WikiDer > Базовые трассы - Википедия

Base runs - Wikipedia

Базовые трассы (BsR) это бейсбольная статистика изобретен саберметрист Дэвид Смит для оценки количества запусков, которые команда «должна была» забить, учитывая их статистику нападения, а также количество запусков, которые нападающий или питчер создает или допускает. Он измеряет по сути то же самое, что и Билл Джеймс' пробеги созданы, а как саберметрист Том М. Танго указывает на то, базовые прогоны моделируют реальность процесса оценки прогона «значительно лучше, чем любой другой инструмент оценки прогона».

Назначение и формула

У базовых прогонов есть несколько вариантов, но все они имеют форму[1]



Смит подробно описал следующие формы статистики:

Самый простой, использует только самую распространенную статистику ватина.[2]

А = H + BB - HR

B = (1,4 * TB - 0,6 * H - 3 * HR + 0,1 * BB) * 1,02

C = AB - H

D = ЧСС

Ответвление включает значительно больше статистики ватина[3]

A = H + BB + HBP - HR - 0,5 * IBB

B = (1,4 * TB - 0,6 * H - 3 * HR + 0,1 * (BB + HBP - IBB) + 0,9 * (SB - CS - GIDP)) * 1,1

C = AB - H + CS + GIDP

D = ЧСС

Третья формула использует статистику питчинга.[4]

А = H + BB - HR

B = (1,4 * (1,12 * H + 4 * HR) - 0,6 * H - 3 * HR + 0,1 * BB) * 1,1

C = 3 * IP

D = ЧСС

Другие саберметристы разработали свои собственные формулы, используя общую форму Смита, в основном путем корректировки фактора B.

Поскольку базовая статистика пытается смоделировать процесс подсчета очков команды, формулу нельзя применить непосредственно к статистике отдельного игрока. Это приведет к оценке прогона для всей команды, которая публикует индивидуальную статистику. Обходной путь для этой проблемы - найти, что база команды работает с игроком в составе, а база команды работает с уровень замены игрок в составе.[5] Разница между этими значениями приблизительно соответствует статистике базовых прогонов индивидуума.

Преимущества базовых прогонов

Базовые прогоны были в первую очередь разработаны для обеспечения точной модели процесса оценки прогонов на Высшая лига бейсбола уровне, и он достигает этой цели: в последние сезоны базовые забеги имеют самый низкий RMSE любого из основных методов оценки тиража. Кроме того, его точность сохраняется даже в самых экстремальных условиях и лигах. Например, когда выполняется одиночный хоум-ран, базовые забеги правильно предсказывают, что один забег был забит командой ватин. Напротив, когда созданные пробежки оценивают индивидуальный ЧСС, он прогнозирует четыре пробежки, которые будут оценены; аналогично, большинство линейные весаформулы на основе прогнозов предсказывают число, близкое к 1,4, набранных на индивидуальном ЧСС. Это потому, что каждая из этих моделей была разработана, чтобы соответствовать образцу сезона MLB с 162 играми; они, конечно, хорошо работают, когда применяются к этому образцу, но неточны, когда вынимаются из среды, для которой они были разработаны. Базовые прогоны, с другой стороны, могут применяться к любой выборке на любом уровне бейсбола (при условии, что можно вычислить множитель B), потому что он моделирует способ игры в бейсбол, а не только для игры из 162 игр. сезон на высшем профессиональном уровне. Это означает, что базовые прогоны могут быть применены к средней школе или даже маленькая лига статистика.

Слабые стороны базовых прогонов

От TangoTiger вики

«Базовые прогоны соответствуют большему количеству фундаментальных ограничений на оценку прогонов, чем большинство других средств оценки прогонов, но ни в коем случае не полностью соответствуют требованиям. Некоторые примеры недостатков:

  • Базовые прогоны иногда дают отрицательную оценку; это происходит, когда коэффициент B отрицательный.
  • Базовые заезды иногда проецируют намного больше, чем трех бегунов, оставшихся на базе за каждый иннинг, несмотря на то, что три - это верхний предел. Например, если у прогулок коэффициент B равен 0,1, то подача с 10 шагами и тремя аутами даст оценку 10 * 1 / (1 + 3) = 2,5 рана, что означает, что 7,5 бегунов должны были оказаться в затруднительном положении.
  • Исследование Tangotiger показало, что BsR переоценивает события в диапазоне командного OBP от 0,500 до 0,800.

Одним из путей возможного улучшения модели является оценка B / (B + C). За этой конструкцией нет глубокой теории - она ​​была выбрана потому, что работала эмпирически. Не исключено, что удастся разработать более совершенный оценщик оценки, хотя, скорее всего, он должен быть более сложным, чем нынешний ".

Смотрите также

Рекомендации

внешняя ссылка