以前在检视platoon splits的稳定度时，会将右打分为platoon split高於联盟平均者及 低於平均者两类，并检视其隔年的成绩。但此方法无法答覆Beane心中的疑问，因为它将 相像的打者归为同类，而运动家却认为Karros是个特殊的打者，不能相提并论。这又是小 样本产生的问题。左投少之又少，在过去几十年，左投的投球局数也在减少当中。因此， 右打对左投的打席数创下新低。若Glavine-Redmond的数据不算数，那Karros在2003年对 左投的100打席自然也不足以采用。 欲解此题，我们利用Keith Woolner的方法，将球员生涯分割成奇数与偶数年份两段（可 避免偏颇的数据），并筛选出在两段分别都有1000打数以上的球员，接着比较各段的 platoon splits。例如，Karros在奇数年份的platoon优势为 .028/.038/.031；在双数年 份为 .030/.054/.019。这是非常稳定的差距，但Karros是属於通则还是特例呢？ 比较大量资料时，我们可用判定系数（coefficient of determination，又称R-squared ）来衡量两组资料间相互解释之程度。R-squared的范围为0-1，为0时表示两组资料毫无 相关性，为1时表示完全相关。例如，球员的表现与球衣号码的R-squared为0。 右打者中，奇数年与偶数年的打击率R-squared为0.0053，可说是完全随机；上垒率与长 打率的R-squared分别为0.0171与0.0302，意味右打者的整个生涯的platoon split都不稳 定。左打的情况稍有不同，R-squared分别为0.0587（打击率）、0.0693（上垒率）、 0.0943（长打率）。尽管左打的platoon splits数据比右打的稍微稳定一些，但仍具有某 种程度的随机。 如同Neyers所说，若Beane签下Karros，是基於Karros会维持对左投的优势的假设，那麽 Beane犯了严重的错误。任何经理因为球员过去的platoon split而签下他，是因为球员拥 有某项前所未有的技巧。这并非代表球员都没有显着的platoon splits，而是利用联盟的 平均platoon splits来预测表现，会比用个人的platoon splits好。过去几年，左打的 platoon splits明显高於右打，但任何打者的每年成绩变化必然是随机的。 当球评直觉性的说出打者对此投手的成绩为6-11时，你一定会想，为什麽教练不赶快 将投手丘上的可怜虫换下来。是为了人情道义，还是教练根本就无知？但是事实上，教 练什麽也不用做，因为6-11不具有任何意义。 同样的，一个以不擅长应付左投闻名的左打，某季忽然大开杀戒时，也仅代表他的选球 眼改善了，或者打击教练修正了他的打击瑕疵。但下一季，他的选球眼很可能消失，或者 产生了新的打击瑕疵。Platoon splits在联盟平均尚称一致，但不适用於个别球员。 在蒐集了各式资讯之後，经过许多不同的分析，棒球可能会有不同的面貌。与其用惯用 手性作为上场之依据，不如选出对某球种较擅长的打者或投手。教练使用轮班制与对战组 合，是善用手上有限的资源，创造优势，带来胜利。 结束罗 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 59.113.218.28