Sports

Spielerbewertung auf dem Mond

© James Lang-USA HEUTE Sport

Ein kurzes Wort der Warnung: Dieses ist ziemlich abstrakt. Wenn Sie Baseball-Mathe mögen, ist das definitiv der Fall. Wem die Analyse der Major-League-Saison 2022 gefällt, der hat das absolut nicht. Ich denke, es macht ziemlich viel Spaß, aber wenn das nicht Ihr Ding ist, ist dieses vielleicht nichts für Sie. Wie auch immer: Weiter zum Unsinn!

Ich bin die Art Verrückter, der gerne Baseball-Videospiele spielt, wenn ich nicht gerade über Baseball schreibe. Im Moment ist das Out Of The Park 23, insbesondere der Perfect Team-Modus. Es ist eine Baseball-Simulation, bei der Sie Karten sammeln, die aktuelle und historische Spieler darstellen, Teams bilden und dann simulierte Spiele gegen die Teams anderer Spieler spielen.

Im Schlagzeilenmodus des Spiels können Sie sammeln, wen Sie wollen, und gegen den besten Schuss Ihrer Gegner kämpfen – Peak Micky Mantel gegen Spitze Texas Hughson, sagen. Das macht auf seine eigene Weise Spaß (für das, was es wert ist, schlägt Mantle mehr heraus, als Sie möchten, wenn Sie sich der Konkurrenz der Spitzenklasse stellen), aber ich interessiere mich mehr für einen anderen Modus, den das Spiel bietet: Turniere, bei denen Sie mit einem begrenzten Pool übereinstimmen Ihre Spieler gegen einen begrenzten Pool von Gegnern.

Genauer gesagt spreche ich vom “Silber”-Modus, in dem Sie einige interessante, aber meist nicht überwältigende Versionen historischer Hitter verwenden können. Wenn Sie nach einem Äquivalent in Bezug auf 2022-Spieler suchen, denken Sie nach Adam Frazier oder Gleyber Torres; ziemlich gut, aber nicht großartig.

Hauptsächlich macht es Spaß, weil es cool ist, etwas über neue Baseballspieler zu lernen. Bill Brutonwohl die schnellster mann im baseball in den 1950er Jahren ist mein Mittelfeldspieler. John Beckwith, a Negerliga großartig, fängt. Es ist auch ein Vorwand, um sich liebevoll an einige Spieler zu erinnern – Peak Dan Haren und eine Karte, die darstellt Bob Feller‘s Rookie Year sind beide in meiner Rotation.

Noch wichtiger für diesen Artikel ist jedoch, dass diese Trupps akzeptabler Hitter und Pitcher absolut absurde Offensivzahlen aufstellen. Basierend auf einer Reihe von Turnierdaten, die ich für diesen Artikel gesammelt habe, schlagen Silver Hitter insgesamt 0,277 / 0,364 / 0,497. Sie erzielen 1,9 Homeruns pro Spiel und erzielen 6,3 Runs pro Spiel. Die Liga als Ganzes hat einen .338 BABIP. Es ist ein offensives Umfeld, wie wir es noch nie in echten Majors gesehen haben.

Das führt zu einem seltsamen Kaderaufbau – Bullpens sehen sich mit einer Menge zusätzlicher Batters konfrontiert, sodass sie häufiger müde werden, und selbst großartige Starter neigen dazu, früh aus dem Spiel geworfen zu werden. Sollten Sie Reliever aufladen? Halten Sie Ihre Schläger frisch und versuchen Sie, das Pitching des anderen Teams in die Unterwerfung zu hämmern? Investieren Sie in Zwei-Wege-Spieler? Es ist ein lustiges Puzzle. Es stellt sich auch eine interessante Bewertungsfrage: Wie misst man den Beitrag eines Schlagmanns in einer so verrückten Laufumgebung?

Sie können natürlich auch OPS verwenden. Sicher, alle Zahlen werden aufgeblasen – auch hier beträgt der OPS-Durchschnitt der Liga 0,861 –, aber es ist keine Frage, auf welcher Skala er sich befindet. Aber OPS hat seine eigenen Probleme. Welchen Schläger hättest du lieber – 2005 Pat Burrellder .287 / .431 / .594 oder 1988 trifft Darryl Erdbeere, schlagen .269 / .380 / .656? OPS ist immer verwirrend, wenn ein Spieler einen deutlich höheren OBP als der andere hat, aber dieses Problem wird noch verschärft, wenn die Laufumgebung so seltsam ist.

Eine andere Sache, die Sie tun könnten, ist, sich einfach nicht so sehr darum zu kümmern. Es ist ein Computerspiel, das Baseball zwischen Spielern simuliert, die nie wirklich gegeneinander gespielt haben! Lassen Sie sie einfach gegeneinander spielen und genießen Sie die Ergebnisse. Aber so denke ich nicht über Baseball – ich möchte genauso viel wissen, was in dieser falschen Liga wertvoll ist wie im wirklichen Leben.

Die offensichtliche Lösung ist also wOBA. Da alle in einem identischen Stadion spielen, sind Parkanpassungen nicht erforderlich – wer den höchsten wOBA hat, ist der beste Schlagmann. Es gibt nur ein Problem – das Spiel bietet kein wOBA und es bietet auch keine Massen-herunterladbaren Spielprotokolle, die Sie verwenden könnten, um wOBA-Gewichte zu berechnen.

Das ist okay. Wir erstellen unsere eigene wOBA! Sie könnten versuchen, es von Grundprinzipien abzuleiten – wOBA ist die durchschnittliche Änderung der Lauferwartung pro Plattenauftritt – aber zum Glück gibt es einen Leitfaden zur Ableitung von wOBA auf genau dieser Seite, produziert von Neil Weinberg vor sechs Jahren. Die Schritte sind nicht gerade einfach, aber sie sind ziemlich einfach, und ich denke, es macht Spaß, es zu tun. Wollten Sie schon immer wOBA zu Hause bauen? Hast du nicht? Dann brauchen Sie diesen Teil definitiv nicht zu lesen. Aber alberne kleine Mathetricks sind eines der Dinge, die ich am Baseball mag, also probieren wir es aus.

Das Wichtigste zuerst: Wir brauchen eine Lauferwartungsmatrix. Eine Lauferwartungsmatrix ist eine ziemlich einfache Sache. Es stellt sich eine Frage: Wie viele Runs werden in diesem halben Inning im Durchschnitt erzielt? Das ist die Lauferwartung für diesen Basis-/Ausgangszustand. Wiederholen Sie es für alle 24 möglichen Zustände, und Sie haben Ihre Matrix.

In der realen Welt würden wir uns einfach jeden Fall ansehen, bei dem, sagen wir, ein Runner auf dem zweiten Platz ist und niemand draußen ist, und dann herausfinden, wie viele Runs in jedem dieser Innings erzielt wurden. Dann würden wir den Durchschnitt dieser Laufsummen nehmen und bam, da ist Ihre Lauferwartung für einen Läufer auf dem zweiten Platz und niemanden draußen. Natürlich haben wir diese Tabellen nicht – wie ich bereits erwähnt habe, gibt es in OOTP keine massenhaft verfügbaren Spielprotokolle. Stattdessen müssen wir sie selbst aus einem ganzen Stoff machen.

Glücklicherweise können wir unsere eigenen Spielprotokolle erstellen. Wir haben alle Quotenstatistiken unserer Hitter – wie oft sie einen Plattenauftritt mit einem bestimmten Ergebnis beenden. So sieht das für unsere Liga insgesamt aus:

Ergebnishäufigkeit

Ergebnis Frequenz
Single / Fehler 14,9 %
Doppelt 4,2 %
Verdreifachen 0,5 %
Home Run 4,7 %
Gehen / HBP 12,4 %
Durchgestrichen 25,6 %
Andere aus 37,7 %

Alles, was wir tun müssen, ist eine Würfelmaschine zu programmieren, um dies in unsere eigenen Spielprotokolle umzuwandeln. Beginnen Sie mit niemandem draußen und niemandem und wählen Sie ein Ergebnis nach dem Zufallsprinzip aus, indem Sie die oben genannten Wahrscheinlichkeiten verwenden. Ändern Sie den Spielstatus durch dieses Ergebnis – nehmen wir an, wir beginnen mit niemandem draußen und niemandem und wählen dann ein Doppel aus. Jetzt haben wir einen Mann an zweiter Stelle und niemanden draußen. Dann wählen wir ein anderes zufälliges Ergebnis aus – sagen wir ein Groundout. Jetzt haben wir einen Läufer auf dem dritten Platz mit einem Out. Führen Sie diesen Vorgang bis zum Ende des Innings durch, wiederholen Sie ihn eine Million Mal, und wir haben unsere eigenen Spielprotokolle.

Es gibt einen noch einfacheren Weg, um herauszufinden, wie viele Läufe von jedem Base-/Out-Zustand erzielt werden – wir können jede unserer Millionen Simulationen einfach mit genau dieser Kombination von Runnern und Outs starten. Wie viele Läufe zählen in einem Inning, wenn Sie mit Läufern auf den Plätzen zwei und drei beginnen, ohne dass jemand ausscheidet? Alles, was Sie tun müssen, ist, eine Million Innings zu simulieren, die jeweils mit Läufern auf den Plätzen zwei und drei beginnen, ohne dass jemand ausfällt. (Fürs Protokoll: In unserer Umgebung mit vielen Offensiven sind die Plätze zwei und drei ohne Ausscheiden im Durchschnitt 2,38 Runs wert.)

Als Nächstes müssen wir gemäß dieser Anleitung unsere Lauferwartungen in lineare Gewichtungen umwandeln. Im wirklichen Leben ist dies einfach zu tun. Nehmen Sie jeden Spaziergang, der im Jahr stattfand, und berechnen Sie die Änderung der Lauferwartung von vor dem Spaziergang zu nach dem Spaziergang – einfach zu machen, da wir einen Laufwert für jeden Basis- / Out-Zustand haben. Als nächstes addieren Sie alle diese und teilen Sie sie durch die Anzahl der Spaziergänge. Voila! Der Laufwert des durchschnittlichen Gehens.

Ich habe eine etwas faulere Version derselben Sache gemacht. Auch hier haben wir keine Spielprotokolle. Wir haben jedoch die Möglichkeit, eine Reihe von Simulationen durchzuführen. Ich bat mein gleiches Würfelprogramm, die Häufigkeit zu notieren, mit der das Spiel jeden Basis- / Out-Zustand erreichte. Darauf können Sie zugreifen hier wenn du damit herumspielen willst. Da unser Modell jedem Ergebnis die gleiche Wahrscheinlichkeit gibt, dass es in jedem Basis-/Ausgangszustand eintritt, sind wir meistens zu Hause.

Überlege noch einmal einen Spaziergang. Mit Läufern auf den Plätzen zwei und drei und niemandem draußen ergeben durchschnittlich 2,38 Läufe im Inning, wie wir oben vertuscht haben. Ein Spaziergang würde das zu Stützpunkten bringen, die mit niemandem beladen sind – im Durchschnitt 2,80 Läufe. Das macht den Spaziergang in diesem Szenario 0,42 Läufe wert. Wie oft kommt der zweite und dritte ohne jemanden heraus? 0,4 % der Zeit, laut unserem Programm. Wir können dies für jeden einzelnen Base-/Out-Zustand wiederholen – Bases leer und kein Out treten beispielsweise bei 23,4 % aller Plate-Auftritte auf, und ein Walk dorthin erhöht die Run-Erwartung um 0,44 Runs. Tun Sie dies für jeden einzelnen Zustand, und wir erhalten den durchschnittlichen Laufwert eines Spaziergangs – 0,406 Läufe.

Ich habe diesen Vorgang für jedes mögliche Ergebnis wiederholt – jede Art von Base Hit (ich habe Fehler mit Singles in einen Topf geworfen), Walks, Hit by Pitches, Strikeouts und andere Outs. Hier ist der lineare Laufwert jedes Ereignisses:

Laufwert über dem Durchschnitt nach Ereignis

Ergebnis Wohnmobil
Single / Fehler 0,509
Doppelt 0,815
Verdreifachen 1.102. am häufigsten
Home Run 1.436. am häufigsten
Gehen / HBP 0,406
Durchgestrichen -0,377
Andere aus -0,386

Hey, wir sind fast zu Hause! Alles, was wir tun müssen, ist von linearen Gewichten in wOBA-Gewichte umzuwandeln, indem wir eine Skala einführen. Nach Neils Anleitung zentrieren wir als Nächstes alles neu, sodass ein In-Play-Out gleich Null Runs ist (Neil hat dafür gesorgt, dass alle Outs den gleichen Wert haben, aber wir können es ein bisschen besser machen, indem wir In-Play-Outs etwas weniger vorteilhaft machen – doppelt Spiele sind Killer in unserer Liga, mit so vielen Läufern auf der Basis und so unwahrscheinlichen Outs). Hier sind unsere neu gegossenen linearen Gewichte:

Laufwert nach Ereignis (auf Null zentriert)

Ergebnis RV umgestalten
Single / Fehler 0,895
Doppelt 1.201
Verdreifachen 1.488. am häufigsten
Home Run 1.822. am häufigsten
Gehen / HBP 0,792
Durchgestrichen 0,009
Andere aus 0,000

Schließlich errechnen wir angesichts dieser Gewichte einfach den ligaweiten wOBA. Das ist nicht allzu schwer – wir kennen bereits die Häufigkeit jedes Ereignisses von oben. Führen Sie ein riesiges Multiplizieren und Addieren durch, und wir erhalten einen Wert von 0,377. Wir wollen das auf den Basisprozentsatz der Liga skalieren – so funktioniert wOBA – also erstellen wir eine Konstante namens „wOBA-Skala“. Das ist .364 / .377 oder .966. Multiplizieren Sie jedes dieser linearen Gewichte oben mit der wOBA-Skala, und wir haben unsere eigenen wOBA-Gewichte für diese wilde Run-Scoring-Umgebung erstellt.

Diese Gewichte stammen aus einem Spiel, das ganz anders aussieht als der Baseball, den wir kennen. Hier tut es viel mehr weh, Outs zu machen, als im echten Baseball. Homeruns sind weniger wertvoll – das Einlösen aller Läufer auf der Basis macht einen großen Teil des Werts eines Homeruns aus, und diese Läufer werden in einer Welt mit einem OBP von 0,364 eher auf andere Weise punkten. Mit der Einschränkung, dass wOBA-Werte aufgrund der konstanten Skalierung nicht so einfach zu vergleichen sind, hier die Konstanten für OOTP Silver mit seinen 6,3 Läufen pro Spiel und 2022 MLB:

wOBA-Gewichte, real und imaginär

Ergebnis OOTP woBA 2022 woBA
Single / Fehler 0,864 0,895
Doppelt 1.159. am häufigsten 1.286. häufigste
Verdreifachen 1.436. am häufigsten 1.637. am häufigsten
Home Run 1.759. am häufigsten 2.129
Gehen / HBP 0,765 0,693
Durchgestrichen 0,009 0
Andere aus 0,000 0

Musste ich das alles tun? Absolut nicht. Aber wOBA kann eine beängstigende, unbekannte Sache sein, Zahlen, die von oben weitergegeben werden und Ihnen sagen, wie gut jeder ist. Ich hoffe, dass ich zeigen kann, wie gut es funktioniert, indem ich meine Arbeit zeige und wOBA für eine Laufumgebung berechne, die unserer eigenen nicht entspricht. Übrigens, dass Burrell vs. Erdbeervergleich von oben? Die Antwort ist, was Sie intuitiv erwarten würden. Homer und zusätzliche Basen im Allgemeinen sind weniger wertvoll, wie wir bereits erwähnt haben. Wichtiger ist es, Outs zu vermeiden. Somit hat Burrell trotz eines schlechteren OPS einen deutlich höheren wOBA von 0,427 im Vergleich zu 0,412 für Strawberry.

Zur Not könnten Sie immer noch OPS verwenden. OPS erklärt 92 % der Variation in wOBA – niedriger als die 98 %-Marke für Real-Life-Majors im Jahr 2021, aber immer noch nicht zu schäbig. Aber wenn Sie etwas Besseres gebrauchen können, warum nicht? Es kann nie schaden, zu lernen, wie einige unserer Baseball-Analysetools funktionieren – und wenn ich obendrein noch mit meinem Team historischer Baseballspieler prahlen kann, umso besser.

About the author

admin

Leave a Comment