic    617  246   -21.7   0.92

Impressiona la presenza di Novak Djokovic in fondo all’elenco, tanto scarso o sfortunato quanto Monfils è stato bravo o fortunato. Anche per Djokovic però le cose sono andate un po’ come per Monfils. Dal 2009 al 2017, la RAPB è stata di 0.997 — praticamente neutrale — e ha registrato quasi lo stesso numero di stagioni positive e negative.

Ebbene sì, è casuale

Fornire altri esempi sarebbe solo una ripetizione: il rendimento di un giocatore sulle palle break (a prescindere dalla bravura complessiva alla risposta) è indipendente da un anno con l’altro. Dal 2009 al 2018, ho trovato 700 coppie di stagioni-giocatore consecutive (come il 2017 e il 2018 di Djokovic) in cui la correlazione era sostanzialmente nulla (r^2 = 0.002).
La tabella che segue è ulteriore evidenza di quanto appena detto, perché mostra la RAPB più alta nel 2017 dei dieci giocatori con almeno 20 partite sul circuito maggiore nel 2017 e quella dell’anno successivo (sempre con almeno 20 partite).

Giocatore    RAPB 2017  RAPB 2018  
Dzumhur      1.16       1.05  
Zverev       1.15       1.02  
Kicker       1.15       1.04  
Gojowczyk    1.14       0.92  
Lajovic      1.13       1.04  
Kukushkin    1.13       0.94  
Zverev       1.13       0.90  
Isner        1.12       0.87  
Rublev       1.12       0.96  
Monteiro     1.12       1.17  
MEDIA        1.14       0.99

Solo Thiago Monteiro ha mantenuto un rendimento tale da farlo figurare tra i più forti del circuito. Il 2018 di John Isner è stato così diverso che si è piazzato agli ultimi posti. Complessivamente, cinque dei primi dieci nel 2017 hanno finito il 2018 sotto la media, e i dieci giocatori insieme hanno ottenuto un RAPB appena inferiore alla neutralità. In altre parole, siamo in presenza di una situazione indistinguibile dal caso.

Che prezzo ha la fortuna?

Siamo d’accordo sul fatto che il rendimento attuale sulle palle break non è di alcuna indicazione su quello futuro. Come però ho sottolineato per i tiebreak, proprio questa mancanza predittiva ha un valore.

Il +20 di PBSA di Monfils è stato di aiuto alla causa, consentendogli più vittorie nel 2018 di quelle che avrebbe altrimenti ottenuto. I risultati sulle palle break hanno probabilmente incrementato la classifica e i premi partita. Un ritorno alla neutralità non lo farà uscire dal circuito, ma ipotizzando che serva e risponda come ha fatto l’anno scorso, un PBSA meno scintillante potrebbe danneggiarlo. Di quanto?

Sempre in riferimento ai tiebreak, ho supposto che due tiebreak in più equivalgono a una vittoria extra. Per le palle break è un po’ più complicato: è chiaro che una palla break non ha lo stesso peso di un intero tiebreak, sia perché è un solo punto, sia perché raramente arriva come set point o match point. Inoltre, le palle break sono più cospicue e cifre come il +23 di Monfils o il -21 di Djokovic sono più estreme delle equivalenti prestazioni più inattese nei tiebreak.

Una misura dei punti ad alta leva

L’elemento chiave nella misurazione dell’impatto delle palle break è il concetto generale di probabilità di vittoria, oltre alla nozione più specifica di leva (spesso indicata anche come volatilità o importanza, ma l’idea di fondo è identica). In sintesi, la probabilità di vittoria è la quantificazione della probabilità per un giocatore di vincere la partita in un qualsiasi momento della stessa. La leva è un indice di quanto un singolo punto sia in grado di incidere sulla probabilità di vittoria. Immaginiamo una partita tra due giocatori dello stesso livello.

Prima dell’inizio, entrambi possiedono una probabilità di vittoria del 50%. Se vincere il primo punto fa aumentare la probabilità del giocatore al servizio al 51% o diminuirla al 49% nel caso lo perda, diciamo che la leva del primo punto è del 2%, vale a dire la differenza tra le probabilità di vittoria che derivano dal vincere e perdere il primo punto.

Maggiore è la posta in gioco del punto, più alta la leva associata. Tipicamente, un punto è ben sotto al 5%, ma uno di vera alta pressione, come 5-6 nel tiebreak del terzo set, può avere una leva anche del 50%. La statistica che esprime la probabilità di vittoria è largamente influenzata dal tipo di fattori selezionati, per cui non esiste un’unica misura matematicamente corretta della leva di ogni istante.

Ipotizzare che due giocatori siano dello stesso livello significa stimare che la probabilità di vittoria a inizio partita sia ben diversa del caso in cui uno dei due sia nettamente favorito. Anche queste interpretazioni hanno conseguenze sulla leva di ciascun punto. Su grandi insiemi di partite però, come una stagione intera, riusciamo ad avere un’idea generale del valore delle palle break.

Condizione sufficiente e necessaria

Nella semplice ma ovviamente errata ipotesi che tutti i giocatori siano dello stesso livello, in media la leva di un punto del circuito maschile nel 2018 era del 4.6%, e la leva di una palla break, sempre in media, del 10.5%. È un buon punto di partenza, ma decisamente troppo alto. Se accettiamo che la maggior parte delle partite è tra giocatori di livello diverso, ci rendiamo conto che una qualsiasi palla break non è poi così importante. Se Djokovic ne spreca una contro Monteiro, rimarrà comunque il super favorito.

Un metodo alternativo è quello di supporre che la bravura di un giocatore sia data esattamente dal rendimento in partita. Se Djokovic gioca contro Monteiro e vince l’80% dei punti al servizio, e Monteiro solo il 60%, si potrebbe calcolare la probabilità di vittoria e la leva di ciascun punto. Otterremmo in media una leva del punto del 2.9% e una della palla break del 6.5%.

Anche la seconda ipotesi non è del tutto corretta, ma forse si avvicina più della prima alla situazione effettiva. Non dimenticando che si tratta di un’approssimazione, usiamo una leva della palla break del 7.5%. Significa che, in media, il diverso esito di una palla break incide sulla probabilità di vittoria di un’unica partita del 7.5%. Un altro modo di vederla — quello con più rilevanza per questi calcoli — è che vincere una palla break anziché perderla equivale a vincere il 7.5% (o circa un tredicesimo) di una partita.

Le palle break sono (frazioni di) vittorie

Riprendendo il concetto di Palle Break Sopra le Attese, siamo ora in grado di dire che 13 palle break aggiuntive equivalgono a una vittoria extra. Il +23 di Monfils del 2018 gli ha regalato quasi due vittorie in più in stagione, mentre il -21 di Djokovic gli sarebbe costato, in media, 1.5 partite perse. Tenendo conto della moltitudine di elementi che incidono sulla prestazione all’interno di una partita, è irragionevole pensare che il record di vittorie e sconfitte di ogni giocatore nel 2019 rifletta in modo così preciso e prevedibile queste somme o sottrazioni di partite (anche semplicemente perché è impossibile vincere una partita e mezza). Ma nell’improbabile circostanza di parità di condizioni, dovremmo attenderci che quel vantaggio o quello svantaggio non abbiano seguito nella nuova stagione.

L’intervallo che separa il -21 dal +23 di palle break è un’affidabile rappresentazione della configurazione estrema che può acquisire la fortuna sulle palle break. Dal 2009, solo quattro giocatori hanno avuto stagioni con valori maggiori di +23, tra cui il BPSA più alto in assoluto di +34 di Damir Dzumhur nel 2017 (il quale ha subito pesantemente la sorte avversa l’anno successivo: da un record di 37-24 è passato a uno di 25-31 nel 2018, pur con un fortunato +8 di PBSA). All’estremo opposto, Dominic Thiem ha sofferto per un -28 di palle break sotto le attese nel 2015, L’anno dopo, è salito a -5 e in classifica è andato dalla 19esima alla nona posizione. Nonostante le montagne russe di Dzumhur e Thiem, sembra che l’oscillazione legata all’effetto fortuna sulle palle break sia di circa cinque vittorie, dal -2 al +3 per i giocatori più baciati dalla fortuna.

Non esiste una bravura speciale

Tuttavia, per la maggior parte dei giocatori nella maggior parte delle stagioni, la fortuna sulle palle break è poco più di un arrotondamento. Per quanto sia facile subire il fascino di questi calcoli, è proprio questa la conclusione più significativa. Come non esiste uno speciale fattore tiebreak, non c’è alcun motivo di ritenere che alcuni giocatori siano in qualche modo più bravi di altri a trasformare le palle break. Più forte il gioco alla risposta, più numerose saranno le palle break trasformate. Qualsiasi rendimento che eccede questo assunto rientrerà nella media. E per quei giocatori con un rendimento eccessivamente positivo o negativo sulle palle break, quella regressione avrà probabilmente conseguenze sul record di vittorie e sconfitte, sulla classifica e oltre.

Measuring the Impact of Break Points

L’immersione di Infosys in piscina

di Chapel Heel // HiddenGameOfTennis

Pubblicato il 7 agosto 2019 – Traduzione di Edoardo Salvati

Il riferimento è a un articolo sul sito dell’ATP che ha la pretesa di fornirci questo tipo di indicazione: “Un’immersione in profondità di Infosys ATP Insights sui primi 50 giocatori che, dall’inizio del 2019, fanno il break dal punteggio di 40-0 e servizio per il l’avversario, rivela che da questo abisso in media si ottiene il break solo nell’1.38% dei casi (84/6027)”. Questa statistica è definita la “più dura nel tennis”. Viene poi presentata la seguente tabella.   

IMMAGINE 1 – Game vinti alla risposta dal 40-0 per l’avversario, dall’inizio del 2019

Un’immersione in profondità nei dati, ma senza dati

Lasciando stare se è per davvero la “statistica più dura nel tennis”, sono sicuro che si riesce a trovare qualche evento nel tennis meno probabile dell’1.38%. Il primo che mi viene in mente è per una giocatrice di vincere 23 titoli Slam, il secondo è di vincere un set dal punteggio di 0-5 e alla risposta. E molti altri.  

Vediamo invece se Infosys ha in realtà svelato qualcosa di interessante in riferimento a questi recuperi impossibili. Dimentichiamoci del singolo giocatore per un momento. Dimentichiamoci anche di qualsiasi dato punto per punto delle partite effettivamente giocate nel 2019. Sappiamo che in media un giocatore vince, in una partita del tabellone principale di un torneo del circuito maggiore, circa il 62.5% dei punti al servizio. Senza fare ricerche specifiche, inserendo questo valore in un modello Markov otteniamo che il giocatore al servizio ha, all’inizio del game, il 78.5% di probabilità di tenere il servizio. Detto altrimenti, anche sullo 0-0, il generico giocatore alla risposta ha solo il 21.5% di probabilità di fare il break.  

Serve della matematica aggiuntiva (ugh) o un foglio di calcolo orribilmente contorto come il mio (ebbene sì!), o ancora un codice Python dalla pagina GitHub di Jeff Sackmann (per andare sul sicuro), per sapere che sul 15-0 la probabilità del generico giocatore al servizio scende al 12.4%. Sul 30-0, la stessa probabilità è solo del 5.5%, mentre sul 40-0 e dell’1.40%. Suona familiare? Riprendiamo l’estratto dal paragrafo iniziale. Senza “svelare” alcun dato dalle partite giocate, siamo in grado di giungere alla probabilità media di ottenere il break dal punteggio di 40-0 sul servizio dell’avversario. 

Che ne è dei giocatori della tabella?

La tabella ordina i giocatori sulla base del numero di game vinti da un punteggio di 40-0 sul servizio dell’avversario. Alcuni dei numeri sembrano seriamente impressionanti, in particolare sapendo che il break arriva solo l’1.4% delle volte contro un giocatore medio al servizio. Però, molti dei giocatori in elenco sono colpitori eccezionali alla risposta, cioè faranno il break più spesso in una qualsiasi situazione. 

Per capire se Infosys è arrivata a conclusioni inedite — e con questo intendo chiedermi: è una statistica da cui possiamo dedurre informazioni in più su un giocatore che non avremmo potuto derivare semplicemente dalla bravura alla risposta? — nella tabella che segue ho aggiunto una colonna. Si tratta della percentuale di break attesi dal punteggio di 40-0, in funzione della percentuale di punti vinti al servizio dell’avversario. 

IMMAGINE 2 – Percentuale di break attesi dal 40-0 in funzione dei punti vinti al servizio dall’avversario

Voglio essere chiaro. Non sto implicando che ci sia qualcosa di sbagliato in questo elenco o che lo siano i calcoli. Dopo tutto, sono recuperi realmente accaduti. Tuttavia, voglio capire se quelle percentuali di vittoria sottintendono l’esistenza di un talento speciale nel ribaltare il risultato dal 40-0, o se sono percentuali di vittoria che ci si attende rispetto alla bravura alla risposta dei giocatori in esame.   

La risposta è “forse” relativamente ai primi cinque, i cui risultati sono andati oltre le aspettative per più di quanto avremmo ipotizzato dalla casualità, e “probabilmente no” per i restanti cinque. 

Perché “forse” per i primi cinque? 

Non possiamo stabilire se sia un talento che supera la bravura alla risposta di ciascuno dei cinque senza sapere se è ripetibile su molteplici periodi di tempo. La bravura alla risposta è ripetibile, non lo è generalmente fare più break di quanto atteso. Siamo in presenza di un’eccezione, sebbene esigua? Ho molti dubbi al riguardo, ma mi piacerebbe essere smentito.  

Infosys ha tutti i dati a disposizione, e sarebbe stato quindi utile vedere se gli stessi nomi avessero fatto la loro apparizione anche nel 2018 e 2017 (suppongo che nessuno abbia pensato di verificarlo, che è un altro modo per dire che spero che non ci sia stato qualcuno che abbia guardato gli altri anni e omesso i valori perché non in linea con la tesi principale).  

Abbiamo invece un’immersione in piscina che presenta conclusioni in modo più definitivo di quanto probabilmente lo siano. L’ATP dovrebbe esigere di più dal suo fornitore di dati. 

Infosys “Deep Dives” Into a Shallow Pool

Sara Errani sull’orlo del precipizio

di Chapel Heel // HiddenGameOfTennis

Pubblicato il 17 maggio 2019 – Traduzione di Edoardo Salvati

Nella prima partita degli Internazionali d’Italia, il torneo di casa, Sara Errani è stata demolita per 6-1 6-0 dalla numero 43 del mondo, Viktoria Kuzmova, che a sua volta la scorsa settimana a Madrid non aveva fatto nemmeno un game in pochi minuti in campo contro Simona Halep.

Sono andato subito a vedere le statistiche di Errani per cercare il numero di doppi falli, che ultimamente è diventato il motivo principale d’interesse per le sue statistiche. Sei doppi falli commessi, che non sembrano tanti, anche se ha servito solo 17 seconde. Mi hanno colpito di più invece le sette palle break che ha dovuto fronteggiare in una partita così breve. Si tratta di circa il 15% di tutti i punti al servizio, vale a dire che si è trovata sotto pressione al servizio più spesso di una volta ogni sette battute.

Ho fatto una veloce indagine sulle prime 125 della classifica, oltre a Errani, per la stagione 2019, compreso il torneo di Madrid, e per il periodo dalla stagione 2016 a quella attuale (incluso Madrid), eliminando poi tutte le giocatrici senza almeno 400 punti al servizio nel 2019. Sono rimaste fuori in quattro, tra cui Maria Sharapova.

La pressione delle palle break

La tabella mostra, per entrambi i periodi, le palle break fronteggiate come percentuale dei punti totali al servizio, e l’indice-z (cioè il numero di deviazioni standard rispetto alla media di questo gruppo. Nota: ho invertito il segno dell’indice-z in modo che a valori negativi corrispondano prestazioni negative). Ho aggiunto una quinta colonna “Differenza Indice-z” per la differenza tra breve e lungo periodo dell’indice-z, i cui numeri non hanno un significato intrinseco (almeno, non credo ne abbiano uno), ma aiutano a far vedere il cambiamento in termini di pressione delle palle break tra i due periodi di riferimento. La tabella è inizialmente ordinata per la peggior percentuale di pressione delle palle break (PBP) del 2019, ma si possono applicare altri filtri liberamente.

Min 400 Punti
servizio
PBP %
2019
Indice-z 2019PBP %
2016-2019
Indice-z
2016-2019
Differenza
Indice-z
Aleksandra Krunic0.161-2.8320.115-0.153-2.68
Sara Errani0.161-2.8320.141-2.560-0.27
Daria Gavrilova0.148-2.0220.123-0.893-1.13
Daria Kasatkina0.147-1.9590.122-0.801-1.16
Evgeniya Rodina0.145-1.8350.138-2.2830.45
Johanna Larsson0.145-1.8350.122-0.801-1.03
Shuai Zhang0.141-1.5850.117-0.338-1.25
Tamara Zidansek0.137-1.3360.129-1.4490.11
Anna Karolina Schmiedlova0.137-1.3360.135-2.0050.67
Nao Hibino0.137-1.3360.125-1.079-0.26
Samantha Stosur0.137-1.3360.110.310-1.65
Rebecca Peterson0.136-1.2730.119-0.523-0.75
Heather Watson0.136-1.2730.117-0.338-0.94
Ivana Jorovic0.135-1.2110.121-0.708-0.50
Mandy Minella0.134-1.1490.118-0.430-0.72
Lesia Tsurenko0.133-1.0860.120-0.616-0.47
Aliaksandra Sasnovich0.133-1.0860.119-0.523-0.56
Ons Jabeur0.132-1.0240.114-0.060-0.96
Vera Lapko0.132-1.0240.1130.033-1.06
Andrea Petkovic0.132-1.0240.124-0.986-0.04
Viktorija Golubic0.132-1.0240.120-0.616-0.41
Anna Blinkova0.131-0.9610.124-0.9860.03
Madison Brengle0.131-0.9610.131-1.6340.67
Yafan Wang0.131-0.9610.127-1.2640.30
Amanda Anisimova0.131-0.9610.115-0.153-0.81
Mihaela Buzarnescu0.130-0.8990.1110.218-1.12
Kristina Mladenovic0.130-0.8990.115-0.153-0.75
Jelena Ostapenko0.129-0.8370.124-0.9860.15
Laura Siegemund0.128-0.7740.119-0.523-0.25
Christina Mchale0.125-0.5870.121-0.7080.12
Marie Bouzkova0.125-0.5870.116-0.245-0.34
Barbora Strycova0.125-0.5870.114-0.060-0.53
Saisai Zheng0.125-0.5870.126-1.1710.58
Margarita Gasparyan0.124-0.5250.121-0.7080.18
Lauren Davis0.123-0.4630.124-0.9860.52
Sara Sorribes Tormo0.122-0.4000.146-3.0232.62
Zarina Diyas0.122-0.4000.121-0.7080.31
Fiona Ferro0.122-0.4000.135-2.0051.61
Carla Suarez Navarro0.121-0.3380.1120.125-0.46
Timea Bacsinszky0.121-0.3380.117-0.3380.00
Monica Puig0.120-0.2750.1060.681-0.96
Magda Linette0.120-0.2750.114-0.060-0.22
Anett Kontaveit0.120-0.2750.1050.773-1.05
Alison Riske0.120-0.2750.1110.218-0.49
Lara Arruabarrena0.119-0.2130.123-0.8930.68
Dalila Jakupovic0.119-0.2130.116-0.2450.03
Mona Barthel0.119-0.2130.116-0.2450.03
Kateryna Kozlova0.119-0.2130.1130.033-0.25
Elise Mertens0.119-0.2130.116-0.2450.03
Irina Camelia Begu0.118-0.1510.120-0.6160.47
Maria Sakkari0.118-0.1510.124-0.9860.84
Kaia Kanepi0.118-0.1510.1120.125-0.28
Vera Zvonareva0.117-0.0880.1130.033-0.12
Anastasija Sevastova0.117-0.0880.1110.218-0.31
Kirsten Flipkens0.117-0.0880.115-0.1530.07
Svetlana Kuznetsova0.117-0.0880.1110.218-0.31
Jil Teichmann0.116-0.0260.115-0.1530.13
Alize Cornet0.116-0.0260.125-1.0791.05
Victoria Azarenka0.116-0.0260.1050.773-0.80
Sorana Cirstea0.116-0.0260.116-0.2450.22
Sloane Stephens0.1150.0360.1090.403-0.37
Ysaline Bonaventure0.1150.0360.1100.310-0.27
Viktoria Kuzmova0.1140.0990.1050.773-0.67
Tatjana Maria0.1140.0990.115-0.1530.25
Stefanie Voegele0.1140.0990.1130.0330.07
Magdalena Rybarikova0.1140.0990.1120.125-0.03
Su Wei Hsieh0.1130.1610.122-0.8010.96
Jessica Pegula0.1130.1610.115-0.1530.31
Alison Van Uytvanck0.1130.1610.1070.588-0.43
Ajla Tomljanovic0.1130.1610.116-0.2450.41
Aryna Sabalenka0.1130.1610.1040.866-0.71
Eugenie Bouchard0.1120.2230.115-0.1530.38
Qiang Wang0.1120.2230.1100.310-0.09
Venus Williams0.1120.2230.1120.1250.10
Natalia Vikhlyantseva0.1120.2230.1120.1250.10
Yulia Putintseva0.1120.2230.121-0.7080.93
Veronika Kudermetova0.1110.2860.114-0.0600.35
Bernarda Pera0.1110.2860.114-0.0600.35
Polona Hercog0.1110.2860.122-0.8011.09
Misaki Doi0.1100.3480.117-0.3380.69
Petra Martic0.1100.3480.1060.681-0.33
Beatriz Haddad Maia0.1090.4100.1050.773-0.36
Pauline Parmentier0.1090.4100.121-0.7081.12
Caroline Garcia0.1090.4100.0991.329-0.92
Lin Zhu0.1080.4730.118-0.430.90
Anastasia Potapova0.1080.4730.122-0.8011.27
Sofia Kenin0.1080.4730.1120.1250.35
Anastasia Pavlyuchenkova0.1070.5350.1060.681-0.15
Kristyna Pliskova0.1070.5350.0981.422-0.89
Vitalia Diatchenko0.1070.5350.118-0.430.97
Dayana Yastremska0.1060.5980.1090.4030.20
Garbine Muguruza0.1060.5980.0991.329-0.73
Belinda Bencic0.1060.5980.1100.3100.29
Ekaterina Alexandrova0.1060.5980.1120.1250.47
Julia Goerges0.1050.6600.0921.977-1.32
Taylor Townsend0.1050.6600.121-0.7081.37
Nicole Gibbs0.1030.7850.122-0.8011.59
Elina Svitolina0.1030.7850.1021.051-0.27
Katie Boulter0.1030.7850.114-0.0600.85
Caroline Wozniacki0.1020.8470.1030.959-0.11
Iga Swiatek0.1020.8470.1050.7730.07
Katerina Siniakova0.1010.9090.115-0.1531.06
Danielle Collins0.1000.9720.1120.1250.85
Astra Sharma0.1000.9720.1030.9590.01
Donna Vekic0.1000.9720.1110.2180.75
Madison Keys0.0991.0340.0912.070-1.04
Angelique Kerber0.0991.0340.1040.8660.17
Camila Giorgi0.0991.0340.1060.6810.35
Johanna Konta0.0981.0960.0951.699-0.60
Dominika Cibulkova0.0961.2210.1130.0331.19
Karolina Muchova0.0941.3460.1001.2360.11
Simona Halep0.0931.4080.1040.8660.54
Serena Williams0.0911.5330.0783.274-1.74
Bianca Andreescu0.0891.6580.0991.3290.33
Ashleigh Barty0.0891.6580.0862.533-0.88
Karolina Pliskova0.0881.7200.0902.163-0.44
Petra Kvitova0.0851.9070.0941.7920.12
Marketa Vondrousova0.0851.9070.1060.6811.23
Tereza Smitkova0.0851.9070.1050.7731.13
Naomi Osaka0.0841.970.0921.977-0.01
Kiki Bertens0.0782.3440.0971.5140.83
Jennifer Brady0.0772.4060.1050.7731.63
Media0.1160.113
Mediana0.1150.114
Deviazione Standard0.0160.010

Aleksandra Krunic è in difficoltà al servizio nel 2019 quanto lo è Errani, ma si tratta per lei di una novità, perché nell’orizzonte più lungo è rimasta all’incirca in media. Così non è invece per Errani, che riesce in qualche modo a regredire da numeri già significativamente scadenti. Sempre nel lungo periodo, Sara Sorribes Tormo è stata ancora più sotto pressione di Errani, con tre intere deviazioni standard dal lato sbagliato della media. Nel 2019 è solo al 36esimo posto delle peggiori: o ha cambiato qualcosa, o il campione di dati deve ancora aggiornarsi per riflettere la situazione.

Deviazioni standard dalla media

Errani stessa è vicina a tre deviazioni standard dalla media, che la pongono agli estremi della curva. In concreto, all’interno di una partita di routine in due set (tipo, 6-3 6-3) una giocatrice ha probabilmente 60-65 punti al servizio. Questo significa che Errani si trova di fronte a circa tre game di servizio in più in cui è sotto pressione per le palle break che deve fronteggiare rispetto alla media del gruppo.

Tra le migliori per indice-z nel lungo periodo non troviamo sorprese, vista la presenza tra le altre di Kiki Bertens, Naomi Osaka, Petra Kvitova, Karolina Pliskova, Ashleigh Barty, Madison Keys, Julia Goerges e Serena Williams (l’indice-z di Williams nel lungo è fantascientifico). Per il 2019 però, due giovani sono entrate tra le prime 10, Marketa Vondrousova e Bianca Andreescu.

Andreescu ha dimostrato di avere un servizio solido, ma Vondrousova non appare così forte, anche se il fatto di essere mancina probabilmente è un fattore rilevante. Sono numeri che semplicemente ricordato che proteggere il turno di servizio non è solo una questione di avere un servizio potente. Anche Caroline Wozniacki, Elina Svitolina e Halep, e pure Astra Sharma (!) rientrano tra le prime 20.

Tra i problemi al servizio e una bizzarra squalifica per doping (bizzarra quanto la sentenza, con una contestuale “ingestione involontaria” e un “lieve grado di colpevolezza”), mi ha sorpreso che Errani non abbia scelto gli Internazionali d’Italia per ritirarsi dal professionismo. Ha vinto contro pronostico in passato, ma le colleghe sono diventate più potenti, e lei sta regredendo.

Nota a margine: punti con la pressione delle palle break

Non credo che calcolare la pressione delle palle break in percentuali aggiunga nuove informazioni. È di fatto un altro modo per rendersi conto della solidità di servizio di una giocatrice. La correlazione con i punti vinti al servizio presenta il robusto valore (almeno per il 2019) di -0.79, senza una differenza materiale tra terra battuta e cemento. Ritengo però interessante osservare un servizio debole (in generale o per una specifica partita) con la lente d’ingrandimento sulla quantità di pressione a cui una giocatrice al servizio è veramente sottoposta.

Gli appassionati sono a proprio agio sui numeri relativi alle palle break salvate e a quelle trasformate. Sono occorrenze che spesso danno idea dell’equilibrio di una partita e di come possa andare in una direzione o nell’altra, ma sono anche statistiche con una larga componente di casualità (o fortuna o non replicabile dominio nei momenti importanti, quale sia il termine che preferite; qui per approfondimenti). Teoricamente, una giocatrice può essere più brava della media a salvare palle break (in termini percentuali), ma nel contempo esporsi a così tante palle break da rendere inefficace il talento nel salvarle.

Percentuale di pressione sulle palle break

Potrebbe essere utile valutare anche la percentuale di pressione sulle palle break di una giocatrice al servizio nelle occasioni in cui ci sbrighiamo a dare merito alla giocatrice alla risposta. Facciamo tutti scelte soggettive nel commentare una partita che non abbiamo visto. Ad esempio, perché ho ipotizzato che Errani abbia avuto una giornata terribile al servizio invece di pensare che sia stata Kuzmova ad averne una fantastica alla risposta? Avrei potuto altrettanto facilmente scrivere che Kuzmova ha risposto con molta efficacia, raggiungendo la palla break sul 15% dei servizi di Errani.

Ho fatto un esempio limite, perché la difficoltà di Errani con il servizio è ben nota e perché Kuzmova non è conosciuta per avere una risposta formidabile. In una situazione meno evidente, prima di dare troppo merito alla giocatrice alla risposta, potrebbe aver senso stabilire se è normale per una giocatrice avere una palla break sul 15% dei punti al servizio dell’avversaria.

Linearità tra palle break e percentuale di vittoria

Da ultimo, inserisco una tabella per la stagione femminile 2019 in cui ho suddiviso in sottoinsiemi tutte le partite in funzione della percentuale di PBP, con incrementi all’incirca del 2.5%. Visto che quasi il 60% delle partite è ripartito nei tre sottoinsiemi centrali (7.50% – 15.00%), ho ulteriormente scomposto in sottoinsiemi dello 0.75%, come appaiono a destra della parentesi. Il punto in cui la percentuale di vittoria supera il 50% è intorno all’11.2%.

In due circostanze la percentuale di pressione delle palle break non è lineare con la percentuale di vittoria. La più importante è nell’intervallo 9.00% – 10.50% (evidenziato), ma un po’ anche nell’intervallo 12.00% – 13.50%. Due di questi mini-sottoinsiemi si traducono più o meno in una palla break a partita quando una giocatrice ha 65 punti al servizio. Non sorprende quindi l’impossibilità di una linearità perfetta.

Errani Teeters on the Brink (Backsliding)

La giocatrice di tennis più prevedibile

di Jeff Sackmann // TennisAbstract

Pubblicato il 12 aprile 2019 – Traduzione di Edoardo Salvati

Caroline Wozniacki è una donna di abitudini. In otto game al servizio nella vittoria di primo turno contro Laura Siegemund a Charleston la settimana scorsa, ha replicato una sequenza ben precisa: servizio esterno sul primo punto, al centro sul secondo, al centro sul terzo ed esterno sul quarto. Se si escludono due prime sbagliate non definibili come “esterne” o “al centro”, si tratta complessivamente di trenta punti, sui quali Wozniacki ha sempre servito nella direzione a lei più congeniale. Dal quinto punto di ciascun game, la scelta è stata più casuale.

Non è niente di nuovo per la danese ex numero 1 del mondo. Contro Monica Niculescu al terzo turno a Miami, ha giocato undici game al servizio. Nei primi quattro punti di ciascuno, ha imposto la stessa sequenza, cioè esterno, al centro, al centro, esterno. Quarantaquattro punti al servizio e nessuna sbandata dalla rotta maestra della prima. Il Match Charting Project ha raccolto dati per più di 2600 partite femminili, e nessun’altra giocatrice ha mai servito per una partita intera senza alcuna variazione nella direzione dei primi quattro punti del game. Wozniacki lo ha fatto in diciassette partite.

Una misura della prevedibilità al servizio

Vediamo quanto Wozniacki si discosta dalle avversarie nell’essere così estrema in termini di ripetitività. Ho classificato ogni prima di servizio come “esterna” o “al corpo”. Il Match Charting Project prevede tre direzioni (esterna, al corpo, al centro) e nel caso un servizio sia codificato “al corpo”, ho utilizzato il primo colpo della giocatrice alla risposta come indicazione della direzione al servizio. Non è un metodo perfetto, perché alcune giocatrici, su un servizio debole, possono girare intorno alla pallina, ma è un’ottima approssimazione. Ho escluso servizi al corpo che non hanno avuto risposta o che non sono terminati in campo. La tabella riepiloga la percentuale con cui Wozniacki ha servito esterno in ogni punto di più di mille game di servizio di cui abbiamo dati punto per punto.

Punto     % Sv esterno   
Primo 82.8%
Secondo 17.4%
Terzo 16.7%
Quarto 78.5%
Quinto 52.3%
Sesto 46.8%
Parità 48.0%
Vantaggi 50.6%

Prevedibilità della prima di servizio o PPS

Wozniacki sceglie di modificare la direzione della prima di servizio nei primi quattro punti una volta ogni cinque servizi. Se riportiamo le prime quattro percentuali (82.8%, 17.4%, 16.7% e 78.5%) alla frequenza con la quale Wozniacki serve nella direzione preferita (82.8%, 82.6%, 83.3% e 78.5%), si ottiene una media – che chiamerò Prevedibilità della Prima di Servizio (o PPS) – dell’81.8%. Solo altre due giocatrici con almeno dieci partite nel database, cioè Kateryna Kozlova e Justine Henin, superano il 70%, e la ripetitività di Henin ha più a che fare con la sua perseveranza nella ricerca del servizio al centro in qualsiasi situazione.

Incredibilmente, i numeri complessivi di Wozniacki non lasciano trasparire quanto effettivamente ricorra a quella sequenza nella strategia di gioco attuale. Nel Match Charting Project ci sono 52 sue partite dall’inizio del 2017, e da quel sottoinsieme più recente si ricava una PPS del 94.0%. Ho il sospetto che sia un valore così estremo a dare una migliore rappresentazione delle dinamiche al servizio di Wozniacki, perché la recente varietà di partite è più ampia e include anche avversarie più deboli. Quello del Match Charting Project non è un campione casuale, e le partite più datate tendono anche a essere state giocate contro avversarie di alto profilo.

Le colleghe di Wozniacki non proprio colleghe

Analizziamo altre giocatrici con una prevedibilità superiore alla media. La mediana della giocatrice con almeno dieci partite nel Match Charting Project è rappresentata da una PPS di circa il 58%, vale a dire che la giocatrice potrebbe avere preferenza per una specifica direzione o servire spesso sul rovescio di una destrimane, ma in generale modifica regolarmente le proprie scelte al servizio. La tabella riepiloga le venti giocatrici con la più bassa variazione. Per ciascuna, è mostrata la frequenza di un servizio esterno in ognuno dei primi quattro punti del game, la PPS dei primi quattro punti (1-4), e la PPS per i punti dal quinto in avanti (5+).

Giocatrice      1°   2°   3°   4°   PPS (1-4)  PPS (5+)   
Wozniacki 83% 17% 17% 79% 82% 52%
Kozlova 60% 35% 10% 73% 72% 64%
Henin 38% 11% 57% 25% 71% 66%
Vikhlyantseva 92% 46% 38% 63% 68% 54%
Petkovic 74% 72% 36% 38% 68% 58%
Vondrousova 15% 63% 30% 54% 68% 68%
Brengle 82% 67% 53% 68% 67% 56%
Clijsters 86% 32% 61% 52% 67% 56%
Stephens 76% 21% 53% 46% 65% 62%
Voegele 71% 35% 59% 34% 65% 60%

Giocatrice 1° 2° 3° 4° PPS (1-4) PPS (5+)
Dementieva 76% 54% 71% 60% 65% 60%
Dodin 58% 14% 43% 43% 65% 64%
Li Na 28% 33% 52% 33% 65% 56%
Kerber 43% 78% 56% 67% 65% 64%
Doi 21% 60% 64% 56% 65% 63%
Vandeweghe 35% 35% 62% 66% 65% 55%
A. Beck 59% 24% 45% 33% 64% 61%
Sanchez Vicario 43% 77% 42% 65% 64% 64%
Buzarnescu 19% 39% 58% 46% 64% 59%
Sevastova 73% 58% 37% 60% 64% 55%

Solo due, Kozlova e Natalia Vikhlyantseva, seguono l’orientamento di fondo di Wozniacki con la combinazione esterno/al centro/al centro/esterno. Molte delle giocatrici, come Henin, preferiscono servizi esterni o al centro in tutti i punti, altre, come Andrea Petkovic e Coco Vandeweghe, optano spesso per un tipo di servizio nei primi due punti e uno diverso nei due successivi.

Assenza di tendenze distintive

È difficile estrapolare delle tendenze distintive da queste scelte, specialmente perché molte giocatrici sono più vicine al livello mediano di prevedibilità di quanto non lo siano alla continuità quasi maniacale di Wozniacki. L’ultima colonna, la PPS per i punti dal quinto in avanti, illustra un altro aspetto dell’unicità di Wozniacki. Dopo aver seguito fedelmente la solita sequenza nei primi quattro punti, la selezione passa a circa un 50% di servizi esterni e al centro, anche nelle partite più estreme del periodo dal 2017 a oggi.

Molte delle giocatrici dell’elenco non adottano questa strategia. Ad esempio, Angelique Kerber ha un’enfasi marcata per il servizio esterno sul lato dei vantaggi a game inoltrato quasi simile a quella di Wozniacki. Serve esterno con la prima più dell’80% delle volte sul 40-30 o 30-40, e il 73% delle volte sul AD-40 o sul 40-AD. Anche Henin rimane incollata al suo servizio preferito sui punti a maggiore importanza.

Equilibrio

Quale sia la ragione, Wozniacki ha fiducia sul funzionamento di una tattica con la quale si trova a proprio agio o è sicura che non le si ritorca contro. E non è nemmeno un segreto, visto che ci ho fatto caso dopo che l’allenatore di Siegemund l’ha evidenziata alla sua giocatrice in un cambio di campo durante la partita a Charleston.

Nel tennis, decisioni come queste sono all’ordine del giorno: quando seguire una strategia e quanto discostarsene affinché non diventi troppo prevedibile per l’avversaria. Nel podcast di questa settimana, con Carl Bialik ci siamo chiesti quanto spesso una giocatrice (o un giocatore) avrebbe bisogno di utilizzare un servizio dal basso per costringere l’avversaria a essere fuori posizione alla risposta. Se l’esempio di Wozniacki è di qualche indicazione, la risposta è: non molto spesso. Il semplice fatto che Wozniacki avrebbe potuto servire comunque in un’altra direzione era ragione apparentemente sufficiente da impedire a Niculescu o Siegemund di attaccare la prima, anche se Wozniacki avesse mantenuto la selezione dei servizi dal primo all’ultimo game della partita.

Conclusioni

Sono consapevole che sto lasciando in sospeso molte questioni. Wozniacki vince più punti con la prima se adotta una maggiore variazione? La sua seconda segue dinamiche simili? Fa leva sull’esito dei primi quattro punti come aiuto decisionale per la direzione del servizio nei punti successivi? Ci sono giocatrici diverse dalle altre che la costringono a essere più imprevedibile, come Madison Keys nella finale del torneo di Charleston grazie a una tattica aggressiva alla risposta?

Rimanete sintonizzati, potrei trovare qualche risposta. Nel frattempo, spero che vi sia del divertimento aggiuntivo alla prossima partita di Wozniacki che vi capiterà di guardare, conoscendo in anticipo la direzione del servizio. Magari, sarà quella rara volta in cui la giocatrice di tennis più prevedibile è partita per la tangente.

Grazie a Kees per i dati punto per punto della partita contro Siegemund e per la segnalazione della conversazione in campo con l’allenatore, da cui è nata l’idea per questo articolo.

The Most Predictable Woman in Tennis

Chi ha reso di più sotto pressione nel mese di marzo

di Stephanie Kovalchik // StatsOnTheT

Pubblicato il 29 marzo 2019 – Traduzione di Edoardo Salvati

Alla vigilia delle finali a Miami (vinte rispettivamente da Ashleigh Barty e Roger Federer, n.d.t.), vediamo quali giocatori e giocatrici hanno superato le avversità delle partite più cariche di pressione nel mese di marzo.

A marzo è tempo del Sunshine Double, la sequenza due più grandi e competitivi tornei della massima categoria nel calendario di entrambi i circuiti, cioè i Master 1000 ATP e i Premier WTA (ufficialmente, gli Slam sono gestiti dalla Federazione Internazionale). Indian Wells ha regalato due storie da Cenerentola, con Dominic Thiem vincitore del primo Master e Bianca Andreescu, la fenomenale adolescente, diventata la prima wild card del torneo a conquistare il trofeo. A Miami, si sono messi in luce Denis Shapovalov, Felix Auger-Aliassime e Barty.

Possiamo dire che a marzo abbiamo già assistito ai più eccitanti percorsi verso il titolo della stagione 2019. Quali sono stati però i giocatori con il rendimento più impressionante nella singola partita?

Uomini

L’immagine 1 elenca i dieci giocatori che hanno fronteggiato la maggior pressione in partita tra tutte quelle giocate a oggi nel mese di marzo. Il totale dei punti pressione, sull’asse delle ascisse, rappresenta quanta pressione un giocatore ha dovuto complessivamente gestire al servizio in unità di palle break decisive, che ho chiamato in un precedente articolo con il termine palle break equivalenti.

Indian Wells

Il primo posto spetta a Stanislas Wawrinka per la vittoria maratona di 3 ore e 26 minuti contro Marton Fucsovic a Indian Wells, nella quale ha fronteggiato 25 punti pressione, dieci in più della seconda partita a più alta pressione di marzo. È stato il terzo set a far schizzare il barometro, nel quale Wawrinka ha giocato ben 106 punti (cinque in più di tutti quelli giocati al turno successivo contro Federer) e 12 palle break. Anche se il 66% di punti pressione salvati non è la frequenza più alta tra le prime 10 partite, è stata sufficiente a fargli superare il turno.

IMMAGINE 1 – I dieci vincitori con la maggiore pressione al servizio

Ci sono altre quattro partite a Indian Wells tra le prime 10 per rendimento sotto pressione. Una delle più interessanti è stata la sconfitta a sorpresa di Yoshihito Nishioka contro un Auger-Aliassime sulla rampa di lancio. In una partita dalla durata di poco inferiore alle 3 ore, Nishioka ha fronteggiato 12.7 punti pressione totali, giocato due tiebreak e 235 punti complessivi. Dopo essere andato avanti di due break nel terzo set, sembrava che Nishioka potesse smarrire la presa sulla partita, sprecando tre match point prima del tiebreak finale. È possibile che quella vittoria abbia poi inciso sul ritiro pre-partita al turno successivo.

Miami

Entrano tra le prime 10 anche tre partite a Miami, tra cui quella con la più alta percentuale di punti pressione salvati, vale a dire la vittoria al primo turno di Alexander Bublik contro Tennys Sandgren. In tre set e 228 punti, Bublik si è trovato davanti a 10.9 punti pressione al servizio, salvandone 8.9.

Solo un altro giocatore nelle prime 10 partite è andato vicino all’80% di punti pressione salvati, cioè Stefanos Tsitsipas nella semifinale vinta a Dubai contro Gael Monfils. In più di 3 ore, 266 punti e due tiebreak, Tsitsipas ha fronteggiato 15.7 punti pressione, salvandone 12.4. Sono numeri che rendono la sconfitta in finale in due set contro Federer in 61 minuti ancora più enigmatica. Forse Federer era trainato dallo stimolo aggiuntivo di replicare alla sconfitta subita agli Australian Open un mese prima.

Donne

Tra le donne, il primo posto per rendimento sotto pressione va a Anett Kontaveit, per la vittoria al terzo turno a Miami contro Ajla Tomljanovic, una partita durata 2 ore e 30 minuti, con 229 punti e due tiebreak. Kontaveit ha fronteggiato un totale di 23.4 punti pressione al servizio, salvandone 13.6. Non sorprende che ci siano stati tre break consecutivi per arrivare al tiebreak decisivo del terzo set. La spinta motivazionale da quella vittoria per Kontaveit non è stata però sufficiente in semifinale, persa contro l’altra formidabile australiana Barty, che ha poi vinto il torneo.

IMMAGINE 2 – Le dieci vincitrici con la maggiore pressione al servizio

È curioso come Barty si sia trovata dal lato sbagliato di una situazione ad alta pressione poco tempo prima, nella sconfitta contro Elina Svitolina a Indian Wells. In 3 ore e 14 minuti e con un tiebreak al primo set da 18 punti, Barty ha costretto Svitolina a fronteggiare 19.9 punti pressione al servizio. La competitività di quella partita è valsa il secondo posto in termini di pressione a Indian Wells, appena dietro la vittoria su misura di Mona Barthel contro Zhu Lin.

Svitolina ha ricevuto lo stesso trattamento due turni dopo contro Andreescu. A differenza del punteggio che può apparire non eccessivamente equilibrato, le statistiche di pressione evidenziano quanto la partita sia stata combattuta. Su 188 punti, Andreescu ha fronteggiato 19.6 punti pressione al servizio, salvandone il 59.8%. L’abilità di Andreescu nel mantenere organizzazione di gioco e spirito competitivo sotto quel tipo di pressione e contro un’avversaria così forte come Svitolina, le ha sicuramente dato più sicurezza per la conquista del primo titolo Premier.

Top Pressure Performances in March