Uma teoria da física que se mostrou útil para prever o comportamento da multidão de moléculas e moscas-das-frutas também parece funcionar em um contexto muito diferente – uma quadra de basquete.

Um modelo baseado na teoria funcional da densidade pode sugerir o melhor posicionamento para cada jogador na quadra de basquete em um determinado cenário, se eles quiserem aumentar sua probabilidade de marcar ou defender com sucesso.

Boris Barron, doutorando em física que trabalha com Tomás Arias, professor do Departamento de Física do College of Arts and Sciences, apresentou o seu trabalho no dia 9 de março na conferência da American Physical Society em Las Vegas.

Barron teve a ideia de seu projeto de Nathan Sitaraman, que presta consultoria a uma equipe da NBA para ajudá-los a melhorar seu jogo por meio da análise de dados. Sitaraman conseguiu obter dados altamente detalhados das posições dos jogadores dos jogos da NBA desta temporada, que Barron usou para desenvolver seu modelo.

Usando os resultados, Barron é capaz de:

prever onde um determinado jogador pode ir a seguir;

determinar quais jogadores tendem a estar em boas ou más posições;

calcular a probabilidade de sucesso, seja ofensivamente ou defensivamente, com base no posicionamento do jogador; e

crie simulações de como a equipe adversária irá ou deve responder se um jogador realizar um determinado movimento, como correr pela quadra.

"Podemos ver exatamente onde um jogador deve estar para ajudar seu time, e esses poucos metros podem resultar em uma diferença de até 3% (no sucesso)", disse ele.

"Nesses jogos de alta pontuação, três pontos em 100 é um grande negócio para um jogador", disse Arias, um Stephen H. Weiss Presidential Fellow.

Os modelos matemáticos que Barron emprega são baseados em métodos ganhadores do Prêmio Nobel originalmente desenvolvidos para estudar grandes coleções de elétrons que interagem mecanicamente quânticos. O trabalho se baseia na pesquisa de Arias , que combina conceitos matemáticos e abordagens da teoria da flutuação funcional da densidade para estudar tudo, desde o comportamento da multidão até fenômenos sociais como migração e segregação.

Esses métodos funcionam quando você está analisando um jogo como o basquete, disse Arias, porque o comportamento de grupos de pessoas é difícil de quantificar.

"Nossas técnicas de física entram em jogo porque você não está olhando para os jogadores individualmente, mas como eles estão colaborando na quadra", disse ele. "É por isso que você precisa dessa análise de alto nível."

As implicações para os esportes coletivos como o basquete são óbvias, disse Barron.

Os treinadores podem inserir dados específicos do time ou do jogador para seus oponentes nesse modelo para desenvolver uma estratégia para impedir as jogadas mais comuns. Os treinadores podem executar cálculos antes de um jogo e exibi-los em um dispositivo inteligente que podem usar no banco, ajudando-os a ilustrar as rotas precisas que os jogadores devem seguir, com base nos dados. Eles poderiam obter dados específicos de cada um de seus jogadores para descobrir quais jogadores estão agregando mais ao sucesso do time.

Pense no filme de 2011 "Moneyball", disse Arias, Brad Pitt interpreta Billy Beane, gerente do Oakland A's da Major League Baseball, que monta uma equipe com base na análise de dados, usando porcentagens de base dos jogadores em vez de medidas mais tradicionais de sucesso. .

"Nossa abordagem é bastante geral", disse Barron, "portanto, posso ver que poderia beneficiar os esportes de maneira mais ampla. Dados posicionais detalhados estão se tornando cada vez mais disponíveis."