Базовые трассы - Base runs
 | Эта статья нужны дополнительные цитаты для проверка. (Декабрь 2007 г.) (Узнайте, как и когда удалить этот шаблон сообщения) |
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 веса формулы 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
«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 ".