📉 Разбор полуфинала Зверев — Хачанов: Математика и фактор дисперсии

Ставка на фору Хачанова (+2.5) за 1.58 не сыграла — Карен уступил 0:3 (3:6, 6:7, 6:7). Однако с точки зрения Tennis Quant Engine, этот матч — яркая иллюстрация того, насколько тонкая грань отделяет заход ставки от проигрыша.

📊 Цифры полуфинала:
• Счёт по сетам: 3:6, 6:7 (7:9), 6:7 (6:8)
• Выигранные очки: 107 (Зверев) vs 104 (Хачанов)
• Разница: всего 3 очка из 211 розыгрышей

Модель давала 72.2% на сет Хачанова и прогнозировала плотную борьбу. На корте мы увидели именно это: два затяжных тай-брейка, где Карену не хватило буквально одного поинта, чтобы закрыть наш прогноз в плюс.

💡 Почему дисперсия — это норма?
• 72.2% — не 100%. В 27.8% случаев материализуется альтернативный сценарий из-за микро-эпизодов: сантиметра аута или двух мощных подач соперника.
• Качество анализа. Модель верно прочитала матч: Хачанов отыграл с фаворитом на равных (104 очка против 107).
• Дистанция решает. Отдельный проигрыш — это операционный шум. Главное — плюсовое математическое ожидание (+EV: +14.1%), которое на дистанции стабильно дает результат.

📈 Главный вывод:
Проигрывать такие матчи, где всё решилось буквально в одно очко на тай-брейке — обидно, но это часть работы. В конце концов спортивный шум утихает, а математика остаётся. Сохраняем хладнокровие и забираем своё на дистанции. Работаем дальше. 📈