ostatnio pisałem o właściwym wykorzystaniu wskaźników ERA w oparciu o ich względną wartość predykcyjną w świetle faktu, że znalazłem się za pomocą nich bez głębszego zrozumienia dlaczego. Myślę, że jest to coś, co wielu zwykłych graczy fantasy baseball może docenić. Przyjaciel obraża miotacza, którego lubisz w oparciu o wysoką erę, więc pobiegasz na jego stronę Fangrafów, znajdujesz SIERĘ, xFIP lub FIP (którekolwiek z najniższych) i wypluwasz to z powrotem na swojego przyjaciela. Co gorsza, zrobisz to na Twitterze w trakcie kłótni.

ja, po pierwsze, jestem tego winny.

ale to nie tylko wskaźniki ERA. Robimy to również ze statystykami trafień. Po pierwsze, to było trudne% Z Baseball Info Solutions. Zawodnik nie spełnia oczekiwań? Nie bój się, jego twarde% jest astronomiczne!

najnowszą modą w społeczności fantasy jest cytowanie Statcast metrics z Baseball Savant, który będzie przedmiotem tego artykułu. Po pierwsze, ważne jest, aby zrozumieć, skąd pochodzą te dane:

Statcast to połączenie dwóch różnych systemów śledzenia — radaru dopplerowskiego Trackman oraz kamer Chyron Hego o wysokiej rozdzielczości. Radar, zainstalowany na każdym boisku w podwyższonej pozycji za płytą startową … rejestruje prędkość skoku, Prędkość wirowania, prędkość wyjścia skoku, kąt startu, odległość piłki, siłę ramienia i wiele innych. Osobno każdy z boisk posiada również system kamer Chyron Hego, w którym sześć kamer stereoskopowych jest zainstalowanych w dwóch bankach po trzy kamery w dół linii faulu. System kamer śledzi ruch ludzi na boisku, co pozwala na pomiar prędkości gracza, dystansu, kierunku i więcej na każdym meczu.

jest tam wiele do rozpakowania, ale to nie jest artykuł o dokładności radaru dopplerowskiego lub systemu kamer. Zamiast tego chcę przetestować listę najpopularniejszych wskaźników uderzeń Statcast, generowanych z radarów i kamer, aby określić, które z nich są najbardziej predykcyjne.

aby dokonać tych oznaczeń, cofnę te metryki względem HR / FB% i ISO. Pierwszy z nich jest bardziej trafny z punktu widzenia fantasy baseball, ponieważ chcemy wiedzieć, czy zawodnik będzie nadal zdobywał home Runy. Początkowo rozważałem cofnięcie statcast metrics w stosunku do surowych home runów, ale nie stanowią one dokładnej miary mocy hitterów, ponieważ te sumy różnią się w zależności od liczby występów na tablicach hittera. W związku z tym rozważałem HR / PA%, ale to wymiata w wielu wynikach wyglądu płyty, na które nie mają wpływu Statcast power metrics, takie jak strajki i spacery. W końcu wylądowałem na HR / FB%, ponieważ ten metryk uwzględnia tylko piłki w grze, a konkretnie piłki muchowe, a większość home runów i tak chodzi o piłki muchowe.

ISO jest bardziej przydatne z perspektywy prawdziwego baseballu niż HR/FB%, ponieważ zawiera podwójne i potrójne. Inną metryką, którą rozważałem, był SLG, ale ISO jest lepsze do pomiaru surowej mocy gracza niż SLG, ponieważ wyklucza single. W rezultacie cofnę statcast metrics przeciwko ISO.

do moich analiz przeprowadziłem regresje liniowe i wielokrotne. Przez „regresji”, mam na myśli znalazłem współczynnik determinacji, lub r^2, który pokazuje, w jakim stopniu zmienna niezależna (np kąt startu) wyjaśnia zmiany w próbce zmiennej zależnej (NP HR/FB%). Im wyższa wartość r^2 (która zawsze będzie wynosić od 0 do 1), tym większa zmienna zależna przewiduje odchylenia w zmiennej niezależnej.

do mojej próby wybrałem wszystkich graczy z minimum 150 imprezami batted-ball (BBE) w każdym sezonie od 2015-18. Po pierwsze, cofnąłem każdy rok metryczny Statcast w ciągu roku, aby zobaczyć, które były „lepkie” iw jakim stopniu. Następnie cofnąłem metryki Statcast wobec HR / FB% i ISO. W końcu trochę poszperałem, żeby dać ci dodatkową analizę.

zaczynajmy.

definicje

na początek, powinienem podać kilka przydatnych definicji ze Statcast glossary dla metryk, które będę testować, aby mieć ramkę odniesienia:

• Zdarzenie odbijanej piłki (BBE): reprezentuje każdą odbijaną piłkę, która daje wynik. Obejmuje to out, trafienia i błędy. Każda uczciwa piłka to impreza z piłką. Tak też, są faul piłki, które prowadzą do out lub błąd.
• exit velocity (EV): exit velocity mierzy prędkość piłki baseballowej, gdy spadnie z kija, natychmiast po nawiązaniu kontaktu z pałkarzem. Jest to śledzone dla wszystkich zdarzeń batted ball-out, trafienia i błędy.
• kąt startu (LA): reprezentuje kąt pionowy, pod którym piłka opuszcza kij gracza po uderzeniu. Średni kąt startu jest obliczany przez podzielenie sumy wszystkich kątów startu przez wszystkie zdarzenia bili.
• wskaźnik twardego uderzenia (HH%): Statcast definiuje ” hard-hit ball „jako jedno uderzenie z prędkością wyjścia 95 mph lub większą, a” hard-hit rate ” gracza to po prostu pokazanie procentu odbijanych kulek, które zostały trafione z prędkością 95 mph lub więcej.
• lufa: do beczki odbijana kula wymaga prędkości wylotowej co najmniej 98 mph. Przy tej prędkości piłki uderzane o kąt startowy między 26 a 30 stopni zawsze wygrywały klasyfikację. Dla każdego kleszcza powyżej 98 km / h zakres kątów startu zwiększa się. Klasyfikacja lufy jest przypisana do zdarzeń typu Battle-ball, których porównywalne typy trafień (pod względem prędkości wylotowej i kąta startu) doprowadziły do minimum .500 mrugnięcia średnia i 1.500 slugging procent.

poniżej cofnę średnią EV, średnią LA i HH%. Ponadto zbadam EV NA fly balls i napędy liniowe (EV na FB/LD), beczki na zdarzenie batted-ball (Brls/BBE%) i beczki na wygląd płyty (Brls/PA%).

lepkość z roku na rok

jak dobrze np. HH w jednym roku przekłada się na następny? W jakim stopniu możemy spojrzeć na EV hittera na FB / LD i powiedzieć, że będzie wyglądał podobnie w następnym sezonie? Odpowiedź na te pytania i nie tylko znajduje się poniżej.

istnieje kilka wniosków, które możemy wyciągnąć z tych liczb. Po pierwsze, wszystkie są dość podobne, tylko wahają się między 0,5735 a 0,6674. Wiemy, że predykcyjność z roku na rok jest zatem stosunkowo silna dla każdego wskaźnika. Po drugie, EV na FB/LD w ciągu jednego roku wyjaśni więcej różnic w EV na FB / LD w następnym niż którykolwiek z innych wskaźników Statcast. Jest to „najbardziej stickiest” z nich wszystkich.

po trzecie, chociaż Brls/BBE% i Brls / PA% wydają się podobne, w rzeczywistości są zupełnie inne. Różnice te znajdują odzwierciedlenie w tym, że Brls/BBE% jest bardziej przewidywalny dla siebie w poszczególnych sezonach. Brls/ BBE% bierze pod uwagę tylko baryłki na imprezach batted-ball, podczas gdy Brls/PA % odnosi się do baryłek jako funkcji wszystkich występów płyt. Ponieważ istnieje znacznie więcej wyników wyglądu płyty niż tylko zdarzenia batted-ball, nie jest zaskakujące, że Brls / PA% podlega większym wahaniom w poszczególnych sezonach. Jeśli zawodnik poprawi swój wskaźnik uderzeń lub chodu, jego Brls/PA% zmieni się w następnym roku, podczas gdy jego Brls/BBE% pozostanie nienaruszone.

Po czwarte, choć nie odzwierciedlone w powyższej tabeli, każda z tych statystyk stabilizuje się po około 50 kulach w grze. Wiemy o tym z kilku wspaniałych badań Russela Carletona, które można przeczytać tutaj i tutaj. Te Statcast metrics są pochodnymi LA, EV i Barrels. Russel Carleton stwierdził, że te trzy statystyki stabilizują się po 50 piłkach w grze (około 18 rozegranych partii).

teraz, kiedy wiemy, jak lepka jest każda metryka i jak szybko się stabilizuje, wiemy, w jakim stopniu możemy być pewni, że je wykorzystamy. Nadszedł czas, aby je regresować w stosunku do HR / FB% i ISO.

Hard%

najpierw potrzebowałem zmiennej sterującej. Taki, dzięki któremu moglibyśmy porównać wyniki naszych regresji, aby określić względną wartość predykcyjną statcast power metrics. Zdecydowałem się na Hard%, który jest raportowany na stronach graczy Fangraphs i gromadzony przez Baseball Info Solutions. Według Fangrafów:

od 2010 roku zwiadowcy wideo rejestrowali czas, w którym piłka znajdowała się w powietrzu, miejsce lądowania i rodzaj piłki (piłka mucha, piłka ziemi, liner itp.), a algorytm BIS określa, czy piłka była miękka, średnia, czy mocno uderzona. Niestety, dokładny algorytm (dokładne punkty cięcia/metodologia) są własnością BIS i nie możemy dokładnie podzielić tego, co stanowi twardy kontakt, ale obliczenia są dokonywane na podstawie czasu zawieszenia, lokalizacji i ogólnej trajektorii.

od lat notuje się twarde%, aby określić, czy zawodnik utrzyma wysokie sumy home runów. Tak więc, dla tej samej próbki hitterów z 2015-18, cofnąłem się do twardego% w stosunku do HR / FB% i ISO, aby przetestować prawdziwość tego założenia.

Jak widać, Hard% ma stosunkowo silny związek zarówno z HR / FB%, jak i ISO. Pamiętajcie, rozróżniamy współczynnik determinacji, który będzie niższy niż współczynnik korelacji Pearsona (r). Biorąc pod uwagę liczbę nieznanych zmiennych, które wpływają na HR/FB% lub ISO gracza (np. boisko, kąt startu, jakość przeciwnego miotacza itp.), R^2 z 0,44 lub 0,48 jest dość silny. Inaczej mówiąc, na przykład 44% wariancji w HR/FB% jest przewidywalne z twardego%.

średni Kąt uruchomienia

teraz, gdy mamy grupę kontrolną, możemy zmierzyć, w jakim stopniu Statcast metrics są predykcyjne naszych surowych wskaźników mocy.

z jednej strony widzimy, że sama w sobie średnia LA nie jest przewidywalna dla HR / FB%, biorąc pod uwagę r^2 z 0,05852. Intuicyjnie ma to sens. To, czy pałkarz podnosi się mniej lub bardziej, nie ma znaczenia, czy jest w stanie wycisnąć swoje piłki z parku. Biorąc pierwiastek kwadratowy z 0,05852 daje 0,2419 współczynnik korelacji Pearsona, co oznacza, że średnie LA i HR/FB% są dodatnio skorelowane w pewnym stopniu. To też ma sens. Hitters, którzy podnieść więcej wydają się być moc hitters, którzy mają zdolność do tworzenia domu wybiega z ich muchy piłki. Ale podniesienie samo w sobie nie powoduje więcej home runów na muchy piłki.

z drugiej strony, średnie LA jest bardziej predykcyjne od ISO. ISO jest miarą całkowitych dodatkowych trafień bazowych w stosunku do całkowitych trafień nietoperzy. Pałkarz, który podnosi więcej jest bardziej prawdopodobne, aby mieć większy procent jego całkowitej w nietoperzy skutkować extra-base to.

Średnia Prędkość wyjściowa

Średnia EV to inna historia. Spodziewałem się, że będzie bardziej przewidywalny dla HR / FB% i ISO, ponieważ jest to miara surowej mocy hittera, w przeciwieństwie do średniej LA, która jest miarą podejścia hittera.

Przy podobnych wartościach r^2 do twardego%, Średnia wartość EV jest tak samo przydatna do przewidywania mocy surowej (mierzonej przez HR / FB% i ISO), jak twardego%. Moim zdaniem nie jest lepszy od Hard% , ponieważ, podobnie jak Hard%, mierzy EV hittera na kulkach naziemnych, a także na piłkach muchowych i napędach liniowych. To z kolei obniża wartość predykcyjną średniej EV jako metryki mocy.

niezależnie od tego, jest prawdopodobne, że średni EV jest bardziej przewidywalny dla ISO niż HR/FB%, ponieważ jego włączenie EV na kulach naziemnych jest rzeczywiście przydatne do przewidywania Dubli, ponieważ ciężko trafione piłki naziemne mogą znaleźć trawę na polu wyjściowym dla Dubli. W przeciwieństwie do HR/FB%, ISO obejmuje podwójne i potrójne.

Prędkość wyjściowa na piłkach muchowych i napędach liniowych

następnie chciałem sprawdzić EV na FB/LD. Od samego początku oczekiwałem, że EV na FB / LD będzie jednym z najlepszych, jeśli nie najlepszym, w przewidywaniu HR / FB% i ISO. A dlaczego nie? To po prostu miara tego, jak szybko pałkarze opuszczają jego kij. Im szybciej podróżują, tym bardziej prawdopodobne jest, że staną się home runami. Tak więc, metryka powinna być predykcyjna co najmniej HR / FB%, co jest tylko miarą tego, jak często muchy stają się home runami.

moje oczekiwania częściowo odzwierciedlają się w powyższych wartościach r^2. Po pierwsze, 0.6175 to silny wynik. Szczególnie w stosunku do naszej metryki kontrolnej (Hard%) i innych metryk Statcast, które do tej pory testowaliśmy. W ten sposób możesz wygodnie spojrzeć na EV zawodnika na FB / LD, aby zobaczyć, czy jego HR/FB% ulegnie regresji.

to samo nie można powiedzieć o ISO. Powodem jest prawdopodobne, że mianownik ISO obejmuje wszystkie na nietoperzy i dlatego wymiata w strikeouts i piłki ziemi. Mimo to, R^2 z 0,5160 jest miłym przypomnieniem, że EV hittera na FB/LD jest ważne zarówno dla baseballu fantasy, jak i prawdziwego baseballu. Andrew Perpetua powiedział to najlepiej dwa lata temu: Prędkość wyjściowa przewyższa kąt startu.

Hard-Hit Rate

widziałem wiele dyskusji na temat HH% i jego wartości jako narzędzia do szacowania potencjału mocy hittera. Byłem sceptyczny, ponieważ HH%, jak średnia EV, pętle we wszystkich typach bili, w tym piłki mielone.

jak widać, z r^2 wynoszącym 0,5343, HH% jest bardziej predykcyjny dla HR/FB% niż Hard%, średnia LA i średnia EV, ale nie tak predykcyjny dla HR/fb% jak EV na FB / LD. Jest jeszcze mniej przewidywalny dla ISO niż Hard%.

słyszałem twierdzenie, że HH% jest użyteczne, ponieważ jeśli uderzający miałby zmienić swing i podnieść więcej, chcielibyśmy wiedzieć, co się stało z tymi kulami naziemnymi, które teraz stają się kulami muchowymi i napędami liniowymi, a HH% przechwytuje EV na tych kulach naziemnych. Moja odpowiedź na to byłoby, że powinniśmy po prostu spojrzeć na EV na FB/LD, ponieważ jest to lepsza reprezentacja tego, co by się stało, gdyby te kulki naziemne zamieniły się w piłki muchowe lub napędy liniowe. Znajduje to odzwierciedlenie w regresjach.

To powiedziawszy, słyszałem również twierdzenie, że HH% silnie koreluje z xwOBA i xwOBAcon i dlatego może być lepszą miarą prawdziwego talentu zawodnika z perspektywy prawdziwego baseballu. Ale to twierdzenie wykracza poza zakres tego artykułu.

Brls/BBE%& Brls/PA%

zdecydowałem się traktować Brls/BBE% i Brls / PA% w tandemie, ponieważ są to podobne pomiary z nieco innymi mianownikami. Pierwszy z nich uważa po prostu beczki na kulki w grze, podczas gdy drugi uważa je za funkcję wszystkich występów płyt. Która jest lepszą miarą surowej mocy?

zaczynając od Brls/BBE%, widzimy, że r^2 zarówno do HR / FB%, jak i ISO jest bardzo wysoki. Jest wyższy niż jakikolwiek wynik jaki mieliśmy do tej pory. Jak przekonasz się za chwilę, najlepszym wskaźnikiem jest przewidywanie, jak dobrze uderzający może wycisnąć swoje piłki z boiska lub czy jego HR/FB% ulegnie regresji.

powodem, dla którego jest lepszy niż EV na FB/LD, jest to, że przechwytuje tylko te piłki w grze, które są tak mocno uderzane, że są bardzo prawdopodobne, aby stać się home runami, podczas gdy EV na FB/LD jest miarą średniej mocy i dlatego może być przekrzywiony przez outlier słabo lub silnie trafiony FB/LD.

tak więc, jak regresja mówi nam, im więcej pałkarz może produkować piłki w grze w doskonałych kombinacjach LA i EV (tj. A pasmo la rozważane przez Brls/ BBE % jest wąsko dopasowane do najlepszych kątów uruchamiania mocy, więc nie jest zamiatane we wszystkich piłkach muchowych i napędach liniowych, takich jak EV na FB / LD. Nienawidzę przyznawać się, gdy się mylę, ale Brls / BBE% jest bardziej predykcyjny zarówno HR / FB%, jak i ISO niż EV na FB / LD.

to samo dotyczy Brls/PA%. Jest nieco mniej przewidywalny dla HR/FB%, ponieważ, w przeciwieństwie do Brls/BBE%, bierze pod uwagę więcej niż tylko kulki w grze, a HR/FB% jest tylko miarą mocy na muchowych kulkach (rodzaj piłki w grze). 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:

Po osiągnięciu 50 punktów stabilizacji piłki w grze najlepiej spojrzeć na brls/BBE%, aby sprawdzić, czy HR/FB% zawodnika jest zrównoważony, a brls/pa% dla ISO. Pamiętaj, HR / FB% i ISO są najlepszymi wyjściami, które musimy zmierzyć produkcję mocy uderzeniowej, ponieważ eliminują dużą część hałasu (np. spacery, fauly out, HBPs; strikeouty są również eliminowane z HR / FB%) innych wskaźników mocy (np. HR/xbh sumy lub HR/PA%). Tak więc Brls/BBE% i Brls/PA% są najlepszymi dostępnymi wejściami mocy surowej.

wielokrotne regresje

Mając to wszystko na uwadze, chciałem sprawdzić moją pracę z wielokrotnymi regresjami. Innymi słowy, testowanie dwóch lub więcej zmiennych niezależnych (np. średnia LA i średnia EV) w stosunku do jednej zmiennej zależnej (np. HR / FB%). Być może dwie metryki Statcast razem były bardziej predykcyjne dla HR / FB% i ISO niż osobno.

na początek zbadałem wszystkie sześć wskaźników Statcast razem, aby zobaczyć ich łączny efekt predykcyjny dla HR / FB% i ISO. To dało r^2 0,7615 z HR / FB% i 0,7634 z ISO. Innymi słowy, po połączeniu, wszystkie sześć wskaźników Statcast przewidywało około 76% wariancji w próbkach HR / FB% i ISO.

biorąc pod uwagę, że Brls/BBE% i Brls/PA% przewidywały około 73% wariancji w próbkach HR / FB% i ISO, żadna inna metryka Statcast nie dodała większej wartości predykcyjnej. Na przykład, dodanie średniego kąta startu do tych dwóch wskaźników pchnęło r^2 z HR / FB% i ISO do 0,7510 i 0.7578, Ale to nie jest dużo lepsze. Żadna inna kombinacja dwóch wskaźników Statcast nie przesunęła igły nawet tak wysoko.

dlatego Brls/BBE% i Brls/PA% są potężnymi metrykami. Z roku na rok też są lepkie. Patrząc na resztę liderów Statcast faktycznie może nie powiedzieć nic, czego nie dostaniesz od nich, i może być mylące. Wiedząc, że wystarczy spojrzeć na Brls/ BBE%, aby przewidzieć HR / FB%, umieśćmy to, czego się nauczyliśmy w praktyce.

kilka trafień możemy zidentyfikować, którzy są do poprawy HR / FB % obejmują: Adalberto Mondesi (9,1 HR/FB%, 17,3 Brls/BBE%), Avisail Garcia (11,8 HR/FB%, 16,7 Brls/BBE%) i Freddie Freeman (5,6 HR/FB%, 15,1 Brls/BB%). Niektórzy z zaskakujących liderów HR / FB%, którzy moim zdaniem osiągnęli podwyższone wskaźniki HR/FB, to: Mitch Moreland (27,8 HR/FB%, 20,9 Brls/BBE%), Luke Voit (26,7 HR/FB%, 20,9 Brls/BBE%) i Yoan Moncada (22,7 HR/FB%, 19,2 Brls / BBE%).

zmiany swingu i Statcast

na koniec chciałem sprawdzić, która metryka Statcast byłaby najbardziej przydatna do przewidywania przerwania zasilania w oparciu o zmianę swingu. Jak się właśnie dowiedzieliśmy, sukces w dziale energetycznym zależy od lepszych ocen Brls/BBE% i Brls/PA%. Czy istnieje sposób na zidentyfikowanie hitterów, którzy mogliby poprawić te, a z kolei poprawić HR / FB% i ISO? Jeśli tak, to którzy zawodnicy skorzystaliby najbardziej na takiej zmianie?

wiemy, że beczki składają się z LA i EV. Tylko ten pierwszy jest w zasięgu ręki. Pewnie, mógłby przyłożyć więcej mięśni i zacząć mocniej uderzać w piłkę. Ale nie możemy tego przewidzieć. Zamiast tego, jeśli założymy, że podniesie więcej, co jest bardziej kwestią świadomego wyboru,to czy odniesie sukces? Być może gracz złożył oświadczenie mediom, że zamierza podnieść piłkę. Czy to by mu pomogło? Aby odpowiedzieć na wszystkie te pytania, ustaliłem, które metryki nie-LA Statcast były najbardziej predykcyjne dla Brls / BBE% i Brls / PA%, zgadliście, uruchamiając liniową i wielokrotną regresję.

zamiast tworzyć każdy wykres i znacznie wydłużać długość tego artykułu, postanowiłem po prostu umieścić wartości r^2 w obszernej tabeli. W związku z tym widać, że EV na FB/LD jest najbardziej predykcyjny z Brls/BBE% i Brls/PA%. Do tego stopnia, że dodanie HH% lub średniej EV nie nadaje żadnej wartości próbce, a w niektórych przypadkach czyni ją mniej przewidywalną. Ten wynik też mnie kręci, ponieważ EV na FB / LD jest nie tylko predykcyjny, ale także najbardziej stickiest naszych statcast metrics. To świetny sposób na znalezienie wyprysków swing-change.

jest to najcenniejsze w hipotetycznym scenariuszu, w którym zawodnik utrzymał doskonałe EV na FB / LD, ale nie uderzył w wiele piłek muchowych i napędów liniowych, pozostawiając mu miejsce na poprawę. Ale zamiast tego, wszystko najlepiej ilustruje przykład.

Weźmy na przykład Josha Bella. Byłem na nim w trakcie sezonu, po części, bo nie awansował. W zeszłym roku jego średnia w LA wynosiła 9 stopni, a trafił tylko 34,6% piłek muchowych i 41.7% kulki mielone, co ograniczyło jego Brls/BBE% do 7% (151st ogólnie z tych z 150 BBEs) i jego Brls/PA% do 4.8% (150th ogólnie). To było pomimo jego znacznie lepsze EV na FB / LD 94.2 mph (84th ogólnie). W tym roku, wydaje się, że podejmuje wspólny wysiłek, by podnieść poziom, a biorąc pod uwagę jego ukrytą moc, może to wesprzeć ucieczkę. Teraz uderza 37,5% piłek muchowych i 41,7% piłek mielonych do średnio 12 stopni w LA. Nie zdziw się, jeśli jego stopy baryłek pozostaną podwyższone na poziomie 14,6 Brls/BBE% i 10,3 Brls/PA% (i, z kolei, tak może jego 16,7 HR/FB% i .276 ISO).

Tak więc, jeśli wiemy, kto będzie podnosił więcej, możemy łatwo oddzielić pszenicę od plew. To nie jest patrząc na ich HH% lub średnia EV; zamiast tego, po prostu rzucić okiem na ich EV na FB / LD.

wnioski

miejmy nadzieję, że ludzie zaczną odpowiednio używać statcast metrics. Jeśli zauważysz, że analityk fantasy baseball cytuje Hard%, HH% lub average EV, sugerując wybicie mocy, sprawdź jego stawki baryłkowe. Wiesz, że są przewidujące HR / FB% i ISO, i że są lepkie. Następnie sprawdź jego EV na FB / LD. Wiesz, że to może zapowiadać więcej w dziale energetycznym, jeśli zacznie podnosić, i że to też zostanie. Nie zakładajmy, że metryki takie jak Hard%, HH% czy average EV są najlepsze, ponieważ mamy do nich dostęp.

to dopiero początek. W części II sprawdzę względną wartość Statcast metrics względem BABIPA. Czekajcie na więcej.

wyróżnione Zdjęcie Justina Paradisa (@freshmeatcomm na Twitterze)