Globedia.com

×
×

Error de autenticación

Ha habido un problema a la hora de conectarse a la red social. Por favor intentalo de nuevo

Si el problema persiste, nos lo puedes decir AQUÍ

×
cross

Suscribete para recibir las noticias más relevantes

×
Recibir alertas

¿Quieres recibir una notificación por email cada vez que Sports Made In Usa escriba una noticia?

Entender el Juego del Béisbol (IV): Win Expectancy

27/03/2016 15:20 0 Comentarios Lectura: ( palabras)

Win Expectancy (WE, lo podríamos traducir como las Victorias Esperadas. Nos da el porcentaje de victorias que ha conseguido un equipo en la misma situación en la que nos encontramos, dependiendo del resultado, el inning en el que estamos, los jugadores eliminados y los jugadores que hay en las bases. Se calcula utilizando los datos de partidos ya jugados en la MLB con anterioridad.

Para realizarlo, la calculadora para Win Expectancy nos podría dar:

imageEjemplo de Win Expectancy

En este ejemplo, estamos viendo un partido en el que el equipo visitante gana de dos carreras. Están en la parte alta de la cuarta entrada, los visitantes tienen un jugador eliminado, uno en primera base y otro en segunda base. En la base de partidos que tenemos, que va de 1957 a 2014 encontramos 1.261 partidos que se han estado en esta situación. De éstos, el visitante ha ganado 968 (un 76, 76% de las veces). La Media del Leverage Index es de 1, 4 (esto lo trataremos más adelante), y las apuestas deberían estar +330 vs -330 (en nuestras cuotas sería 4, 3 vs 1, 303).

Cuando empieza un partido, en teoría, los dos equipos tienen las mismas probabilidades de ganar, empiezan con un 50%, pero eso no es cierto. Depende de los equipos que jueguen, del lugar donde se desarrolle el partido y de los pitchers que empiecen el encuentro. Si vemos la variable de abajo con los gráficos Fangraphs, las posibilidades de victoria de los Astros eran algo mayores que las de Kansas City el 12 de octubre de 2015. Si consultáis el chart inteactivo, vereis que el WE de los Astros llegó al 98, 4%, pero después los errores de los Astros y el buen trabajo de los Royals llevaron la victoria a los Royals.

El WE nos ayuda a ver cómo va el partido, las posibilidades de que el equipo que va detrás remonte o de que el que va ganando conserve la victoria, todo basado en partidos pasados, no en el que se está jugando ahora. No es lo mismo tener de closer a Mariano Rivera que a cualquier otro, por eso es importante no olvidar el "momentum" del partido en el que estamos, con algunos jugadores es más fácil remontar que con otros, y algunos equipos tienen más fe en la victoria que otros.

Esto nos lleva al concepto de Win Probability Added (WPA): este índice nos muestra lo que la acción de un jugador hace aumentar las probabilidades de que su equipo gane el partido. Un home run en la última entrada de un partido empatado es más valioso que un HR que consigue en un encuentro en el que tu equipo va ganando por 6 carreras, esa diferencia de "calidad de la jugada" es lo que nos muestra el WPA. La forma de calcularlo es fácil, la variación de WE según la jugada que se produzca: WPA = %WE inicial ? %WE final.

Veamos un ejemplo:

imageWin Expectancy World Series Mets vs Royals

Último partido de la pasada temporada, los Royals visitan a los Mets. Las columnas nos muestran de izquierda a derecha pitcher, bateador, entrada, jugadores eliminados, las bases ocupadas, el resultado del partido, la descripción de la jugada, LI (Leverage Index), RE (Run Expectancy), WE (Win Expectancy), WPA (Win Probability Added) y RE24 (Run Expectancy 24). Harvey vs Cain, Cain anda hasta la primera base, las posibilidades de victoria según para los Mets disminuyen un 7% (por tanto, el WPA es de 0.07), según el WE, de 94, 3 a 87, 3%. Cain roba una base, va bajando hasta el 86% (1, 3% por robar una base, como vemos un gran riesgo para una pequeña ganancia, WPA de 0.013). Finalmente, Hosmer consigue un doble y Cain consigue una carrera, se baja de 86 a 66%, un 20% menor, lo que nos da un WPA de .200.

La WPA también se puede calcular para toda la temporada. En esta última jugada, Hosmer sumaría +.200 puntos y Harvey -.200 puntos. Lo que el bateador gana el pitcher lo pierde, y viceversa. Como en otras estadísticas el pitcher paga los fallos de la defensa y se beneficia de sus aciertos. La media será 1, ya que se da y se quita a partes iguales, por tanto, un jugador con un WPA de 3.0 será el triple de bueno que la media. Esta información nos da la visión de lo efectivo que es un jugador en momentos clave, no nos dice lo que hace si no lo importante que es lo que hace. Y estos jugadores son los que ganan partidos y campeonatos. Pero nada es perfecto, muchas veces los jugadores que tienen la oportunidad de remontar un partido son los que en ese momento están bateando o lanzando, por lo que no sabemos que habría hecho el resto del roster en esta situación. Pero lo que conocemos es que estos lo consiguieron o no cuando tuvieron la oportunidad, y lo mismo desde el otro lado, los que fallan en ocasiones claves también son los que están jugando.

Clasificación WPA temporada 2015RankingEquipoWPAWPA-WPA+RE241Blue Jays12.49-96.91109.40191.252Royals5.28-100.68105.9723.323Dodgers3.77-103.69107.4621.164Cubs3.50-109.20112.6913.265Pirates3.27-108.87112.1429.466Giants2.77-104.56107.3459.447Mets2.08-105.48107.5638.568Rangers2.07-100.40102.4728.349Angels1.51-99.78101.295.4910Astros0.75-110.13110.8838.33

Vemos que de los diez equipos con mayor WPA durante la temporada ocho jugaron Playoffs y sólo dos se quedaron fuera de estos: Giants y Angels.

Un punto en WPA nos da un aumento del 100% en Win Expectancy, también nos muestra una victoria más sobre la media esperada. En la tabla vemos como los Blue Jays consiguieron algo más de 12 victorias en situaciones "complicadas". Algunos lo llaman "un marcador de la suerte que tienen los equipos", y otros que "los buenos equipos siempre son los que consiguen más victorias en los partidos igualados". Este es un tema para otro debate.

La WPA no es predictiva, no se usa para el análisis y proyecciones de los jugadores, nos cuenta la historia de los jugadores que han estado más en los momentos claves, los que han ganado (índice positivo) contra los que han perdido (índice negativo), y aunque no tenga un valor estadístico potente lo cierto es que yo prefería en mi equipo jugadores con el WPA elevado.

Bateadores con mayor WPA temporada 2015RankingNombreEquipoWPAWPA-WPA+RE241Anthony RizzoCubs7.15-10.2417.3857.782Bryce HarperNationals6.16-9.2615.4175.383Joey VottoReds6.03-9.6315.6564.554Josh DonaldsonBlue Jays6.01-10.4116.4257.825Kris BryantCubs5.99-10.6516.6445.586Paul GoldschmidtDiamondbacks5.97-9.8915.8657.637Andrew McCutchenPirates5.35-9.7715.1248.228Matt CarpenterCardinals5.29-10.0315.3241.379Mike TroutAngels5.28-9.2514.5352.4410Miguel CabreraTigers4.46-6.9911.4646.88Pitchers con mayor WPA temporada 2015RankingNombreEquipoWPAWPA ?WPA+RE241Zack GreinkeDodgers6.79-10.8117.6056.662Jake ArrietaCubs5.87-9.8715.7355.403Clayton KershawDodgers4.96-11.3316.2945.884Dallas KeuchelAstros4.11-12.1616.2740.765David Price? ? ?3.63-12.7216.3535.796Sonny GrayAthletics3.32-12.1115.4327.227John LackeyCardinals3.31-13.1616.4729.018Max ScherzerNationals3.22-13.2816.5036.019Jacob deGromMets3.09-9.6412.7326.5410Felix HernandezMariners2.82-12.1414.9612.77

Como se puede ver todos los jugadores con WPA elevada son de primer nivel.

Durante el juego las situaciones no son igual de tensas, ir perdiendo de una carrera en el último inning no es igual que ir ganando de una en el cuarto inning. El Leverage Index (LI) intenta cuantificar la presión que soporta un jugador en las diferentes situaciones del juego. En Fangraphs han determinado diferentes clasificaciones para el LI.

  • pLI: La media de LI para todos los partidos jugados.
  • phLI: La media de LI cuando el jugador batea.
  • gmLI: La media de LI cuando un pitcher entra al partido.
  • inLI: La media de LI cuando un pitcher empieza un inning.
  • exLI: La media de LI cuando un pitcher sale del partido.

Calcular el LI no es sencillo, mide el posible cambio en el Win Expectancy durante un partido dependiendo del "momentum" de éste, la entrada, el resultado, los jugadores eliminados y el número de corredores que hay en las bases. Un ejemplo sencillo: durante una jugada el bateador puede ser eliminado por strikeouts o avanzar andando a la segunda base, se da un porcentaje a cada situación, y dependiendo de la situación del partido esto nos puede dar un cambio en el WE. Si el cambio es más o menos importante es lo que mueve el índice LI, ocurra el hecho que ocurra (o strikeout o base por bolas).

Para una explicación más completa podéis leer este artículo "Crucial Situations" en Hardballstimes.com y para una visión más numérica del Leverage Index podéis visitar esta página de la cuenta de Twitter @tangotiger.

imageBat Flip José Bautista

La media de LI durante un partido está entre 0.85 y 2.0, si está por debajo es una jugada poco importante y si está por encima tiene mayor transcendencia que la media. Es una medida numérica de una situación que todos intuimos cuando estamos viendo un partido, sabemos en qué momento hay más tensión y cuándo el partido puede cambiar su curso o romperse por completo. Pero lleva implícito saber que jugadores están en el campo en los momentos difíciles, sobre todo cuando hablamos de pitchers relevistas, valorar en que momento entra al campo, de forma objetiva, no subjetiva, por eso ver el LI total de la temporada nos da los relevistas que entran en jugadas complicadas, y eso podría relacionarse con los números que tiene. Un pitcher con una ERA en la media y que juega en momentos difíciles podría ser más válido que otro con un ERA algo menor pero que pitchea en momentos más "fáciles".

Para ver una descripción de cada jugador en diferentes momentos y situaciones de la temporada en Fangraphs tenemos la sección "splits" de cada jugador, donde podemos ver el desarrollo durante la temporada de sus habilidades en diferentes momentos. Este es el de Miguel Cabrera, por ejemplo.


Sobre esta noticia

Autor:
Sports Made In Usa (1364 noticias)
Fuente:
sportsmadeinusa.com
Visitas:
2117
Tipo:
Reportaje
Licencia:
Creative Commons License
¿Problemas con esta noticia?
×
Denunciar esta noticia por

Denunciar

Etiquetas

Comentarios

Aún no hay comentarios en esta noticia.