作者BBOYstyle10 (跳舞/攝影/數據)
看板BaseballXXXX
標題[分享] 進階數據科普系列:關鍵指數
時間Fri Sep 1 14:58:37 2023
關鍵指數(Leverage Index、LI)
基於勝利期望值計算的一項數據
野球革命對勝利期望值的介紹蠻簡單好懂的
https://www.rebas.tw/coefficient
看完了上面的勝利期望值介紹後
先簡單講關鍵指數的意涵
關鍵指數大部分情況下指的是gmLI(登板關鍵指數)
(其他的還有像是季後賽關鍵指數等等)
我們應該都可以認同以下兩種場面的「關鍵性」不同
A 八局下 球隊領先一分 兩出局滿壘
B 九局上 球隊落後十分 無出局無人在壘
很顯然的,A的情境比起B要來得重要
A情境絕對不能失分(甚至是連壘包都不能丟)
而B不管丟不丟分,這場比賽應該都是沒救了
由於投手的手臂有限
球隊會針對情境讓投手擔任不同的分組
「關鍵指數」就成了一個分辨投手登板的重要性
打者不太會像投手有分組,讓特定球員在較重要的時機出場
所以,打者計算關鍵指數是比較沒有意義的
關鍵指數是怎麼算的?
→平均每打席「勝率期望值」變動的倍數
我知道這聽起來很難懂
這邊就一步一步講解
大家應該都聽過或看過那個勝率期望值的上升下降的增減
某球員打出安打讓勝利期望值上升X%
某球員短打失敗讓勝利期望值下降Y%
這就是勝利期望值的變動
那麼聯盟平均每打席的變動怎麼算?
首先我們要先有全聯盟的打席結果比例(例如4%全壘打、7%四壞球等等)
以及全聯盟的勝利期望值資料(包含情境發生次數)
接著計算每一個情境的平均變動值
例如
A情境(九局上半無人出局無人在壘領先一分)
4%機會變成 九局上半無人出局無人在壘平手
7%機會變成 九局上半無人出局一壘有人領先一分
以此類推列出所有機會,並減去A情境的期望值
我們會得到A情境的所有變動值
將其變動值取平方乘以頻率相加再開方
就會得到A情境的平均變動值
以此類推計算出所有情境的平均變動值
再將所有情境的平均變動值取加權平均
就可以得到全聯盟的平均每打席變動值
而A情境的變動值除以平均每打席變動值
就是A情境的關鍵指數
單一球員的關鍵指數就是總關鍵指數除以登板次數
其他數據系列
球場校正
#1at67ad-
得分期望值
#1atTYTA6
wRC+家族
#1awae6EJ
跑壘額外得分
#1axEl6M2
守位校正
#1axx-_60
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 125.230.29.140 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/BaseballXXXX/M.1693551520.A.6E7.html
※ 編輯: BBOYstyle10 (125.230.29.140 臺灣), 09/01/2023 15:01:52
1F:推 youngkid: 趕快推 不然人家以為我看不懂 09/01 15:03
2F:推 venom957: 讚啦,全是技巧沒有感情 09/01 15:19
3F:推 Lemon487: 永支數據系列 09/01 15:52
4F:推 boriszhang: 永吱版主的進階數據系列 09/01 17:53