s<\/em>. Inserendo i fattori di velocit\u00e0 ((V_s)) e di resilienza al rally ((R_s)), la formula si arricchisce:<\/p>\n[
\nP_{i,s}= \\frac{W_{i,s}\\times V_s}{(W_{i,s}\\times V_s)+(L_{i,s}\\times R_s)}
\n]<\/p>\n
Per esempio, Rafael Nadal su terra ( (V_{clay}=0.85), (R_{clay}=1.20) ) ottiene una probabilit\u00e0 calcolata di circa 0,78, mentre lo stesso calcolo su cemento porta la probabilit\u00e0 a 0,62. <\/p>\n
2. Modelli di valore atteso per scommesse su match singoli<\/h2>\n
Il valore atteso (EV) \u00e8 il concetto centrale per valutare se una scommessa \u00e8 profittevole nel lungo periodo. Si definisce cos\u00ec:<\/p>\n
[
\nEV = (Quota \\times Probabilit\u00e0) – (1 – Probabilit\u00e0)
\n]<\/p>\n
Consideriamo una scommessa \u201cmatch winner\u201d su un incontro di Wimbledon tra un giocatore di grass \u201cA\u201d (quota 2,10) e un avversario \u201cB\u201d (quota 1,75). Supponiamo che le statistiche di servizio su erba diano a A<\/em> una probabilit\u00e0 reale del 45\u202f% di vittoria. Il calcolo dell\u2019EV \u00e8:<\/p>\n[
\nEV_A = (2,10 \\times 0,45) – (1 – 0,45) = 0,945 – 0,55 = 0,395
\n]<\/p>\n
Un EV positivo di 0,395 indica un guadagno medio di 0,395 unit\u00e0 per ogni unit\u00e0 scommessa. Se la stessa partita fosse giocata su cemento, dove la probabilit\u00e0 di A<\/em> scende al 38\u202f%, l\u2019EV diventa:<\/p>\n[
\nEV_A^{hard}= (2,10 \\times 0,38) – (1 – 0,38)= 0,798 – 0,62 = 0,178
\n]<\/p>\n
L\u2019esempio mostra come la superficie possa ridurre drasticamente il valore atteso, anche con quote simili. <\/p>\n
Per rendere pi\u00f9 concreto il modello, ecco una tabella comparativa di tre incontri recenti, con quote, probabilit\u00e0 stimate e EV su ciascuna superficie.<\/p>\n
\n\n\n| Torneo<\/th>\n | Superficie<\/th>\n | Giocatore<\/th>\n | Quota<\/th>\n | Probabilit\u00e0 stimata<\/th>\n | EV<\/th>\n<\/tr>\n<\/thead>\n |
\n\n| US Open<\/td>\n | Cemento<\/td>\n | D. Medvedev<\/td>\n | 1,85<\/td>\n | 0,55<\/td>\n | 0,017<\/td>\n<\/tr>\n |
\n| Roland Garros<\/td>\n | Terra<\/td>\n | R. Nadal<\/td>\n | 1,30<\/td>\n | 0,78<\/td>\n | 0,014<\/td>\n<\/tr>\n |
\n| Wimbledon<\/td>\n | Erba<\/td>\n | N. Djokovic<\/td>\n | 1,70<\/td>\n | 0,60<\/td>\n | 0,02<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n L\u2019analisi dimostra che, nonostante le quote pi\u00f9 basse su terra, il valore atteso pu\u00f2 rimanere positivo grazie a probabilit\u00e0 pi\u00f9 elevate. <\/p>\n 3. Scommesse combinata su set e giochi: l\u2019approccio \u201clayered betting\u201d<\/h2>\nIl \u201clayered betting\u201d consiste nel piazzare puntate collegate su pi\u00f9 livelli di un match: risultato del set e risultato di giochi specifici (ad esempio over\/under 6\u20114). L\u2019obiettivo \u00e8 sfruttare la correlazione tra i due eventi per aumentare il ritorno complessivo. <\/p>\n La formula di aggregazione dei ritorni \u00e8:<\/p>\n [
\nR_{tot}= \\sum_{k=1}^{n} (Quota_{set,k} \\times Quota_{game,k}) \\times Prob_{set,k} \\times Prob_{game|set,k}
\n]<\/p>\n dove (Prob_{game|set,k}) \u00e8 la probabilit\u00e0 condizionata di un gioco dato il risultato del set. <\/p>\n Su erba, la velocit\u00e0 porta a set pi\u00f9 brevi e a una minore variabilit\u00e0 dei giochi. Supponiamo di scommettere sul set 2\u20110 (quota 3,40) e su un gioco over 6\u20114 nel secondo set (quota 1,90). Se la probabilit\u00e0 di chiudere in due set \u00e8 0,42 e la probabilit\u00e0 condizionata di over 6\u20114 dato il set \u00e8 0,55, il ritorno atteso \u00e8:<\/p>\n [
\nR_{tot}= (3,40 \\times 1,90) \\times 0,42 \\times 0,55 = 6,46 \\times 0,231 = 1,49
\n]<\/p>\n Il valore atteso della combinazione \u00e8 quindi positivo (EV = 0,49). <\/p>\n Una lista di punti chiave per il layered betting:<\/p>\n |