A matemática simples que mudou tudo

A lógica por trás da revolução dos 3 pontos é elementar, mas demorou décadas para ser aceita: um arremesso de 2 pontos convertido a 45% de aproveitamento gera 0,9 pontos por tentativa. Um arremesso de 3 pontos convertido a 35% gera 1,05 pontos por tentativa. Ou seja, o arremesso de 3 pontos é matematicamente mais eficiente mesmo sendo menos preciso — desde que a taxa de conversão seja pelo menos 33,3% ^[1].

Kirk Goldsberry, geógrafo e jornalista do FiveThirtyEight, popularizou essa análise em Sprawlball (HMH, 2019), mapeando cada arremesso da NBA desde a implementação dos dados de tracking. Seu argumento central: o basquete pré-analytics desperdiçava imensas quantidades de arremessos de "mid-range" — a região entre os 3 metros da cesta e a linha de 3 — que produzem resultados piores que ambos os extremos ^[1].

Sprawlball: o mapa que mudou a conversa

O trabalho de Goldsberry foi pioneiro ao visualizar o "shot chart" — mapa de quadra com eficiência por zona — como ferramenta analítica central. Antes dele, analistas de equipe criavam shot charts manualmente. Com a chegada do optical tracking (SportVU, depois Second Spectrum), foi possível calcular não apenas onde um jogador arremessa, mas quão contestado o arremesso é, o quão aberto estava o jogador e quantas assistências gerou antes da posse ^[3].

O Goldsberry identificou o que chamou de "morte do mid-range": entre 2012 e 2019, os arremessos de média distância caíram de ~30% para ~18% de todos os arremessos da NBA. Os pontos cedidos por esses arremessos foram redistribuídos para a linha de 3 e para a área restrita. Times que resistiram a essa transição — especialmente os que tinham stars com jogos orientados ao mid-range — viram sua eficiência ofensiva cair em termos relativos.

xPPS: pontos esperados por arremesso

A métrica de Expected Points Per Shot (xPPS) — ou pontos esperados por arremesso — calcula o valor esperado de cada tentativa com base na localização e no contexto do arremesso. Cervone e colaboradores formalizaram modelos probabilísticos de valor de posse no MIT Sloan de 2014 ^[2], abrindo caminho para um sistema de avaliação que vai além de simplesmente contar pontos marcados:

xPPS = Valor da cesta (2 ou 3) × P(conversão | localização, contestação, fadiga)

Um arremesso de 3 aberto a 40% = 3 × 0,40 = 1,20 xPPS
Um mid-range contestado a 38% = 2 × 0,38 = 0,76 xPPS

→ O arremesso de 3 aberto gera 57% mais valor esperado

Esse framework explica por que Stephen Curry foi identificado como um dos jogadores mais eficientes da história mesmo antes de ganhar títulos: seu xPPS nos arremessos de 3 era consistentemente superior a qualquer outro tipo de arremesso de qualquer outro jogador da história ^[4].

O contra-argumento: shot quality e o teto da revolução

A revolução dos 3 pontos gerou um contra-argumento analítico importante: se todos os times tentam mais 3 pontos, as defesas também se adaptam. Arremessadores de 3 estão mais contestados em 2024 do que em 2014. O FiveThirtyEight documentou que o percentual de conversão de 3 pontos da liga caiu levemente entre 2016 e 2022, mesmo com arremessadores melhores ^[4] — sinal de que a defesa está reagindo.

O próximo passo analítico é a qualidade de arremesso ajustada pela defesa: um 3 aberto tem xPPS muito diferente de um 3 levemente contestado. Times avançados como o Boston Celtics de 2024 focam não apenas em tentar mais 3 pontos, mas em criar as condições (movimentação, pick-and-roll, spacing) para que os 3 tentados sejam de alta qualidade — e para que o adversário tente 3 de baixa qualidade.

The simple math that changed everything

The logic behind the 3-point revolution is elementary but took decades to be accepted: a 2-point shot at 45% generates 0.9 points per attempt. A 3-pointer at 35% generates 1.05 points per attempt. The 3-pointer is mathematically more efficient even if less accurate — as long as the conversion rate exceeds 33.3% ^[1].

Kirk Goldsberry popularized this analysis in Sprawlball (HMH, 2019), mapping every NBA shot since tracking data arrived. His central argument: pre-analytics basketball wasted enormous quantities of "mid-range" shots — the region between 10 feet and the 3-point line — producing worse results than either extreme ^[1].

Sprawlball: the map that changed the conversation

Goldsberry pioneered the shot chart — a court map with zone-level efficiency — as a central analytical tool. With optical tracking (SportVU, then Second Spectrum), it became possible to calculate not just where a player shoots but how contested the shot is ^[3]. He documented the "death of the mid-range": between 2012 and 2019, mid-range shots fell from ~30% to ~18% of all NBA attempts.

xPPS: expected points per shot

Cervone et al. formalized probabilistic possession-value models at the 2014 MIT Sloan conference ^[2]:

xPPS = Shot value (2 or 3) × P(make | location, contest, fatigue)

Open 3 at 40% = 3 × 0.40 = 1.20 xPPS
Contested mid-range at 38% = 2 × 0.38 = 0.76 xPPS
→ Open 3 generates 57% more expected value

This framework explains why Stephen Curry was identified as one of the most efficient players in history even before winning titles: his xPPS on 3-pointers was consistently superior to any other shot type by any other player ^[4].

The counter-argument: shot quality and the revolution's ceiling

If all teams attempt more 3s, defenses adapt too. FiveThirtyEight documented that league-wide 3-point percentage slightly declined between 2016 and 2022 despite better shooters ^[4] — evidence of defensive adaptation. Advanced teams now focus not just on attempting more 3s, but on creating high-quality ones through movement, pick-and-roll, and spacing.

La matemática simple que lo cambió todo

La lógica detrás de la revolución del triple es elemental: un tiro de 2 convertido al 45% genera 0,9 puntos por intento. Un triple convertido al 35% genera 1,05 puntos por intento. El triple es matemáticamente más eficiente si la tasa de conversión supera el 33,3% ^[1].

Kirk Goldsberry popularizó este análisis en Sprawlball (HMH, 2019), mapeando cada tiro de la NBA desde la llegada del tracking. Su argumento central: el baloncesto pre-analytics desperdiciaba enormes cantidades de tiros de "media distancia" — la región entre los 3 metros y la línea de 3 — produciendo peores resultados que los extremos ^[1].

xPPS: puntos esperados por tiro

Cervone et al. formalizaron modelos probabilísticos de valor de posesión en el MIT Sloan 2014 ^[2]:

xPPS = Valor del tiro (2 o 3) × P(anotar | localización, contestación)

Triple abierto al 40% = 3 × 0,40 = 1,20 xPPS
Media distancia contestada al 38% = 2 × 0,38 = 0,76 xPPS
→ El triple abierto genera un 57% más de valor esperado

Este marco explica por qué Stephen Curry fue identificado como uno de los jugadores más eficientes de la historia antes de ganar títulos: su xPPS en triples era consistentemente superior a cualquier otro tipo de tiro ^[4].

El contraargumento: calidad de tiro y el techo de la revolución

Si todos los equipos intentan más triples, las defensas también se adaptan. FiveThirtyEight documentó que el porcentaje de triples de la liga disminuyó levemente entre 2016 y 2022 pese a contar con mejores lanzadores ^[4]. Los equipos avanzados ahora se centran en crear triples de alta calidad mediante movimiento y pick-and-roll, no solo en intentar más.