Het vraagstuk

De Koninklijke Nederlandse Lawn Tennis Bond (KNLTB) zocht naar een verbeterde rating methodologie voor dubbelspelers in nationale en regionale competities. Deze nieuwe methodologie moet een betere indicator zijn van de tennisvaardigheden en een betere voorspelling geven van het resultaat van toekomstige wedstrijden. We zien soms gekke dingen bij de rating van spelers die dubbelen, vertelt Helga Wiersma van de tennisbond KNLTB. “Zoals minpunten bij een gewonnen wedstrijd.” Dan wint een duo een tenniswedstrijd, en gaat de rating van één van de spelers toch achteruit.

De wiskunde

De studiegroep Wiskunde met de Industrie onderzocht het probleem en voerde een eerste analyse uit:

• Logistische regressie analyse om de huidige ratingsystematiek DSS te evalueren en te vergelijken met alternatieve methoden: Universal Tennis Rating (UTR), Elo, Glicko en Microsoft TrueSkill
• Ontwikkelen van een nieuw statistisch model gebaseerd op logistische regressive om de ratings van dubbelspel binnen de gestelde voorwaarden te combineren
• Bayesian update regels gebaseerd op Kullback-Leibler divergetnie voor de verdeling van de verandering in rating over de spelers van een doubles team, gebaseerd op hoeveel ze hebben bijgedragen.
• Nonlinear optimization om de kansen te berekenen die nodig zijn voor de Bayesian updates.

Tau Omega ontwikkelde dit model verder en bouwde voor de KNLTB een tool die zij in de praktijk kunnen gebruiken.

Het resultaat

Nauwkeurige spelerniveau’s waardoor leden van de KNLTB worden gemotiveerd om officiële wedstrijden te spelen. En dat leidt weer tot positieve publiciteit voor de KNLTB.