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

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.

繼續閱讀

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

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：

OPS+ = (OBP/0.336 + SLG/0.420 - 1) * 100

OPS+ = (OBP/0.336 + SLG/0.420) * 100 - 100

OPS+ = [(OBP*1.25 + SLG) / 0.42] * 100 - 100

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

繼續閱讀

更換Domain name Part II

改上癮了，現在改成blog.Ayukawayen.twbbs.org XD 繼續閱讀

Plate Discipline

→ Ayukawayen:這樣吧 OSw%是false positive, 1-ZSw%是false negative 09/26 22:21
→ Ayukawayen:這樣F-score就等於...推不下 有興趣的自己算吧 XD 09/26 22:21

因為有人這樣說了，所以......

	Inside	Outside
Swing	true negative	false negative
Not-Swing	false positive	true positive

把打者想像成一個偵測壞球的系統，我們可以得到上面這個表格。

然後根據定義：

• Recall = tp/(tp+fn)
• Precision = tp/(tp+fp)
• F-score = 2 * Recall * Precision / (Recall + Precision)

又

• tn = ZSwing% * Zone%
• fn = OSwing% * (1-Zone%)
• fp = (1-ZSwing%) * Zone%
• tp = (1-OSwing%) * (1-Zone%)

代入後可以得到 Recall = ((1-OSwing%)*(1-Zone%)) / (1-Zone%) = 1-OSwing%
Precision = ((1-OSwing%)*(1-Zone%)) / (1-Swing%)
F-score = 2 * Recall * Precision / (Recall + Precision)

再到FanGraphs找到今年的打擊成績套進去，就可以得到這份圖表:

Top 5

Chipper Jones	0.7876
Adam Dunn	0.7793
Milton Bradley	0.7763
Lance Berkman	0.7746
Brian Giles	0.7713

Bottom 5

Bengie Molina	0.6416
Carlos Gomez	0.6417
Adam Jones	0.6439
A.J. Pierzynski	0.6445
Freddy Sanchez	0.6492

(Vlady和Soriano驚險逃過後五名，他們雖然揮了一堆壞球但是起碼好球也揮了不少。)

雖然是個簡單的實驗，不過排名跟猜想的差不多。 :)

繼續閱讀

更換Domain name

申請了一個twbbs.org的免費次網域來玩看看，照著這篇教學文章的說明很容易就完成了。 現在本Blog網址已經改為Ayukawayen.twbbs.org blog.Ayukawayen.twbbs.org，在閱讀與使用上應該沒什麼不同，原本的Ayukawayen.blogspot.com仍然可以使用，會自動轉到新網域。 繼續閱讀

網站版面更新

最重要的就是右上方新增了我的網誌清單，這服務看起來真的是挺棒的。 另外，本篇無內文。 繼續閱讀

Keeper聯盟雜想

Keeper league是Fantasy Baseball的一種玩法，可以將今年的球員保留部份到隔年。保留的方式也有很多種，有固定人數無條件的，像每隊可以留下最好的六個球員，相當於隔年由第七輪開始選。有的必須付出輪數，比方如果我今年在第14輪選了Kevin Youkilis，那我可以用明年的第14輪再選他一次，假使我也在第1輪選了Ryan Howard，雖然明年Howard的表現應該還是會比Youkilis好，但因為我要付出第1輪做為代價，他的保留價值就沒有Youkilis好。喊價制的聯盟自然會以今年的價錢做為保留的條件，假如我今年以6M簽下了Youkilis，那我可以明年繼續付他6M將他留在陣中。諸如此類。

保留制聯盟的一個特色是GM不僅是力拚當年度的冠軍，也必須要顧及未來的戰力，到了球季中後段也會像現實生活中一樣出現買家和賣家。

小魚FAAB聯盟的交易截止日是8月31日，到了七八月就會有爭冠無望的球隊陸續將隊上沒有保留價值的戰力拿出來換取物超所值的keeper。今年8月底我在18隊中的排名約在4~9名間徘徊，算是前段班，但是和第一名的差距大約有20~30分之多，因此到了最後還是決定站在賣家這邊，將接近市價的David Ortiz及Jimmy Rollins等人賣出交易薪資較便宜的keeper。其他成績接近的球隊也處於這種前段班當賣家有點不甘心，當買家又奪冠機率渺茫的尷尬處境，絕大多數也沒有交易keeper以換取戰力，多半處於按兵不動的狀態，結果聯盟18隊當中，站在買家的只有4支球隊，連想賣球員都很難找到交易對象。

在聯盟中有一兩支球隊獨走的情況時，如果要提高交易買氣，我覺得可以由兩方面著手。

首先提高中間集團的奪冠機會，可以採取取4~6隊進入季後賽的制度。一來只要進入前4名就可以站在同一個起跑點上，中間集團力拚的誘因自然就提高了；其次由於季賽成績帶不進季後賽，獨走的球隊也不能靠著前半段的領先就高枕無憂，勢必也要做一些補強。如此肯拿keeper出來交易的球隊就增多了。

另一方面，則是增加季賽成績對隔年的影響，如今年成績好可以提高隔年的薪資預算，這樣自然也會讓各球隊盡力爭取好成績。

不過這兩招要精算一下適當的季後賽名額和預算上升程度，否則演變成沒人要當賣家，交易一樣是做不成的。 :D

繼續閱讀

YTO第一季結束

第一季以第6名作收，得分是聯盟第一，可惜投手群不夠力，失分也是前半段球隊最多的。

青木宣親以些微差距和打擊王擦身而過。 小久保則是在全壘打和打點上名列前茅。

青木可惜加入的時間晚了點，不然可以輕易的超越隊友矢野拿下得分王，盜壘王也很有希望。另外，得分王並沒有特殊獎勵.......

失誤榜上有一個人遙遙領先......

原來是教練把外野手抓去守游擊 XD

---

由於在Rookie聯盟進入前六名，下一季可以進入Minor級，薪資上限也一口氣上升為100。

現在的depth chart:

整個向上升了一個等級~

繼續閱讀

プロ野球チームをつくろう！ONLINE 2 兩週心得

接續前一篇的話題，兩個禮拜打下來，從原本的Beginner等級升到了Rookie等級(Beginner級只要打到換季就會無條件晉陞Rookie級)，目前暫居第五名。

在Beginner等級時球隊的薪資上限是70點，所以即使抽到很多好選手，也沒辦法通通擺上去，必需好好的考慮球員的c/p值來決定先發陣容。

到了Rookie等級，薪資上限每天會提高1點，不過，當然還是永遠覺得不夠用 XD

目前的先發打線及投手群

大家一定對10星的青木宣親很有興趣，這是他的能力值，只能說一點也沒有對不起他的身價。

除了自動進行的正規季賽外，還有一些有獎金的挑戰賽可以打，比方一個月內打贏NPB的12隊就可以得到3000pt的獎金:

可以無限次的挑戰，所以只要有時間，多打幾次總是會達成目標的。

---

做為一款棒球經營遊戲，プロ野球チームをつくろう！ONLINE 2(簡稱YTO)的不足之處，首推戰術系統的缺乏。

YTO不讓玩家直接操縱比賽，以免不常上線的球隊被遠遠甩開。

但是玩家在賽前能做的，只有安排depth chart(lineup和rotation等)，接下來就看電腦教練在比賽中"自由發揮"，對於看球賽影片重播的玩家們來說，實在需要很好的修養和堅強的心臟.....XD

球員的能力值不會變化(雖然可以靠著安裝買來的技能提升)，也不需要考慮培養或接班的問題，反正兩年一到大家好聚好散，再靠著抽新球員來重建球隊，雖然可以和其他球隊交易球員，但是是付費功能。

簡而言之，要享受GM打造冠軍王朝，或是Manager掌控比賽的樂趣，還是玩OOTP或是Baseball Mogul比較好一點......

不過YTO的連線對戰比上面兩款遊戲方便，通通交給SEGA去處理就好了，也不太需要跟其他球隊打交道，連競標FA都省了(如果不去玩入札系統的話)，直接和電腦抽球員即可，就算擺著幾天不動也不會出問題，對於只是想休閒一下的玩家來說，玩YTO的負擔是小多了。 :p

繼續閱讀

プロ野球チームをつくろう！ONLINE 2 - 日本版全民打棒球?

最近看了這篇銀狐的介紹文章後，也去下載了這款On-Line遊戲來玩。

プロ野球チームをつくろう！ONLINE 2是一款線上棒球經營遊戲。玩家在遊戲中可以利用蒐集來的球員卡片建立自己的球隊，和全民打棒球不同，比賽是在固定時間自動進行，而且完全由電腦模擬，玩家本身是沒有辦法做任何操縱的。

登錄完後就可以創立新球隊，主力球員會由支持球團中出現，我最想要的日本選手本來應該是福留孝介，既然他去了美國，那就選有松中信彥和杉內俊哉在的軟銀隊好了。本據地也就設在福岡吧。

光是Logo和球衣就可以選很久，上面這隻獨角獸看起來挺帥的，但是隊名都叫鳳凰隊了，只好放棄XD。

有七個秘書可以選。

最後的主力球員二選一，松中看來是稀有卡不能選，不過至少有小久保和多村，由於是打擊建軍策略，所以選了小久保。

一開始的先發打線

可以用Pt抽球員卡片，會根據比賽結果得到Pt，個人覺得攻擊型的比較好賺(雖然對手也會賺比較多，不過沒差)。

抽到林恩宇!

林恩宇的能力值，整體來說應該差不多是Average SP，不過在攻擊型的新手球隊中已經可以當Ace了。 XD

繼續閱讀

RBI Estimation - 補充

-有時候也會發生算了老半天的東西有人早就做過這種事-

	Avg	Lowell
000	356	314
100	118	117
020	58	50
003	19	21
120	48	72
103	21	29
023	15	19
123	17	31
Expected RBI	77.05	96.31

上表是Mike Lowell在各狀態時的打席數與平均值的比較，Lowell上場打擊時壘上無人的比率明顯比平均低得多，壘上一名跑者的比率略低(唯一高於平均的還是三壘有人)，有兩名跑者的機會高出平均不少，滿壘的機率幾乎是兩倍了。

平均來講，653個打席可以產出77.05分打點，但是以Lowell的打席分佈來看，一個平均的打者可以打出96.31分打點(平均狀態下的1.25倍)；Lowell當然是個比平均好的打者，根據我們之前的計算，在跑者分配為平均狀態下(也就是上表左欄的分配)，Lowell的成績可以帶來93.19分打點(平均打者的1.21倍)，簡單估計他可以打下77.05*1.25*1.21=116.48分打點(或是77.05+19.26+16.14=112.45分?)，他最終打了120分，剩餘的部份要歸功於他Clutch的表現。

	Avg	Fielder
000	371	374
100	123	140
020	61	59
003	20	19
120	50	41
103	22	20
023	16	15
123	18	13
Expected RBI	80.36	74.14

Lowell的對照組是Prince Fielder，身為中心打者的他，上場時的打點機會還不如聯盟平均，一個聯盟平均的打者在他的打席分佈下僅能打出74.14分打點，比平均狀態還低了約6分，這也就不難想像為什麼他的eRBI比RBI還低上5分了。

繼續閱讀

RBI Estimation (3)

2007 Top 25 of Estimated RBI

Player	TPA	AB	1B	2B	3B	HR	BB	HBP	SF	SH	GO	RBI(Rk)	eRBI(Rk)	RBI/700(Rk)	eRBI/700(Rk)
A Rodriguez	708	583	98	31	0	54	95	21	9	0	141	156(1.0)	137.6(1)	154.2(1)	136.1(2)
P Fielder	681	573	78	35	2	50	90	14	4	0	131	119(9.0)	124.1(2)	122.3(19)	127.5(4)
M Holliday	713	636	124	50	6	36	63	10	4	0	149	137(3.0)	120.8(3)	134.5(7)	118.6(6)
J Rollins	778	716	124	38	20	30	49	7	6	0	160	94(43.5)	116.3(4)	84.6(133)	104.6(30)
C Lee	697	627	114	43	1	32	53	4	13	0	163	119(9.0)	114.8(5)	119.5(20)	115.3(9)
C Pena	612	490	62	29	1	46	103	10	8	1	106	121(6.0)	114.4(6)	138.4(5)	130.8(3)
R Howard	648	529	69	26	0	47	107	5	7	0	85	136(4.0)	114.1(7)	146.9(2)	123.2(5)
M Cabrera	680	588	114	38	2	34	79	5	7	1	133	119(9.0)	110.4(8)	122.5(18)	113.7(11)
H Ramirez	706	639	129	48	6	29	52	7	4	4	152	81(71.5)	109.6(9)	80.3(156)	108.7(20)
D Ortiz	667	549	94	52	1	35	111	4	3	0	123	117(11.0)	109.5(10)	122.8(17)	114.9(10)
M Ordonez	679	595	134	54	0	28	76	2	5	0	148	139(2.0)	109.3(11)	143.3(3)	112.7(15)
A Pujols	679	565	114	38	1	32	99	7	8	0	156	103(24.0)	108.6(12)	106.2(48)	111.9(17)
D Wright	711	604	123	42	1	30	94	6	7	0	139	107(18.5)	107.7(13)	105.3(53)	106.0(26)
D Uggla	728	632	72	49	3	31	68	13	11	4	121	88(57.0)	105.3(14)	84.6(132)	101.3(47)
A Gonzalez	720	646	103	46	3	30	65	3	6	0	144	100(31.5)	104.5(15)	97.2(78)	101.6(45)
C Beltran	636	554	84	33	3	33	69	2	10	1	133	112(14.5)	103.1(16)	123.3(16)	113.4(13)
A Soriano	617	579	93	42	5	33	31	4	3	0	108	70(105.5)	102.0(17)	79.4(157)	115.7(8)
B Phillips	702	650	125	26	6	30	33	12	5	2	174	94(43.5)	101.8(18)	93.7(90)	101.5(46)
A Dunn	632	522	69	27	2	40	101	5	4	0	103	106(20.0)	101.8(19)	117.4(23)	112.7(14)
J Morneau	668	590	95	31	3	31	64	5	9	0	177	111(16.5)	101.4(20)	116.3(25)	106.3(23)
V Guerrero	660	574	113	45	1	27	71	9	6	0	176	125(5.0)	101.3(21)	132.6(9)	107.4(21)
A Rios	711	643	117	43	7	24	55	6	7	0	137	85(62.0)	99.9(22)	83.7(138)	98.3(64)
C Jones	600	513	98	42	4	29	82	0	5	0	133	102(27.0)	99.6(23)	119.0(21)	116.2(7)
A Rowand	684	612	117	45	0	27	47	19	4	2	150	89(54.5)	98.9(24)	91.1(101)	101.2(50)
L Berkman	668	561	96	24	2	34	94	8	5	0	147	102(27.0)	98.8(25)	106.9(46)	103.6(34)

根據前兩篇的推論，我們最後得到eRBI(Estimated RBI) = 0.228*1B + 0.442*2B + 0.613*3B + 1.607*HR +0.022*BB + 0.033*HBP + 1.000*SF + 0.025*SH + 0.022*GO。

上表是2007年eRBI最高的25名打者的打擊成績。

Sort By RBI

Player RBI(Rk) eRBI(Rk) A Rodriguez 156(1.0) 137.6(1) M Ordonez 139(2.0) 109.3(11) M Holliday 137(3.0) 120.8(3) R Howard 136(4.0) 114.1(7) V Guerrero 125(5.0) 101.3(21) C Pena 121(6.0) 114.4(6) M Lowell 120(7.0) 93.2(37) M Cabrera 119(9.0) 110.4(8) P Fielder 119(9.0) 124.1(2) C Lee 119(9.0) 114.8(5)

Player RBI/700(Rk) eRBI/700(Rk) A Rodriguez 154.2(1) 136.1(2) R Howard 146.9(2) 123.2(5) M Ordonez 143.3(3) 112.7(15) S Sosa 141.9(4) 101.8(43) C Pena 138.4(5) 130.8(3) R Braun 138.0(6) 136.2(1) M Holliday 134.5(7) 118.6(6) B Hawpe 134.0(8) 106.2(24) V Guerrero 132.6(9) 107.4(21) M Lowell 128.6(10) 99.9(57)

我們可以看到RBI前十名的打者大多也是eRBI榜上的領先者，Mike Lowell是個極端的例外，他的eRBI只能排在第37名(也就是平均一隊有1.2個人的等級)，但是實際的RBI卻是第7名，這要歸功於他前段隊友的上壘能力和他本身在壘上有人的表現。不意外的，RBI領先群幾乎都有著超出預估值的RBI，Prince Fielder是唯一的例外，RBI比eRBI還低了5分。

在RBI/700PA的部份，我們可以看到Sammy Sosa取代了Lowell的地位，而Fielder掉出前10名後，RBI-eRBI最低的變成了他的隊友Ryan Braun。

Sort By Estimated RBI

Player RBI(Rk) eRBI(Rk) A Rodriguez 156(1.0) 137.6(1) P Fielder 119(9.0) 124.1(2) M Holliday 137(3.0) 120.8(3) J Rollins 94(43.5) 116.3(4) C Lee 119(9.0) 114.8(5) C Pena 121(6.0) 114.4(6) R Howard 136(4.0) 114.1(7) M Cabrera 119(9.0) 110.4(8) H Ramirez 81(71.5) 109.6(9) D Ortiz 117(11.0) 109.5(10)

Player RBI/700(Rk) eRBI/700(Rk) R Braun 138.0(6) 136.2(1) A Rodriguez 154.2(1) 136.1(2) C Pena 138.4(5) 130.8(3) P Fielder 122.3(19) 127.5(4) R Howard 146.9(2) 123.2(5) M Holliday 134.5(7) 118.6(6) C Jones 119.0(21) 116.2(7) A Soriano 79.4(157) 115.7(8) C Lee 119.5(20) 115.3(9) D Ortiz 122.8(17) 114.9(10)

Jimmy Rollins和Hanley Ramirez都有很強的清壘能力，打第一棒讓他們的實際打點數大打折扣。

不過話說回來，要不是打第一棒，他們也沒辦法打那麼多打席。以eRBI/700PA來看，Alfonso Soriano才是唯一能和中心打者一拼清壘能力的第一棒。

Sort By RBI - eRBI

Player RBI(Rk) eRBI(Rk) M Ordonez 139(2.0) 109.3(11) M Lowell 120(7.0) 93.2(37) S Sosa 92(48.5) 66.0(120) B Hawpe 116(12.0) 92.0(39) V Guerrero 125(5.0) 101.3(21) R Howard 136(4.0) 114.1(7) M Young 94(43.5) 72.7(97) E Brown 62(140.0) 41.4(224) A Rodriguez 156(1.0) 137.6(1) B McCann 92(48.5) 73.8(93)

Player RBI/700(Rk) eRBI/700(Rk) S Sosa 141.9(4) 101.8(43) E Brown 109.3(39) 72.9(201) M Ordonez 143.3(3) 112.7(15) R Hernandez 106.1(49) 75.6(186) M Lowell 128.6(10) 99.9(57) B Hawpe 134.0(8) 106.2(24) V Guerrero 132.6(9) 107.4(21) R Howard 146.9(2) 123.2(5) B McCann 116.7(24) 93.6(84) M Young 95.1(87) 73.5(200)

Ordonez奪下RBI超出預估最多的打者頭銜，Lowell和Sosa緊追在後，但是以比率上來看，比eRBI多打了一半的Emi Brown可能才是最神奇的。比較有意思的是主打第三棒但第二棒也打了不少的Michael Young也出現在這個榜上。

Sort By eRBI - RBI

Player RBI(Rk) eRBI(Rk) A Soriano 70(105.5) 102.0(17) H Ramirez 81(71.5) 109.6(9) A Iwamura 34(229.0) 58.9(162) C Young 68(112.0) 90.9(41) C Granderson 74(90.5) 96.9(30) J Rollins 94(43.5) 116.3(4) J Reyes 57(164.0) 79.3(77) K Lofton 38(223.5) 59.6(155) J Pierre 41(215.5) 62.3(141) R Weeks 36(227.0) 56.9(172)

Player RBI/700(Rk) eRBI/700(Rk) A Soriano 79.4(157) 115.7(8) A Iwamura 42.6(242) 73.7(198) R Weeks 49.8(236) 78.7(169) H Ramirez 80.3(156) 108.7(20) D Eckstein 44.8(240) 72.9(202) L Castillo 32.8(248) 60.0(239) K Lofton 47.6(237) 74.6(192) Y Escobar 55.2(227) 81.0(157) C Young 76.3(175) 102.0(42) C Granderson 76.6(174) 100.4(53)

eRBI超出RBI最多的前十名，第一棒的天下。

---

相關文章

RBI Estimation (1)

RBI Estimation (2)

RBI Estimation (補充)

繼續閱讀

RBI Estimation (2)

-所謂的估計，就是不知道的東西都我說了算-

在前一篇文章中，先對於打點的狀況做了一些簡單的分析，之後也確認了並不用考慮盜壘split stats的影響，請參閱該篇的回應。

這禮拜我再到MLB.com去找了各split狀態下的GO和AO次數，發現了一些事情：

mlb.com的GO/AO欄是(GO+GDP)/AO，換句話說，雙殺打在GO這一欄只會記錄一次，而在GO/AO時才當做兩個GO來算。

SH和SF都有算進GO和AO裡。

在000時，GO+AO恰好等於AB-H-SO+SH+SF-ROE，AL和NL都是如此，所以這應該不是單純的巧合；在其他狀況時，GO+AO略高於以上的算式。

把GO的數據更新過(採用MLB.com的GO-SF)，暫不處理ROE的問題，再把前一個表格中，確定的部份重貼一次：

Split	000	100	020	003	120	103	023	123
RBI	2812	2727	2919	1941	3381	2680	2215	3582
1B/RBI	16201/0000	5812/0000	2465/1321	895/0895	2086/????	1022/1022	607/????	797/????
2B/RBI	5109/0000	1699/0691	771/0771	251/0251	634/????	298/????	185/0370	250/????
3B/RBI	532/0000	148/0148	93/0093	26/0026	61/0122	29/0058	19/0038	30/0090
HR/RBI	2812/2812	944/1888	367/0734	104/0208	360/1080	138/0414	98/0294	134/0536
BB/RBI	7804/0000	2370/0000	2316/0000	791/0000	1072/0000	506/0000	869/0000	351/0351
HBP/RBI	879/0000	319/0000	163/0000	68/0000	144/0000	75/0000	49/0000	58/0058
SF/RBI	0/0000	0/0000	0/0000	317/0317	0/0000	433/0433	275/0275	416/0416
SH/RBI	0/0000	882/0000	266/0000	19/0019	317/0000	53/????	3/0003	0/0000
GO/RBI	24695/0000	8621/0000	3995/0000	1271/0225	3619/0000	1470/????	858/????	1151/????
RBI'	2812	2727	2919	1941	1202	1927	980	1451
RBI"	0	0	0	0	2179	753	1235	2131

前四個狀態是確定的狀態，後四個則否。 以120為例，不足的2179RBI中有634RBI是二壘打將二壘跑者打回來的，剩餘的1545分打點是一壘打將二壘跑者打回來以及二壘打將一壘跑者打回來的額外進壘得分，從前文我們已經知道此時額外進壘得分的機率將比單一跑者時更高，遺憾的是我們還是不知道這兩者的比例。

我採用一個最簡單的假設，假設在120時一壘打送回二壘跑者的比率是020時的c倍，則此時二壘打送回一壘跑者的比率也同樣是100時的c倍，則這兩個比率應該是60.2%和45.7%。

其他三個狀況也用同樣的方式去計算，103時的SH我假設有30%將三壘跑者送回來，由於發生的次數不多，這個造成的誤差應該不至於太大。

重新將表格畫過，並列出各數據的總BRI和平均RBI：

Split	000	100	020	003	120	103	023	123	Total	Avg
RBI	2812	2727	2919	1941	3381	2680	2215	3582	22257
1B/RBI	16201/0000	5812/0000	2465/1321	895/0895	2086/1255	1022/1022	607/1034	797/1181	29885/6808	0.228
2B/RBI	5109/0000	1699/0691	771/0771	251/0251	634/0924	298/0440	185/0370	250/0615	9197/4061	0.442
3B/RBI	532/0000	148/0148	93/0093	26/0026	61/0122	29/0058	19/0038	30/0090	938/0575	0.613
HR/RBI	2812/2812	944/1888	367/0734	104/0208	360/1080	138/0414	98/0294	134/0536	4957/7966	1.607
BB/RBI	7804/0000	2370/0000	2316/0000	791/0000	1072/0000	506/0000	869/0000	351/0351	16079/0351	0.022
HBP/RBI	879/0000	319/0000	163/0000	68/0000	144/0000	75/0000	49/0000	58/0058	1755/0058	0.033
SF/RBI	0/0000	0/0000	0/0000	317/0317	0/0000	433/0433	275/0275	416/0416	1441/1441	1.000
SH/RBI	0/0000	882/0000	266/0000	19/0019	317/0000	53/0016	3/0003	0/0000	1540/0038	0.025
GO/RBI	24695/0000	8621/0000	3995/0000	1271/0225	3619/0000	1470/0297	858/0201	1151/0235	44140/0959	0.022

也就是說，一支一壘打平均可以打回0.228分打點，二壘打則是0.442分，以此類推。

當然這並不能拿來推估選手的實際打點數，中心棒次的打者由於打擊時壘上跑者比平均來得多，他們也比較容易拿到打點。

而這也不是個評量打者的好數據。確實地，棒球比賽最重要的一個數據就是勝場數，能幫助球隊贏球才是球員最終極的目的。對打者而言，增加得分和提高勝率幾乎是等價的，這也是打點一直以來被視為最能代表打者貢獻的數字的原因。

但是，這裡的勝場數和得分數指的是團隊數據而非個人數據，如果個人的打點數增加卻沒能提高球隊的總得分，那仍然是沒有貢獻可言的。

舉個例子，如果兩名球員有著幾乎相同的數據，球員A僅比球員B多了1HR而少了10BB(代表A有著略高的SLG和較低的OBP)，由上表可看出一支全壘打平均帶來1.6分打點，而10個BB也不見得能擠出1分打點(這還沒考慮到A剩下的9個打席中，SF和GO製造的打點)。然而B可以增加隊友打點的機會，還可以讓球隊多打十餘個打席，雖然B的打點數很可能會不及A，但不管從什麼方面來看，能讓帶來較多團隊得分的應該是B才對。

所以這個數據就僅僅是推估打者在聯盟平均的壘上狀況時，可以拿到幾分打點而已，像是Expected win和Neutralized wins計算投手在隊友和對手都是聯盟平均的狀態下可以拿到多少勝投，不過更沒有意義一點。

也因此開宗明義的第一句也就說了：這是個沒什麼意義的數據。

---

下一篇打算來算一下2007年打者的Estimated RBI，以及與實際RBI的比較。

---

相關文章

RBI Estimation (1)

RBI Estimation (3)

繼續閱讀

Goal Line Blitz

最近在玩這個美式足球的MMORPG(多人線上角色扮演遊戲)。

玩家在這個遊戲中主要是扮演美式足球球員，也可以靠著買下球隊成為Boss/GM/Manager。

Player profile界面看起來頗有Yahoo! Sport的風格

球員靠著訓練和比賽升級來提升屬性及技能，訓練項目和比賽策略都可以在個人頁面調整。

大約兩天一戰，由電腦模擬比賽進行，成績會紀錄下來。

球員會收到球隊給的offer，接受後就有收入可以拿來做訓練或是買裝備。

可以在球隊頁面中檢視賽程及先發陣容，球員名單、Depth Chart和球場介紹也不缺。

點擊比賽結果可以觀看gamelog，而其中最棒的就是底下這個replay動畫： 可以看到球員真實在場上移動的狀況。

創造新球員和購買球隊都需要Flex Points，一個帳戶可以創造多個球員，不同的位置所需的FP也不同，較重要的位置需求的FP也較高。FP還可以拿來製作個人專屬裝備和升級。

新帳戶一開始會有400點FP，有兩種方法可以增加FP，一個是花錢買，另一個是推薦新人加入。

想體驗這個遊戲的人可以點以下連結創立一個新帳戶，讓我賺點FP :p http://goallineblitz.com/game/signup.pl?ref=8513805

---

在幾年前我曾受到劇空間ぱわふるリーグ和Inside The Park Baseball的啟發而想做一個on-line的棒球球員RPG，後來雖然有由劇ぱわ修改的俺のペナント出現，但是覺得從守備位置可以亂換，沒有賽程表而是靠玩家手動進行比賽，任何人都可以調陣容，比賽沒有經驗值，一年只有一次的訓練選擇，錢不是用來買裝備而是買技能，缺乏完整的成績紀錄，到沒有個人管理頁面等等，有諸多地方可以改進。

劇ぱわ: 線上棒球策略遊戲，創造自己的球隊和其他玩家比賽

ITP: 扮演單一球員的單機版棒球RPG

不過憑我一個人在課餘時間當然是做不出來 XD，小貼紙算是其中一個衍生作品吧。(話說本站用的小貼紙已經更新囉，現在是根據每日造訪次數成長，不會退休，每天固定進行27場比賽的版本)

老實說我對美式足球是一竅不通，唯一的接觸是アイシールド21。 不過Goal Line Blitz幾乎就是我想像中的Web-Game美式足球版，所以讓我很有興趣，希望日後也能出現棒球版本的MMORPG。 :p

繼續閱讀

RBI Estimation (1)

有時候也會想算一些沒什麼意義的數據。

一直到現在打點都還被相當多的棒球界人士認為是打者-至少是中心打者-最重要的數據。不過對Sabermetrics有點研究的人都會知道RBI並不是個獨立數據，它和打者前段棒次的成績關連不小，兩個相同成績的打者在不同的打線中，前段棒次比較會上壘的那個理所當然會有較多的打點機會，也因此光用打點做為判斷打者的標準是不大公正的。

那如果將所有打者都放到一個聯盟平均的打線中，他們可以打出幾分打點呢？我們倒是可以嘗試著算算看這個數據。

首先要調查所有打者打擊時壘上跑者的狀況分佈，我們從Baseball-Reference找來2007年的split stats，整理成下表(為了編輯方便轉了90度)：

Split	000	100	020	003	120	103	023	123
PA	102842	34166	16781	5628	13880	6036	4297	4993
RBI	2812	2727	2919	1941	3381	2680	2215	3582
1B	16201	5812	2465	895	2086	1022	607	797
2B	5109	1699	771	251	634	298	185	250
3B	532	148	93	26	61	29	19	30
HR	2812	944	367	104	360	138	98	134
BB	7804	2370	2316	791	1072	506	869	351
HBP	879	319	163	68	144	75	49	58
SF	0	0	0	317	0	433	275	416
SH	0	882	266	19	317	53	3	0
SO	18097	5389	2756	943	2464	974	685	881
GO*	28661	9748	4377	1422	3936	1669	995	1389

*GO為估計值

根據打擊結果的不同，打者的打點數應該如下:

• 3B:壘上幾個跑者就幾分打點
• HR:跑者數+1
• BB,HBP:只有在滿壘情況時有一分打點
• SF:只會出現在三壘有人時(一二壘不論)，一分打點
• SO:不會有打點
• AO:如果有打點就會記成SF，其他的AO不會有打點

而比較不確定的有以下四者:

• 1B:三壘跑者一定回得來，二壘跑者不確定，一壘跑者回不來
• 2B:二三壘跑者一定回得來，一壘跑者不確定
• GO:三壘跑者要是跑回來，也有一分打點
• SH:在003、023和123時會有一分打點，然而發生在103時不確定

先將確定的部份所產生的RBI填上，RBI'為確定部份產生的RBI總數，RBI"為與RBI'實際RBI的差距，也就是不確定的部份該補上的產出

Split	000	100	020	003	120	103	023	123
RBI	2812	2727	2919	1941	3381	2680	2215	3582
1B/RBI	16201/0000	5812/0000	2465/????	895/0895	2086/????	1022/1022	607/????	797/????
2B/RBI	5109/0000	1699/????	771/0771	251/0251	634/????	298/????	185/0370	250/????
3B/RBI	532/0000	148/0148	93/0093	26/0026	61/0122	29/0058	19/0038	30/0090
HR/RBI	2812/2812	944/1888	367/0734	104/0208	360/1080	138/0414	98/0294	134/0536
BB/RBI	7804/0000	2370/0000	2316/0000	791/0000	1072/0000	506/0000	869/0000	351/0351
HBP/RBI	879/0000	319/0000	163/0000	68/0000	144/0000	75/0000	49/0000	58/0058
SF/RBI	0/0000	0/0000	0/0000	317/0317	0/0000	433/0433	275/0275	416/0416
SH/RBI	0/0000	882/0000	266/0000	19/0019	317/0000	53/????	3/0003	0/0000
GO/RBI	28661/0000	9748/0000	4377/0000	1422/????	3936/0000	1669/????	995/????	1389/????
RBI'	2812	2036	1598	1716	1202	1927	980	1451
RBI"	0	691	1321	225	2179	753	1235	2131

先做一些簡單的計算，由上表可以看出，在100時不足的691分打點，應該就是由1699支二壘安打打回來的數目，因此可以推出此時一壘跑者回來得分的比例為691/1699=40.7%；同理在020時一壘安打打回二壘跑者的比例為53.6%，在003情況下，跑者靠GO跑回來的比例為15.8%。

我們首先假設，在壘上有二個以上的跑者時，跑者額外進壘回來得分的比例沒有改變，將資料填回上表，結果變成了這樣：

Split	000	100	020	003	120	103	023	123
RBI	2812	2727	2919	1941	3381	2680	2215	3582
1B/RBI	16201/0000	5812/0000	2465/1321	895/0895	2086/1118	1022/1022	607/0932	797/1224
2B/RBI	5109/0000	1699/0691	771/0771	251/0251	634/0892	298/0419	185/0370	250/0602
3B/RBI	532/0000	148/0148	93/0093	26/0026	61/0122	29/0058	19/0038	30/0090
HR/RBI	2812/2812	944/1888	367/0734	104/0208	360/1080	138/0414	98/0294	134/0536
BB/RBI	7804/0000	2370/0000	2316/0000	791/0000	1072/0000	506/0000	869/0000	351/0351
HBP/RBI	879/0000	319/0000	163/0000	68/0000	144/0000	75/0000	49/0000	58/0058
SF/RBI	0/0000	0/0000	0/0000	317/0317	0/0000	433/0433	275/0275	416/0416
SH/RBI	0/0000	882/0000	266/0000	19/0019	317/0000	53/????	3/0003	0/0000
GO/RBI	28661/0000	9748/0000	4377/0000	1422/0225	3936/0000	1669/0264	995/0158	1389/0220
RBI'	2812	2727	2919	1941	3212	2610	2070	3497
RBI"	0	0	0	0	169	70	145	85

結果我們發現，當壘上有兩個以上跑者時，計算出來的RBI數低於實際值，顯示跑者額外進壘的比例在這些狀況下提高了。這倒是符合我們的常識，當壘上跑者不只一人時，守備方選擇放棄本壘而阻止其他壘上跑者的機會提高，跑者靠額外進壘回來得分的機率也就上升。

再仔細一想，會發現這個表並沒有考慮到盜壘的影響，以100的狀況來說，一壘跑者在這種狀況下盜壘成功了2195次，這2195個打席事實上應該算做020才對。而盜壘失敗的812個打席，則應該當成000來看。

這裡有一個奇怪的地方，列在100的SB指的顯然是從一壘盜上二壘(總不可能從本壘盜到一壘)，那麼020的SB自然也是指從二壘盜上三壘，然而在223次盜壘成功，已經變成三壘有人的打席中，竟然沒有出現任何SF？(由003的split stat來看，SF出現的比率大約是5.6%，223個打席應該要出現約12.6次。)甚至在2006年也沒有SF紀錄，2005和2004僅各有1支。

先不管這個詭異的現象，仍然有其他關於盜壘的問題，當壘上跑者只有一人的100、020和003時，盜壘一定是由唯一的跑者發動，盜壘後的情況也很容易判斷；而123和023分別只出現1次和2次CS，我們可以假設都是死三壘上的跑者，就算猜錯影響也可以忽略；問題在於120和103的情況，無法確實判斷盜壘後的壘上狀況，在沒有其他數據的情況下，這個部份只好先用估計的了。

(待續...)

---

相關文章

RBI Estimation (2)

RBI Estimation (3)

繼續閱讀