※ 引述《Ayukawayen (這不素Ｍ當勞)》之銘言： : 安打加兩次的原因是它不但有上壘的功能(OBP) 也有推壘的功能(SLG) : 保送只加一次 因為它推壘的功能較差(並不是完全沒有) : 兩支1B和一支2B一次出局TB相同 但是前者貢獻較大 因為上壘多一次 : : 那這麼說一個 300/300/400 的球來就打的鳥槍選手跟一個 200/300/400的選球盲砲選手 : : 比起來 OPS 部都是 700, 但後者產生的TB 應該高出不少吧? : SLG相同的話 TB要看誰的AB多 : 如果這兩個人的PA相同的話 不考慮SF : 前者沒有任何BB 所以AB=PA 後者有BB 所以AB<PA : 所以剛好相反 前者的TB多 而RC=OBP*TB 也是前者較高 我猜：發原文的仁兄是讀生物統計出身的？ 我個人覺得就 sabermetric 的發展而言，OPS 很可能是突然有個人不小 心把 OBP 加上 SLG 後發現這個數值對於年與年間的每打席得分 (Runs per PA) 有著比個別的 AVG、OBP 和 SLG 更好的解釋能力，然後大 就這麼用了，倒沒有顧到什麼 OPS 的外觀問題。 好比說就 RC (runs created) 的式子來看，( OBP * TB ) 為什麼會 是得分的估計式？還有那個莫名奇妙的 Pythagorean Formula，RS 與 RA 加上一個指數為什麼可以變成勝率？好像都沒有人去問這些問題， 只是因為這些式子估得準，然後大家就繼續使用下去了... 其實，如果 sabermetric 算是一種生物統計學、或說人類行為學的話 ，用這種 iteration、minimize MSE 所得出來這些外觀不知所云的公 式都是不合格的！我們應該要找到更好的自變數去合理的解釋想要預測 的應變數、做出更合理的 model 才對。 至於現行的東西，就不要強求太多了.... PS：其實 Pythagorean Formula 可以寫成 W% = 0.5 + RD*B 的形式， (RD = run differential)，這樣可以大概知道 Pythagorean Formula 的誤差控制是怎麼做的。所謂 10 分等於 1 勝的理論好像就是從這個 一次式所得來的？ --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.218.109.213