Jak działa sabermetrics

Czy Mark Twain miał rację, kiedy powiedział: „Istnieją trzy rodzaje kłamstw: kłamstwa, przeklęte kłamstwa i statystyki”? Statystyki są z pewnością przydatne, ale można nimi manipulować, zwłaszcza gdy wyrwane są z kontekstu. Burmistrz może pochwalić się swoim sukcesem, mówiąc, że liczba brutalnych przestępstw w mieście spadła o 10 procent w ciągu ostatniego roku. Ale co, jeśli w ciągu pierwszych kilku lat kadencji burmistrza liczba przestępstw z użyciem przemocy wzrosła o 30 procent w porównaniu z okresem przed objęciem przez niego urzędu?

W baseballu od dawna ważne są statystyki. Dodgers General Manager Branch Rickey zatrudnił pierwszego statystyka baseballu w 1947 roku, po czym wykorzystanie analizy statystycznej powoli rosło. Ale praktyka zrobiła duży krok naprzód w 1977 roku, kiedy nieznany wówczas Kansan, Bill James, zaczął samodzielnie publikować prace na temat nowej dyscypliny, którą nazwał sabermetryką.

Sabermetrics wykorzystuje analizę statystyczną do analizowania rekordów baseballowych i określania wyników gracza. James nazwał sabermetrię „poszukiwaniem obiektywnej wiedzy o baseballu” [źródło: Grabiner ]. James wymyślił nazwę „na cześć” SABR, Society for American Baseball Research [źródło: Jaffe ]. Sabermetrycy zakwestionowali pewne podstawowe założenia dotyczące oceniania wkładu talentów i graczy i wywołali spore poruszenie. Jednak z biegiem czasu wiele pomysłów i metodologii sabermetrycznych znalazło szeroką akceptację.

Biura baseballowe są teraz zaśmiecone ludźmi o skłonnościach do szabli, takimi jak słynny dyrektor generalny Oakland Athletics Billy Beane, którego umiejętność wykorzystywania niedocenianych umiejętności, takich jak procent i obrona w bazie, zmieniła sposób, w jaki drużyny baseballowe postrzegają talent. Historia Beane została opisana w popularnej książce „Moneyball”, a teraz każdy zespół stosuje jakąś formę analizy statystycznej [źródło: James ]. A James, który przez lata miał niewielu zwolenników, jest teraz konsultantem Boston Red Sox [źródło: Jaffe ].

Sabermetrics jest możliwy po części dlatego, że każda gra generuje tak wiele zarejestrowanych danych. Ale niektóre z tych danych, jak mówią szablametry, są zawyżone. Na przykład weźmy RBI -- rund batted in -- stat. Ta liczba zależy od tego, jak radzą sobie inni pałkarze i czy dostaną się do bazy, aby gracz mógł ich wbić. Zatem RBI niekoniecznie jest dobrą miarą umiejętności indywidualnego gracza.

Sabermetrics zagłębia się w surowe dane i analizuje takie problemy, jednocześnie zadając pytania typu: Czy trenerzy pitchingowi rzeczywiście mają znaczenie? Albo jaki jest najlepszy sposób mierzenia wartości hittera dla zespołu?

W tym artykule przyjrzymy się tym pytaniom, badając, w jaki sposób sabermetria zmienia baseball.

1. Problem z tradycyjnymi statystykami baseballowymi
2. Sabermetrics 101: Mierzenie wartości zawodników i trenerów
3. Statystyki sabermetryczne
4. Poza baseballem: sabermetria w innych sportach i w życiu

Podobnie jak w przypadku rekordu RBI gracza, średnia odbicia – liczba trafień podzielona przez liczbę nietoperzy i najczęstsza miara zdolności uderzania – może być myląca. Jeśli spojrzysz tylko na średnią mrugnięcia, to ignorujesz, w jaki sposób zawodnik przyczynia się do ataku drużyny na inne sposoby, na przykład zdobywanie stępa lub uderzanie o władzę.

Statystyki takie jak liczba trafień też nie są takie proste. Jeśli zawodnik ma w swojej karierze 2300 trafień, jest to ogólnie uważane za całkiem dobre. Ale co by było, gdyby gracz po prostu zdołał grać przez długi czas, a jego średnia mrugnięcia w karierze wynosiła 0,260 z kilkoma trafieniami z dodatkowej bazy (dwójki, trójki, home runy )? Wciąż miał świetną karierę, ale prawdopodobnie był mniej wartościowy niż gracz, który grał krócej i zgromadził taką samą liczbę trafień z wyższą średnią i większą liczbą trafień z dodatkowej bazy. Z drugiej strony, co by było, gdyby były gracz był jednym z najlepszych graczy defensywnych?

Oceniając gracza w kontekście historii, weź pod uwagę również, że niektóre okresy w baseballu były znane jako bardziej sprzyjające dla uderzających lub miotających, tak jak obecnie niektóre parki, ze względu na swoje wymiary, wysokość, wiatr i inne czynniki, produkują wyższe lub niższe sumy runów niż średnia ligowa. Okres od około 1900 do 1919 nazywany był Erą Martwej Piłki , między innymi ze względu na rodzaj używanego baseballu, który był miękki, a hitters używali cięższych kijów. Ponadto, popularny styl uderzeń tego dnia – umieszczanie rąk wysoko na uchwycie kija – powodował mniejszą liczbę dodatkowych uderzeń bazowych. Sabermetrycy stworzyli formuły, aby uzyskać bardziej obiektywną ocenę umiejętności graczy w różnych epokach baseballu.

Na przykład, aby ocenić zdolność mrugnięcia, Bill James zaproponował wzór matematyczny, aby określić, ile przebiegów wykonuje uderzający, ponieważ w końcu liczy się przebiegi [źródło: Albert ]. James wymyślił przebiegi, które stworzyły statystyki, które brzmią:

Utworzone biegi = [(Trafienia + Spacery)*(Suma podstaw)]

     (nietoperze + spacery)

Innym problemem związanym z tradycyjnymi statystykami jest to, że nie wszystkie outy są równe. Sposób, w jaki pałkarz wykonuje aut, może wpłynąć na wynik zmiany. Załóżmy, że jest drugi biegacz, który ma jeden aut. Jeśli pałkarz na bazie domowej wybije, nic się nie dzieje (chyba że biegacz zdecyduje się ukraść bazę). Ale jeśli pałkarz uderzy powolnego wałka na pierwszą bazę, a biegaczowi uda się dostać na trzecią, gdy pałkarz jest wyautowany, wtedy pałkarz wykonał bardziej użyteczny aut.

W przypadku miotania wygrane są w dużym stopniu uzależnione od liczby przebiegów, jakie drużyna zdobędzie dla swojego miotacza. Dobry miotacz może mieć ERA (wypracowaną średnią przebiegów) na poziomie 3,50, co oznacza, że ​​pozwala średnio na 3,5 przebiegów na mecz. Ale jeśli przewinienie jego zespołu wynosi średnio tylko 3 przejazdy podczas jego startów, to ten miotacz będzie miał bardzo kiepski rekord wygranych-przegranych, który nie odzwierciedla dokładnie jego występu. I odwrotnie, dobre wsparcie podczas biegu może sprawić, że zły miotacz będzie wyglądał lepiej niż on.

ERA może być zawyżona przez słabą obronę. Chociaż biegi spowodowane błędami nie liczą się do ERA miotacza, niektórzy miotacze mają tę wadę, że grają przed obrońcami, które choć niekoniecznie popełniają wiele błędów, nie mają zasięgu i skuteczności defensywy innych drużyn. Na przykład gracz może dostać się do piłki, ale ma słabą rękę i nie rzucić piłki wystarczająco szybko, aby wyprowadzić biegacza. Taka sytuacja może spowodować, że biegi zostaną zdobyte, a miotaczowi zostanie przypisana rezygnacja z biegania, ponieważ technicznie nie popełniono żadnych błędów.

W 1998 roku Juan Gonzalez wygrał nagrodę American League MVP, ale w wielu kategoriach, w tym w statystykach stworzonych przez Jamesa, wyprzedził Alberta Belle. Jednak Texas Rangers Gonzaleza zajął pierwsze miejsce w swojej dywizji, przed Chicago White Sox Belle. Czy Belle, która w głosowaniu zajęła ósme miejsce, zasłużyła na nagrodę MVP? Czy był cenniejszy niż Gonzalez? Być może, ale liczy się też obrona, a pisarze, którzy głosują na nagrodę, generalnie wolą graczy, którzy dobrze grają w zespołach, które awansują, od tych, którzy wyróżniają się w słabszych zespołach. I pomimo tego, że był świetnym graczem, ognista osobowość Belle często działała przeciwko niemu w oczach prasy.

W tym samym roku miotacz Rick Helling, kolega z drużyny Gonzaleza, zremisował o prowadzenie w lidze z 20 zwycięstwami, pomimo przeciętnego 4,41 ERA. (Jego ogólny rekord to 20-7). Roger Clemens zakończył rok z wynikiem 20-6 – tylko jedna strata mniej – a mimo to zdobył nagrodę Cy Young Award jako najlepszy miotacz American League. Ale to dlatego, że prowadził w lidze z wynikiem 2,65 ERA i miał najlepszy w lidze 271 przekreśleń (w porównaniu do 164 Hellinga).

Oba te przykłady podkreślają niektóre problemy z tradycyjnymi statystykami, o których właśnie wspomnieliśmy. Często w debatach, kto zasługuje na nagrodę, ludzie od niechcenia wymieniają statystyki, które mogą nie najlepiej odzwierciedlać umiejętności lub wartość gracza. Pomiary sabermetryczne mają na celu uzupełnienie tych luk w wiedzy. Niektóre z nich są raczej podstawowe, jak WHIP – stąpania i uderzenia na każdą zmianę narzutu – który mierzy, na ilu biegaczy bazowych pozwala miotacz.

BICZ = (Spacery + Trafienia)

(Rozstawienie inningów) 

Dobry WHIP to na ogół około 1,30 lub mniej, a wszystko, co jest bliskie 1 lub poniżej, jest uważane za spektakularne

Na następnej stronie przyjrzymy się niektórym bardziej złożonym statystykom sabermetrycznym, ale najpierw zastanowimy się, jak sabermetryka jest przydatna w odpowiadaniu na pozornie subiektywne lub bez odpowiedzi pytania.

For 15 years, Leo Mazzone was pitching coach for the Atlanta Braves. Mazzone was considered one of the best pitching coaches around as his pitchers were usually among the top in the league [source: Schwarz]. His ability to resuscitate the careers of struggling pitchers or those recovering from injuries was particularly admired. But was Mazzone good or just lucky, the beneficiary of having talented pitchers signed to play for the team?

­J.C. Bradbury, an economics professor, analyzed the ERAs of pitchers playing for Leo Mazzone and when they weren't with Mazzone. He accounted for factors like age (since pitchers are generally better at certain points in their careers) and ballpark (some ballparks are bigger and easier to pitch in than others). He found that pitchers under Mazzone had an ERA that was lower by 0.62, a dramatic and valuable difference [source: Schwarz]. Others analyzing Mel Stottlemyre, who has been a coach for the Yankees, Astros and Mets, found that his pitchers had ERAs 0.30 lower under him [source: Schwarz]. W badaniach autorzy uznali, że na sukcesy tych trenerów mogą mieć wpływ także inne czynniki, takie jak dobre decyzje kadrowe podejmowane przez dyrektorów generalnych. Ale niektóre praktyki trenerskie Mazzone mogą również pomóc, na przykład rzucanie początkowych miotaczy dwa razy między startami zamiast jednego, co jest powszechną praktyką.

To klasa?!

W Sabermetrics 101: The Objective Analysis of Baseball, kursie oferowanym przez Tufts University, studenci czytają książki i słuchają wykładów wielu luminarzy sabermetrycznych.

Bill James stworzył dziesiątki statystyk sabermetrycznych, a inni wnieśli własne metryki. Wiele z tych statystyk ma kilka różnych wersji, a różne organizacje dostosowują składniki formuł. Tak więc szablametrycy mogą polegać na różnych formułach, ale ich styl analizy, poszukiwanie obiektywnej prawdy, poleganie na twardych danych widzianych w kontekście – wszystko to jest częścią sabermetryki.

Każde narzędzie sabermetryczne ma swoje zastosowania i wady, ale niektóre są częściej używane niż inne. Na przykład EqA lub równoważna średnia mierzy zdolność gracza do uderzania, biorąc pod uwagę takie czynniki, jak średnie ligowe, efekty parkowania i jakość miotaczy. Uproszczona wersja EqA jest obliczana jako:

EqA = [Trafienia + Suma baz + 1.5*(Spacery + Trafienie przez nachylenie) + Skradzione bazy][At-nietoperze + Spacery + Trafienie przez nachylenie + Złapana kradzież + (Skradzione bazy)/3] 

Udziały w wygranych to zarówno tytuł książki Billa Jamesa, jak i nazwa statystyki sabermetrycznej, która została skrytykowana przez niektórych szabermetryków i podrasowana przez innych. Podobnie jak jego rówieśnicy, wykorzystuje niezwykle skomplikowaną formułę, ale generuje jedną liczbę, która rzekomo mierzy, w jakim stopniu gracz przyczynia się do zwycięstw swojej drużyny. Udział w wygranych gracza to w rzeczywistości liczba wygranych, które wygenerował dla swojego zespołu pomnożona przez trzy. Pomnożenie przez trzy daje większe liczby, które podkreślają różnice między graczami [źródło: Studeman ].

Udziały w wygranych są podzielone na trzy grupy: uderzanie, rzucanie i polowanie. Gracze, którzy grają na bardziej wymagających pozycjach defensywnych, otrzymują więcej punktów za udział w wygranych, podobnie jak miotacze o wysokich uderzeniach, ponieważ nie potrzebują tak dużej pomocy w defensywie, jak miotacz, który ma dużo outów w parterze lub flyballu [źródło: Studeman ]. Ponieważ udziały w wygranych są oparte na statystykach gracza tylko z jednego roku, nie są dobre do przewidywania przyszłych wyników, ale są przydatne do mierzenia wkładu gracza w sukces zespołu.

Inną popularną statystyką sabermetryczną jest VORP – wartość przewyższająca gracza zastępczego . Opracowany przez Keitha Woolnera z Indian Cleveland, VORP wykorzystuje „przeciętnego” gracza baseballa jako punkt odniesienia do określenia wartości. W przypadku VORP zawodnik na poziomie zastępczym to taki, który jest poniżej średniej. Często ci gracze na poziomie zastępczym spędzają dużo czasu na ławce lub wahadłowym między najwyższym poziomem baseballowej ligi niższej a majors

VORP nie bierze pod uwagę obrony, ale istnieje zmodyfikowana wersja VORP - VORPD - która to robi. Równanie uwzględnia również pozycję, ponieważ niektóre pozycje (takie jak shortstop i catcher) są bardziej wymagające w defensywie, a gracze na tych pozycjach zwykle nie są tak utalentowani w ofensywie, jak pierwsza podstawa lub prawi obrońcy. Rzeczywiste równanie jest bardzo skomplikowane i istnieje kilka wersji. Ale daje jedną liczbę – powiedzmy 85,4 dla Alberta Pujolsa w 2006 roku – która pozwala łatwo zmierzyć wartość zawodnika i porównać go z innymi [źródło: Baseball Prospectus ]. Pozwala także na porównanie wartości hitterów i pitcherów.

Sabermetrics jest również przydatny do tworzenia dokładniejszych prognoz. Oczekiwania pitagorejskie dotyczą dozwolonych przebiegów zespołu i przebiegów zdobytych w celu określenia oczekiwanego odsetka wygranych.

Procent wygranych = [biegi z punktacją do kwadratu]/[biegi z punktacją do kwadratu + dozwolone biegi do kwadratu] 

James później zmodyfikował swoją oryginalną formułę, używając wykładnika 1,82 zamiast 2, więc formuła nie jest idealna. Pozwala to jednak komuś zastanowić się, jaką rolę odgrywa losowa szansa, ile gier „oczekiwano” wygranej przez zespół lub, powiedzmy, czy rekord zespołu został przekrzywiony przez okres ośmiu meczów, podczas których jego generalnie konające przestępstwo zapaliło się i zostało uśrednione. nietypowe 10 przebiegów na mecz.

Do przewidywania wyników poszczególnych graczy Baseball Prospectus, think tank poświęcony analizie statystycznej baseballu, wykorzystuje zestaw formuł znanych jako PECOTA do przewidywania przyszłych wyników. PECOTA jest ulubieńcem zarówno miłośników baseballu fantasy, jak i profesjonalistów.

Wiele sportów oprócz baseballu wymaga kilku graczy, aby gra poszła dobrze, co utrudnia zastosowanie szabli w innych dyscyplinach sportowych. Piękno baseballu polega na tym, że jego statystyki ogólnie odzwierciedlają wydajność jednego gracza. A o sukcesie tego gracza często decydują jego własne działania, chociaż niektóre czynniki, takie jak obrona, mogą dotyczyć więcej niż jednej osoby.

W piłce nożnej rozgrywający, który wykonał podanie, może być postrzegany jako udany zagranie, jednak inni gracze byli zaangażowani w ten sukces, na przykład linia ofensywna chroniąca rozgrywającego przed wyrzuceniem. A co by było, gdyby to było tylko podanie na 4 jardy, a do gry doszło przy trzecim przejeździe na 5 jardów przed końcem? Teraz drużyna musi puntować, więc porażka może spocząć na rozgrywającym – który nie podał do kogoś znajdującego się dalej w polu – lub na odbierającym, który nie był w stanie zyskać dodatkowego metra po złapaniu piłki. Jak zawsze ważny jest kontekst.

Podejmowane są próby przeniesienia myślenia szablametrycznego do innych dyscyplin sportowych. John Hollinger, który pracuje dla ESPN.com, jest dobrze znany z pisania o koszykówce i kreatywnego wykorzystywania statystyk. Trenerzy piłki nożnej zwracają się do tego rodzaju analizy statystycznej, która stała się już popularna w baseballu. Trener Patriots Bill Belichick i jego sztab zwracali się do statystyków o porady dotyczące sytuacji związanych z wykopami i skutecznością dwupunktowych konwersji. Witryna internetowa o nazwie FootballOutsiders.com stworzyła statystyki takie jak DVOA – wartość skorygowana o obronę w stosunku do średniej . Billy Beane był zaangażowany w próby zastosowania technik sabermetrycznych w piłce nożnej, działając jako doradca zespołu San Jose Earthquakes MLS.

Ludzie rozważali zastosowanie ogólnych technik sabermetrycznych nie tylko w sporcie, ale także w innych aspektach życia i biznesu. Sabermetrics jest często podziwiany za poleganie na twardych danych, rygorystyczny proces analizy, chęć kwestionowania wcześniej przyjętych założeń i poszukiwanie ukrytych korzyści, które są potencjalnie przydatne w biznesie. Sukces Billy'ego Beane'a jako obdarzonego wyobraźnią, statystycznie nastawionego GM przyniósł mu stanowiska w zarządach firm. W 2006 roku Time Magazine uznał Billa Jamesa za jednego ze 100 najbardziej wpływowych ludzi na świecie.

W październiku 2008 roku w artykule opublikowanym w New York Times, Beane, wraz z Newtem Gingrichem i senatorem Johnem Kerry, pisali o używaniu technik w stylu sabermetrycznym w celu poprawy opieki zdrowotnej poprzez skupienie się na eksploracji danych, analizie statystycznej, redukcji błędów medycznych i obniżeniu kosztów. Jeśli szablametria mogłaby skłonić tych dwóch polityków do porozumienia, to musi mieć jakąś wartość.

Aby dowiedzieć się więcej o baseballu i znaleźć łącza do wielu witryn internetowych związanych z sabermetrią, kliknij na następną stronę.

Powiązane artykuły

Więcej świetnych linków

Źródła

­