Modellizzazione Duckworth–Lewis–Stern con logica fuzzy e indici contestuali per la revisione del target nel cricket

Perché pioggia e rugiada possono cambiare una partita di cricket

I tifosi spesso si lamentano che le regole per la pioggia e la rugiada notturna possano sfavorire ingiustamente una partita di cricket limitata. Quando il gioco viene ridotto, si usa il metodo Duckworth–Lewis–Stern (DLS) per ricalibrare il target della squadra in inseguimento, ma questo guarda solo alle overs rimanenti e ai wicket persi. Questo articolo pone una domanda che molti spettatori e giocatori avvertono già: i calcoli del target dovrebbero tener conto anche della forza delle squadre, del comportamento del campo e se l’esterno è scivoloso per la rugiada? Gli autori propongono un nuovo approccio più flessibile per fare proprio questo.

Come le regole attuali vedono la partita

Il metodo DLS standard presuppone che la capacità di segnare di una squadra dipenda da due numeri: quante overs restano e quanti wicket sono caduti. Da questi costruisce una curva continua che descrive la frazione delle “risorse di battuta” ancora disponibili. I target e i punteggi par nelle partite colpite dalla pioggia vengono quindi calcolati confrontando semplicemente le risorse utilizzate da ciascuna parte. Questo approccio ha funzionato abbastanza da diventare lo standard mondiale, ma ha un punto cieco: tratta due innings con le stesse overs e gli stessi wicket come identici, anche se una squadra dispone di battitori di livello mondiale su un pitch piatto e l’altra affronta una palla che si muove sotto le luci.

Portare il contesto in primo piano

Per colmare questa lacuna, gli autori costruiscono indici numerici che catturano la forza della squadra e le condizioni di gioco in modo semplice e interpretabile. Un Indice di Qualità di Battuta fonde medie di battuta, strike rate e classifiche in un unico valore compreso tra zero e uno, dove 0,5 indica più o meno “nella media”. Un Indice di Minaccia di Bowling fa lo stesso per il lato dei bowlers, usando economy rate, wicket per ball, medie e ranking, con attacchi più forti che ottengono punteggi più alti. Vengono inoltre considerati quanti powerplay restano, quanto il campo favorisca battuta o bowling e se il meteo suggerisce aria secca, pioviggine o forte rugiada. Pitch e condizioni meteo vengono sintetizzati usando la logica fuzzy: invece di un rigido “buono” o “cattivo”, sono descritti in sfumature sovrapposte come “duro”, “umido” o “consumato”, che vengono poi unite in un unico punteggio per pitch o meteo.

Una curva flessibile che si adatta alle condizioni

Sulla base di questi input, gli autori progettano due strumenti matematici correlati. Innanzitutto presentano una curva logistica–esponenziale generalizzata che imita da vicino la familiare curva delle risorse DLS quando le condizioni sono nella norma, ma si piega leggermente verso l’alto o verso il basso quando la battuta è più forte, il bowling è più incisivo, il pitch si appiattisce o arriva la rugiada. In secondo luogo, incorporano questa idea in un sistema completo a logica fuzzy, che prende regole linguistiche che suonano come il parlato reale del cricket — per esempio “se la battuta è forte, il pitch è piatto e c’è rugiada, allora le risorse sono molto alte” — e le traduce in aggiustamenti numerici precisi. Negli esempi illustrativi, il modello sposta dolcemente i punteggi par verso l’alto in condizioni favorevoli ai bowlers e verso il basso quando la rincorsa è agevolata dalle condizioni, pur ritornando sempre alla classica forma DLS quando tutto è neutro.

La rugiada aiuta davvero l’inseguimento?

Oltre alla modellizzazione, l’articolo esamina 100 partite One Day Internationals giocate in India per testare una credenza diffusa: che la rugiada invernale renda più facile l’inseguimento. Suddividendo le partite in mesi invernali e non invernali, gli autori trovano che le squadre che battono per seconde hanno vinto il 56,5 percento delle partite invernali ma solo il 37,0 percento di quelle non invernali. Le probabilità di vittoria in inseguimento sono poco più che raddoppiate in inverno, sebbene il campione sia appena sufficiente da rendere il risultato non pienamente significativo secondo criteri statistici rigorosi. Tuttavia, questo schema si adatta bene agli input fuzzy che il modello è pensato per utilizzare: palle scivolose, esterni più veloci e condizioni più miti per i battitori nel secondo inning.

Che cosa implica per target più equi

In generale, il modello Fuzzy-DLS si comporta come una versione migliorata e sensibile al contesto della regola per la pioggia standard. In un insieme di 30 casi illustrativi, le sue stime di risorse differiscono dai valori ufficiali DLS di circa 1,5 punti percentuali in media, e i punteggi par cambiano di poco più di due run — spostamenti piccoli e graduali piuttosto che rivoluzioni radicali. Eppure questi aggiustamenti si basano su informazioni di cui giocatori, commentatori e tifosi parlano già: la forza delle formazioni, lo stato del pitch e la presenza di rugiada o pioggia. Per un lettore non specialista, la conclusione principale è che è possibile mantenere il quadro familiare del DLS rendendolo più sensibile al vissuto reale della partita, portando a revisioni del target che appaiono non solo matematicamente coerenti ma anche intuitivamente giuste.

Citazione: Samanta, S., Allahviranloo, T., Mrsic, L. et al. Duckworth–Lewis–Stern modeling with fuzzy logic and contextual indices for target revision in cricket. Sci Rep 16, 10630 (2026). https://doi.org/10.1038/s41598-026-44750-8

Parole chiave: analitica del cricket, partite influenzate dalla pioggia, revisione del target, logica fuzzy, Duckworth-Lewis-Stern