[科普] 新玩具-跑壘量化

看板Dodgers作者Manstein (exposure)時間1年前 (2023/07/19 04:27)推噓4(4推 0噓 0→)

留言4則, 4人參與討論串1/1

官方御用數據團隊 Statcast 目前發表兩項新型數據可供查詢研究，第一個是跑壘，過去這部分是沒有，或者很難量化的，現在一網打盡。由於是科普文，我直接寫下如何查詢的步驟(而不是提供縮連結)。 1.去 Baseball Savant 的官網 baseballsavant.mlb.com 2.右上角有所謂排行榜 Leaderboard，游標移過去。 3.左展開後下角可以看到我們這次要講的第一項數據: Baserunning(目前還有小標"New"表示是新的數據) 4.點進去就進入了所謂 Baserunning 數據化資料庫。我們用本季本隊來作例子好了，下面 Filter 通通不要動，僅把最後一項 Teams 改成本隊道奇就好，就會顯示出本隊本季的跑壘表現(註:這邊的跑壘是不含盜壘在內，盜壘已經有詳細數據了) 我們先看下面可以分作三塊 Panel，分別是 Runs Breakdown (進壘分總) How often does the runner attmpt to advance (跑者有多常嘗試(額外)進壘) How often was the runnder successful in advancing (跑者有多常成功(額外)進壘) 第一塊基本上就是總結，基本上所有數據最後我們都可以總結成一句話:該球員比平均多拿了多少"分"? 這個計算不容易，Statcast 表示他們綜合了以下數據: 跑者跑速外野手臂力跑者實際位置外野手與球和壘包的相對位置由以上各種資料可以推出每個額外進壘的理論成功率，上面說明方塊中另有提供一篇文章描述背後的建構模型理論 (當然，是簡化版的)"Distance Time"model。有了理論成功率以及事實上球場上的成功率我們就可以算出每個球員額外提供多少分，不過他這邊沒有講說他怎麼操作的，不太確定他是有一個平均值乘上去(計算上簡單，但是會比較不精確)，還是說要帶入 WPA 矩陣來計算(計算複雜，但是精確)，啊不管如何，反正就是可以把它轉換回分數就對了。第一個球員是 Outman，第一組數據是這樣的: Runer Runs 1 Advances 2 Thrown Out 0 Holds -1 換成文句敘述是這樣:「Outman 本年度到今天為止靠著跑壘比聯盟平均跑壘者替球隊多賺了一分。這一分是由以下三出象的分數綜合加減而得: 額外進壘(+2)、被外野傳球出局(+0) 、停在不往前推進(-1)」注意這些數字 Statcast 都幫你四捨五入到個位數了，因此有些球員你會發現三項加起來不等於總和，這是正常的。中間右邊兩個 Panel 就提供了進階的數據，這部分應該是可以直接看得懂的我就不進行教學了。現在我們來看數據本身，結論就是本季本隊的跑壘可下四字考語「平淡無奇」，打到現在都已經快一百場了，最多每個人多貢獻的也不過就是四個人各一分(然後被 Peralta 扣兩分回來)，也就是說打了一百場本隊比聯盟平均跑壘大概就是賺了兩分，影響算是非常小的。要看細項的話，幾個狡獪(X)腳快(O)的的確在跑壘積極度上要比聯盟高一點，Betts(4%)，Outman(3%)等，不過差距有限，相對不積極的是捕手 Smith(-7%)，但是考量到他的守備位置，這是可以理解的。看到最後面的成功率你就會發現這些職業球員真的是對於各種狀況都已經產生了職業級的直覺，基本上都要 20-40 個狀況才會一次判斷失誤(而且也不一定是判斷失誤，有時候基本上就是個五成機會)，不過那個 Peralta 是不是求好心切了點... 還是說他的策略就是要用跑的來打長打帳面上比較好看.... 下一篇再介紹另一個新的，既然可以算跑壘了，那麼當然可以算臂力值。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 47.145.213.73 (美國) ※ 文章網址: https://www.ptt.cc/bbs/Dodgers/M.1689712060.A.981.html