以前在檢視platoon splits的穩定度時，會將右打分為platoon split高於聯盟平均者及 低於平均者兩類，並檢視其隔年的成績。但此方法無法答覆Beane心中的疑問，因為它將 相像的打者歸為同類，而運動家卻認為Karros是個特殊的打者，不能相提並論。這又是小 樣本產生的問題。左投少之又少，在過去幾十年，左投的投球局數也在減少當中。因此， 右打對左投的打席數創下新低。若Glavine-Redmond的數據不算數，那Karros在2003年對 左投的100打席自然也不足以採用。 欲解此題，我們利用Keith Woolner的方法，將球員生涯分割成奇數與偶數年份兩段（可 避免偏頗的數據），並篩選出在兩段分別都有1000打數以上的球員，接著比較各段的 platoon splits。例如，Karros在奇數年份的platoon優勢為 .028/.038/.031；在雙數年 份為 .030/.054/.019。這是非常穩定的差距，但Karros是屬於通則還是特例呢？ 比較大量資料時，我們可用判定係數（coefficient of determination，又稱R-squared ）來衡量兩組資料間相互解釋之程度。R-squared的範圍為0-1，為0時表示兩組資料毫無 相關性，為1時表示完全相關。例如，球員的表現與球衣號碼的R-squared為0。 右打者中，奇數年與偶數年的打擊率R-squared為0.0053，可說是完全隨機；上壘率與長 打率的R-squared分別為0.0171與0.0302，意味右打者的整個生涯的platoon split都不穩 定。左打的情況稍有不同，R-squared分別為0.0587（打擊率）、0.0693（上壘率）、 0.0943（長打率）。儘管左打的platoon splits數據比右打的稍微穩定一些，但仍具有某 種程度的隨機。 如同Neyers所說，若Beane簽下Karros，是基於Karros會維持對左投的優勢的假設，那麼 Beane犯了嚴重的錯誤。任何經理因為球員過去的platoon split而簽下他，是因為球員擁 有某項前所未有的技巧。這並非代表球員都沒有顯著的platoon splits，而是利用聯盟的 平均platoon splits來預測表現，會比用個人的platoon splits好。過去幾年，左打的 platoon splits明顯高於右打，但任何打者的每年成績變化必然是隨機的。 當球評直覺性的說出打者對此投手的成績為6-11時，你一定會想，為什麼教練不趕快 將投手丘上的可憐蟲換下來。是為了人情道義，還是教練根本就無知？但是事實上，教 練什麼也不用做，因為6-11不具有任何意義。 同樣的，一個以不擅長應付左投聞名的左打，某季忽然大開殺戒時，也僅代表他的選球 眼改善了，或者打擊教練修正了他的打擊瑕疵。但下一季，他的選球眼很可能消失，或者 產生了新的打擊瑕疵。Platoon splits在聯盟平均尚稱一致，但不適用於個別球員。 在蒐集了各式資訊之後，經過許多不同的分析，棒球可能會有不同的面貌。與其用慣用 手性作為上場之依據，不如選出對某球種較擅長的打者或投手。教練使用輪班制與對戰組 合，是善用手上有限的資源，創造優勢，帶來勝利。 結束囉 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 59.113.218.28