äskettäin kirjoitin ERA-indikaattoreiden asianmukaisesta käytöstä niiden suhteellisen ennustavan arvon perusteella sen valossa, että huomasin käyttäväni niitä ilman syvempää ymmärrystä siitä, miksi. Uskon, että monet satunnaiset fantasiapesäpalloilijat osaavat arvostaa tätä. Ystävä loukkaa syöttäjä pidät perustuu korkea aikakausi, joten juokset hänen Fangraphs sivu, löytää SIERA, xFIP, tai FIP (kumpi on alin), ja sylkeä sen takaisin ulos ystäväsi. Vielä pahempaa, teet sen Twitterissä kesken riidan.

minä ainakin syyllistyn tähän.

, mutta kyse ei ole vain aikakauden mittareista. Teemme tämän myös lyöntitilastoilla. Ensin oli kova prosentti Pesäpallon Inforatkaisuista. Eikö pelaaja suoriudu odotusten mukaisesti? Älä pelkää, hänen kova prosenttinsa on tähtitieteellinen!

fantasiayhteisön uusin villitys on siteerata Statcast-mittareita Baseball Savantista, johon tämä artikkeli keskittyy. Ensinnäkin on tärkeää ymmärtää, mistä tieto on peräisin.:

Statcast on yhdistelmä kahdesta eri seurantajärjestelmästä — Trackman-Doppler-tutkasta ja teräväpiirtokamerasta Chyron Hego-kamerasta. Tutka, joka on asennettu jokaiseen pallokenttään korkeaan asentoon kotilevyn taakse … tallentaa piki nopeus, spin nopeus, piki liikkeen poistumisnopeus, laukaisukulma, lyöty pallo etäisyys, käsivarren vahvuus, ja enemmän. Erikseen jokaisessa pallokentässä on myös Chyron Hego-kamerajärjestelmä, jossa kuusi stereoskooppista kameraa on asennettu kahteen kolmen kameran penkkiin kuhunkin foul-linjaa pitkin. Kamerajärjestelmä seuraa kentällä olevien ihmisten liikkeitä, mikä mahdollistaa pelaajan nopeuden, etäisyyden, suunnan ja paljon muuta mittaamisen joka pelissä.

siellä on paljon purettavaa, mutta tämä ei ole artikkeli Doppler-tutkan tai kamerajärjestelmän tarkkuudesta. Sen sijaan haluan testata kuratoitua listaa suosituimmista Statcast-lyöntimittareista, jotka on luotu tutkasta ja kameroista, selvittääkseni, mitkä ennustavat eniten lyöjän tehoja.

noiden määritysten tekemiseksi palautan nämä mittarit HR / FB%: ta ja ISO: ta vastaan. Ensin mainittu on fantasiapesäpallon näkökulmasta merkityksellisempi, koska haluamme tietää, jatkaako lyöjä kunnareita. Aluksi, pidin taantumassa Statcast mittarit vastaan raw Kunnari yhteensä, mutta ne eivät edusta tarkkaa mitta lyöjien valtaa, koska nämä summat vaihtelevat perustuu hitter n määrä levy esiintymisiä. Näin ollen, pidin HR / PA%, mutta että pyyhkäisee paljon levyn ulkonäkö tuloksia, jotka eivät vaikuta Statcast teho mittarit, kuten strikeouts ja kävelee. Päädyin lopulta HR / FB%: iin, koska tuo metri pitää vain palloja pelissä, erityisesti lentopalloja, ja useimmat kunnarit tulevat lentopalloilla muutenkin.

ISO on aidon pesäpallon näkökulmasta hyödyllisempi kuin HR / FB%, sillä se sisältää tupla-ja triplapisteet. Toinen mittarina pitämäni oli SLG, mutta ISO on parempi mittaamaan pelaajan raakaa voimaa kuin SLG, koska se sulkee pois singlet. Tämän seurauksena palautan Statcast-mittarit myös ISO: ta vastaan.

analyysejäni varten tein lineaarisia ja moninkertaisia regressioita. ”Regressiolla” tarkoitan, että löysin determinaatiokertoimen eli r^2, joka osoittaa missä määrin riippumaton muuttuja (esim.laukaisukulma) selittää riippuvan muuttujan otoksen vaihtelun (esim. HR/FB%). Mitä suurempi r^2 (joka on aina välillä 0 ja 1), sitä suurempi riippuvainen muuttuja ennustaa poikkeamia itsenäisessä muuttujassa.

otokseeni valitsin kaikki pelaajat, joilla on vähintään 150 lyöntipallotapahtumaa (BBEs) jokaisena kautena 2015-18. Ensinnäkin, olen taantunut jokaisen Statcast metric vuosi vuodelta nähdä, mitkä olivat ”tahmea” ja missä määrin. Seuraavaksi taantuin Statcast metrics vastaan HR / FB% ja ISO. Lopultakin kaivelin hieman lisää saadakseni sinulle bonusanalyysin.

aloitetaan.

Definitions

aloittaakseni pitäisi antaa statcast-sanastosta käteviä määritelmiä testattaville mittareille niin, että sinulla on viitekehys:

• Lyöntipallotapahtuma (BBE): edustaa mitä tahansa lyötyä palloa, joka tuottaa tuloksen. Tämä sisältää ulosajoja, osumia ja virheitä. Mikä tahansa reilu pallo on lyöntipallotapahtuma. Niin ovat myös pallonmenetykset, jotka johtavat ulosajoon tai virheeseen.
• Exit velocity (EV): Exit velocity mittaa pesäpallon nopeutta, kun se irtoaa mailasta, heti lyöjän kosketettua. Tätä seurataan kaikista lyödyistä pallon tapahtumista-ulosajoista, osumista ja virheistä.
• Laukaisukulma (LA): kuvaa pystykulmaa, jossa pallo lähtee pelaajan mailasta lyönnin jälkeen. Keskimääräinen laukaisukulma lasketaan jakamalla kaikkien laukaisukulmien summa kaikilla lyödyillä pallotapahtumilla.
• kova lyöntiprosentti (HH%: Statcast määrittelee ” kovan osuman pallon ”yhdeksi osumaksi, jonka ulostulonopeus on 95 mph tai suurempi, ja pelaajan” kovan osuman nopeus ” on yksinkertaisesti osoittaa lyöntipallojen prosenttiosuus, joka osui 95 mph tai enemmän.
• Barrel: lyötävän pallon lähtönopeus on vähintään 98 mph. Sillä nopeudella 26-30 asteen laukaisukulmalla isketyt pallot karisevat aina karheasti. Jokainen rasti yli 98 mph, valikoima käynnistää kulmat laajenee. Piippuluokitus on annettu lyöntipallotapahtumille, joiden vastaavat osumatyypit (lähtönopeuden ja laukaisukulman suhteen) ovat johtaneet minimiin .500 lyöntikeskiarvo ja 1 500 lyöntiprosentti.

alle i taantuu keskimääräinen EV, keskimääräinen LA ja HH%. Lisäksi aion tutkia EV lentää pallot ja linja asemat (EV FB/LD), tynnyriä per lyöntipallo tapahtuma (BRLS/BBE%), ja tynnyriä per levy ulkonäkö (BRLS/PA%).

yli vuoden tahmeus

kuinka hyvin esimerkiksi lyöjän HH% vuodessa kääntyy seuraavalle? Missä määrin voimme katsoa lyöjän EV FB / LD ja sanoa, että se näyttää samalta seuraavalla kaudella? Vastaus näihin ja muihin kysymyksiin on alla.

näistä luvuista voidaan tehdä muutamia johtopäätöksiä. Ensinnäkin, ne ovat kaikki melko samanlaisia, vain vaihtelevat välillä 0,5735 ja 0,6674. Tiedämme, että vuosittainen ennustettavuus on näin ollen suhteellisen vahva jokaiselle metrille. Toiseksi, EV FB/LD yhden vuoden selittää enemmän vaihtelua EV FB / LD seuraavan kuin mikään muu Statcast mittarit. Se on ”tarmokkain” niistä kaikista.

kolmas, vaikka Brls/BBE% ja Brls / PA% vaikuttavat samanlaisilta, ne ovat itse asiassa aivan erilaisia. Nämä erot näkyvät siinä, että Brls/BBE% ennakoi itseään enemmän eri vuodenaikoina. Brls / BBE% pitää barrelia vain lyöntipallotapahtumissa, kun taas Brls / PA%: n osuus barreleista on kaikkien levyjen esiintymisten funktio. Koska on olemassa huomattavasti enemmän levy ulkonäkö tuloksia kuin vain lyöty-pallo tapahtumia, se ei ole yllättävää, että Brls/PA% sovelletaan enemmän vaihtelua eri vuodenaikoina. Jos lyöjä parantaa hänen strikeout tai kävellä hinnat, hänen Brls / PA% muuttuu seuraavana vuonna, kun taas hänen Brls / BBE% pysyy ennallaan.

neljäs, joskaan se ei näy yllä olevassa taulukossa, jokainen näistä tilastoista tasaantuu noin 50 pelatun pallon jälkeen. Tiedämme tämän Russel Carletonin hienosta tutkimuksesta, jonka voit lukea täältä ja täältä. Nämä Statcast-mittarit ovat kaikki johdoksia LA: sta, EV: stä ja Barreleista. Russel Carleton havaitsi, että nämä kolme tilastoa vakiintuvat 50 pelatun pallon jälkeen (noin 18 pelattua ottelua).

nyt kun tiedämme, kuinka tahmea kukin metriikka on, ja kuinka nopeasti ne vakiintuvat, tiedämme, missä määrin voimme olla varmoja käyttämällä niitä. On aika palauttaa ne HR / FB%: ta ja ISO: ta vastaan.

kova%

ensin tarvitsin kontrollimuuttujan. Sen avulla voisimme verrata regressioidemme tuloksia määrittääksemme Statcast-tehomittareiden suhteellisen ennustavan arvon. Päädyin kovaan prosenttiin,josta kerrotaan Fangraphsin pelaajasivuilla ja jonka Baseball Info Solutions on kerännyt. Fangraphsin mukaan:

vuodesta 2010 lähtien tiedusteluvideot tallensivat pallon ilmassa olon ajan, laskeutumispaikan ja lyödyn pallon tyypin (lentopallo, Maapallo, linjalyönti jne.) ja BIS: n algoritmi määrittää, osuiko pallo pehmeästi, keskinkertaisesti vai kovaa. Valitettavasti tarkka algoritmi (tarkat leikkauspisteet/metodologia) on BIS: n omistuksessa, emmekä voi kertoa tarkasti, mikä muodostaa kovan kontaktin, mutta laskenta tehdään riippuajan, sijainnin ja yleisen liikeradan perusteella.

vuosien ajan on lainattu kovaa%: A siitä, pitääkö pelaaja yllä korkeisiin kunnarimääriin. Joten, sama otos lyöjiä 2015-18, olen taantunut kova% vastaan HR / FB% ja ISO testata todenperäisyyttä, että oletus.

kuten näkyy, kovalla prosentilla on suhteellisen vahva suhde sekä HR / FB%: n että ISO: n kanssa. Muista, että havaitsemme determinaatiokertoimen, joka on pienempi kuin Pearsonin korrelaatiokerroin (r). Koska pelaajan HR/FB% tai ISO-arvoon vaikuttavien tuntemattomien muuttujien määrä (esim. pallokenttä,laukaisukulma, vastustajan syöttäjän laatu jne.), R^2 0,44 tai 0,48 on melko vahva. Toisin sanoen esimerkiksi HR/FB%: n varianssista 44% on ennustettavissa kovasta prosentista.

Keskimääräinen Laukaisukulma

nyt kun meillä on kontrolliryhmä, voimme mitata, missä määrin Statcast-mittarit ennustavat raakaa tehomittariamme.

toisaalta näemme, että sinänsä keskimääräinen LA ei ole ennustettavissa HR / FB%, kun otetaan huomioon 0,05852: n r^2. Intuitiivisesti tämä on järkevää. Sillä, nostaako lyöjä enemmän vai vähemmän, ei ole merkitystä, pystyykö hän lihottamaan kärppäpallojaan pois puistosta. Kun otetaan neliöjuuri 0,05852, saadaan 0,2419 Pearson korrelaatiokerroin, mikä tarkoittaa, että keskimääräinen LA ja HR / FB% korreloivat positiivisesti jonkin verran. Tämäkin käy järkeen. Lyöjät, jotka nostavat enemmän ovat yleensä teho lyöjiä, jotka ovat kyky luoda Kunnari loppuu niiden lentää palloja. Pelkkä nostaminen ei kuitenkaan aiheuta lisää kunnareita kärppäpalloihin.

toisaalta keskimääräinen LA on ENNUSTAVAMPI ISO. ISO on mitta yhteensä ylimääräisiä base Osumia yli yhteensä mailoilla. Lyöjä, joka nostaa enemmän on todennäköisempää on suurempi prosenttiosuus hänen yhteensä lepakoissa johtaa extra-base tämä.

Keskimääräinen poistumisnopeus

Keskimääräinen EV on eri juttu. Odotin sen ennustavan enemmän HR / FB%: ta ja ISO: ta, koska se on mitta hitterin raa ’ asta tehosta, toisin kuin keskimääräinen LA, joka on mitta hitterin lähestymistavasta.

odotukseni toteutuvat taantumissa. Kun R^2-arvot ovat samat kuin kovalla prosentilla, keskimääräinen EV on suunnilleen yhtä hyödyllinen raa ’ an tehon ennustamisessa (mitattuna HR/FB%: lla ja ISO: lla) kuin kova%. Oma arvaus on syy, miksi se ei ole parempi kuin kova% on, että, kuten kova%, se mittaa lyöjän EV kentällä pallot sekä lentää pallot ja linja ajaa. Tämä puolestaan laskee keskimääräisen EV: n ennustavaa arvoa potenssimittarina.

erikseen on todennäköistä, että keskimääräinen EV ennustaa todennäköisesti enemmän ISO: ta kuin HR / FB%, koska sen sisällyttäminen EV: hen maapalloihin on itse asiassa hyödyllinen ennustettaessa kaksinpeliä, koska kovia maapalloja voi löytää ruohon ulkokentältä nelinpeliä varten. Toisin kuin HR/FB%, ISO sisältää tupla-ja triplettejä.

Exit Velocity On Fly Balls and Line Drives

Next, I wanted to examinate ev on FB / LD. Alusta alkaen odotin EV: n FB/LD: llä olevan yksi parhaista, ellei paras, HR/FB%: n ja ISO: n ennustamisessa. Ja miksi ei? Se on yksinkertaisesti mittari siitä, kuinka nopeasti lyöjän kärppäpallot ja viivavedot lähtevät hänen mailastaan. Mitä nopeammin he matkustavat, sitä todennäköisemmin heistä tulee kunnareita. Mittarin pitäisi siis ennakoida vähintään HR/FB%, joka on vain mittari sille, kuinka usein kärppäpalloista tulee kunnareita.

odotukseni näkyy osittain yllä olevissa r^2-arvoissa. Ensinnäkin 0,6175 on vahva tulos. Erityisesti suhteessa kontrollimittareihin (Hard%) ja muihin tähän mennessä testaamiimme Statcast-mittareihin. Näin, voit mukavasti tarkastella hitter ’ s EV FB/LD nähdä, onko hänen HR/FB% taantuu.

samaa ei kuitenkaan voida sanoa luotettavasti isosta. Syynä on todennäköisesti se, että ISO: n nimittäjä sisältää kaikki mailat ja siksi pyyhkäisee sisään strikeouts ja maahan pallot. Silti, r^2 0.5160 on mukava muistutus siitä, että lyöjä EV FB/LD on tärkeä sekä fantasia baseball ja tosielämän baseball. Andrew Perpetua sanoi sen parhaiten kaksi vuotta sitten: lähtönopeus voittaa laukaisukulman.

kova Lyöntiprosentti

olen nähnyt paljon keskustelua HH%: n ja sen arvon ympärillä lyöjän tehopotentiaalin arviointivälineenä. Olin skeptinen, koska HH%, kuten keskimääräinen EV, silmukoita kaikissa lyöntipallotyypit, mukaan lukien maa pallot.

kuten näette, R^2: lla 0, 5343, HH% ennustaa enemmän HR/fb%: ta kuin kovaa%: a, keskimääräistä LA: ta ja keskimääräistä EV: tä, mutta ei yhtä paljon HR/fb%: ta kuin EV: tä FB / LD: llä. Se ennustaa vielä vähemmän ISO: ta kuin kovaa%: a.

olen kuullut väitteen, että HH% on hyödyllinen, koska jos lyöjä tekisi swing muutos ja nostaa enemmän, haluaisimme tietää, mitä tapahtui niille maa pallot, jotka ovat nyt tulossa lentää pallot ja linja ajaa, ja HH% kaappaa ev noilla maa pallot. Minun retort että olisi meidän pitäisi vain katsoa EV FB / LD, koska se on parempi esitys siitä, mitä tapahtuisi, jos ne maa pallot muuttuvat lentää palloja tai linja ajaa. Tämä näkyy taantumina.

olen kuullut myös väitteen, että HH% korreloi vahvasti xwoban ja xwobaconin kanssa ja voi siksi olla parempi mittari lyöjän todellisesta lahjakkuudesta oikeasta baseball-perspektiivistä. Tämä väite ei kuitenkaan kuulu tämän artiklan soveltamisalaan.

Brls/BBE% & Brls/PA%

päätin käsitellä Brls/BBE% ja Brls / PA% rinnakkain, koska ne ovat samanlaisia mittauksia hieman eri nimittäjillä. Edellinen vain pitää tynnyriä pallot pelata, kun taas jälkimmäinen pitää niitä funktiona kaikki levy esiintymisiä. Kumpi on parempi raa ’ an voiman mittari?

alkaen brls/BBE%: sta, näemme R^2: n sekä HR / FB%: iin että ISO on hyvin korkea. Se on suurempi kuin mikään tulos tähän mennessä. Kuten näette minuutin kuluttua, se on paras yksittäinen mittari ennustamaan, kuinka hyvin lyöjä pystyy lihottamaan lentopallonsa pois puistosta, tai taantuuko hänen HR/FB%: nsa.

syy miksi se on parempi kuin EV FB/LD on, koska se kaappaa vain ne pallot pelissä, jotka lyödään niin kovaa, että on erittäin todennäköistä tulla Kunnari, kun taas EV FB/LD on mittari keskimääräinen teho ja siksi voi vinossa outlier huonosti tai voimakkaasti osuma FB / LD.

näin ollen, kuten regressio kertoo, mitä enemmän lyöjä pystyy tuottamaan palloja pelissä täydellisillä LA-ja EV-yhdistelmillä (eli mitä enemmän tynnyreitä hän tuottaa), sitä todennäköisemmin hän räjäyttää kunnareita. Ja LA band pitää Brls / BBE% on suppeasti räätälöity paras teho käynnistää kulmat, joten se ei lakaistaan kaikki lentää pallot ja linja ajaa kuten EV FB/LD. Vihaan myöntää, kun olen väärässä, mutta Brls/BBE% on enemmän ennakoiva sekä HR/FB% ja ISO kuin EV FB/LD.

sama pätee brls / PA%: iin. Se on hieman vähemmän ennakoiva HR / FB%, koska, toisin kuin Brls / BBE%, se pitää enemmän kuin vain pallot pelata, ja HR/FB% on vain tehon mittari lentää pallot (tyyppi pallo pelata). And it’s more predictive of ISO because, unlike Brls/BBE%, it considers strikeouts, and ISO does too.

In sum, we have the following r^2 values:

saavutettuaan 50 pallon pelitilannepisteissä, kannattaa katsoa brls/BBE%: sta, onko lyöjän hr/FB% kestävä, ja brls/PA%: sta iso. Muista, HR / FB% ja ISO ovat parhaat tuotokset meidän on mitattava lyöjän tehontuotanto, koska ne poistavat paljon melua (esim., kävelee, foul Out, HBPs; yliviivaukset eliminoidaan myös HR/FB%: sta) muista tehomittareista (esim.HR/XBH yhteensä tai HR/PA%). Näin ollen Brls/BBE% ja Brls/PA% ovat parhaat raaka-syötteet saatavilla.

Multiple Regressions

with that all said, I wanted to check my work with multiple regressions. Toisin sanoen testataan kahta tai useampaa riippumatonta muuttujaa (esim.keskimääräinen LA ja keskimääräinen EV) yhtä riippuvaista muuttujaa (esim. HR/FB%) vastaan. Ehkä kaksi Statcast-mittaria yhdessä ennustivat enemmän HR / FB%: ta ja ISO: ta kuin erikseen.

aluksi tutkin kaikki kuusi Statcast-mittaria yhdessä nähdäkseni niiden yhdistetyn ennustavan vaikutuksen HR / FB%: lle ja ISO: lle. Joka tuotti R^2 0.7615 HR / FB% ja 0.7634 ISO. Toisin sanoen kaikki kuusi Statcast-mittaria ennustivat HR/FB% – ja ISO-näytteiden varianssista noin 76%.

ottaen huomioon, että Brls/BBE% ja Brls/PA% ennustivat noin 73% HR / FB% – ja ISO-näytteiden varianssista, mikään muu Statcast-metriikka ei yksinään lisännyt paljon ennustavaa arvoa. Esimerkiksi keskimääräisen laukaisukulman lisääminen näihin kahteen mittariin nosti R^2: n HR/FB%: lla ja ISO: lla jopa 0,7510: een ja 0: een.Vastaavasti 7578. Mutta se ei ole paljon parempi. Mikään muu kahden Statcast-mittarin yhdistelmä ei liikuttanut neulaa edes niin korkealle.

siksi Brls/BBE% ja Brls / PA% ovat tehokkaita mittareita. Nekin ovat aika tahmeita vuodesta toiseen. Katse koko muun Statcast pistetaulukot oikeastaan voi kertoa sinulle mitään et saisi niistä, ja voi olla harhaanjohtavaa. Tietäen, että meidän melko paljon tarvitsee vain tarkastella Brls / BBE% ennustaa HR / FB%, Let ’ s laittaa mitä olemme oppineet käytännössä.

muutamia HR/FB%: n parannukseen oikeuttavia lyöjiä ovat: Adalberto Mondesi (9,1 HR/FB%, 17,3 Brls/BBE%), Avisail Garcia (11,8 HR/FB%, 16,7 Brls/BBE%) ja Freddie Freeman (5,6 HR/FB%, 15,1 Brls/BB%). Yllättäviä HR / FB% – johtajia, joiden uskon ansainneen kohonneet HR/FB-kurssinsa, ovat: Mitch Moreland (27.8 HR/fb%, 20.9 Brls/BBE%), Luke voi (26.7 HR/FB%, 20.9 Brls/BBE%) ja Yoan Moncada (22.7 HR/fb%, 19.2 Brls / BBE%).

Swing Changes ja Statcast

lopuksi halusin tutkia, mikä Statcast-metriikka olisi hyödyllisintä vauhdinvaihtoon perustuvan power Breakoutin porttaamiseen. Kuten olemme juuri oppineet, menestys Teho-osasto riippuu paremmin Brls / BBE% ja Brls / PA% merkkejä. Onko olemassa tapa, jolla voisimme tunnistaa lyöjät, jotka voisivat parantaa näitä ja, vuorostaan, parantaa HR / FB% ja ISO? Jos on, niin ketkä lyöjät hyötyisivät eniten tällaisesta muutoksesta?

tiedämme, että tynnyrit koostuvat LA: sta ja EV: stä. Vain ensin mainittu on todella lyöjän hallinnassa. Toki hän voisi lihoa enemmän ja alkaa lyödä palloa kovempaa. Mutta emme voi oikein ennustaa sitä. Sen sijaan, Jos oletamme, että hän aikoo nostaa lisää, Mikä on enemmän tietoisen valinnan asia, niin onnistuuko hän sen jälkeen? Ehkä joku pelaaja antoi medialle lausunnon, että hän aikoo nostaa palloa. Hyödyttäisikö se häntä? Vastatakseni kaikkiin näihin kysymyksiin, määritin, mitkä Ei-la Statcast-mittarit ennustivat eniten Brls/BBE%: ta ja Brls/PA%: ta, arvasit sen, juoksemalla lineaarisia ja useita regressioita.

sen sijaan, että olisin tehnyt jokaisen graafin ja pidentänyt huomattavasti tämän artikkelin pituutta, päätin vain laittaa r^2-arvot kattavaan taulukkoon. Näin ollen, voit nähdä, että EV on FB/LD on kaikkein ennustava Brls / BBE% ja Brls / PA%. Jopa niin paljon, että lisäämällä HH% tai keskimääräinen EV ei anna mitään arvoa otokselle ja joissakin tapauksissa se itse asiassa tekee siitä vähemmän ennakoivan. Tämä tulos saa minut myös pyörryksiin, koska EV on FB/LD ei ole vain ennakoiva, mutta se on myös stickiest meidän Statcast mittarit. Se on hyvä tapa löytää swing-change breakouts.

Tämä on arvokkainta hypoteettisessa skenaariossa, jossa lyöjä säilytti erinomaisen EV: n FB / LD: llä, mutta ei ole lyönyt paljon kärppäpalloja ja linjavetoja, mikä jättää hänelle parantamisen varaa. Sen sijaan kaikkea kuvaa parhaiten esimerkki.

otetaan esimerkiksi Josh Bell. Lähdin kauteen osittain siksi, että hän ei noussut. Viime vuonna hänen LA: n keskiarvonsa oli 9 astetta, ja hän löi vain 34,6 prosenttia kärppäpalloista ja 41.7% maa pallot, joka rajoitti hänen Brls / BBE% 7% (151st kaiken kaikkiaan 150 BBEs) ja hänen Brls/PA% 4,8% (150 yleistä). Tämä oli huolimatta hänen paljon parempi EV FB/LD 94.2 mph (84th yleistä). Tänä vuonna näyttää siltä, että hän yrittää yhdessä kohottaa-ja piilevän voimansa ansiosta se voisi tukea purkautumista. Nyt hän lyö 37,5-prosenttisesti kärppäpalloja ja 41,7-prosenttisesti maaottelupalloja keskimäärin 12 asteen tarkkuudella. Älä ole yllättynyt, jos hänen tynnyri hinnat pysyvät koholla 14.6 Brls / BBE% ja 10.3 Brls/PA% (ja, puolestaan, niin voisi hänen 16.7 HR/FB% ja .276 ISO).

näin ollen, jos tiedämme, kumpi nostaa enemmän, voimme helposti erottaa jyvät akanoista. Se ei ole katsomalla niiden HH% tai keskimääräinen EV; sen sijaan, vain ottaa nopea vilkaisu niiden EV FB / LD.

johtopäätös

toivottavasti ihmiset alkavat käyttää Statcast-mittareita asianmukaisesti. Jos näet fantasia baseball analyytikko lainaus lyöjä kova%, HH%, tai keskimääräinen EV ehdottaa power breakout, tarkista hänen tynnyri hinnat. Ne ennustavat HR / FB%: ta ja ISO: ta ja ovat tahmeita. Sitten, tarkista hänen EV FB / LD. Tiedät, että se voisi enteillä enemmän voimaosastolla, jos hän alkaa nousta, ja että se pysyy myös. Ei vain olettaa mittarit kuten kova%, HH%, tai keskimääräinen EV ovat parhaita, koska meillä on pääsy niihin.

Tämä on vasta alkua. Osassa II tarkistan Statcast Metricsin suhteellisen arvon BABIPIIN nähden. Pysykää kanavalla.

kuva, jonka Justin Paradis (@freshmeatcomm Twitterissä) julkaisi