Foto de Manoranjan en Unsplash
DRS (Sistema de revisión de decisiones) es una tecnología utilizada en el cricket para revisar las decisiones de los árbitros en el campo. Se introdujo por primera vez en el cricket de prueba en 2008 y desde entonces se ha implementado en formatos de overs limitados. DRS utiliza varias tecnologías, incluido el seguimiento de la pelota y el punto caliente, para ayudar a los árbitros a tomar decisiones más precisas.
La idea básica detrás de DRS es dar equipos un número limitado de oportunidades para desafiar las decisiones de los árbitros consideran incorrectos. Cada equipo puede realizar un máximo de dos revisiones fallidas por entrada en el cricket de prueba y una revisión fallida por entrada en el cricket de overs limitados.
Foto de Mudassir Ali en Unsplash
La tecnología utilizada en DRS incluye lo siguiente:
Tecnología de seguimiento de bolas: Esta tecnología utiliza múltiples cámaras para rastrear la trayectoria de la pelota. Puede determinar la trayectoria de la pelota desde el punto de lanzamiento hasta donde rebota, ayudando a predecir dónde habría ido si no hubiera golpeado al bateador o cualquier otro objeto.Tecnología de puntos calientes: Esta tecnología utiliza cámaras termográficas para detectar el calor generado por la fricción. Puede mostrar dónde la pelota hizo contacto con el bate o la almohadilla, lo que ayuda a determinar si un bateador está eliminado o no.Snickómetro: Esta tecnología se utiliza para detectar sonidos débiles que se producen cuando la pelota golpea el bate o la almohadilla. Puede ser útil determinar si el bateador ha hecho contacto con la pelota y si la ha acercado al portero o se ha resbalado.UltraEdge: Esta tecnología es una mejora del Snickometer, que utiliza una combinación de evidencia de sonido y video para determinar si la pelota ha tocado el bate.
Para implementar DRS en cricket, normalmente se siguen los siguientes pasos:
Un equipo puede solicitar una revisión si cree que la decisión de un árbitro es incorrecta. El árbitro en el campo hace una señal para indicar que se ha solicitado la revisión. El tercer árbitro, que generalmente se encuentra fuera del campo, revisa las imágenes y toma una decisión basándose en la tecnología disponible. El tercer árbitro informa al árbitro de campo de su decisión, y el árbitro de campo hace una señal para indicar si la decisión ha sido confirmada o revocada.
Para demostrar cómo funciona el DRS en la práctica, tomemos un ejemplo de una situación hipotética en un partido de cricket.
Imagine que el árbitro de campo le ha dado lbw (pierna antes del wicket) a un bateador. El equipo de bateo piensa que la decisión fue incorrecta y decide utilizar una revisión. Así es como se desarrollaría el proceso:
El equipo de bateo solicita una revisión de la decisión. El árbitro de campo hace una señal para indicar que se ha solicitado la revisión. Se examinan las imágenes de la cámara de seguimiento de la pelota para determinar si la pelota habría golpeado los muñones. Si la pelota iba a golpear los muñones, se confirma la decisión. De lo contrario, la decisión se anula y el bateador no queda eliminado. Se examinan las imágenes de la cámara del punto caliente para ver si la pelota hizo contacto con el bate o la almohadilla. Si la pelota hace contacto con el bate, la decisión se anula y el bateador no queda eliminado. De lo contrario, se confirma la decisión. Se examinan las imágenes del Snickometer o de la tecnología ultra-edge para determinar si hubo una ventaja. Si se detecta una ventaja, la decisión se anula y el bateador no queda eliminado. Si no, se confirma la decisión. El tercer árbitro informa al árbitro de campo de la decisión, y el árbitro de campo hace una señal para indicar si la decisión ha sido confirmada o revocada.
A continuación se muestra un ejemplo de código Python que podría usarse para analizar datos de DRS:
supongamos que tenemos un conjunto de datos que contiene información sobre todos los DRS revisiones tomadas en un torneo de cricketincluida la decisión tomada por el árbitro en el campo, el resultado de la revisión y el motivo de la revisión.
importar pandas como pd
# Cargar el conjunto de datos en un marco de datos de pandas
df = pd.read_csv('DRS_reviews.csv')
# Calcule la tasa de éxito general de las revisiones de DRS
tasa_éxito = df[‘Result’].value_counts(normalizar=Verdadero)[‘Upheld’]
print(f”La tasa de éxito general de las revisiones de DRS es {success_rate*100:.2f}%”)
# Calcule la tasa de éxito de las revisiones de DRS para cada motivo
razón_tasas_éxito = df.groupby('Razón')[‘Result’].value_counts(normalizar=Verdadero).unstack()
# Imprima las tasas de éxito para cada motivo.
imprimir(razón_tasas_de_éxito)
# @suyashchandrakar
En este código, primero cargamos el conjunto de datos en un marco de datos de pandas usando el leer_csv función. Luego calculamos el total tasa de éxito de las revisiones de DRS contando el número de revisiones que fueron confirmadas (es decir, la decisión del árbitro en el campo fue revocada) y dividiéndolo por el número total de revisiones.
A continuación, agrupamos las revisiones por el motivo de la revisión y el resultado de la revisión utilizando el agrupar por función. Luego usamos el valor_cuenta función para contar el número de revisiones para cada combinación de motivo y resultado y utilizar la desapilar función para remodelar el marco de datos resultante de modo que las tasas de éxito para cada motivo se muestren en columnas.
Finalmente, imprimimos la tasa de éxito general y las tasas de éxito para cada motivo.
Tenga en cuenta que el DRS_reviews.csv el archivo debe reemplazarse con el nombre de archivo real y la ruta del conjunto de datos que se está utilizando.
Este código podría usarse para obtener información sobre la efectividad de las revisiones de DRS en el torneo. El tasa general de éxito de las revisiones podría indicar si el DRS está mejorando la precisión de las decisiones de los árbitros. Las tasas de éxito de cada motivo podrían ayudar a identificar áreas donde el DRS es particularmente efectivo o ineficaz. Por ejemplo, si revisiones de decisiones lbw tienen una tasa de éxito mucho menor que las revisiones de decisiones atrapadas, esto podría sugerir que hay problemas con la tecnología de seguimiento de bolas utilizada en DRS.