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
2009/01/31
2009/01/27
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:
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 ^^
2008/11/29
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
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.
2008/11/16
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)
2008/11/06
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
2008/10/29
2008 MLB Award Projections - Silver Slugger
補上銀棒獎的部份:
| 獎項 | 我的選擇 | 我的預測 |
|---|---|---|
| AL C | Joe Mauer | Joe Mauer |
| AL 1B | Kevin Youkilis | Kevin Youkilis |
| AL 2B | Dustin Pedroia | Dunstin Pedroia |
| AL 3B | Alex Rodriguez | Alex Rodriguez |
| AL SS | Jhonny Peralta | Jhonny Peralta |
| AL OF | Nick Markakis Josh Hamilton Carlos Quentin | Grady Sizemore Josh Hamilton Carlos Quentin |
| AL DH | Milton Bradley | Milton Bradley |
| 獎項 | 我的選擇 | 我的預測 |
|---|---|---|
| NL C | Brain McCann | Brain McCann |
| NL 1B | Albert Pujols | Albert Pujols |
| NL 2B | Chase Utley | Chase Utley |
| NL 3B | Chipper Jones | Chipper Jones |
| NL SS | Hanley Ramirez | Hanley Ramirez |
| NL OF | Ryan Ludwick Matt Holliday Carlos Beltran | Ryan Ludwick Matt Holliday Ryan Braun |
| NL P | Carlos Zambrano | Carlos Zambrano |
比較接近的幾個位置:
AL 2B
Pedroia: 653AB, 326/376/493/869, 20SB/1CS Kinsler: 518AB, 319/375/517/892, 26SB/2CS
Kinsler的品質略好, 但因傷缺陣讓他的貢獻度不如Pedroia.
AL SS
Peralta: 605AB, 276/331/473/804, 3SB/1CS Jeter: 596AB, 300/363/408/771, 11SB/5CS
兩人出場時間差不多, Peralta在SLG領先的65pt足以彌補他落後32pt的OBP還有剩.
AL OF
Markakis: 595AB, 306/406/491/897, 10SB/7CS Hamilton: 624AB, 304/371/530/901, 9SB/1CS Quentin: 480AB, 288/394/571/965, 7SB/3CS Sizemore: 634AB, 268/375/502/876, 38SB/5CS
Quentin是AL攻擊品質最好的OF, 但同樣因傷缺陣了一段時間. 其餘三人都可以算是全勤, 就算把Markakis的7次CS算進去, 他的打擊表現還是三人當中最好的.
Hamilton和Sizemore的上壘率基本上相同(考慮到CS的話Hamilton還高一些), 如果這兩人同樣打634AB, Hamilton的TB應該會多出近18個, 很明顯的比19個SB要有價值.
所以最後問題變成Quentin和Sizemore的選擇, Quentin在品質上的領先幅度足夠讓他得到我的選票. 不過我想Sizemore最後還是會拿到一座銀棒獎, 不曉得擠掉的是出賽較少的Quetein還是傳統數據不漂亮的Markakis(20HR/87RBI).
AL DH
Bradley: 414AB, 321/436/563/999, 5SB/3CS Huff: 598AB, 304/360/552/912, 4SB/0CS
同樣的, Bradley的品質優秀到足以彌補他的出賽場數, 何況DH的Replacement level本來就比較高.
NL 3B
Jones: 439AB, 364/470/574/1044, 4SB/0CS Wright: 626AB, 302/390/534/ 924, 15SB/5CS
Wright打得相當好, 但是Chipper Jones的成績不是因為他缺賽個三十還是四十場比賽就可以被超越的. XD
NL OF
Ludwick: 538AB, 299/375/591/966, 4SB/4CS Holliday: 539AB, 321/409/538/947, 28SB/2CS Beltran: 606AB, 284/376/500/876, 25SB/3CS Braun: 611AB, 285/335/553/888, 14SB/4CS Either: 525AB, 305/375/510/885, 6SB/3CS Hawpe: 488AB, 283/381/498/879, 2SB/2CS Giles: 559AB, 306/398/456/854, 2SB/2CS
Ludwick在OPS上領先, 不過Holliday在OBP及SB的表現上足以讓他扳回一城, 考量到球場因素以及Holliday缺賽了20多場, 把他放在Ludwick之後是合理的. 雖然Ludwick的打席比Holliday還少, 不過那是季初他還沒站穩先發的因素, 和健康因素不能一概而論. 這兩個人是確定入選的.
Braun靠著優異的SLG在OPS上領先所有其他的NL外野手, 但是由於他糟糕的OBP, 他的攻擊品質事實上比不上Beltran, Either, Hawpe, Burrell甚至Soriano(是的, Braun的OBP和BB%都比Soriano還低!).
Either的比例式成績和Beltran可說完全相同, 但是他少打了20場比賽, 雖然這也不能算在他頭上, 不過Beltran仍然是比他略好的選擇. Hawpe的攻擊品質略優於Beltran, 但和Holliday一樣, 考慮球場效應和出場數後仍然比不上Beltran.
比較有意思的是Giles在Petco打出了近四成的OBP和.854的OPS, 如果他打滿一整季的話和Beltran會是一個很有趣的選擇題
講到打滿一整季, 當然不能不提一下這個人:
Ramirez: 187AB, 396/489/743/1232, 2SB/0CS , 2008 NL
552AB, 332/430/601/1030, 3SB/0CS , 2008 Total
如果最後頒給他我也是可以接受的. XD
另一個外卡選手:
Bay: 393AB, 282/375/519/894, 7SB/0CS , 2008 NL
184AB, 293/370/527/897, 3SB/0CS , 2008 AL
577AB, 286/373/522/895, 10SB/0CS , 2008 Total
這個全年成績如果放在NL可以小勝Beltran, 放在AL的話跟Hamilton及Sizemore難分軒輊.
2008/10/26
2008 MLB Award Projections
| 獎項 | 我的選擇 | 我的預測 |
| AL MVP | Alex Rodriguez | Dustin Pedroia |
| NL MVP | Albert Pujols | Albert Pujols |
| AL CYA | Cliff Lee | Cliff Lee |
| NL CYA | Tim Lincecum | Tim Lincecum |
| AL ROY | Joba Chamberlain | Evan Longoria |
| NL ROY | Geovany Soto | Geovany Soto |
如上表, 分析如果日後有空再補 XD
繼續閱讀
2008/10/07
OPS, OPS+, 以及GPA
講到OPS+，我想大多數人第一個想的就是"做過球場校正的OPS"，沒錯，OPS+是做過球場校正的數據，但它比OPS更好的原因還不只如此。
在講OPS+之前，先來看看Aaron Gleeman發明的GPA。
由於在OPS中OBP對得分的影響力大於SLG，所以有些數據家就會給OBP較重的權重再相加，這樣會使算出的Adjusted OPS和實際得分的相關度更高，OBP的權重一般認為在1.7~2.0之間可以得到最高的相關度，但是1.4~4.0都有人使用。
GPA也是其中的一種，公式是GPA = (OBP*1.8+SLG)/4，GPA的特點在於其分佈的平均值與棒球界最常見的AVG接近，變異數應該是高一些但是沒差到很多，所以算出來的數字會比較有感覺，GPA 0.260是個平均打者，超過三成是優秀打者。
回來看OPS+的公式，OPS+ = (OBP/lgOBP + SLG/lgSLG - 1) * 100 / Park_Factor，我們不計球場效應，用2008年AL的聯盟成績代入，這個算式就會變成：
前半段基本上就是GPA的型式，OBP的權重是SLG的是1.25倍(lgSLG/lgOBP，這個數字幾乎一定會大於1)，所以OPS+即使不計算球場效應也是一種Adjusted OPS，1.25倍雖然不到GPA使用的1.8倍，但比起單純的OPS還是接近了一點，這也就是OPS+比OPS好的另一個小秘訣。
這是OPS中比較重要的OBP剛好平均值比較低所造成的，如果放到WHIP的話就剛好相反了(WHIP中比較重要的H/9比BB/9來得高)，所以千萬不要依樣畫葫蘆去搞什麼WHIP+ = (lgH9/H9 + lgBB9/BB9 - 1) * 100的公式，尤其H/9和BB/9的差距可不像OBP和SLG那樣只差0.25倍而是快3倍，如果又放在分母，那碰上一些BB/9不到1的投手，那算出來整個爆表也是很正常的....XD
2008/09/30
訂閱：
文章 (Atom)
發表文章
