Yahoo! Fantasy Baseball 2009 Starts!

有圖有真相 XD

今年打算來開個這篇提過的聯盟實驗看看

預計的設定:

Teams	12~16
Scoring Type	Rotisserie
Categories	5*5
Maximum Games Played	108
Maximum Innings Pitched	1450

Roster

C	2
1B	1
3B	1
CI	1
2B	1
SS	1
MI	1
LF	1
CF	1
RF	1
OF	1
UT	2
(Total batters)	14
SP	5
RP	3
P	3
(Total pitchers)	11
Bench	0
DL	5

歡迎有興趣的同好參加. ^^

繼續閱讀

Mock Draft Central - FB選秀網站

FB最大的樂趣應該就是選秀會了. MockDraftCentral是個讓使用者可以發起/參加各種FB選秀, 就算找不到人也可以叫AI球隊來湊人數的網站. 玩家可以參加無限量場的選秀, 而且選完就不用管球隊死活 XD.

到這個網站主要是為了看ADP(Average Draft Position)的資料, 不過選了一次選秀後, 覺得MockDraftCentral這部份做得也不錯, 所以來介紹一下這個服務.

ADP

選秀之前別忘了先排Pre-ranking, 不過MockDraftCenteral這裡的界面做得不是很好, 換頁不是用捲軸而是點連結, 如果要把一個人提前兩行, 那真的需要點不少次滑鼠. 搜尋球員可以找到目標球員所在的頁面, 但是該球員會在第一行, 而你找一個球員通常是希望把他提前而不是丟到後面去, 所以你必須再點上一頁才能把他拖到你想要的位置.

選擇Join a Mock Draft後就會列出一堆選秀給你挑

點進選秀頁面, 可以看到選秀的詳細資料, 有寫多久後開始選秀, 對非美東時區的使用者很方便....

點球隊旁的Take Over AI Team(已有AI球隊時)或是Join(設定AI球隊前)就可以參加選秀.

在選秀之前記得選擇要使用的Ranking, 我就是沒做才一直找不到球員 XD.

選秀步調算是挺快的, 我參加的27輪選秀只花了55分鐘, 平均一輪只有2分鐘的思考時間, 然後我又沒帶上我的pre-ranking, 所以幾乎整場都在找下一輪的球員.....

選秀開始後就可以查看即時選秀結果.

利用3個來源的預測成績估計各隊的總分, 看來這次選得不錯, 預測排名是冠軍. :D

另一個重要的部份是可以做選秀的評論, 每個玩家都可以去選出其他隊最好和最爛的pick, 或是給個五等級的分數, 當然也可以留下評論.

投票結果與評論. 可以看看其他玩家對自己選秀的評價.

總結來講, MockDraftCentral是個練功的好地方, 可以快速累積選秀經驗, 還有其他玩家一起做選後檢討, 想體驗FB的球迷或是想練功的GM都不妨嘗試一下.

網址: http://www.mockdraftcentral.com

繼續閱讀

Fantasy Value Calculator

http://www.csie.nctu.edu.tw/~chenyy/FAAB/FantasyValue/

根據最近統計的Yahoo!公開聯盟數據及這一系列文章的方法, 做了一個簡單的Fantasy Value計算器.

繼續閱讀

Yahoo! Public League Averages

表1: 各名次的原始數據平均

Rk	R	HR	RBI	SB	AVG	W	SV	K	ERA	WHIP
1	828	205	799	120	0.285	80	112	1087	3.54	1.25
2	809	199	781	116	0.284	78	99	1051	3.64	1.26
3	795	195	769	112	0.282	76	94	1029	3.71	1.27
4	786	193	758	110	0.281	74	86	992	3.74	1.28
5	774	189	747	108	0.282	72	82	964	3.77	1.28
6	761	187	734	106	0.280	70	80	940	3.79	1.29
7	753	183	724	107	0.280	68	74	914	3.83	1.29
8	740	180	712	103	0.280	66	68	890	3.87	1.30
9	723	176	698	99	0.279	65	65	864	3.88	1.30
10	714	174	686	99	0.279	61	59	820	3.95	1.31
11	690	165	660	97	0.278	58	57	788	4.00	1.32
12	662	159	636	89	0.277	53	50	733	4.16	1.35

表2: 各單項名次的原始數據平均

Rk	R	HR	RBI	SB	AVG	W	SV	K	ERA	WHIP
1	853	224	836	161	0.294	88	141	1140	3.28	1.20
2	826	212	805	143	0.290	83	123	1090	3.44	1.23
3	808	205	786	132	0.287	80	109	1053	3.55	1.25
4	793	198	769	123	0.285	77	98	1020	3.63	1.26
5	780	193	754	116	0.283	74	89	991	3.71	1.27
6	766	187	739	109	0.282	71	80	959	3.78	1.29
7	752	182	724	102	0.280	69	72	928	3.85	1.30
8	737	176	708	95	0.278	66	63	891	3.93	1.31
9	721	171	690	87	0.276	62	54	847	4.01	1.32
10	702	164	669	79	0.274	58	44	797	4.10	1.34
11	674	154	639	69	0.272	52	33	734	4.22	1.36
12	624	139	587	54	0.267	43	17	622	4.41	1.39

*2/19 更新: 聯盟樣本數增為701個

上面兩個表格是根據701個2008年Yahoo公開聯盟的最終成績計算出的數據. 表1是根據總名次算出的平均, 換言之第一列就是701個聯盟冠軍的平均成績, 以此類推. 表2則是各單項名次的平均, 也就是說第一列的R欄, 是701個聯盟中得分最高的球隊的平均, 以此類推.

要在公開聯盟拿聯盟冠軍, 有第一列的成績應該就足夠了, 從表2來看這個成績換算成總分大概有100分.

每個單項的狀況都相同: 頭尾的差距遠比中間集團來得大, 尤其是第12名與第11名. 這也是為什麼我們說最有效率的戰略是以每個單項都拿下第三名為目標

掐頭去尾後, 各單項名次間的差距平均值是:

• R: 15.2
• HR: 5.8
• RBI: 16.7
• SB: 7.5
• AVG: 0.0018
• W: 3.1
• SV: 9.3
• K: 36.6
• ERA: 0.079
• WHIP: 0.014

大約差到這些數字就會讓總分差一分. 也因此我們可以說1支全壘打的FB價值大約相當於3分打點, 而大約5次三振才能抵得上1次盜壘.

繼續閱讀

春節記事

A列車.....

交易球員....

賣出

Dan Uggla($10/2)

Josh Fields($11/A)

Jason Bay($31/A)

買進

Fred Lewis($2/A)

Adam Lind($10/A)

Joe Blanton($2/B)

看小說....

買台新電視...

然後就過完了 XD

繼續閱讀

MyMiniCity + MyBlogLog + PMOG + GLB有沒有搞頭?

在右下角的小貼紙顯示的數字越來越無趣之後, 就在想怎樣可以讓它變得更有意思一點.

當有一天看著MyMiniCity的介紹時, 想著「如果可以讓每個訪客有各自的參數, 真的"進駐"城市....」, 忽然間, 所有的東西都連起來了!

如果可以讓Blogger建立自己的球隊, 放一個widget在自己的網頁上招兵買馬, 像是MyBlogLog的社群一樣.

同時也讓使用者創造自己的球員, 而提升能力的方法就是瀏覽有擺widget的網頁, 就像PMOG一樣.

而球隊要獲得好球員的方法就是讓這些球員多來逛自己的網頁, 而且來瀏覽越多次的球員就越能發揮能力(可以想成狀況越好).

當然不能少的是定期進行比賽, 如果能像GLB那樣排陣容和戰術就更好.

這樣的widget應該挺有意思的吧?

目前已經寫好了一部份的程式, 但是一寫到html+css和javascript的部份, 速度就嚴重減慢.... orz. 徵求熱心人士幫忙 <(_ _)>

而名字的部份, 跟棒球和網路都有關的單字, 我有想到幾個:

hit

棒球: 安打, 打擊

網站: 瀏覽

home

棒球: 主隊, 本壘; homer:全壘打

網站: 首頁(homepage)

visit

棒球: 客場

網站: 瀏覽

所以目前暫定MyHomerHitter, 可以翻成我的全壘打者, 也可以解釋成瀏覽我的首頁的訪客

另一些想過的名字:

• MyClubhouse, MyMiniDugout, MyMiniBullpen: 都是參考My系列的名字, 不過和網路扯不太上關係...
• HitForCycle, HitForCyber, HitForSite: 還有什麼諧音字可以用嗎?
• MyHittingStreak

如果有其他的建議請留言 ^^

繼續閱讀

Run estimations

之前在Who is the best?辦的投票活動, 其實是看了兩個估計得分的數據所產生的一些想法.

棒球比賽最重要的數據是勝敗場數, 其次是得失分數, 純看攻擊面的話, 得分和勝敗場幾乎是得價的, 所以要評價打者之間的優劣, 簡單的說就是看誰能幫球隊得到最多的分數.

也因此有很多人在研究如何由打者的數據評估他替球隊增加的分數, 包括Runs Created (RC), Extrapolated Runs (XR)和BaseRuns (BsR)等. 其中引起我的興趣的是兩個線性的數據 - XR和LWTS

XR是蒐集過去各球隊的打擊數據和實際得分, 然後用迴歸分析算出各數據對得分的權重. 根據選擇的數據項的不同, 包含以下幾個版本:

XR

= (.50 x 1B) + (.72 x 2B) + (1.04 x 3B) + (1.44 x HR) + (.34 x (HP+TBB-IBB)) +(.25 x IBB)+ (.18 x SB) + (-.32 x CS) + (-.090 x (AB - H - K)) + (-.098 x K)+ (-.37 x GIDP) + (.37 x SF) + (.04 x SH)

XR Reduced

= (.50 x 1B) + (.72 x 2B) + (1.04 x 3B) + (1.44 x HR) + (.33 x (HP+TBB)) + (.18 x SB) + (-.32 x CS) + ((-.098 x (AB - H))

XR Basic

= (.50 x 1B) + (.72 x 2B) + (1.04 x 3B) + (1.44 x HR) + (.34 x (TBB)) + (.18 x SB) + (-.32 x CS) + (-.096 x (AB - H))

以上參數都是根據1955~1997的大聯盟數據計算出的.

LWTS則是計算每個事件後, Run Expectancy的變化量. 同樣的, 由於選擇數據項的不同, LWTS也包含好幾個版本

LWTS 99-02

LWTS 00-03 NL

拿XRR和兩個版本的LWTS比較一下

	1B	2B	3B	HR	NIBB	HBP	IBB	SO	SB	CS	ROE	nonK out
XRR	0.500	0.720	1.040	1.440	0.340	0.340	0.250	-0.098	0.180	-0.320	-	-0.098
LWTS (99-02)	0.474	0.764	1.063	1.409	0.330	0.385	0.102	-0.310	0.195	-0.456	0.546	-0.299
LWTS (00-03, NL)	0.452	0.764	1.065	1.394	0.301	0.328	0.157	-0.284	0.174	-0.447	0.492	-0.283

覺得沒什麼大差別? 應該可以發現出局數的分數相差很多, 其他項目就差距不大. 我們直接把今年的聯盟平均代進去看看:

PA	AB	H	2B	3B	HR	BB	IBB	SO	HBP	SH	SF	ROE	GDP	SB	CS	BA	OBP	SLG
700.0	622.0	164.0	33.6	3.3	18.2	60.9	4.9	122.7	6.2	5.7	5.1	6.6	14.5	10.4	3.9	0.264	0.333	0.416

結果是XRR=85.43, LWTS99-02=-9.75, LWTS00-03=-5.94

由於XR是估計球隊總得分, 所以用聯盟平均算出來的數據會接近平均得分/9. 而LWTS則是估計得分變化量, 所以聯盟平均算出來的數據會接近0.

我們將LWTS的每個打席都加上0.12分(08年的總得分/總打席), 這兩個算式算出來的數字就會接近多了.

	1B	2B	3B	HR	NIBB	HBP	IBB	SO	SB	CS	ROE	nonK Out
XRR	0.500	0.720	1.040	1.440	0.340	0.340	0.250	-0.098	0.180	-0.320	-	-0.098
LWTS' (99-02)	0.594	0.884	1.183	1.529	0.450	0.505	0.222	-0.190	0.195	-0.456	0.666	-0.179
LWTS' (00-03, NL)	0.572	0.884	1.185	1.514	0.421	0.448	0.277	-0.164	0.174	-0.447	0.612	-0.163

此時聯盟平均的XRR仍是85.43, LWTS'99-02變成75.02, LWTS'00-03變成78.83

兩者的主要差異仍然在於對出局數的估計上, LWTS給的權重比XR的重很多. 換言之, LWTS更加的重視上壘率(降低出局的能力).

回到之前的投票, 將三者的XR和LWTS計算一下:

Player	PA	AVG	OBP	SLG	XR	XRR	XRB	LWTS' 99-02	LWTS' 00-03 NL
Joe Average	700	0.323	0.369	0.481	105.21	106.12	104.97	102.31	104.28
Ryan Slugger	700	0.259	0.319	0.558	111.42	111.57	110.49	100.71	104.91
Kevin Walkman	700	0.286	0.414	0.413	103.21	103.84	102.62	105.81	106.55

不管哪一個版本的XR,排名都是Ryan Slugger > Joe Average > Kevin Walkman. 但是看LWTS就倒過來了.

由於XR是用一整年的球隊數據去估球隊得分而推出的參數值, 而LWTS則是估計每個事件的得分變化期望值再予以加總, 後者應該會更適合用在評估個人貢獻上.

再者, 不管打得好壞, 每支球隊一整年的總出局數是相差不多的, 勝率高的球隊可能會少打幾場九下, 但基本上將出局數當做常數項來看也是可以的, 因此XR在出局數權重的可信度又更低了一點.

由於以上的原因, 我認為在評估打者個人貢獻度時, LWTS的準度應該是比XR來得好. 而投票的結果也很少人支持XR領先的Ryan Slugger.

話又說回來, 即使以XR來看, 在同樣的打席下多製造了六十多個出局數卻只增加了8分左右, 也很難說數字站在Ryan Slugger這邊. (LWTS因為是以變化量為出發點, 所以應該不需要做出局數校正)

我的結論是Kevin Walkman是最好的打者, Ryan Slugger是三人中最差的, 至少在目前的環境之下如此.

繼續閱讀

不然你來翻啊!

用Drupal架了一個外電翻譯共筆網站: 不然你來翻啊!

會固定每小時抓取MLBTradeRumors.com和Yahoo! Sports Rumors的謠言下來給使用者翻譯

翻譯的操作方法請參考說明網頁

有任何意見可以在討論區提出

繼續閱讀

Who is the best?

Player	PA	AB	H	2B	3B	HR	BB	SO	GO/AO	HBP	AVG	OBP	SLG	OPS	GPA	RC	RC/27
Joe Average	700	644	208	34	4	20	44	48	1.000	6	0.323	0.369	0.481	0.850	0.286	114	7.08
Ryan Slugger	700	636	165	34	3	50	52	126	0.908	6	0.259	0.319	0.558	0.877	0.283	113	6.49
Kevin Walkman	700	567	162	30	3	12	122	119	0.953	6	0.286	0.414	0.413	0.827	0.290	97	6.46

辦個小投票, 不考慮球場效應及其他的因素, 單純看上述的數據, 你認為這三個人當中, 誰是最好的打者呢?

總票數達20票後公佈我的意見 (大概要到明年 XD)

繼續閱讀

2008 K-BB Chart

11/07 Update: 新增07-08變化圖

點擊放大於新視窗

每年都想弄好一個架構完善的Excel檔和VB巨集一勞永逸, 每年那個巨集就是會不見, 今年索性改用PHP GD畫圖, 這樣應該不用年年跟Excel奮戰了.

關於這張圖表, 去年的文章中有基本的說明. 把握住一個重點就好: 越往左上方的投手投球品質越好.

今年收錄195名投手, 分了SP和Swingman&RP兩張圖:

在SP方面, Harden, Lincecum, Sabathia, Ervin Santana(另一個經常出現在這個位置的Santana在右下方, Hamels的右邊, Greinke的左下不遠處), Beckett, Haren, Halladay, Lee和Slowey是今年最好的幾個SP, 沒有任何SP可以在K/PA及BB/PA兩項上同時壓過他們. 其中又可以很明顯的區分出Harden和Lincecum是三振型, Sabathia, Santana, Beckett和Haren是均衡型, Halladay, Lee及Slowey則以控球見長

Grozelanny的BB/PA是SP中最高, Reynolds有最低的K/PA和接近平均的BB/PA, 除了這兩人之外, 只有Carmona找不出兩項都更差勁的投手.

而RP方面, Rivera投出了一個相當驚人的球季, 這張表上最低的BB/PA加上優秀的K/PA. Balfour在K/PA領先, 但BB/PA遜於平均. 郭泓志在這兩項數據上都壓過Nathan, Soria(當然這兩位在AL)及Valverde, 和Wood的表現差不多.

今年的聯盟平均BB/PA及K/PA是(.087, .175), 所以今年的Mr. Average是.....Pedro Martinez (.089, .176) o_O

---

2007-2008 變化圖

繼續閱讀