GARA OLIMPICA TOKYO – TRIATHLON INDIVIDUALE FEMMINILE

GARA OLIMPICA TOKYO - TRIATHLON INDIVIDUALE FEMMINILE

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn

LA POSIZIONE DI PARTENZA HA DAVVERO CONDIZIONATO LA GARA?

Dopo la gara individuale femminile nel triathlon a Tokyo sui social abbiamo letto diverse voci sostenere che la competizione sia stata condizionata dalla posizione di partenza dal pontone, favorendo la parte destra. Una tesi che ha cercato di usare a proprio supporto una heat map costruita comparando il tempo di ciascun atleta nella prova olimpica rispetto alla media del distacco dal primo di frazione (nuoto) nelle due precedenti gare di World Triathlon Series. A nostro parere questa analisi, fortemente condizionata dal bias nella scelta dei dati, è metodologicamente debole per diverse ragioni, e di per sé non fornisce alcuna prova della bontà della tesi. Vediamo perché.

Figura 1

Ordine di partenza della gara olimpica femminile. La scelta della posizione è avvenuta in ordine di rank a scalare dalla prima all'ultima.

IL CONTESTO

Giova ricordare innanzitutto come il triathlon sia uno sport che richiede un alto grado di adattamento alle situazioni contingenti, non solo in termini di variabili ambientali, che gli atleti devono essere in grado di gestire e interpretare con un buon grado di adattamento, ma persino nella gestione delle energie riguardo alla distanza, che da gara a gara – a pari formato – variano spesso di diverse centinaia di metri. In particolare nel caso della frazione nuoto è sbagliato pensare che sia una mera trasposizione in acque libere delle dinamiche di vasca, a causa del campo gara mai replicabile e delle peculiarità del nuoto in gruppo, con virate alle boe e sempre più spesso l’inserimento di uscite all’australiana, non necessariamente a metà frazione (tanto che anche a Tokyo i due split nel nuoto erano rispettivamente di 950 e 550 metri). 

Sarebbe dunque ingenuo pretendere che le condizioni del campo gara siano uguali per tutti in ogni momento e tanto più ingenuo sarebbe comparare la prestazione degli atleti (cioè quanto hanno espresso in gara dal punto di vista fisiologico e tecnico) con i risultati (cioè con “il frutto” della prestazione propria e altrui, nel contesto ambientale contingente). Ciò nonostante abbiamo modo attraverso una semplice ma razionale analisi di concludere se nella gara olimpica in questione la partenza abbia avuto un significativo impatto sulla gara, anzi, per meglio dire di capire se è probabile o improbabile che ciò sia avvenuto, pur con tutti i limiti dovuti alla scarsità di dati disponibili.

Figura 2

Partenza della WTS di Leeds, frazione nuoto con muta a differenza di quanto avvenuto a Tokyo

PERCHE’ USARE GARE PRECEDENTI NON E' UNA BUONA IDEA

Una delle regole auree della statistica è di confrontare cose uguali con altre cose uguali (il famoso “mele con mele e pere con pere”), se le cose non sono uguali si può provare a normalizzarle ma spesso questa operazione non può essere attuata, specialmente quanto si hanno pochi dati a disposizione. L’analisi usata a sostegno della tesi che la posizione al pontone ha condizionato la gara è parziale, non è statisticamente solida e non permette di trarre conclusioni poiché confronta 3 eventi diversi per condizioni del campo gara, starting list e – ragionevolmente – approccio alla gara da parte delle atlete. Inoltre utilizza un trattamento dei dati (la media dei distacchi nelle due WTS) che riduce ancora di più l’informazione disponibile.

MELE CON MELE

Anziché pescare dati in modo arbitrario abbiamo scelto di utilizzare solo quanto sappiamo della prova olimpica, confrontando dunque dati certamente omogenei, usando rank di accesso olimpico (robusto indice di qualità dell’atleta, un input nel nostro modello), posizione di partenza dal pontone (la variabile che vogliamo controllare, altro input del modello) e posizione e distacchi dei primi due split e del totale frazione (che contengono anche l’effetto della variabile che vogliamo controllare). Ordinando per posizione di partenza e costruendo una nuova heat map (Figura 2) già visualmente notiamo tre cose:

  1. Le atleti con miglior rank hanno scelto la parte destra del pontone (numeri più bassi)
  2. Le ultime 5 atlete (estremità sinistra del pontone) hanno ottenuto una prestazione molto migliore delle atlete al centro, analoghe a quelle posizionate nella parte “incriminata”
  3. Sembra sia molto difficile separare l’effetto del ranking olimpico dall’effetto del pontone
  4. “In fondo” al pontone Jeffcoat, Kingma e Barthelemy riescono a entra nella top 18
  5. Lopes e Perriault partite a centro gruppo si posizionano 2° e 12°
Figura 3

Heat map partenza, split 1, split 2 e posizione finale frazione nuoto a Tokyo [1]

I DATI RIDOTTI ALL'OSSO

Per ulteriore semplificazione abbiamo creato una matrice che conta il numero di atlete nei tre blocchi “input” alla partenza (18 dx – 18 centro – 18 sx) con i tre blocchi “output” nei due split e rispetto al totale frazione. Per ciascun gruppo abbiamo poi calcolato il rank mediano.

Nel primo split (che più dovrebbe risentire dell’effetto posizione allo start) risulta che hanno conservato il “gruppo” di partenza 13 atlete su 18, 5 su 18 a centro gruppo mentre 3 del gruppo “sinistra” sono entrate nella top 18 già alla fine del primo split.

Infine abbiamo riportato la posizione mediana rispetto al gruppo di partenza al primo split.

Osservando questa tabella sintetica (Figura 3) è evidente la differenza nell’indice di qualità atleta lungo il pontone ma anche che chi è partito dal centro e a sinistra è riuscito a portarsi davanti e almeno mediamente non si notano differenze eclatanti tra primo split (diverso punto di partenza) e secondo split (medesimo punto di partenza).

Figura 4

Sintesi dei valori in campo e degli split nei tre macro gruppi dx, centro, sx pontone

UNA PROSPETTIVA DIVERSA

Confrontando gli split e l’ordine finale emergono ancora più chiaramente gli outlier rispetto alla posizione di partenza con Jeffcoat, Ackermann, Kingma, Thorpe e Barthelemy ma anche gli outlier opposti (partite a dx e uscite dalla top 18).

Figura 5

Confronto posizione di partenza e classifica nei due split nuoto e ordine complessivo frazione

LA RISPOSTA E' PIU' COMPLESSA DI QUEL CHE SEMBRA A PRIMA VISTA

Una analisi qualitativa rispettosa del contesto e dei dati ci ha pertanto guidato verso almeno due conclusioni:

  1. Chi è partito nel gruppo delle 18 atlete a destra del pontone non ha goduto di speciali vantaggi
  2. E’ difficile separare l’effetto del rank olimpico dall’effetto della posizione di partenza

Passando però dall’analisi qualitativa all’analisi quantitativa tramite Principal Component Analysis [2] riusciamo a chiarire il contributo di ciascuna variabile al fenomeno esaminato, per cui sulla Componente Principale 1 abbiamo i seguenti contributi in ordine descrescente di importanza: distacco del secondo split e del secondo split (direttamente correlati al distacco totale) sostanzialmente pari (peso 0.49) , a seguire ranking olimpico (peso 0.40) e per ultima posizione di partenza (0.31), questi ultimi due come ovvio inversamente correlati al distacco totale.

Forse dunque non possiamo escludere una qualche influenza della posizione di partenza sul risultato della frazione nuoto, ma di certo possiamo dire che questa influenza è stata minore rispetto alle altre variabili in gioco. In conclusione: non sappiamo tutto del sistema indagato, ma sappiamo abbastanza per dire che il vantaggio dal pontone, nella migliore delle ipotesi, è stata residuale.

REFERENCE

[1] Tempi e classifiche gara https://olympics.com/tokyo-2020/olympic-games/en/results/triathlon/results-women-s-individual-fnl-000100-.htm
[2] 
[4] Kim H. Esbensen, Dominique Guyot, Frank Westad, Lars P. HoumollerMultivariate Data Analysis: In Practice : an Introduction to Multivariate Data Analysis and Experimental Design, Multivariate Data Analysis, 2002. ISBN8299333032, 9788299333030 
[3] R. Leardi, C. Melzi, G. Polotti, CAT (Chemometric Agile Tool), gratuitamente scaricabile al seguente link http://gruppochemiometria.it/index.php/software

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn