※ 引述《Ayukawayen (这不素Ｍ当劳)》之铭言： : 安打加两次的原因是它不但有上垒的功能(OBP) 也有推垒的功能(SLG) : 保送只加一次 因为它推垒的功能较差(并不是完全没有) : 两支1B和一支2B一次出局TB相同 但是前者贡献较大 因为上垒多一次 : : 那这麽说一个 300/300/400 的球来就打的鸟枪选手跟一个 200/300/400的选球盲炮选手 : : 比起来 OPS 部都是 700, 但後者产生的TB 应该高出不少吧? : SLG相同的话 TB要看谁的AB多 : 如果这两个人的PA相同的话 不考虑SF : 前者没有任何BB 所以AB=PA 後者有BB 所以AB<PA : 所以刚好相反 前者的TB多 而RC=OBP*TB 也是前者较高 我猜：发原文的仁兄是读生物统计出身的？ 我个人觉得就 sabermetric 的发展而言，OPS 很可能是突然有个人不小 心把 OBP 加上 SLG 後发现这个数值对於年与年间的每打席得分 (Runs per PA) 有着比个别的 AVG、OBP 和 SLG 更好的解释能力，然後大 就这麽用了，倒没有顾到什麽 OPS 的外观问题。 好比说就 RC (runs created) 的式子来看，( OBP * TB ) 为什麽会 是得分的估计式？还有那个莫名奇妙的 Pythagorean Formula，RS 与 RA 加上一个指数为什麽可以变成胜率？好像都没有人去问这些问题， 只是因为这些式子估得准，然後大家就继续使用下去了... 其实，如果 sabermetric 算是一种生物统计学、或说人类行为学的话 ，用这种 iteration、minimize MSE 所得出来这些外观不知所云的公 式都是不合格的！我们应该要找到更好的自变数去合理的解释想要预测 的应变数、做出更合理的 model 才对。 至於现行的东西，就不要强求太多了.... PS：其实 Pythagorean Formula 可以写成 W% = 0.5 + RD*B 的形式， (RD = run differential)，这样可以大概知道 Pythagorean Formula 的误差控制是怎麽做的。所谓 10 分等於 1 胜的理论好像就是从这个 一次式所得来的？ --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 61.218.109.213