目前分類:未分類文章 (383)

瀏覽方式: 標題列表 簡短摘要

sp-mlb-a-20180406.jpg

 

最近體育方面最大的新聞,應該是日本棒球好手大谷翔平在美國大聯盟職棒連續三天開轟的大驚奇吧!大谷翔平在挑戰MLB之前,在日本職棒就是一位出色的投打二刀流選手。赴美前他也一再宣示希望在美國也能繼續同時投球跟打擊。MLB看上大谷翔平的,明顯是因為他160公里以上的球速,打擊的話大聯盟能打的球員實在太多,應該不缺大谷一人。但也因為他的堅持,跟他交涉的球隊為了得到這位好投手,只好退讓同意讓他可以同時上場打擊。

 

這個球季成為洛杉磯天使隊新人的大谷翔平,在季前的熱身賽就被大家拿著放大鏡觀看,結果他的投球表現尚可,但是打擊表現實在是鴉鴉烏。春訓期間打擊率差不多只有一成而已。批評立刻排山倒海的湧到,所有記者球評球迷都認為以大谷目前的打擊實力應該無法在MLB生存,他還是只要投球就好;二刀流看似要折斷一刀了。

 

但是天使隊在爭取大谷加入時應該提出了願意讓他投打二刀流上場表現的承諾,開季至少必須讓他試試看啊!反正打不好的話大谷自己壓力也會很大,壓力太大的話也可能自己提出改成專心投球就好,屆時球隊自然解套。所以天使還是做出讓大谷翔平上場擔任DH打擊的安排。而這個禮拜大谷翔平終於首度在大聯盟的季賽登場打擊。

 

後來的結果,大家這幾天應該在體育新聞看到很多了。到今天上午出賽四場,18個打席,擊出7支安打,貢獻7分打點;而最誇張的,當然是最近連續三場都擊出全壘打的驚人表現。大谷翔平的支持者當然樂不可支,日本的新聞媒體熱到快翻掉。所有在春訓期間猛酸他打擊能力的球迷記者球評全都瞠目結舌,難以相信他竟然能夠出現這樣子的演出。

 

我不是棒球的專家,對於大谷翔平的表現(特別是春訓及開季之後的判若兩人)我當然說不出一個所以然來。但從運動報導的觀點來說,大谷的表現再度讓我們學到了一個教訓,那就是:「運動賽場上,我們所知其實非常有限。」所有之前批評他唱衰他的人固然不知道他會有這樣子的好表現,但難道喜愛大谷翔平的人在開季前就覺得他能夠打成這樣子嗎?看了他春訓的表現之後,你再怎麼喜愛大谷翔平,應該也覺得他的打擊可能需要再磨練磨練吧!

 

在棒球場上,我們經常會用經驗值用過去的數據來做未來的判斷。但運動賽事好玩的地方就是過去的數據只是一個參考,每一次的登場都是新的,都可能創造新的、讓人意想不到的表現。某位籃球員可能過去罰球命中率高達九成,但偏偏在勝負關鍵兩罰失手:某位網球選手已經連續擊敗對方七次,偏偏第八次在大賽的決賽遭遇卻輸了球丟掉冠軍。過去的轉播經驗中,類似這樣的意外或者落差表現在賽場上層出不窮。而這豈不是球賽迷人之處?不然如果過去平均數字如何,未來就如何,那也太無趣了。

 

所以在看到大谷翔平這三天的連三轟之後,我們真的只能說,在運動的世界裡,專家永遠都只有根據結果去推論,看結果去拼湊原因說明理由,但沒有人能總是看得出未來即將要發生的事情。

 

同樣的例子是幾年前林書豪在紐約尼克隊的「林來瘋 Linsanity」!這個例子比大谷這禮拜的情況還要更誇張。當時媒體跟球迷從紛亂不可置信,到變成讚嘆興奮到感覺目睹/參與了神蹟,事前絕對絕對沒有人能夠預測到這樣子的事情有可能會發生,特別是發生在一個從哈佛大學畢業的台灣裔球員林書豪的身上。從林書豪到大谷翔平,看到運動賽場上的不可預測性及突如其來可能發生的戲劇性。

 

但是話說回來,過去看球學習到的另一點是:「看長遠不看一時」。所以其實也不用太過激動於球員短期間在場上的神奇表現,畢竟一位選手要稱為偉大,必須要看長期的表現而不是一時的璀璨。就再以「林來瘋」為例,林書豪當時爆紅到登上時代雜誌封面舉世知名,但事情終究回歸現實歸於平淡,現階段我們知道不可能持續用林來瘋的標準來期待他。林書豪可以在NBA有一席之地,但林來瘋之後幾年下來的表現,應該可以確認他不是明星球員,不是能入選名人堂等級的選手。當年林來瘋的神奇表現將讓人永遠記住,但林書豪這位選手在NBA大概算是平均水平而不是最頂尖的控球後衛。

 

大谷的未來我不知道,都說了我不是棒球專家。但就算是棒球專家,現在可能也不太敢說自己一定說得準。大谷需要更長時間來證明這三場比賽打擊的表現不是曇花一現,不是另一個林來瘋(Oh! 他還得在投手丘上持續有好的表現,那才是最關鍵的)。亞洲選手特別是日本球員的確可以在MLB生存甚至發光發熱,鈴木一朗就是最好的例子。鈴木一朗當年也有很多doubters,認為日本投手到大聯盟或許OK,但日本職棒的安打王不見得在MLB打得出名堂。不過到現在經過十多年的奮鬥,在累積了三千多支安打及五百多次的盜壘之後,鈴木一朗的歷史定位已經毫無疑問地受到所有不分國籍棒球迷的一致肯定。

 

大谷翔平好不好?是不是下一個貝比魯斯(有這種想法也太誇張)?就讓我們耐心等待時間來證明吧!不用太早下結論;喜歡他的球迷繼續幫他加油,看衰他的球迷耐心等待,心情隨著他每一支全壘打或每一次被三振而感到振奮或者悲哀,或者「看吧!早跟你說了!」

 

這就是身為球迷好玩的地方吧!

 

mlbf_1905981683_th_45.jpg

 

文章標籤

愛運動但是跑不動 發表在 痞客邦 留言(0) 人氣()

Albert Pujols  

 

文:Xavier

 

繼上個系列的投手進階數據篇後,緊接著我們就來介紹打者進階數據的部分。Xavier就從自己最常用的wOBA,和wOBA衍伸出來的wRAA談起。

 

在正式介紹wOBA之前,我們得先提提OPS (On-base Plus Slugging)這個數據。OPS至今仍是國內外使用非常普及的攻擊數據,之所以接受度會這麼高,有很大的原因就是因為它計算很簡單:只要把上壘率跟長打率加起來就可以了。

 

這個概念看似不差,但問題就出在上壘率跟長打率對打者的重要性並不一樣,經過統計推算的結果,上壘率的重要性大約是長打率的1.8倍,而不是OPS採用的1比1加成,我們要介紹的wOBA就可以解決這個問題,只是比較可惜,台灣認識wOBA的人還是太少。

 

wOBA是由知名棒球數據大師Tom Tango所發明的進階數據,全名叫Weighted On-Base Average。它兼具上壘率和長打率對打者攻擊能力的見解,架構頗像把兩者的公式結合起來,能把打擊的各種情況考慮進去,並給予更合理的權重計算(小缺點是沒有經過球場校正)。

 

wOBA的基本公式如下:

wOBA = (0.691×uBB + 0.722×HBP + 0.884×1B + 1.257×2B + 1.593×3B +
2.058×HR) / (AB + BB – IBB + SF + HBP)

註: Fangraphs網站每年會對wOBA的加乘權重略做微調,但差距很小。

 

一般而言,wOBA超過0.370就是很不錯的打者,達到0.400以上就是非常頂尖的打者,去年大聯盟只有8位打者的wOBA能達到0.400,又以Miguel Cabrera的0.455為最高。

 

 Miguel Cabrera  

Miguel Cabrera連續兩年的wOBA都是全大聯盟第一

 

 Mike Trout  

Mike Trout去年wOBA值0.423 僅次於Miguel Cabrera

 

打者進階數據篇(二): wRC、wRC+
http://peavy.pixnet.net/blog/post/43927600

 

wOBA還有一個好處,它能用來計算一個打者的打擊相較於聯盟平均能對球隊貢獻多少分數,衍伸出來的數值就叫做wRAA (Weighted Runs Above Average)

 

公式是這樣的:

wRAA = ((wOBA – league wOBA) / wOBA scale) × PA

註:Fangraphs每年的wOBA scale並不一樣,大約落在1.20上下。

 

只要把一個打者的wOBA減掉聯盟平均的wOBA,再除以wOBA scale,最後乘上打席數就可以得到,算法同樣很簡單。

 

去年大聯盟wRAA最高的打者是我們上述提到的Miguel Cabrera,他的wRAA高達72.1,領先第二名的Mike Trout達11分之多。

 

當然,如果攻擊表現太差,wRAA也有可能會變成負的。如去年皇家隊的Alcides Escobar,他的wRAA就為-33.6,是全大聯盟最低。國內球迷熟悉的鈴木一朗,去年的wRAA也非常不理想,只有-14.3,名列大聯盟倒數第五。

 

 

Xavier棒球進階數據系列:

投球篇:

【Xavier棒球教室】投手進階數據篇(一): FIP、xFIP

【Xavier棒球教室】投手進階數據篇(二): SIERA、tRA

【Xavier棒球教室】投手進階數據篇(三):xERA

打擊篇:

【Xavier棒球教室】打者進階數據篇(一): wOBA、 wRAA

【Xavier棒球教室】打者進階數據篇(二):wRC、wRC+

守備篇:

[Xavier棒球教室] 守備進階數據篇 (一): UZR

[Xavier棒球教室] 守備進階數據篇 (二): Def

 

Troy Tulowitzk 4  

Troy Tulowitzki開季猛打 目前wOBA值是誇張的0.536

 

(本文圖片來源:Getty Images)

Xavier元創主義Facebook粉絲團:

台灣唯一的美日韓台棒球資訊站!

各國棒球賽事報導、評論、專題和數據分析

文章標籤

Xavier 發表在 痞客邦 留言(0) 人氣()

Clayton Kershaw  

 

文:Xavier

 

不少人看到進階數據都會習慣性的先跳過,原因不外乎很陌生、看不太懂,不如傳統數據簡單明瞭和平易近人。但屏除先入為主的觀念,其實進階數據並不像很多人想的那麼麻煩,而是看你用什麼心態去面對它。

 

如果一開始就覺得麻煩、排斥,再簡單的東西都會變得複雜。換一種心態去面對,很多東西也會變得不一樣。

 

猶記,4、5年前Xavier剛開始寫作的時候,看到某位朋友的文章出現精闢的Advanced Stats時,欽羨之餘(可惜我那位朋友停筆好多年了),Xavier也是看不太懂。但我選擇的不是去躲這些東西,或是酸葡萄心理去調侃會用進階數據很了不起嗎(有這種心態的人還真不少)?我選擇的是去了解它們,慢慢的從看不懂,變成理解到最後自己也能使用。

 

這陣子,我一直有個想法,想把Advanced Stats用更簡單的方式介紹給更多讀者。專業也許還說不上,這部分寫得比我好的人也多的是,但我想做個基本的討論、交換意見應該還是可以的。

 

現在我們就從投手的進階數據開始介紹起,分成FIP、SIERAtERA (tRA)三個部分來討論,這篇文章我們首先要提的是FIP、因為它很好用、也最普及,所以我特地把它獨立成一篇文章來討論。

 

 Max Scherzer  

 

FIP、xFIP:

要介紹FIP前,我們得先提防禦率這個最基本、也是最常見的投手數據。既然有人發明進階數據,就表示防禦率有缺陷,那防禦率它有到底什麼問題呢?Xavier認為防禦率至少有五大缺陷。

 

後援投手來講,最常見的問題就是”明明投不好自責分卻算在上一任投手身上”。後援投手上場救火時,壘包上往往已經有跑者,但是這些跑者要是回到本壘得分,自責分可都是算給上一任投手。這就會出現一種情況:後援投手A一上來就連挨好幾支安打,讓先發投手留在場上的跑者都回來得分,教練再緊急換上後援投手B接替,並成功踩住煞車不再失分,結果就是這位狀況很差的後援投手A,這次登板的防禦率還是完美的0。

 

先發投手來說,也會有類似的問題,壘包上有跑者時被換下場,好的後援投手會幫你守成、不好的後援投手會繼續失血,讓自責分加到你身上,也就是說先發投手防禦率,除了自己的投球能力外,有時也會受到團隊牛棚戰力的影響。

 

再來就是守備問題,2出局滿壘,同樣一個深遠飛球,守備能力好的隊友會美技接殺,結束這一局。守備較差的隊友,可能就是落地形成長打,對你造成重傷害,一次就多了2分或3分的自責分。處理位置尷尬的內野軟弱滾地球也是類似的道理,內野守備優劣與否對滾地球型的投手影響又特別大。

 

和守備攸關的還有失誤因素,一個投手在發生守備失誤之後,被連續打了好幾支安打掉分,雖然這樣的掉分有非戰之罪的因素在,實際上還是可以看出這位投手的穩定度跟壓制力仍有些問題,但他失誤後的掉分都不算自責分。

 

最後是球場因素,像是有些球場飛球飛行的延伸距離會比較遠,容易形成長打,在這類球場投球的投手就會比較吃虧。沒辦法針對球場差異做校正,這也是傳統防禦率的一大問題。

 

因此,只以防禦率來評斷投手的優劣,是非常不精確的,WHIP稍微好一點,但同樣有守備影響的問題。美國BBWAA有些會員在賽揚獎票選上,喜歡用防禦率來解讀過多的東西,也讓人搖頭。

 

 

Masahiro Tanaka  

 

FIP就可以解決上述大部分的問題

 

FIP是Tom Tango發明的投手進階數據,完整的英文原名叫Fielding  Independent  PitchingFIP特點是它只考慮HR、HBP、BBK這4個數據依據影響程度的差異,給予不同的權重計算,最後加上固定的修正值(通常是3.2)就可以得到,公式如下:

 

FIP = ((13*HR)+(3*(BB+HBP))-(2*K))/IP + constant

 

為什麼只考慮HR、HBP、BB跟K呢?原因很簡單,因為這4個數據剛好都是投手自己能掌控的,比較不會受到守備影響,也不會有防禦率自責分算在誰身上的問題。簡言之,FIP能比較精確的檢視投手自己控制比賽的能力因為原理簡單、公式也不難(有時間自己就可以計算),所以FIP現在還是國外相當盛行、我自己也很喜歡列入參考的投手進階數據。

 

那去年大聯盟FIP最低的先發投手是誰呢?答案是大都會的Matt Harvey,他去年的FIP只有2.00。第二名則是國聯賽揚獎得主Clayton Kershaw,他的FIP為2.39。

 

不過FIP也有個小問題,像是全壘打的部分,投手就可能會受到球場狀況影響,而有所起伏。

 

從FIP衍生出來的是xFIP(Expected Fielding Independent Pitching發明者為Dave Studeman),這兩個數據的計算公式基本上一樣,差別是xFIP在全壘打的部分做了校正,把原本FIP的全壘打改為投手的飛球乘以聯盟平均的HR/FB,能解決球場差異精確度會比較高,可說是進階版的FIP,公式如下:

 

xFIP = ((13*(Flyballs * League-average HR/FB rate))+(3*(BB+HBP))-(2*K))/IP + constant

 

FIP跟xFIP還能用來預測投手的防禦率走向,如果一個投手的FIP跟xFIP高於防禦率,一旦投球時間拉長,他的防禦率會逐漸變高。相對的,如果一個投手的FIP跟xFIP低於防禦率,一段時間過後,他的防禦率也會慢慢往下降。

 

去年大聯盟xFIP最低的先發投手是誰呢?同樣是大都會的Matt Harvey,他去年的xFIP為2.63。

 

如同ERA跟ERA+,xFIP也有個能跟聯盟平均值做比較的xFIP-,xFIP-值100相當於聯盟平均,不過跟ERA+不同的是xFIP-是越低越好。在檢視不同年度的投手時就非常好用了,xFIP-可以看出每年聯盟打擊強弱的差異,做出合理的比較。

 

那FIP跟xFIP系列是最好的投球數據了嗎?也不盡然。下一篇文章我們就來介紹另外兩個進階數據SIERA跟tRA。

 

Xavier棒球進階數據系列:

投球篇:

【Xavier棒球教室】投手進階數據篇(一): FIP、xFIP

【Xavier棒球教室】投手進階數據篇(二): SIERA、tRA

【Xavier棒球教室】投手進階數據篇(三):xERA

打擊篇:

【Xavier棒球教室】打者進階數據篇(一): wOBA、 wRAA

【Xavier棒球教室】打者進階數據篇(二):wRC、wRC+

守備篇:

[Xavier棒球教室] 守備進階數據篇 (一): UZR

[Xavier棒球教室] 守備進階數據篇 (二): Def

 

【Xavier元創主義】FB粉絲團:

美日韓台棒球專家Xavier的精闢解析

真正專業導向的野球資訊站

文章標籤

Xavier 發表在 痞客邦 留言(0) 人氣()