Sabermetrics (originalmente SABRmetrics ) es el término original o general para el análisis deportivo , el análisis empírico del béisbol , especialmente el desarrollo de métricas avanzadas basadas en estadísticas de béisbol que miden la actividad en 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 y rostro público más destacado. [1]
El término moneyball se utiliza para la práctica de utilizar métricas para identificar "jugadores infravalorados" y firmarles lo que idealmente se convertirán en contratos "por debajo del valor de mercado", que debutaron en los esfuerzos de los pequeños equipos del mercado por competir con los recursos mucho mayores de los grandes. los del mercado.
_(cropped).jpg/1280px-Henry_Chadwick_(NYPL_b13537024-56451)_(cropped).jpg)
El periodista deportivo inglés-estadounidense Henry Chadwick desarrolló el box score 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 cuadro de puntuación ha proporcionado a los estadísticos del béisbol un resumen de las actuaciones individuales y del equipo para un juego determinado. [3]
Lo que se convertiría en la primera investigación de Sabermetrics en las décadas de 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 los profesionales descartaron el trabajo de Cook como si no tuviera sentido. La idea de una ciencia de las estadísticas del béisbol comenzó a ganar legitimidad en 1977, cuando Bill James comenzó a publicar Baseball Abstracts , su compendio anual de datos del 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 el béisbol, afirmando que el deporte no estaba definido por sus reglas sino, en realidad, como lo resumió el profesor de ingeniería Richard J. Puerzer, "definido por las condiciones bajo las cuales se juega el juego". --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 los juegos de pelota. Por lo tanto, una buena medida del valor de un jugador sería su capacidad para ayudar a su equipo a anotar carreras, lo que se observó que estaba altamente correlacionado con su número de veces en base, lo que llevó al desarrollo de una nueva estadística, "porcentaje de embase". .
Antes de que Bill James popularizara la sabermetría, Davey Johnson , entonces un segundo sótano que jugaba para los Orioles de Baltimore de la Major League Baseball (MLB) de principios de la década de 1970, usó un IBM System/360 en la cervecería del propietario del equipo, Jerold Hoffberger , para escribir una computadora de béisbol basada en FORTRAN. simulación . A pesar de sus resultados, no pudo persuadir a su manager Earl Weaver de que debería batear en segundo lugar en la alineación. Escribió programas IBM BASIC para ayudarlo a administrar Tidewater Tides , y después de convertirse en gerente de los Mets de Nueva York en 1984, consiguió que un empleado del equipo escribiera una aplicación dBASE II para compilar y almacenar métricas avanzadas en estadísticas del equipo. [9] Craig R. Wright era otro empleado de la MLB y trabajaba con los Texas Rangers a principios de la década de 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 "sabermetrician". [10] [11]
David Smith fundó Retrosheet en 1989, con el objetivo de computarizar el puntaje de cada partido de béisbol de las grandes ligas jamás jugado, para recopilar y comparar con mayor precisión las estadísticas del juego.
Los Atléticos de Oakland comenzaron a utilizar un enfoque más cuantitativo del béisbol centrándose en los principios sabermétricos en la década de 1990. Inicialmente, esto comenzó 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 el cargo de gerente general en 1997, puesto que ocupó hasta 2015, y contrató a su asistente Paul DePodesta . [8] Durante la temporada 2002, un conocido "moneyball", el equipo Oakland A ganó 20 juegos seguidos, [12] un término (y enfoque del juego) que pronto ganó reconocimiento nacional cuando Michael Lewis publicó Moneyball: The Art. de ganar un juego injusto (donde "injusto" reflejaba la disparidad en los recursos disponibles para los equipos del mercado grande 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 una amplia exposición a las técnicas utilizadas en la oficina principal de los Atléticos de Oakland.
Sabermetrics reflejó el deseo de un puñado de entusiastas del béisbol de ampliar su comprensión del juego al revelar nuevos conocimientos que pueden haber estado ocultos en sus estadísticas tradicionales. Sus primeros esfuerzos finalmente evolucionaron hacia la evaluación de los jugadores en todos los aspectos del juego, incluido el bateo, el lanzamiento, el funcionamiento de las bases y el fildeo.
El promedio de bateo (BA) de un jugador (simplemente turnos al bate divididos por hits ) fue la medida histórica del desempeño ofensivo de un jugador, mejorado por el porcentaje de slugging (SA) [a] que incorporaba su capacidad de batear para obtener poder.
Bill James, junto con otros primeros sabermetristas, estaba preocupado de que el promedio de bateo no incorporara otras formas en 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 juegos. [13]
Aunque el porcentaje de slugging y una forma temprana de porcentaje de embase (OBP), que toma en cuenta la base por bolas ("bases por bolas") y los hits por lanzamientos , datan al menos de 1941, [14] anteriores a Bill James (nacido en 1949) y SABR (formado en 1971), [13] los primeros pioneros estadísticos del béisbol de la era SABR pusieron mayor atención en la relación entre los tiempos en base y la anotación de carreras.
SA y OBP se combinaron para crear la estadística moderna 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 carreras anotadas por un jugador determinado. [15] Y la versión mejorada de OPS, "OPS+", incorpora OPS, estadísticas históricas, consideraciones sobre el estadio y ponderaciones de posición defensiva para intentar permitir comparar el desempeño de los jugadores de diferentes épocas.
Algunas otras métricas avanzadas utilizadas para evaluar el rendimiento de bateo son el promedio ponderado de embase , el promedio secundario , las carreras creadas y el promedio equivalente .
La medida tradicional del desempeño del lanzador es el promedio de rendimiento ganado (ERA). Se calcula como carreras limpias permitidas por nueve entradas. El promedio de rendimiento ganado no separa la habilidad del lanzador de las habilidades de los defensores 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, particularmente del número de carreras que anota.
Los sabermetristas han intentado encontrar diferentes medidas del desempeño del lanzador que excluyan el desempeño de los fildeadores involucrados. Uno de los primeros desarrollados, y uno de los más populares en su uso, son las 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 ponga a un jugador en base. (ya sea mediante base por bolas, hit por lanzamiento o hit de base) y, por lo tanto, qué tan 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 lanzamiento independientes de la defensa (DIPS). 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 a las bolas puestas en juego, independientemente de su nivel de habilidad. [18] Algunos ejemplos de estas estadísticas son la efectividad de la defensa independiente , el lanzamiento independiente del campo y la efectividad del componente independiente de la defensa . Otros sabermetristas han impulsado el trabajo en DIPS, como Tom Tango , que dirige el sitio web Tango on Baseball sabermetrics.
Baseball Prospectus creó otra estadística llamada ERA periférica . Esta medida del desempeño de un lanzador toma hits, bases por bolas, jonrones permitidos y ponches mientras se ajusta a los factores del estadio. [16] Cada estadio tiene diferentes dimensiones en lo que respecta a la pared del jardín, por lo que un lanzador no debe medirse igual para cada uno de estos parques. [19]
El promedio de bateo sobre bolas en juego (BABIP) es otra medida útil para determinar el desempeño de los lanzadores. [18] Cuando un lanzador tiene un BABIP alto, a menudo mostrará mejoras en la siguiente temporada, mientras que un lanzador con un BABIP bajo a menudo mostrará una disminución en la siguiente temporada. [18] Esto se basa en el concepto estadístico de regresión a la media . Otros han creado varios medios para intentar cuantificar los lanzamientos individuales basándose en sus características, en contraposición a las carreras ganadas o las bolas bateadas.
El valor sobre el jugador de reemplazo (VORP) 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 ocupar una posición en la plantilla de un equipo de Grandes Ligas. Fue inventado por Keith Woolner, un ex escritor del grupo sabermétrico/sitio web Baseball Prospectus .
Victorias por encima del reemplazo (WAR) es otra estadística sabermétrica popular para evaluar las contribuciones de un jugador a su equipo. [20] Similar al VORP, WAR compara a un jugador determinado con un jugador de nivel de reemplazo para determinar el número de victorias adicionales que el jugador proporciona a su equipo en relación con un jugador promedio en su posición. [21] WAR, como 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 fechas ya acumuladas (como el promedio de bateo) y recuentos acumulativos (como las victorias de lanzamiento) no revelan completamente todos los aspectos del juego representados en sus totales numéricos. [22] : 189–198 Las métricas avanzadas se desarrollan cada vez más y están dirigidas a abordar las actividades del juego (como cuándo un equipo debe intentar robar una base, [23] y cuándo atraer a los cerradores ).
Sabermetrics se usa comúnmente para todo, desde redacción deportiva hasta consideración para el Salón de la Fama del béisbol, enfrentamientos de jugadores y opciones estratégicas dentro del juego. Aquellos que son más útiles para evaluar el desempeño pasado y predecir el desempeño futuro son valiosos para determinar las contribuciones de un jugador a su equipo, [15] premios durante y al final de la temporada (como Jugador de la Semana y MVP), posibles intercambios y negociaciones de contratos y arbitraje.
Recientemente, [ ¿ cuándo? ] sabermetrics se ha ampliado para examinar el desempeño de los jugadores de ligas menores en AA y AAA de una manera similar a evaluarlo a nivel de Grandes Ligas, conocido como Equivalencia de Ligas Menores. [15]
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 en el juego, en el manejo del personal y en la creación de listas y negociaciones de contratos.
Los dos libros de Bill James, The Bill James Historical Baseball Abstract (1985) y Win Shares (2002) han seguido avanzando en el campo de la sabermetría. [24] Su ex asistente Rob Neyer , quien más tarde se convirtió en escritor senior de ESPN.com y editor nacional de béisbol de SBNation, también trabajó en la popularización de 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, y lo presentó al público en el libro Baseball Prospectus en 2003. [27] Se 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 buscar 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 su punto de lanzamiento y cruzando el plato, la ubicación y el ángulo (si lo hay) de una ruptura. [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]
