Modelagem Duckworth–Lewis–Stern com lógica fuzzy e índices contextuais para revisão de alvo no críquete

Por que chuva e orvalho podem mudar uma partida de críquete

Torcedores frequentemente reclamam que as regras sobre chuva e o orvalho no final da noite podem inclinar injustamente uma partida de críquete de overs limitados. Quando o jogo é interrompido, o método Duckworth–Lewis–Stern (DLS) é usado para redefinir o alvo do time que persegue, mas ele considera apenas overs restantes e wickets perdidos. Este artigo faz a pergunta que muitos espectadores e jogadores já sentem: os cálculos do alvo não deveriam também levar em conta quão fortes são os times, como o pitch está se comportando e se o gramado está escorregadio pelo orvalho? Os autores propõem uma maneira nova e mais flexível de fazer exatamente isso.

Como a regra atual vê uma partida

O método DLS padrão assume que o poder de pontuação de um time depende de dois números: quantos overs restam e quantos wickets caíram. A partir disso, constrói uma curva suave que descreve a fração dos “recursos de batida” ainda disponíveis. Alvos e paradas em jogos afetados pela chuva são então calculados simplesmente comparando os recursos usados por cada lado. Essa abordagem funcionou bem o suficiente para se tornar o padrão mundial, mas tem um ponto cego: trata duas entradas com os mesmos overs e wickets como idênticas, mesmo que um lado tenha batedores de nível mundial em um pitch plano e o outro enfrente uma bola que swing sob luzes.

Trazer o contexto para a cena

Para fechar essa lacuna, os autores constroem índices numéricos que capturam a força dos times e as condições da partida de forma simples e interpretável. Um Índice de Qualidade de Batida combina médias de batida, strike rates e rankings em um único valor entre zero e um, onde 0,5 significa aproximadamente “médio”. Um Índice de Ameaça de Arremesso faz o mesmo para o lado de bowling, usando economy rate, wickets por bola, médias e rankings, com ataques mais fortes recebendo pontuações maiores. Também levam em conta quantos overs de Powerplay restam, quão favorável o pitch é para bater ou arremessar, e se o tempo indica ar seco, garoa ou orvalho intenso. Pitch e clima são resumidos usando lógica fuzzy: em vez de um rígido “bom” ou “ruim”, são descritos em tons sobrepostos como “duro”, “úmido” ou “gasto”, que são então fundidos em uma única pontuação de pitch ou clima.

Uma curva flexível que se ajusta às condições

Com base nesses insumos, os autores desenham duas ferramentas matemáticas relacionadas. Primeiro, apresentam uma curva logística–exponencial generalizada que imita de perto a familiar curva de recursos do DLS quando as condições são médias, mas se curva ligeiramente para cima ou para baixo quando a batida é mais forte, o bowling é mais agressivo, o pitch se aplainar, ou o orvalho aparece. Segundo, integram essa ideia dentro de um sistema completo de lógica fuzzy, que toma regras linguísticas que soam como conversas reais de críquete — por exemplo, “se a batida é forte e o pitch é plano e há orvalho, então os recursos são muito altos” — e as traduz em ajustes numéricos precisos. Em exemplos trabalhados, o modelo empurra suavemente os par scores para cima em cenários favoráveis aos arremessadores e para baixo quando a perseguição é ajudada pelas condições, voltando sempre à forma clássica do DLS quando tudo está neutro.

O orvalho realmente ajuda a perseguição?

Além da modelagem, o artigo examina 100 partidas de um dia internacionais jogadas na Índia para testar uma crença amplamente difundida: que o orvalho de inverno facilita a perseguição. Dividindo as partidas entre meses de inverno e não-inverno, os autores descobrem que times que bateram segundo venceram 56,5% dos jogos de inverno, mas apenas 37,0% dos jogos fora do inverno. As chances de vitória ao perseguir são pouco mais que o dobro no inverno, embora a amostra seja pequena o suficiente para que o resultado não alcance estrita significância estatística. Ainda assim, esse padrão se encaixa bem com os insumos fuzzy que o modelo foi projetado para usar: bolas escorregadias, campos mais rápidos e condições mais amenas para batedores no segundo inning.

O que isso significa para alvos mais justos

No geral, o modelo Fuzzy-DLS se comporta como uma versão aprimorada e sensível ao contexto da regra padrão para chuva. Em um conjunto de 30 casos ilustrativos, suas estimativas de recursos diferem dos valores oficiais do DLS em apenas cerca de 1,5 ponto percentual em média, e os par scores mudam pouco mais de duas corridas — ajustes pequenos e suaves em vez de reformulações drásticas. Ainda assim, essas variações se apoiam em informações de que jogadores, comentaristas e fãs já falam: a força das escalações, o estado do pitch e a presença de orvalho ou chuva. Para um leitor leigo, a principal conclusão é que é possível manter a estrutura familiar do DLS ao mesmo tempo em que se a torna mais sensível ao sentimento real de uma partida, potencialmente levando a revisões de alvo que pareçam não apenas matematicamente corretas, mas também intuitivamente justas.

Citação: 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

Palavras-chave: análise de críquete, partidas afetadas pela chuva, revisão de alvo, lógica fuzzy, Duckworth-Lewis-Stern