stringtranslate.com

Sabermetría

Bill James , quien acuñó el término "sabermetría"

Sabermetría (originalmente SABRmetrics ) es el término original o general para la analítica deportiva , el análisis empírico del béisbol , especialmente el desarrollo de métricas avanzadas basadas en estadísticas de béisbol que miden la actividad durante el juego. El término se deriva de los progenitores del movimiento, miembros de la Sociedad para la Investigación del Béisbol Estadounidense (SABR), fundada en 1971, y fue acuñado por Bill James , [ ¿cuándo? ] quien es uno de sus pioneros y considerado su defensor más destacado y rostro público. [1]

El término moneyball se utiliza para la práctica de usar métricas para identificar "jugadores infravalorados" y firmarlos con lo que idealmente se convertirán en contratos "por debajo del valor de mercado", que debutaron en los esfuerzos de los equipos de mercados pequeños por competir con los recursos mucho mayores de los de mercados grandes.

Historia temprana

El periodista deportivo anglo-estadounidense Henry Chadwick , el "padre" de las estadísticas del béisbol

El periodista deportivo angloamericano Henry Chadwick desarrolló el sistema de puntuación en la ciudad de Nueva York en 1858. Esta fue la primera forma en que los estadísticos pudieron describir el deporte del béisbol mediante el seguimiento numérico de varios aspectos del juego. [2] La creación del sistema de puntuación ha proporcionado a los estadísticos del béisbol un resumen de las actuaciones individuales y de equipo en un juego determinado. [3]

Lo que se convertiría en la primera investigación de sabermetría en los años 1970 y 1980 comenzó a mediados del siglo XX con los escritos de Earnshaw Cook , uno de los primeros analistas de béisbol. El libro de Cook de 1964 Percentage Baseball fue uno de los primeros de su tipo. [4] Al principio, la mayoría de los equipos de béisbol organizados y profesionales descartaron el trabajo de Cook como sin sentido. La idea de una ciencia de las estadísticas de béisbol comenzó a lograr legitimidad en 1977 cuando Bill James comenzó a publicar Baseball Abstracts , su compendio anual de datos de béisbol. [5] [6] Sin embargo, las ideas de James tardaron en encontrar una aceptación generalizada. [1]

Bill James creía que había un malentendido generalizado sobre cómo se jugaba al béisbol, y afirmaba que el deporte no se definía por sus reglas sino, en realidad, como resumió el profesor de ingeniería Richard J. Puerzer, "se definía por las condiciones en las que se jugaba, específicamente, los estadios, pero también los jugadores, la ética, las estrategias, el equipamiento y las expectativas del público". [2] Los primeros sabermetristas, a veces considerados estadísticos del béisbol, comenzaron a intentar mejorar estadísticas fundamentales del béisbol como el promedio de bateo (simplemente turnos al bate divididos por hits) con formulaciones matemáticas avanzadas. [7] [8] También se examinó la correlación entre el promedio de bateo del equipo y las carreras anotadas, [7] ya que las carreras, no los hits, ganan partidos. Por lo tanto, una buena medida del valor de un jugador sería su capacidad para ayudar a su equipo a anotar carreras, que se observó que estaba altamente correlacionada con su número de veces en base, lo que llevó al desarrollo de una nueva estadística, el "porcentaje de embase".

Davey Johnson, pionero de las métricas avanzadas de la MLB (en 1986)

Antes de que Bill James popularizara la sabermetría, Davey Johnson , entonces segunda base que jugaba para los Baltimore Orioles de la Major League Baseball (MLB) a principios de los años 1970, utilizó un IBM System/360 en la cervecería del dueño del equipo Jerold Hoffberger para escribir una simulación de béisbol por computadora basada en FORTRAN . A pesar de sus resultados, no pudo persuadir a su mánager Earl Weaver de que debía batear segundo en la alineación. Escribió programas IBM BASIC para ayudarlo a administrar los Tidewater Tides y, después de convertirse en mánager de los New York Mets en 1984, hizo arreglos para que un empleado del equipo escribiera una aplicación dBASE II para compilar y almacenar métricas avanzadas sobre las estadísticas del equipo. [9] Craig R. Wright fue otro empleado de la MLB, trabajando con los Texas Rangers a principios de los años 1980. Durante su tiempo con los Rangers, se hizo conocido como el primer empleado de la oficina principal en la historia de la MLB en trabajar bajo el título de "sabermetrista". [10] [11]

David Smith fundó Retrosheet en 1989, con el objetivo de informatizar el cuadro de resultados de cada partido de béisbol de las grandes ligas jamás jugado, para poder recopilar y comparar con mayor precisión las estadísticas del juego.

Billy Beane como jugador en 1989

Los Atléticos de Oakland comenzaron a utilizar un enfoque más cuantitativo para el béisbol al centrarse en los principios sabermétricos en la década de 1990. Esto comenzó inicialmente con Sandy Alderson como gerente general del equipo cuando utilizó los principios para obtener jugadores relativamente infravalorados. [1] Sus ideas continuaron cuando Billy Beane asumió como gerente general en 1997, un trabajo que ocupó hasta 2015, y contrató a su asistente Paul DePodesta . [8] Durante la temporada 2002, un conocido equipo de los Atléticos de Oakland "moneyball" ganó 20 juegos seguidos, [12] un término (y un enfoque del juego) que pronto ganó reconocimiento nacional cuando Michael Lewis publicó Moneyball: The Art of Winning an Unfair Game (donde "injusto" reflejaba la disparidad en los recursos disponibles para los equipos de los grandes mercados frente a los pequeños) en 2003 para detallar el uso de métricas avanzadas por parte de Beane. En 2011, se estrenó una película basada en el libro de Lewis, también llamada Moneyball , que dio amplia exposición a las técnicas utilizadas en la oficina principal de los Oakland Athletics.

Medidas tradicionales

La sabermetría reflejó el deseo de un puñado de entusiastas del béisbol de ampliar su comprensión del juego revelando nuevos conocimientos que podrían haber estado ocultos en sus estadísticas tradicionales. Sus primeros esfuerzos finalmente evolucionaron hacia la evaluación de los jugadores en todos los aspectos del juego, incluidos el bateo, el lanzamiento, el corrido de bases y el fildeo.

Medidas de bateo

Ted Williams , el último jugador de la MLB en batear .400 durante una temporada (en 1941)

El promedio de bateo (BA) de un jugador de béisbol (simplemente hits dividido por turnos al bate ) era la medida histórica del desempeño ofensivo de un jugador, mejorado por el porcentaje de slugging (SA) [a] que incorporaba su capacidad para batear con potencia.

A Bill James, junto con otros de los primeros sabermetristas, le preocupaba que el promedio de bateo no incorporara otras formas en las que un bateador puede llegar a la base además de un hit, ya que un bateador en base puede anotar carreras, y las carreras, no los hits, ganan los partidos. [13]

Aunque el porcentaje de slugging y una forma temprana de porcentaje en base (OBP), que tiene en cuenta las bases por bolas ("caminatas") y los golpes recibidos por los lanzamientos , datan al menos de 1941, [14] anterior tanto a Bill James (nacido en 1949) como a SABR (formada en 1971), [13] los pioneros estadísticos del béisbol de la era SABR pusieron mayor atención en la relación entre los tiempos en base y las carreras anotadas.

SA y OBP se combinaron para crear la estadística moderna de porcentaje de embase más slugging (OPS). OPS es la suma del porcentaje de embase y el porcentaje de slugging. Esta estadística moderna se ha vuelto útil para comparar jugadores y es un método poderoso para predecir las carreras anotadas por cualquier jugador determinado. [15] Una versión mejorada de OPS, "OPS+", incorpora OPS, estadísticas históricas, consideraciones de estadio y ponderaciones de posición defensiva para intentar permitir que se compare el rendimiento de los jugadores de diferentes épocas.

Otras métricas avanzadas utilizadas para evaluar el rendimiento de bateo son el promedio ponderado en base , el promedio secundario , las carreras creadas y el promedio equivalente .

Medidas de cabeceo

Ed Walsh , cuya efectividad de carrera de 1.82 es la más baja en la historia de la MLB

La medida tradicional del rendimiento de los lanzadores es el promedio de carreras limpias (ERA). Se calcula como las carreras limpias permitidas por cada nueve entradas. El promedio de carreras limpias no separa la habilidad del lanzador de las habilidades de los fildeadores con los que juega. [16] Otra medida clásica para el lanzamiento es el porcentaje de victorias de un lanzador . El porcentaje de victorias se calcula dividiendo las victorias por el número total de decisiones (victorias más derrotas). El porcentaje de victorias también depende en gran medida del equipo del lanzador, en particular de la cantidad de carreras que anota.

Los sabermetristas han intentado encontrar diferentes medidas del rendimiento de los lanzadores que excluyan el rendimiento de los fildeadores involucrados. Una de las primeras que se desarrollaron, y una de las más populares en su uso, es la de bases por bolas más hits por entrada lanzada (WHIP), que si bien no es completamente independiente de la defensa, tiende a indicar cuántas veces es probable que un lanzador coloque a un jugador en base (ya sea por base por bolas, por golpe de lanzamiento o por hit) y, por lo tanto, cuán efectivos son los bateadores contra un lanzador en particular para llegar a la base.

Un desarrollo posterior fue la creación del sistema de estadísticas de pitcheo independientes de la defensa (DIPS, por sus siglas en inglés). A Voros McCracken se le atribuye el desarrollo de este sistema en 1999. [17] A través de su investigación, McCracken pudo demostrar que hay poca o ninguna diferencia entre los lanzadores en la cantidad de hits que permiten en las pelotas puestas en juego, independientemente de su nivel de habilidad. [18] Algunos ejemplos de estas estadísticas son la ERA independiente de la defensa , el pitcheo independiente del fildeo y la ERA del componente independiente de la defensa . Otros sabermetristas han promovido el trabajo en DIPS, como Tom Tango , quien administra el sitio web de sabermetría Tango on Baseball .

Baseball Prospectus creó otra estadística llamada ERA periférica . Esta medida del rendimiento de un lanzador toma en cuenta hits, bases por bolas, jonrones permitidos y ponches, y ajusta los factores del estadio. [16] Cada estadio tiene dimensiones diferentes en lo que respecta a la pared del jardín, por lo que no se debe medir a un lanzador de la misma manera en cada uno de estos estadios. [19]

El promedio de bateo en bolas en juego (BABIP) es otra medida útil para determinar el rendimiento de los lanzadores. [18] Cuando un lanzador tiene un BABIP alto, a menudo mostrará mejoras en la temporada siguiente, mientras que un lanzador con un BABIP bajo a menudo mostrará una disminución en la temporada siguiente. [18] Esto se basa en el concepto estadístico de regresión a la media . Otros han creado varios medios para intentar cuantificar lanzamientos individuales en función de las características del lanzamiento, en lugar de carreras limpias o bolas bateadas.

Métodos avanzados

El jugador de valor sobre reemplazo (VORP, por sus siglas en inglés) alguna vez se consideró una estadística sabermétrica popular. [ aclarar ] Esta estadística intenta demostrar cuánto contribuye un jugador a su equipo en comparación con un jugador hipotético que se desempeña al nivel mínimo necesario para mantener un puesto en la lista de un equipo de las Grandes Ligas. Fue inventada por Keith Woolner, un ex escritor del grupo/sitio web sabermétrico Baseball Prospectus .

Las victorias por encima del reemplazo (WAR) son otra estadística sabermétrica popular para evaluar las contribuciones de un jugador a su equipo. [20] De manera similar a VORP, WAR compara a un jugador determinado con un jugador de nivel de reemplazo para determinar la cantidad de victorias adicionales que el jugador proporciona a su equipo en relación con un jugador promedio en su posición. [21] WAR, al igual que VORP, una estadística acumulativa , refleja en gran medida la cantidad de tiempo de juego de un jugador. [21]

Las estadísticas "estáticas" basadas en proporciones simples de datos ya acumulados (como el promedio de bateo) y recuentos acumulativos (como las victorias de los lanzadores) no revelan completamente todos los aspectos del juego representados en sus totales numéricos. [22] : 189–198  Se desarrollan cada vez más métricas avanzadas y se apuntan a abordar actividades dentro del juego (como cuándo un equipo debe intentar robar una base, [23] y cuándo traer a los cerradores ).

Aplicaciones

La sabermetría se utiliza habitualmente para todo, desde la redacción de artículos deportivos hasta la consideración del Salón de la Fama del béisbol, la selección de los enfrentamientos entre jugadores y la evaluación de las opciones estratégicas durante el juego. Se pueden utilizar medidas estadísticas avanzadas para determinar los premios de la temporada y de final de temporada (como el Jugador de la Semana y el MVP). Las que son más útiles para evaluar el rendimiento pasado y predecir los resultados futuros son valiosas para determinar las contribuciones de un jugador a su equipo, [15] posibles canjes, negociaciones de contratos y arbitraje.

Recientemente, [¿ cuándo? ] la sabermetría se ha ampliado para examinar el desempeño de los jugadores de béisbol en las ligas menores AA y AAA de una manera similar a su evaluación en el nivel de las Grandes Ligas, conocida como Equivalencia de Ligas Menores. [15]

La IA en la sabermetría

El aprendizaje automático y otras formas de inteligencia artificial (IA) se pueden aplicar de manera útil para predecir resultados futuros en el modelado del béisbol, en la estrategia del juego, en el manejo del personal, en la creación de listas y en las negociaciones de contratos.

Avances desde 1985 hasta la actualidad

Los dos libros de Bill James, The Bill James Historical Baseball Abstract (1985) y Win Shares (2002) han seguido impulsando el campo de la sabermetría. [24] El trabajo de su ex asistente Rob Neyer , quien más tarde se convirtió en escritor senior en ESPN.com y editor nacional de béisbol de SBNation, también contribuyó a popularizar la sabermetría desde mediados de la década de 1980. [25]

Nate Silver , ex escritor y socio gerente de Baseball Prospectus , inventó PECOTA ( algoritmo de prueba de optimización y comparación empírica de jugadores [26] ) en 2002-2003, presentándolo al público en el libro Baseball Prospectus en 2003. [27] Supone que las carreras de jugadores similares seguirán una trayectoria similar. [28]

A partir de la temporada de béisbol de 2007, la MLB comenzó a estudiar la tecnología para registrar información detallada sobre cada lanzamiento que se realiza en un juego. Esto se conoció como el sistema PITCHf/x , que utiliza cámaras de video para registrar la velocidad del lanzamiento en el punto de lanzamiento y al cruzar el plato, la ubicación y el ángulo (si lo hubiera) de quiebre. [13]

FanGraphs es un sitio web que utiliza esta información y otros datos jugada por jugada para publicar estadísticas y gráficos avanzados de béisbol. [29]

En la cultura popular

Véase también

Notas

  1. ^ Calculado dividiendo las bases totales (el recuento acumulado no situacional de todos los hits) por el número total de veces al bate.

Referencias

  1. ^ abc Lewis, Michael M. (2003). Moneyball: El arte de ganar un juego injusto . Nueva York : WW Norton . ISBN 0-393-05765-8.
  2. ^ ab Puerzer, Richard J. (otoño de 2002). "Del béisbol científico a la sabermetría: el béisbol profesional como reflejo de la ingeniería y la gestión en la sociedad". NINE: A Journal of Baseball History and Culture . 11 : 34–48. doi :10.1353/nin.2002.0042. S2CID  154849268.
  3. ^ "Los miembros del Salón de la Fama - Henry Chadwick". Archivado desde el original el 12 de abril de 2008.
  4. ^ Albert, James; Jay M. Bennett (2001). Curve Ball: Baseball, Statistics, and the Role of Chance in the Game (La bola curva: béisbol, estadísticas y el papel del azar en el juego ). Springer . Págs. 170-171. ISBN. 0-387-98816-5.
  5. ^ "Bill James, más allá del béisbol". Think Tank con Ben Wattenberg . PBS . 28 de junio de 2005. Consultado el 2 de noviembre de 2007 .
  6. ^ Ackman, D. (20 de mayo de 2007). "Sultan of Stats". The Wall Street Journal . Consultado el 2 de noviembre de 2007 .
  7. ^ ab Jarvis, J. (29 de septiembre de 2003). "Una encuesta sobre las medidas de evaluación del rendimiento de los jugadores de béisbol" . Consultado el 2 de noviembre de 2007 .
  8. ^ ab Kipen, D. (1 de junio de 2003). "Billy Beane's brand-new ballgame". San Francisco Chronicle . Consultado el 2 de noviembre de 2007 .
  9. ^ Porter, Martin (29 de mayo de 1984). "La PC va a por todas". PC Magazine . p. 209 . Consultado el 24 de octubre de 2013 .
  10. ^ RotoJunkie – Roto 101 – Glosario sabermétrico (desarrollado por evoArticles) Archivado el 10 de septiembre de 2007 en Wayback Machine
  11. ^ BaseballsPast.com
  12. ^ "Cronología de la franquicia". Archivado desde el original el 30 de marzo de 2010.
  13. ^ abc Albert, Jim (2010). "Sabermetría: el pasado, el presente y el futuro" (PDF) . En Joseph A. Gallian (ed.). Matemáticas y deportes . Vol. 43. Colaborador: Asociación Matemática de Estados Unidos. MAA. págs. 3–14. ISBN. 9780883853498.JSTOR 10.4169/ j.ctt6wpwsw.4  .
  14. ^ Powers, Jimmy (3 de junio de 1941). «The PowerHouse (columna)». Daily News . Ciudad de Nueva York. pág. 45. Consultado el 30 de enero de 2023 , a través de newspapers.com.
  15. ^ abc Grabiner, David J. "El Manifiesto Sabermétrico". The Baseball Archive .
  16. ^ ab McCracken, Voros (23 de enero de 2001). "Lanzamiento y defensa: ¿Cuánto control tienen los lanzadores?". Baseball Prospectus .
  17. ^ Basco, Dan; Davies, Michael (otoño de 2010). "Los muchos sabores de DIPS: una historia y una descripción general". Baseball Research Journal . 32 (2).
  18. ^ abc Ball, Andrew (17 de enero de 2014). "¿Cómo ha cambiado la sabermetría al béisbol?". Beyond the Box Score .
  19. ^ Baumer, Benjamin ; Zimbalist, Andrew (2014). La revolución sabermétrica: evaluación del crecimiento de la analítica en el béisbol . Prensa de la Universidad de Pensilvania.
  20. ^ Fangraphs : GUERRA
  21. ^ ab Schoenfield, David (19 de julio de 2012). "De qué hablamos cuando hablamos de WAR". ESPN.com .
  22. ^ John T. Saccoman; Gabriel R. Costa; Michael R. Huber (2009). Practicando la sabermetría: poniendo en práctica la ciencia de las estadísticas del béisbol . Estados Unidos de América: McFarland & Company. ISBN 978-0-7864-4177-8.
  23. ^ "El cambiante cálculo del robo de balón | FanGraphs Baseball". FanGraphs Baseball . Consultado el 6 de diciembre de 2016 .
  24. ^ Neyer, Rob (5 de noviembre de 2002). "Los Red Sox contratan a James en calidad de asesor". ESPN.com . Consultado el 7 de marzo de 2009 .
  25. ^ Jaffe, C. (22 de octubre de 2007). "Entrevista a Rob Neyer". The Hardball Times . Consultado el 2 de noviembre de 2007 .
  26. ^ "Baseball Prospectus: Glosario". www.baseballprospectus.com . Consultado el 5 de mayo de 2016 .
  27. ^ Nate Silver, "Presentación de PECOTA", en Gary Huckabay, Chris Kahrl , Dave Pease et al. , Eds., Baseball Prospectus 2003 (Dulles, VA: Brassey's Publishers, 2003): 507–514.
  28. ^ "Baseball Prospectus" . Consultado el 4 de marzo de 2012 .
  29. ^ "FanGraphs Baseball | Estadísticas y análisis de béisbol". FanGraphs Baseball . Consultado el 26 de mayo de 2024 .

Enlaces externos