क्या है Tennis Match Win Probability?
▾
पेशेवर टेनिस में, मैच के नतीजों की भविष्यवाणी करना अपने आप में एक विज्ञान बन गया है। 2023 ऑस्ट्रेलियन ओपन में, एनालिटिक्स मॉडल ने नोवाक जोकोविच को उनके सामने आने वाले प्रत्येक प्रतिद्वंद्वी के खिलाफ जीतने की 78% संभावना दी - और उन्होंने फाइनल में एक भी सेट गंवाए बिना खिताब का दावा किया। टेनिस मैच संभाव्यता कैलकुलेटर अंतर्निहित सर्व और रिटर्न आंकड़ों, सतह समायोजन और आमने-सामने के इतिहास के आधार पर इस संभावना का अनुमान लगाते हैं कि कोई खिलाड़ी मैच जीतेगा। सरल जीत-दर मेट्रिक्स के विपरीत, ये मॉडल टेनिस स्कोरिंग की पुनरावर्ती, नेस्टेड संरचना के लिए जिम्मेदार हैं: एक मैच जीतने के लिए आपको सेट जीतना होगा, सेट जीतने के लिए आपको गेम जीतना होगा, और गेम जीतने के लिए आपको अंक जीतने होंगे। इस पदानुक्रमित संरचना का मतलब है कि अलग-अलग बिंदुओं पर एक छोटी सी बढ़त भी नाटकीय रूप से बड़ी मैच-जीत संभावनाओं में बदल जाती है। कोच, सट्टेबाज, ब्रॉडकास्टर और प्रदर्शन विश्लेषक सभी वास्तविक प्रतिस्पर्धी बढ़त को समझने के लिए मैच संभाव्यता टूल का उपयोग करते हैं जो कच्ची रैंकिंग को अस्पष्ट करती है। ऐतिहासिक रूप से, टेनिस संभाव्यता के पीछे के गणित को 1970 के दशक में एफ.जे.जी. जैसे सांख्यिकीविदों द्वारा औपचारिक रूप दिया गया था। कार्टर और टी.ए. ब्रॉकवेल, जिन्होंने सर्व-पॉइंट संभावना से मैच जीतने की संभावना के लिए बंद-रूप अभिव्यक्ति प्राप्त की। एटीपी और डब्ल्यूटीए अब विस्तृत बिंदु-स्तरीय आँकड़े प्रकाशित करते हैं, जिससे ऐसे मॉडल सक्षम होते हैं जो मैच सामने आने पर वास्तविक समय में जीत की संभावना को अपडेट करते हैं। सीमाओं में बिंदु स्वतंत्रता की धारणा (प्रत्येक बिंदु को सांख्यिकीय रूप से समान माना जाता है, गति, थकान और क्लच प्रदर्शन को नजरअंदाज करते हुए), सतह-विशिष्ट अंशांकन चुनौतियां, और चोटों या ऑफ-कोर्ट कारकों के लिए लेखांकन की कठिनाई शामिल है। फिर भी, अच्छी तरह से कैलिब्रेटेड मॉडल टूर-स्तरीय मैचों में 70% से बेहतर सटीकता प्राप्त करते हैं, जिससे वे गंभीर टेनिस विश्लेषण के लिए अपरिहार्य उपकरण बन जाते हैं।
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
सूत्र
▾
पी (मैच जीतना) पी = खिलाड़ी की सर्व पर एक अंक जीतने की संभावना से प्राप्त होता है। पी(सर्व पर गेम जीतें) = पी^4 * (15पी^3(1-पी) + 6पी^2(1-पी)^2 * [पी/(पी + क्यू - 2पीक्यू)]) जहां क्यू = 1-पी। पी (जीत सेट) और पी (जीत मैच) एक ही तर्क के नेस्टेड अनुप्रयोग हैं। सरलीकृत बार्नेट-क्लार्क फॉर्मूला: पी (मैच) ≈ गेम/सेट संभावनाओं का नेस्टेड द्विपद। उदाहरण: खिलाड़ी ए 65% सर्व पॉइंट (पी=0.65) और 35% रिटर्न पॉइंट जीतता है (आर=0.35 जिसका अर्थ है कि प्रतिद्वंद्वी अपनी सर्विस पर 65% जीतता है)। पी(ए सर्व पर गेम जीतता है) ≈ 0.838। पी(ए वापसी पर गेम जीतता है) ≈ 0.162। मानक 6-गेम सेट और सर्वश्रेष्ठ-3 सेट मॉडल का उपयोग करते हुए, पी(ए मैच जीतता है) ≈ 0.72 (72%)।चर विवरण
▾
| प्रतीक | नाम | इकाई | विवरण |
|---|---|---|---|
| p | सर्व-पॉइंट जीत की संभावना (सर्वर) | proportion (0-1) | संभावना है कि सेवारत खिलाड़ी अपनी सेवा पर कोई भी अंक जीतता है |
| q | रिटर्न-पॉइंट जीत की संभावना (रिटर्नर) | proportion (0-1) | 1 के बराबर - पी; संभावना है कि लौटने वाला खिलाड़ी एक अंक जीतता है (यानी, ब्रेक) |
| P(G) | गेम जीतने की संभावना | proportion (0-1) | सर्व-पॉइंट प्रायिकता p दिए जाने पर सर्वर द्वारा पूरा गेम जीतने की प्रायिकता |
| P(S) | जीत की संभावना निर्धारित करें | proportion (0-1) | एक सेट जीतने की संभावना, नेस्टेड गेम-जीत संभावनाओं से प्राप्त होती है |
| P(M) | मैच जीतने की संभावना | proportion (0-1) | निर्दिष्ट प्रारूप में मैच जीतने की कुल संभावना (बेस्ट-ऑफ-3 या बेस्ट-ऑफ-5) |
कैसे Tennis Match Win Probability
▾
- 1एटीपी/डब्ल्यूटीए मैच आंकड़ों से खिलाड़ी के पहले पाओ प्रतिशत, पहले पाओ के जीते गए अंक और दूसरे पाओ के जीते गए अंक इकट्ठा करें।
- 2कुल संभाव्यता पी की गणना करें कि सेवारत खिलाड़ी पहले और दूसरे पाओ की जीत दरों को पहले पाओ के प्रतिशत से महत्व देकर कोई भी अंक जीतता है।
- 3पॉइंट-स्तरीय संभावनाओं से सर्विस गेम और रिटर्न गेम जीतने की संभावना की गणना करने के लिए पुनरावर्ती गेम-जीत फॉर्मूला का उपयोग करें।
- 46-गेम सेट के लिए 6-6 पर टाईब्रेक नियमों के साथ द्विपद विस्तार का उपयोग करके गेम संभावनाओं को सेट संभावनाओं में नेस्ट करें।
- 5नेस्ट ने टूर्नामेंट राउंड और लिंग के आधार पर बेस्ट-ऑफ़-3 या बेस्ट-ऑफ़-5 सेट प्रारूपों का उपयोग करके संभावनाओं को मैच की संभावना में सेट किया।
- 6आधार संभाव्यता अनुमान को ठीक करने के लिए गुणक कारकों के रूप में सतह और सिर-से-सिर समायोजन लागू करें।
- 7अंतिम संभावना को प्रतिशत के रूप में रिपोर्ट करें और मूल्य की पहचान करने के लिए सट्टेबाजी बाजार की बाधाओं से तुलना करें।
हल किए गए उदाहरण
▾
जोकोविच की हल्की-सी सर्विस बढ़त को गेम और सेट के माध्यम से सर्वश्रेष्ठ 5 प्रारूप में संयोजित करती है, जिससे उन्हें हार्ड कोर्ट पर एक सार्थक लेकिन भारी लाभ नहीं मिलता है।
मिट्टी पर, स्विएटेक का सतही बोनस रोलांड गैरोस में उसके प्रभुत्व के अनुरूप, एक मामूली लाभ में लगभग-समान प्रतियोगिता को झुका देता है।
जब दोनों खिलाड़ी ठीक 55% सर्व पॉइंट जीतते हैं, तो मैच पूरी तरह से संतुलित होता है, जो छोटे सर्व अंतरों के प्रति मॉडल की संवेदनशीलता को दर्शाता है।
तेज़ घास पर, एक प्रमुख सर्वर की 72% सर्व-पॉइंट जीत दर एक बड़े पैमाने पर चक्रवृद्धि लाभ पैदा करती है, खासकर पांच सेटों में।
वास्तविक अनुप्रयोग
▾
एटीपी/डब्ल्यूटीए प्रसारण ग्राफिक्स लाइव टेलीविज़न मैचों के दौरान वास्तविक समय में जीत की संभावना दिखाते हैं, जो पेशेवर और विश्लेषणात्मक संदर्भों में टेनिस मैच संभावना के लिए एक महत्वपूर्ण अनुप्रयोग क्षेत्र का प्रतिनिधित्व करते हैं, जहां सटीक टेनिस मैच संभावना गणना सीधे सूचित निर्णय लेने, रणनीतिक योजना और प्रदर्शन अनुकूलन का समर्थन करती है।
खेल सट्टेबाजी और ट्रेडिंग कंपनियां टेनिस मैच की बाधाओं को निर्धारित करने और समायोजित करने के लिए संभाव्यता मॉडल का उपयोग करती हैं, जो पेशेवर और विश्लेषणात्मक संदर्भों में टेनिस मैच संभाव्यता के लिए एक महत्वपूर्ण अनुप्रयोग क्षेत्र का प्रतिनिधित्व करती हैं, जहां सटीक टेनिस मैच संभाव्यता गणना सीधे सूचित निर्णय लेने, रणनीतिक योजना और प्रदर्शन अनुकूलन का समर्थन करती है।
टूर्नामेंट ड्रा के दौरान अपेक्षित मैच जीत के आधार पर खिलाड़ी विकल्पों की रैंकिंग करने वाले फ़ैंटेसी टेनिस प्लेटफ़ॉर्म, पेशेवर और विश्लेषणात्मक संदर्भों में टेनिस मैच संभाव्यता के लिए एक महत्वपूर्ण अनुप्रयोग क्षेत्र का प्रतिनिधित्व करते हैं, जहां सटीक टेनिस मैच संभाव्यता गणना सीधे सूचित निर्णय लेने, रणनीतिक योजना और प्रदर्शन अनुकूलन का समर्थन करती है।
विशेष मामले
▾
जब किसी खिलाड़ी के पास 100% पहले पाओ प्रतिशत धारणा होती है, तो मॉडल
जब किसी खिलाड़ी के पास 100% पहले पाओ प्रतिशत की धारणा होती है, तो मॉडल सर्व प्रभुत्व का अधिक अनुमान लगाता है - वास्तविक दुनिया में पहले पाओ का प्रतिशत हमेशा बिंदु-दर-बिंदु भिन्न होता है। टेनिस मैच संभाव्यता में, टेनिस मैच संभाव्यता परिणामों की व्याख्या करते समय इस परिदृश्य में अतिरिक्त सावधानी की आवश्यकता होती है। मानक सूत्र इस किनारे के मामले में मौजूद सभी कारकों को पूरी तरह से ध्यान में नहीं रख सकता है, और पूरक विश्लेषण या विशेषज्ञ परामर्श की आवश्यकता हो सकती है। पेशेवर सर्वोत्तम अभ्यास में मान्यताओं का दस्तावेजीकरण करना, संवेदनशीलता विश्लेषण चलाना और टेनिस मैच संभाव्यता गणना गैर-मानक क्षेत्र में आने पर वैकल्पिक तरीकों के साथ क्रॉस-रेफरेंस परिणाम शामिल होते हैं।
रिटायरमेंट और वॉकओवर (खिलाड़ी का मैच के बीच से हटना) का अनुमान नहीं लगाया जा सकता
सेवानिवृत्ति और वॉकओवर (खिलाड़ी का मैच के बीच से हटना) संभाव्यता मॉडल द्वारा अनुमानित नहीं है और अंशांकन के लिए उपयोग किए जाने वाले ऐतिहासिक जीत-दर डेटा को विकृत कर सकता है। टेनिस मैच संभाव्यता में, टेनिस मैच संभाव्यता परिणामों की व्याख्या करते समय इस परिदृश्य में अतिरिक्त सावधानी की आवश्यकता होती है। मानक सूत्र इस किनारे के मामले में मौजूद सभी कारकों को पूरी तरह से ध्यान में नहीं रख सकता है, और पूरक विश्लेषण या विशेषज्ञ परामर्श की आवश्यकता हो सकती है। पेशेवर सर्वोत्तम अभ्यास में मान्यताओं का दस्तावेजीकरण करना, संवेदनशीलता विश्लेषण चलाना और टेनिस मैच संभाव्यता गणना गैर-मानक क्षेत्र में आने पर वैकल्पिक तरीकों के साथ क्रॉस-रेफरेंस परिणाम शामिल होते हैं।
सुपर-टाईब्रेक प्रारूपों (युगल और कुछ मिश्रित प्रारूपों में प्रयुक्त) के लिए एक की आवश्यकता होती है
सुपर-टाईब्रेक प्रारूप (युगल और कुछ मिश्रित प्रारूपों में प्रयुक्त) के लिए एक अलग संभाव्यता मॉडल की आवश्यकता होती है क्योंकि स्कोरिंग संरचना मानक सेटों से मौलिक रूप से भिन्न होती है। टेनिस मैच संभाव्यता में, टेनिस मैच संभाव्यता परिणामों की व्याख्या करते समय इस परिदृश्य में अतिरिक्त सावधानी की आवश्यकता होती है। मानक सूत्र इस किनारे के मामले में मौजूद सभी कारकों को पूरी तरह से ध्यान में नहीं रख सकता है, और पूरक विश्लेषण या विशेषज्ञ परामर्श की आवश्यकता हो सकती है। पेशेवर सर्वोत्तम अभ्यास में मान्यताओं का दस्तावेजीकरण करना, संवेदनशीलता विश्लेषण चलाना और टेनिस मैच संभाव्यता गणना गैर-मानक क्षेत्र में आने पर वैकल्पिक तरीकों के साथ क्रॉस-रेफरेंस परिणाम शामिल होते हैं।
सरफेस द्वारा एटीपी टूर औसत सर्व सांख्यिकी (2023-2024)
▾
| सतह | प्रथम सर्व % | प्रथम सर्व अंक जीते | दूसरा सर्व अंक जीता | पकड़ना % |
|---|---|---|---|---|
| मुश्किल | 61% | 74% | 54% | 82% |
| मिट्टी | 62% | 68% | 51% | 78% |
| घास | 63% | 77% | 57% | 86% |
| इनडोर हार्ड | 60% | 75% | 55% | 83% |
| औसत (सभी) | 62% | 73% | 54% | 82% |
अक्सर पूछे जाने वाले प्रश्न
▾
आप पॉइंट-विन संभावना से टेनिस मैच जीतने की संभावना की गणना कैसे करते हैं?
टेनिस में एक पदानुक्रमित स्कोरिंग संरचना होती है: अंक → खेल → सेट → मैच। यदि आप सर्व (पी) और रिटर्न (क्यू) पर एक अंक जीतने की संभावना जानते हैं, तो आप नेस्टेड गणनाओं के माध्यम से मैच-जीत की संभावना की गणना कर सकते हैं। सर्व पर गेम जीतने की संभावना: सर्व पॉइंट-जीत संभावना पी के साथ, गेम जीतने की संभावना में प्रतिद्वंद्वी से पहले 4 अंक तक पहुंचने के सभी संभावित रास्तों का योग शामिल है (ड्यूस के लिए लेखांकन)। सूत्र: P(गेम) = p⁴ + 4p³(1-p)·p⁴/(p⁴+(1-p)⁴) × [विभिन्न ड्यूस परिदृश्य]। पी = 0.65 (सामान्य एटीपी सर्व) के लिए: पी (सर्व पर गेम) ≈ 0.83। एक सेट जीतने की संभावना: पहले 6 गेम जीतने की आवश्यकता है (2 गेम की बढ़त के साथ) या 6-6 पर टाईब्रेक जीतने की। इसमें वैकल्पिक सर्व के लिए लेखांकन करते हुए, सभी संभावित गेम स्कोरों में द्विपद जैसे शब्दों का योग शामिल है। सर्व पर p=0.65 और रिटर्न पर q=0.35 के लिए: P(सेट) ≈ 0.60। सर्वश्रेष्ठ-3 मैच जीतने की संभावना: P(मैच) = P(सेट)² × [3 - 2×P(सेट)]। पी(सेट) = 0.60 के साथ: पी(मिलान) = 0.648। पॉइंट-जीत की संभावना में एक छोटी सी बढ़त स्कोरिंग पदानुक्रम के माध्यम से नाटकीय रूप से जुड़ती है। सभी अंकों में से 52% अंक जीतने वाला खिलाड़ी (सिक्का उछालने से बमुश्किल बेहतर) लगभग 60% खेल, 67% सेट और 73% सर्वश्रेष्ठ 3 मैच जीतता है। यह प्रवर्धन प्रभाव बताता है कि प्रमुख खिलाड़ी शायद ही कभी मैच क्यों हारते हैं - यहां तक कि 5% अंक-जीत का लाभ भी जबरदस्त मैच-जीत की संभावनाएं पैदा करता है।
शुद्ध कौशल से परे कौन से कारक मैच-जीत की संभावना को प्रभावित करते हैं?
सतही विशेषज्ञता - सबसे बड़ा गैर-कौशल कारक। क्ले गेंद को धीमा कर देता है और अधिक उछाल पैदा करता है, जिससे भारी टॉपस्पिन वाले बेसलाइनर्स को मदद मिलती है। घास कम उछाल के साथ तेज़ होती है, जो बड़े सर्वरों और नेट-रशर्स को अनुकूल बनाती है। बीच में हार्ड कोर्ट हैं. एक खिलाड़ी का सर्व पॉइंट-जीत प्रतिशत सतहों के बीच 5-10% भिन्न हो सकता है। ऐतिहासिक रूप से, कुछ खिलाड़ियों (मिट्टी पर नडाल, घास पर फेडरर) की सतह-विशिष्ट जीत दर उनके समग्र औसत से 15-20 प्रतिशत अंक अधिक थी। थकान और शेड्यूलिंग - ग्रैंड स्लैम (पुरुषों के लिए सर्वश्रेष्ठ 5 सेट) में, शारीरिक सहनशक्ति एक कारक बन जाती है। 5 घंटे के क्वार्टर फ़ाइनल से आने वाले खिलाड़ी के 2 दिन बाद सेमीफ़ाइनल में चरम पर प्रदर्शन करने की सांख्यिकीय रूप से कम संभावना है। अध्ययनों से पता चलता है कि आराम के दिन का लाभ मैच-जीत की संभावना में लगभग 2-3% जोड़ता है। एटीपी/डब्ल्यूटीए टूर के संक्षिप्त कार्यक्रम का मतलब है कि शीर्ष खिलाड़ी जेट लैग और सतह परिवर्तन के साथ 3 सप्ताह में 3 अलग-अलग शहरों में प्रतिस्पर्धा कर सकते हैं। मानसिक कारक और गति - टेनिस में यह असामान्य है कि मैच के दौरान गति बहुत मायने रखती है। पहला सेट जीतने वाला खिलाड़ी बेस्ट-ऑफ़-3 (पुरुष एटीपी) में लगभग 80% समय मैच जीतता है। किसी सेट में पहले सर्व करने से एक छोटा लेकिन मापने योग्य लाभ मिलता है (सेट जीतने की ~52% संभावना बनाम वापसी करने वाले के लिए 48%)। ब्रेक पॉइंट रूपांतरण दरें बहुत भिन्न होती हैं: कुछ खिलाड़ी लगातार 45% से अधिक ब्रेक पॉइंट परिवर्तित करते हैं, जबकि अन्य 35% पर संघर्ष करते हैं, यहां तक कि समान समग्र कौशल स्तरों पर भी - एक मानसिक/क्लच प्रदर्शन घटक का सुझाव देते हैं जो शुद्ध संभाव्यता मॉडल को कम महत्व देता है।
कोर्ट की सतह मैच-जीत की संभावना को कैसे प्रभावित करती है?
कोर्ट की सतह मैच-जीत की संभावना को महत्वपूर्ण रूप से प्रभावित करती है, क्योंकि खिलाड़ियों के कौशल और रणनीतियाँ विभिन्न सतहों पर भिन्न होती हैं। उदाहरण के लिए, मजबूत सर्व और वॉली गेम वाले खिलाड़ी के ग्रास कोर्ट पर जीतने की संभावना अधिक हो सकती है, जहां गेंद की उछाल कम और तेज होती है, जैसे घास पर 65% बनाम मिट्टी पर 55%। इसके विपरीत, मजबूत बेसलाइन गेम वाले खिलाड़ी मिट्टी जैसी धीमी सतहों पर उत्कृष्ट प्रदर्शन कर सकते हैं, जहां अधिक उछाल और लंबी रैलियों के कारण जीतने की संभावना 10-15% तक बढ़ सकती है।
क्या किसी खिलाड़ी का किसी विशिष्ट प्रतिद्वंद्वी के खिलाफ पिछला प्रदर्शन उनकी मैच जीतने की संभावना को प्रभावित कर सकता है?
हां, किसी खिलाड़ी का अपने प्रतिद्वंद्वी के खिलाफ आमने-सामने का रिकॉर्ड उनकी मैच जीतने की संभावना को महत्वपूर्ण रूप से प्रभावित कर सकता है। उदाहरण के लिए, यदि किसी खिलाड़ी ने किसी प्रतिद्वंद्वी के खिलाफ अपने पिछले मैचों में से 80% जीत हासिल की है, तो पिछली सफलताओं से प्राप्त मनोवैज्ञानिक और रणनीतिक लाभ के कारण अगला मैच जीतने की संभावना 5-10% तक बढ़ सकती है। हालाँकि, इस प्रभाव को खिलाड़ियों के मौजूदा फॉर्म में बदलाव, चोटों या उनकी खेल शैली में समायोजन जैसे कारकों से कम किया जा सकता है।
ग्रैंड स्लैम टूर्नामेंट में बेस्ट-ऑफ-फाइव सेट प्रारूप, बेस्ट-ऑफ-थ्री सेट की तुलना में मैच-जीत की संभावना को कैसे प्रभावित करता है?
ग्रैंड स्लैम टूर्नामेंट में सर्वश्रेष्ठ पांच सेटों का प्रारूप सहनशक्ति और शारीरिक कंडीशनिंग के महत्व को बढ़ाता है, जो मैच जीतने की संभावना को प्रभावित कर सकता है। सर्वश्रेष्ठ पांच सेट वाले मैच में, एक खिलाड़ी को मैच जीतने के लिए कम से कम तीन सेट जीतने की आवश्यकता हो सकती है, जिससे उलटफेर की संभावना लगभग 20-25% अधिक हो सकती है, क्योंकि थकान और गति में बदलाव एक बड़ी भूमिका निभा सकते हैं। इसके विपरीत, बेस्ट-ऑफ-थ्री सेट प्रारूप मजबूत सर्विंग और आक्रामक खेल शैली वाले खिलाड़ियों को पसंद आ सकता है, जो छोटे मैच में अपने विरोधियों की कमजोरियों का फायदा उठा सकते हैं, जिसके परिणामस्वरूप जीतने की संभावना 5-10% अधिक होती है।
सामान्य गलतियां जिनसे बचना है
▾
- !सतह-विशिष्ट आँकड़ों के बजाय समग्र सीज़न औसत का उपयोग करना, जो किसी दिए गए सतह पर किसी खिलाड़ी की वास्तविक बढ़त को 5-10 प्रतिशत अंकों तक गलत तरीके से प्रस्तुत कर सकता है।
- !बेस्ट-ऑफ़-3 और बेस्ट-ऑफ़-5 के बीच प्रारूप अंतर को अनदेखा करना - समान सर्व एज अधिक कंपाउंडिंग के कारण बेस्ट-ऑफ़-5 में वास्तव में उच्च जीत की संभावना पैदा करता है।
- !उन पूर्व मैचों की सतह, पुनरावृत्ति और रैंकिंग संदर्भ को समायोजित किए बिना आमने-सामने के रिकॉर्ड को प्रत्यक्ष संभाव्यता इनपुट के रूप में मानना।
विशेष टिप
पूरे सीज़न के औसत के बजाय सर्व आँकड़ों के लिए पिछले 20 सतह-विशिष्ट मैचों का उपयोग करें। राफेल नडाल जैसे खिलाड़ियों के पास क्ले-विशिष्ट सर्व आँकड़े थे जो उनके हार्ड-कोर्ट नंबरों से 8-12 प्रतिशत अंक भिन्न थे, और यह पृथक्करण अधिक सटीक मैच भविष्यवाणियों को संचालित करता है।
क्या आप जानते हैं?
एक खिलाड़ी जो सर्व पर 55% अंक जीतता है, उसके समान प्रतिद्वंद्वी के खिलाफ सर्वश्रेष्ठ 5 मैच जीतने की संभावना अभी भी लगभग 50% है - लेकिन अगर वह बढ़त 58% तक बढ़ जाती है, तो मैच जीतने की संभावना लगभग 67% हो जाती है, यह दर्शाता है कि कैसे टेनिस स्कोरिंग नाटकीय रूप से छोटे बिंदु-स्तर के लाभ को बढ़ाती है।
संदर्भ
Ratings & comments
साप्ताहिक गणित युक्तियाँ प्राप्त करें
12,000+ सब्सक्राइबर्स से जुड़ें जिन्हें हर हफ्ते कैलकुलेटर टिप्स मिलते हैं।