Récemment, j’ai écrit sur la bonne utilisation des indicateurs ERA en fonction de leur valeur prédictive relative à la lumière du fait que je me suis retrouvé à les utiliser sans comprendre plus en détail pourquoi. Je pense que c’est quelque chose que beaucoup de joueurs de baseball fantastiques occasionnels peuvent apprécier. Un ami insulte un lanceur que vous aimez en fonction d’une ÉPOQUE élevée, alors vous courez vers sa page Fangraphs, trouvez le SIERA, le xFIP ou le FIP (le plus bas) et crachez-le à votre ami. Pire encore, vous le ferez sur Twitter au milieu d’une dispute.

Pour ma part, je suis coupable de cela.

Mais ce ne sont pas seulement des indicateurs d’époque. Nous le faisons aussi avec des statistiques de frappe. Tout d’abord, c’était difficile% de Baseball Info Solutions. Un joueur ne répond pas aux attentes ? N’ayez crainte, son % dur est astronomique!

La dernière mode dans la communauté fantastique est de citer les métriques Statcast de Baseball Savant, qui seront au centre de cet article. Tout d’abord, il est important de comprendre d’où viennent ces données:

Statcast est une combinaison de deux systèmes de suivi différents : un radar Doppler Trackman et des caméras Chyron Hego haute définition. Le radar, installé dans chaque stade de baseball en position élevée derrière la plaque d’origine, capture la vitesse de tangage, la vitesse de rotation, la vitesse de sortie du mouvement de tangage, l’angle de lancement, la distance de la balle battue, la force du bras, etc. Séparément, chaque stade dispose également d’un système de caméra Chyron Hego, où six caméras stéréoscopiques sont installées dans deux banques de trois caméras chacune sur la ligne de faute. Le système de caméra suit le mouvement des personnes sur le terrain, ce qui permet de mesurer la vitesse du joueur, la distance, la direction et plus encore à chaque jeu.

Il y a beaucoup à déballer, mais ce n’est pas un article sur la précision du radar ou du système de caméra Doppler. Au lieu de cela, je veux tester une liste organisée des métriques de frappe Statcast les plus populaires, générées à partir du radar et des caméras, pour déterminer lesquelles sont les plus prédictives de la puissance d’un frappeur.

Pour effectuer ces déterminations, je vais régresser ces métriques par rapport à HR / FB% et ISO. Le premier est plus pertinent du point de vue du baseball fantastique parce que nous voulons savoir si un frappeur continuera à frapper des coups de circuit. Au départ, j’ai envisagé de régresser les métriques de Statcast par rapport aux totaux bruts de coups de circuit, mais ils ne représentent pas une mesure précise de la puissance des frappeurs, car ces totaux varient en fonction du nombre d’apparitions à la plaque d’un frappeur. En conséquence, j’ai considéré HR / PA%, mais cela balaie de nombreux résultats d’apparence de plaque qui ne sont pas influencés par les mesures de puissance de Statcast, telles que les retraits et les retraits. J’ai finalement atterri sur HR / FB%, car cette métrique ne prend en compte que les balles en jeu, en particulier les balles volantes, et la plupart des coups de circuit viennent de toute façon sur des balles volantes.

L’ISO est plus utile du point de vue du baseball réel que HR/FB%, car elle inclut des doubles et des triples. L’autre métrique que j’ai considérée était SLG, mais l’ISO est meilleure pour mesurer la puissance brute d’un joueur que SLG car elle exclut les simples. En conséquence, je vais également régresser les métriques Statcast par rapport à l’ISO.

Pour mes analyses, j’ai effectué des régressions linéaires et multiples. Par « régression », je veux dire que j’ai trouvé le coefficient de détermination, ou r ^ 2, qui montre dans quelle mesure une variable indépendante (par exemple, l’angle de lancement) explique la variation dans l’échantillon d’une variable dépendante (par exemple, HR / FB%). Plus le r^2 est élevé (qui sera toujours compris entre 0 et 1), plus la variable dépendante prédit des écarts dans la variable indépendante.

Pour mon échantillon, j’ai sélectionné tous les joueurs avec un minimum de 150 événements de balles frappées (BBE) dans chaque saison de 2015 à 2018. Tout d’abord, j’ai régressé chaque métrique Statcast d’une année à l’autre pour voir lesquelles étaient « collantes » et dans quelle mesure. Ensuite, j’ai régressé les métriques Statcast par rapport à HR / FB% et ISO. Enfin, j’ai fait un peu plus de recherches pour vous fournir une analyse de bonus.

Commençons.

Définitions

Pour commencer, je devrais fournir quelques définitions pratiques du glossaire Statcast pour les métriques que je testerai afin que vous ayez un cadre de référence:

• Événement de balle battue (BBE): représente toute balle battue qui produit un résultat. Cela inclut les sorties, les résultats et les erreurs. Toute balle juste est un événement de balle battue. Il en va de même pour les balles fautives qui entraînent une sortie ou une erreur.
• Vitesse de sortie (EV) : La vitesse de sortie mesure la vitesse du baseball lorsqu’il se détache de la batte, immédiatement après qu’un frappeur entre en contact. Ceci est suivi pour tous les événements de balles frappées — sorties, coups sûrs et erreurs.
• Angle de lancement (LA) : représente l’angle vertical auquel la balle quitte la batte d’un joueur après avoir été frappée. L’angle de lancement moyen est calculé en divisant la somme de tous les angles de lancement par tous les événements de balle battue.
• Taux de réussite (HH%): Statcast définit une « balle frappée durement » comme un coup avec une vitesse de sortie de 95 mph ou plus, et le « taux de coups durs » d’un joueur montre simplement le pourcentage de balles frappées qui ont été frappées à 95 mph ou plus.
• Canon: Pour être canon, une balle battue nécessite une vitesse de sortie d’au moins 98 mi/h. À cette vitesse, les balles frappées avec un angle de lancement compris entre 26 et 30 degrés obtiennent toujours une classification à canon. Pour chaque tick de plus de 98 mi / h, la gamme d’angles de lancement s’élargit. La classification du canon est attribuée aux événements de balles frappées dont les types de coups comparables (en termes de vitesse de sortie et d’angle de lancement) ont conduit à un minimum.moyenne au bâton 500 et pourcentage de frappe 1.500.

Ci-dessous, je régresserai EV moyen, LA moyen et HH%. De plus, j’examinerai EV sur les balles volantes et les entraînements en ligne (EV sur FB / LD), les barils par événement de balle battue (Brls / BBE%) et les barils par apparence de plaque (Brls / PA%).

Viscosité d’une année à l’autre

Dans quelle mesure le % HH d’un frappeur, par exemple, dans une année, se traduit-il par le suivant? Dans quelle mesure pouvons-nous regarder l’EV d’un frappeur sur FB / LD et dire qu’il ressemblera à la saison suivante? La réponse à ces questions et plus sont ci-dessous.

Il y a quelques conclusions que nous pouvons tirer de ces nombres. Tout d’abord, ils sont tous assez similaires, ne variant que entre 0,5735 et 0,6674. Nous savons que la prévisibilité d’une année à l’autre est, par conséquent, relativement forte pour chaque métrique. Deuxièmement, l’EV sur FB / LD au cours d’une année expliquera plus de variations de l’EV sur FB / LD au cours de la suivante que n’importe laquelle des autres mesures de Statcast. C’est le « plus collant » de tous.

Troisièmement, bien que Brls / BBE% et Brls / PA% semblent similaires, ils sont en fait assez différents. Ces différences se reflètent dans le fait que le % Brls/BBE est plus prédictif de lui-même d’une saison à l’autre. Brls / BBE% ne prend en compte que les barils lors des événements de balles frappées, tandis que Brls / PA% prend en compte les barils en fonction de toutes les apparences de la plaque. Comme il y a beaucoup plus de résultats d’apparence de plaque que de simples événements de balle battue, il n’est pas surprenant que le % Brls / PA soit sujet à plus de fluctuations selon les saisons. Si un frappeur améliore ses taux de retraits sur des prises ou de retraits sur des prises, son % Brls / PA changera l’année suivante, tandis que son% Brls / BBE restera inchangé.

Quatrièmement, bien que cela ne soit pas reflété dans le tableau ci-dessus, chacune de ces statistiques se stabilise après environ 50 balles en jeu. Nous le savons grâce à d’excellentes recherches de Russel Carleton, que vous pouvez lire ici et ici. Ces métriques Statcast sont toutes des dérivations de LA, EV et Barrels. Russel Carleton a constaté que ces trois statistiques se stabilisent après 50 balles en jeu (environ 18 parties jouées).

Maintenant que nous savons à quel point chaque métrique est collante et à quelle vitesse elle se stabilise, nous savons dans quelle mesure nous pouvons être sûrs de les utiliser. Il est temps de les régresser par rapport à HR / FB% et ISO.

Hard%

D’abord, j’avais besoin d’une variable de contrôle. Un par lequel nous pourrions comparer les résultats de nos régressions pour déterminer la valeur prédictive relative des métriques de puissance Statcast. Je me suis installé sur Hard%, qui est rapporté sur les pages des joueurs de Fangraphs et collecté par Baseball Info Solutions. Selon Fangraphs:

Depuis 2010, les éclaireurs vidéo ont enregistré la durée pendant laquelle la balle était en l’air, le lieu d’atterrissage et le type de balle frappée (balle volante, balle au sol, doublure, etc.) et l’algorithme BIS détermine si la balle était molle, moyenne ou durement touchée. Malheureusement, l’algorithme exact (les points de coupe / la méthodologie exacts) sont la propriété de BIS et nous ne pouvons pas partager exactement ce qui constitue un contact dur, mais le calcul est basé sur le temps de blocage, l’emplacement et la trajectoire générale.

Pendant des années, Hard% a été cité pour déterminer si un joueur conservera des totaux de coups de circuit élevés. Ainsi, pour le même échantillon de frappeurs de 2015-18, j’ai régressé Hard% contre HR / FB% et ISO pour tester la véracité de cette hypothèse.

Comme vous pouvez le voir, Hard% a une relation relativement forte avec HR / FB% et ISO. Rappelez-vous, nous discernons le coefficient de détermination, qui sera inférieur au coefficient de corrélation de Pearson (r). Étant donné le nombre de variables inconnues qui affectent le pourcentage HR / FB ou ISO d’un joueur (par exemple, stade, angle de lancement, qualité du lanceur adverse, etc.), un r^2 de 0,44 ou 0,48 est assez fort. Autrement dit, 44% de la variance de HR / FB%, par exemple, est prévisible à partir de Hard%.

Angle de lancement moyen

Maintenant que nous avons un groupe de contrôle, nous pouvons mesurer dans quelle mesure les métriques Statcast sont prédictives de nos métriques de puissance brutes.

D’une part, nous voyons que, en soi, la moyenne n’est pas prédictive de HR/FB% étant donné le r^2 de 0,05852. Intuitivement, cela a du sens. Qu’un frappeur s’élève plus ou moins n’a aucune importance pour savoir s’il est capable de muscler ses balles volantes hors du parc. En prenant la racine carrée de 0,05852, on obtient un coefficient de corrélation de Pearson de 0,2419, ce qui signifie que la moyenne et le % HR / FB sont positivement corrélés dans une certaine mesure. Cela a aussi du sens. Les frappeurs qui s’élèvent plus ont tendance à être des frappeurs de puissance qui ont la capacité de créer des circuits à partir de leurs balles volantes. Mais l’élévation en elle-même ne provoque pas plus de coups de circuit sur des balles volantes.

D’un autre côté, la moyenne est plus prédictive de l’ISO. L’ISO est une mesure du total des coups de base supplémentaires par rapport au total des chauves-souris. Un frappeur qui élève plus est plus susceptible d’avoir un pourcentage plus élevé de son total au bâton entraîne une base supplémentaire.

Vitesse de sortie moyenne

La moyenne EV est une autre histoire. Je m’attendais à ce qu’il soit plus prédictif du % HR / FB et de l’ISO car il s’agit d’une mesure de la puissance brute du frappeur, par opposition à LA moyenne, qui est une mesure de l’approche d’un frappeur.

Sans surprise, mon attente se confirme dans les régressions. Avec des valeurs r^ 2 similaires à Hard%, EV moyenne est à peu près aussi utile pour prédire la puissance brute (mesurée par HR / FB% et ISO) que Hard%. Je suppose que la raison pour laquelle ce n’est pas mieux que Hard% est que, comme Hard%, il mesure l’EV d’un frappeur sur des balles au sol ainsi que des balles volantes et des disques de ligne. Ceci, à son tour, réduit la valeur prédictive de la moyenne EV en tant que mesure de puissance.

Par ailleurs, il est probable que la moyenne EV est probablement plus prédictive de l’ISO que le % HR / FB car son inclusion de EV sur les balles au sol est en fait utile pour prédire les doubles, car les balles au sol durement touchées peuvent trouver de l’herbe dans le champ extérieur pour les doubles. Contrairement à HR/FB%, ISO inclut les doubles et les triples.

Vitesse de sortie sur les ballons volants et les entraînements de ligne

Ensuite, je voulais examiner EV sur FB / LD. Dès le départ, je m’attendais à ce que EV sur FB / LD soit l’un des meilleurs, sinon le meilleur, pour prédire le % HR / FB et l’ISO. Et pourquoi pas ? Il s’agit simplement d’une mesure de la vitesse à laquelle les balles volantes et les lignes de conduite d’un frappeur quittent sa batte. Plus ils voyagent vite, plus ils sont susceptibles de devenir des home runs. Ainsi, la métrique doit être prédictive d’au moins HR / FB%, ce qui n’est qu’une mesure de la fréquence à laquelle les balles volantes deviennent des home runs.

Mon attente est en partie reflétée dans les valeurs r^ 2 ci-dessus. D’une part, 0,6175 est un résultat solide. En particulier par rapport à notre métrique de contrôle (Hard%) et aux autres métriques Statcast que nous avons testées jusqu’à présent. Ainsi, vous pouvez regarder confortablement l’EV d’un frappeur sur FB / LD pour voir si son% HR / FB régressera.

Cependant, la même chose ne peut pas être dite de manière aussi fiable pour l’ISO. La raison en est probablement que le dénominateur de l’ISO inclut toutes les battes et donc balaie les retraits sur des prises et les balles au sol. Pourtant, un r ^ 2 de 0,5160 est un bon rappel que l’EV d’un frappeur sur FB / LD est important pour le baseball fantastique et le baseball réel. Andrew Perpetua l’a dit il y a deux ans: la vitesse de sortie l’emporte sur l’angle de lancement.

Taux de réussite

J’ai vu beaucoup de discussions autour du % HH et de sa valeur en tant qu’outil d’estimation du potentiel de puissance d’un frappeur. J’étais sceptique parce que HH%, comme EV moyen, boucle dans tous les types de balles frappées, y compris les balles au sol.

Comme vous pouvez le voir, avec un r^2 de 0,5343, HH% est plus prédictif de HR / FB% que Hard%, la moyenne et EV moyenne, mais pas aussi prédictif de HR / FB% que EV sur FB / LD. Il est encore moins prédictif de l’ISO que Hard%.

J’ai entendu dire que HH% est utile parce que si un frappeur devait changer de swing et s’élever davantage, nous voudrions savoir ce qui est arrivé à ces balles au sol qui deviennent maintenant des balles volantes et des entraînements en ligne, et HH% capture l’EV sur ces balles au sol. Ma réplique à cela serait que nous devrions simplement regarder EV sur FB / LD, car c’est une meilleure représentation de ce qui se passerait si ces balles au sol se transformaient en balles volantes ou en entraînements en ligne. Cela se reflète dans les régressions.

Cela dit, j’ai également entendu l’affirmation selon laquelle HH% est fortement corrélé à xwOBA et xwOBAcon et peut donc être une meilleure mesure du véritable talent d’un frappeur du point de vue du baseball réel. Mais cette affirmation dépasse le cadre de cet article.

Brls/ BBE%&Brls / PA%

J’ai décidé de traiter Brls/ BBE% et Brls / PA% en tandem car ce sont des mesures similaires avec des dénominateurs légèrement différents. Le premier considère simplement les barils sur les balles en jeu, tandis que le second les considère comme une fonction de toutes les apparences de la plaque. Quelle est la meilleure mesure de la puissance brute?

En commençant par Brls/BBE%, nous voyons que le r ^2 à la fois HR / FB% et ISO est très élevé. C’est plus élevé que n’importe quel résultat que nous avons eu jusqu’à présent. Comme vous le verrez dans une minute, c’est notre meilleure mesure unique pour prédire dans quelle mesure un frappeur peut muscler ses balles volantes hors du parc, ou si son % HR / FB régressera.

La raison pour laquelle il est meilleur que EV sur FB / LD est qu’il ne capture que les balles en jeu qui sont frappées si fort qu’elles sont extrêmement susceptibles de devenir des home runs, alors que EV sur FB / LD est une mesure de la puissance moyenne et peut donc être biaisée par des valeurs aberrantes mal ou puissamment frappées FB / LD.

Ainsi, comme le montre la régression, plus un frappeur peut produire des balles en jeu aux combinaisons parfaites LA et EV (c’est-à-dire, plus il produit de barils), plus il est susceptible de lancer des coups de circuit. Et la bande de LA considérée par Brls / BBE% est étroitement adaptée aux meilleurs angles de lancement de puissance, elle ne balaie donc pas toutes les balles de vol et les entraînements de ligne comme EV sur FB / LD. Je déteste admettre quand je me trompe, mais Brls / BBE% est plus prédictif à la fois de HR / FB% et d’ISO que d’EV sur FB / LD.

Il en va de même pour Brls/PA%. Il est légèrement moins prédictif de HR / FB% car, contrairement à Brls / BBE%, il considère plus que de simples balles en jeu, et HR / FB% n’est qu’une mesure de la puissance sur les balles volantes (un type de balle en jeu). 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:

Après avoir atteint les 50 points de stabilisation de la balle en jeu, votre meilleur pari est de regarder Brls / BBE% pour voir si le HR / FB% d’un frappeur est durable, et Brls / PA% pour ISO. N’oubliez pas que HR / FB% et ISO sont les meilleures sorties que nous avons pour mesurer la production d’énergie d’un frappeur, car elles éliminent une grande partie du bruit (par exemple, promenades, sorties de faute, HBPs; les retraits sont également éliminés des % HR/FB) d’autres mesures de puissance (par exemple, les totaux HR/XBH ou les % HR/PA). Ainsi, Brls / BBE% et Brls / PA% sont les meilleures entrées de puissance brute disponibles.

Plusieurs régressions

Cela dit, je voulais vérifier mon travail avec plusieurs régressions. En d’autres termes, tester deux variables indépendantes ou plus (par exemple, LA moyenne et EV moyenne) par rapport à une variable dépendante (par exemple, HR / FB%). Peut-être que deux métriques de Statcast ensemble étaient plus prédictives du % HR / FB et de l’ISO qu’elles ne l’étaient individuellement.

Pour commencer, j’ai examiné les six métriques de Statcast ensemble pour voir leur effet prédictif combiné pour HR / FB% et ISO. Cela a donné un r ^ 2 de 0,7615 avec HR / FB% et 0,7634 avec ISO. En d’autres termes, une fois combinées, les six mesures de Statcast ont prédit environ 76% de la variance dans les échantillons HR / FB% et ISO.

Étant donné que Brls/BBE% et Brls/PA% prédisaient environ 73% de la variance dans les échantillons HR/FB% et ISO, aucune autre métrique de Statcast n’ajoutait à elle seule une grande valeur prédictive. Par exemple, l’ajout d’un angle de lancement moyen à ces deux métriques a poussé le r^ 2 avec HR / FB% et ISO jusqu’à 0,7510 et 0.7578, respectivement. Mais ce n’est vraiment pas beaucoup mieux. Aucune autre combinaison de deux métriques Statcast n’a fait bouger l’aiguille aussi haut.

Par conséquent, Brls /BBE% et Brls/ PA% sont des métriques puissantes. Ils sont assez collants d’année en année, aussi. En regardant le reste des classements Statcast, il se peut que vous ne vous disiez rien de ce que vous n’obtiendriez pas d’eux, et cela peut être trompeur. Sachant que nous avons à peu près juste besoin de regarder Brls / BBE% pour prédire HR / FB%, mettons ce que nous avons appris en pratique.

Quelques frappeurs que nous pouvons identifier qui sont dus pour une amélioration en % HR / FB comprennent: Adalberto Mondesi (9,1 HR/FB%, 17,3 Brls/ BBE%), Avisail Garcia (11,8 HR/ FB%, 16,7 Brls/ BBE%) et Freddie Freeman (5,6 HR/ FB%, 15,1 Brls/ BB%). Certains des leaders surprenants de HR / FB% qui, à mon avis, ont obtenu leurs taux élevés de HR / FB comprennent: Mitch Moreland (27,8 HR / FB%, 20,9 Brls / BBE%), Luke Voit (26,7 HR / FB%, 20,9 Brls / BBE%) et Yoan Moncada (22,7 HR / FB%, 19,2 Brls / BBE%).

Changements de swing et Statcast

Enfin, je voulais examiner quelle métrique Statcast serait la plus utile pour présager une rupture de puissance basée sur un changement de swing. Comme nous venons de l’apprendre, le succès dans le département de l’énergie dépend de meilleures notes Brls / BBE% et Brls / PA%. Existe-t-il un moyen d’identifier les frappeurs qui pourraient améliorer ceux-ci et, à leur tour, améliorer le % HR / FB et l’ISO? Dans l’affirmative, quels frappeurs bénéficieraient le plus d’un tel changement?

Nous savons que les barils sont composés de LA et EV. Seul le premier est vraiment sous le contrôle d’un frappeur. Bien sûr, il pourrait mettre plus de muscle et commencer à frapper la balle plus fort. Mais nous ne pouvons pas vraiment le prédire. Au lieu de cela, si nous devions supposer qu’il va élever plus, ce qui est plus une question de choix conscient, alors réussira-t-il après l’avoir fait? Peut-être qu’un joueur a déclaré aux médias qu’il avait l’intention d’élever le ballon. Cela lui serait-il réellement bénéfique? Pour répondre à toutes ces questions, j’ai déterminé quelles métriques Statcast non LA étaient les plus prédictives de Brls / BBE% et Brls / PA% en exécutant, vous l’avez deviné, des régressions linéaires et multiples.

Plutôt que de faire chaque graphique et d’allonger considérablement la longueur de cet article, j’ai décidé de simplement mettre les valeurs r^2 dans un tableau complet. En conséquence, vous pouvez voir que EV sur FB / LD est le plus prédictif de Brls / BBE% et Brls / PA%. À tel point que l’ajout de HH% ou d’EV moyen ne donne aucune valeur à l’échantillon et, dans certains cas, le rend moins prédictif. Ce résultat me donne aussi le vertige car EV sur FB / LD n’est pas seulement prédictif, mais c’est aussi la plus collante de nos métriques Statcast. C’est un excellent moyen de trouver vos évasions de changement de swing.

Ceci est très précieux dans le scénario hypothétique dans lequel un frappeur a maintenu un excellent EV sur FB / LD, mais n’a pas frappé beaucoup de balles volantes et de lignes, ce qui lui laisse de la place pour s’améliorer. Mais au lieu de cela, tout est mieux illustré par un exemple.

Prenez Josh Bell, par exemple. J’étais sur le fait qu’il entrait dans la saison, en partie, parce qu’il n’élevait pas. L’année dernière, son LA moyen était de 9 degrés, et il n’a frappé que 34,6% de balles volantes et 41.7% de balles au sol, ce qui a limité son% Brls / BBE à 7% (151e au total de ceux avec 150 BBEs) et son% Brls/ PA à 4,8% (150e au total). C’était malgré son bien meilleur EV sur FB / LD de 94,2 mph (84e au total). Cette année, il semble qu’il fasse un effort concerté pour élever, et compte tenu de son pouvoir latent, cela pourrait soutenir une évasion. Maintenant, il frappe 37,5% de balles volantes et 41,7% de balles au sol à un LA moyen de 12 degrés. Ne soyez pas surpris si ses taux de baril restent élevés à 14,6 Brls / BBE% et 10,3 Brls / PA% (et, à son tour, ses 16,7 HR / FB% et.276 ISO).

Ainsi, si nous savons qui va élever plus, nous pouvons facilement séparer le blé de l’ivraie. Ce n’est pas en regardant leur % de HH ou leur EV moyen; au lieu de cela, jetez simplement un coup d’œil à leur EV sur FB / LD.

Conclusion

J’espère que les gens commenceront à utiliser les métriques Statcast de manière appropriée. Si vous voyez un analyste de baseball fantastique citer le % dur, le% HH ou la moyenne EV d’un frappeur pour suggérer une cassure de puissance, vérifiez ses taux de baril. Vous savez qu’ils sont prédictifs du % HR / FB et de l’ISO, et qu’ils sont collants. Ensuite, vérifiez son VE sur FB / LD. Vous savez que cela pourrait présager plus dans le département de l’énergie s’il commence à élever, et que ça restera aussi. Ne supposons pas seulement que des métriques telles que Hard%, HH% ou EV moyenne sont les meilleures car nous y avons accès.

Ce n’est que le début. Dans la partie II, je vérifierai la valeur relative des métriques Statcast par rapport à BABIP. Restez à l’écoute pour en savoir plus.

Image présentée par Justin Paradis (@freshmeatcomm sur Twitter)