Fantasy 101: Explicando las estadísticas avanzadas

Con cada año que pasa, las estadísticas avanzadas se abren paso en los kits de herramientas de cada vez más jugadores de fantasía. Nos adentramos en una nueva era de la información, una que continúa creciendo y evolucionando cada año. Uno de los mayores avances se produjo en 2008 con la introducción de PITCHf / x, que permitió a cualquier persona con una computadora descargar y analizar información de lanzamientos. En 2015, se nos consintió una vez más con la introducción de Statcast, que rastreaba la información de lanzamiento, bateo, velocidad y fildeo. Por muy buenos que sean estos sistemas, nada de esto importaría excepto por el glorioso hecho de que los datos se pusieron a disposición del público.

No dejes que el nombre te engañe, las estadísticas “avanzadas” son una parte básica de nuestro juego. Hemos recorrido un largo camino desde que tipos como Bill James comenzaron a publicar obras como The Bill James Baseball Abstract. Los jugadores de Fantasy, desde los novatos hasta los veteranos, dependen en gran medida del análisis estadístico para hacer proyecciones, descifrar el rendimiento de los jugadores y mucho, mucho más. Hoy en día, gracias a esa serie de tubos que llamamos Internet, tenemos una plétora de datos disponibles en todo momento para decirnos cualquier cosa que queramos saber, desde la fuerza con la que un jugador golpea una pelota, hasta cuánto giró esa pelota en su camino hacia el bate, a si esa pelota debería haber aterrizado en un guante, y todo lo demás. Para tener éxito en el panorama de fantasía lleno de estadísticas de hoy, los jugadores deben comprender cómo se pueden utilizar estas métricas para su beneficio. Este artículo intentará hablar sobre las estadísticas más comunes y útiles, al tiempo que señala sus fortalezas, deficiencias y alternativas. Insto a todos los lectores a que abran nuestro glosario en una pestaña separada como referencia; las discusiones sobre estadísticas pueden convertirse rápidamente en una sopa de letras que puede ser difícil de controlar si no está acostumbrado a las siglas.

Un breve descargo de responsabilidad: ¡no existe una estadística verdaderamente predictiva! Incluso las estadísticas más sofisticadas solo pueden decirnos lo que ya sucedió, o en el caso de las estadísticas esperadas, lo que probablemente debería haber sucedido. Debido a que las estadísticas, por su naturaleza, están arraigadas en el pasado, no pueden decirnos si un jugador desarrollará una nueva habilidad o lanzamiento, o si se lesionará, o si los equipos rivales encontrarán una falla en su juego. Tampoco podemos predecir la suerte, aunque generalmente podemos identificar la suerte si alguien la tiene durante el tiempo suficiente. Esto es importante porque creer que una sola estadística te da la historia completa sobre el desempeño de un jugador es uno de los errores más grandes que puedes cometer, ¡tal vez el más grande!

En este artículo exploraremos tres grupos de estadísticas con las que seguramente se encontrará mientras investiga: estadísticas relacionadas con el rendimiento, estadísticas derivadas de Statcast y estadísticas ajustadas. También incluiremos algunas de nuestras favoritas de cada categoría.

 

Estadísticas relacionadas con el rendimiento

 

Esta es fácilmente la categoría más sencilla de las tres. Esta categoría incluye medidas (como carreras y bases robadas), estadísticas de tasa/porcentaje (como tasa de ponches y porcentajes de roletazos) y promedios (como BABIP y OBP). Siempre nos muestran algo que realmente sucedió, y no se modifican ni ajustan en función de factores externos como las dimensiones del estadio. Son números puros y sencillos. Por un lado, la simplicidad de este tipo de estadísticas es hermosa; por lo general, no hay una fórmula compleja u hoja de cálculo en la que deba trabajar estas estadísticas para comprender cómo se calcularon. La tasa de roletazo, por ejemplo, es la frecuencia con la que un jugador golpea la  pelota por el suelo. El porcentaje de embasado es la frecuencia con la que un jugador llega a la base. Estadísticas como estas no requieren mucha explicación. Una vez que sepa lo que mide una estadística relacionada con el rendimiento, comprenderlo es fácil. Por supuesto, la desventaja de estas estadísticas proviene de esa misma simplicidad: por sí solas, no pueden brindarnos suficiente información para tomar buenas decisiones. Deben usarse junto con otros datos para contar una historia precisa.

Siempre que utilice estadísticas relacionadas con el rendimiento, siempre debe tener cuidado con el contexto. Como dijo Homer Simpson tan elocuentemente, “Los hechos no tienen sentido. Puede usar hechos para probar cualquier cosa que sea remotamente cierta”. Es fácil seleccionar estadísticas y hacer que cualquier jugador parezca una superestrella. Por ejemplo, ¿qué pasaría si les hablara de un tipo que, en sus 146 apariciones en el plato en la segunda mitad, tuvo un promedio de bateo de .295, un OBP de .411, una proporción de ponches por base por bolas de casi uno a uno y la tasa de batazos de línea más alta de la liga (entre jugadores con al menos 100 apariciones en el plato en la segunda mitad)? ¿Estás interesado? Bueno, no lo estés. Solo era Matt Joyce. Si no sabe quién es, no lo busque. El hecho de que no tengas idea de quién es dice mucho de su relevancia en fantasy esta temporada.

En ese sentido, siempre sea escéptico con las comparaciones de “Jugador A versus Jugador B”, ya que a menudo son datos seleccionados que carecen del contexto que necesita para tomar una decisión informada. Ese tipo de comparación generalmente se basa en estadísticas relacionadas con el rendimiento. Esas estadísticas que mencioné sobre Joyce se comparan favorablemente con sus compañeros de equipo Josh Donaldson. y Freddie Freeman, a pesar de que Joyce está muy por debajo de esos dos en prácticamente todos los demás aspectos del juego.

Es imperativo tratar las estadísticas relacionadas con el rendimiento como puntos de partida en lugar de puntos finales, a pesar de que el béisbol de fantasía finalmente usa este tipo de estadísticas como puntuación. Ver que Jon Berti robó cuatro bases en un solo juego hace que parezca que es una amenaza de robo de bases de élite. Si profundizas en los enfrentamientos de ese juego, el contexto de la temporada y cómo Berti llegó a la base en primer lugar (no es que quiera quitarle nada, es una gran hazaña robar cuatro bases en un juego), puede tener un poco más de perspectiva sobre esos cuatro robos y tener una mejor idea de cuánto peso poner en sus totales de bases robadas.

Con todo eso fuera del camino, veamos algunas de las mejores estadísticas relacionadas con el rendimiento disponibles para nosotros.

 

wOBA

 

Sin duda, mi estadística de béisbol favorita es wOBA (promedio ponderado de embasado). Si está buscando información sobre wOBA, puede buscar aquí y aquí. Deberían darte un buen comienzo. wOBA es una estadística que le da el adecuado peso a cómo un jugador llega a la base, y observe que usé la palabra adecuado allí. Otras estadísticas que tienen un principio similar a wOBA son SLG y OPS. SLG se calcula como el número total de bases por turno y OPS es SLG más el porcentaje de embasado. Entonces, ¿cuál es la diferencia entre wOBA y estas otras métricas? La forma en que se atribuyen los pesos en las fórmulas.

Cuando se calcula SLG, se asume que un doble vale el doble que un sencillo y que un jonrón vale cuatro veces más que un sencillo. Parece un poco arbitrario asignar un peso en función de la cantidad de bases que toca, ¿no es así? En realidad, wOBA hace un trabajo mucho mejor al darle a cada estadística ofensiva su valor debido, y en el ámbito de wOBA, un doble vale aproximadamente 1.4 veces más que un sencillo y un jonrón vale aproximadamente 2.4 veces más que un sencillo.

Si no está familiarizado con cómo interpretar wOBA, simplemente trátelo de la misma manera que lo haría con OBP, ya que wOBA fue diseñado para ubicarse en la misma escala que OBP. Si ve un wOBA de 0.380, eso es bastante bueno, un wOBA de 0.330 es aproximadamente promedio, y cualquier cosa por debajo de 0.300 es bastante normal. A continuación se muestra una tabla que muestra algunos ejemplos de dónde terminaron los jugadores el 2019. Y sí, sus ojos no lo están engañando, ese es de hecho Kevin Pillar (quien empató a Max Scherzer en puntos para el MVP de la Liga Nacional 2019) en el segmento de 0.290- 0.310.

 

Usando un ejemplo simplificado, podemos ver cómo un bateador poderoso y un jugador más orientado al contacto pueden lograr el mismo wOBA final, pero ¡Depende de usted decidir cuál (si alguno) es superior al otro!

	uBB	HBP	1B	2B	3B	HR	AB	SF	wOBA
Jugador A	70	3	80	40	0	40	600	9	0,372
Jugador B	70	3	124	34	5	20	600	9	0,372

 

Es interesante ver cómo un bateador orientado al contacto puede producir el mismo valor que un bateador poderoso, y la forma en que juzgas al jugador superior se basa en las necesidades de tu equipo.

 

SwStrk%

 

Uno de mis indicadores favoritos tanto para los bateadores como para los lanzadores es SwStr% (porcentaje de swing de strike). Es una de esas estadísticas que se pueden ver como un todo, o se puede desglosar por tipo de lanzamientos y realmente llegar a las fortalezas o debilidades de un jugador. Antes de continuar, hagamos una distinción rápida entre SwStr% y Whiff%. SwStr% se basa en swings y swings fallados dividido por el total de lanzamientos, mientras que Whiff% es swings y swings fallados dividido por el número de swings. Si se está enfocando en los lanzadores, una pauta general que utilizo para los SP es cualquier cosa al norte de 14% y 17+% para los relevistas se considera bueno. Si decide sumergirse más profundo e ir paso a paso, tendrá que tener en cuenta que no puede comparar cada tipo de lanzamientos por igual. Por ejemplo, si fuera a comparar el % de SwStr de una bola rápida de cuatro costuras y un slider , un valor del 14% para una de cuatro costuras se consideraría élite, pero el mismo valor para un slider estaría muy por debajo del promedio. Para los bateadores, puede usar SwStr% como una medida de la capacidad de contacto de un bateador. Los mejores bateadores de MLB probablemente tendrán SwStr% por debajo del 7%, y los abanicadores seriales estarán por encima del 14%.

 

Estadísticas derivadas de Statcast

 

Statcast es una herramienta asombrosa. Nosotros, el público en general, nunca antes habíamos tenido acceso a este tipo de datos. Desde la comodidad de su propia computadora, puede ver exactamente qué tan fuerte están golpeando la pelota los muchachos, el ángulo preciso en el que sale del bate e incluso el resultado esperado de ese tipo de pelota bateada. En el lado del picheo, también podemos ver cuánto gira la pelota en su camino hacia el home, qué tan fuerte están golpeando los bateadores la pelota contra ellos, e incluso cuánto rompen horizontal y verticalmente sus varios lanzamientos en comparación con otros lanzadores con velocidad similar en ese lanzamiento Por ejemplo, puede ver un slider de frisbee de Chaz Roe o un láser absoluto del bate de Joey Gallo y pensar, “Vaya, eso es una locura”, y tendrá razón. Lo bueno hoy en día es que Statcast puede explicar numéricamente lo loco que es.

Statcast también es útil en la forma en que categoriza varios eventos. Una de las categorías de eventos más populares es un Barril (Barrel), que es una bola golpeada con una velocidad de salida y un ángulo de salida ideales. No es solo un golpe fuerte o un golpe en el aire; se golpea con fuerza (al menos 98 mph) y en un ángulo que generalmente conduce a los mejores resultados. Puede encontrar más información sobre los barriles aquí, pero en resumen, “La clasificación del barril se asigna a los eventos de bateo que han llevado a un promedio de bateo mínimo de .500 y un porcentaje de slugging de 1.500”. Muchas de las métricas de Statcast utilizan promedios de la liga para proporcionar un contexto adecuado para los resultados o mediciones esperados. A continuación se muestra un gráfico útil para visualizar cómo se definen los barriles.

vía MLB.com

Finalmente, sería negligente si no me tomara un momento para discutir las estadísticas esperadas. Las estadísticas esperadas son un intento de eliminar todos los factores de suerte de lo que realmente sucedió en un momento particular. Por ejemplo, el 25 de agosto de 2019, en la parte inferior de la décima entrada, Nick Castellanos pulverizó una bola rápida,  en conteo de 2-1, a 94.8 mph de Daniel Hudson. Fue un fuerte elevado que viajó 413 pies a una velocidad de 106.5 mph. Según la velocidad de salida y el ángulo de lanzamiento, tenía un 73% de posibilidades de ser un hit (o en otras palabras, un promedio de bateo esperado de .730, también conocido como xBA). Desafortunadamente para Castellanos, la pelota se quedó en el campo de juego en Wrigley, aterrizando cómodamente en el guante del jardinero. En el mismo juego, Howie Kendrick golpeó una pelota de roletazo que viajó solo 10 pies antes de encontrar un guante. Tenía un xBA de .290, considerablemente más bajo que la explosión de Castellanos, y sin embargo, Kendrick encontró su camino hacia primera base y no fue out. La suerte es una amante inconstante en el béisbol, y las estadísticas esperadas nos brindan una forma de medir qué tan bien lo ha hecho un jugador al tiempo que elimina la rareza de los resultados aleatorios de la ecuación. Te advierto que no confíes demasiado en las estadísticas esperadas. Son increíblemente útiles, pero en su mayoría solo miden la calidad del contacto. No son predictivos, solo pueden identificar a los tipos que podrían haber abierto recientemente un paraguas en el interior.

 

Con esa explicación fuera del camino, profundicemos en algunas estadísticas específicas y cómo podemos usarlas.

 

Barrel%

 Hay dos estadísticas comunes que potencialmente usan el término % de barril; el primero son barriles por aparición de plato (Brls/PA), y el segundo son barriles por evento de bola bateada o bolas en juego (Brls/BBE). Otra razón para mantener un alto valor en las bolas de barril es que aproximadamente el 60% de los barriles fueron para jonrones en 2019 (según Mike Petriello). Para fines de fantasía, es probable que un jugador que tenga un porcentaje de barril alto sea un jugador de impacto para su equipo y debe proporcionar golpes de alto valor de manera constante. Cada medida tiene sus propias ventajas, y como estoy seguro de que ha descifrado, Brls/BBE solo considera los batazos que terminan en un evento de bateo e ignora las bases por bolas y los ponches. Aunque le da una buena indicación de los jugadores que golpean fuertemente la pelota cada vez que hacen contacto, también puede favorecer a los jugadores que tienen menos capacidad para poner bolas en juego consistentemente. La razón principal por la que prefiero usar Brls/PA como mi medida de % de barril es porque toma en cuenta cada vez que un jugador hace una aparición en el plato, y no solo cuando pone una pelota en juego.

 

xwOBA

 

El promedio ponderado de embasado esperado es básicamente lo que probablemente espera. Es una estadística que le da una estimación de cómo un jugador debería desempeñarse en función de las bolas bateadas de manera similar. Si desea analizar a un jugador y determinar si su inicio en caliente es legítimo o simplemente un espejismo, aquí es donde debe comenzar. Se calcula usando una combinación de velocidad de salida y ángulo de lanzamiento, y para pelotas mal golpeadas, también se considera la velocidad de carrera. Entonces, ¿esto es todo para las estadísticas derivadas de Statcast? Bueno, no exactamente, una cosa que no se considera en la fórmula de xwOBA es la dirección de la bola bateada. Y aunque no tengo pruebas para respaldar esto, estoy seguro de que esos gurús de Statcast implementarán la dirección de la bola bateada en la fórmula en algún momento.

Entonces, ¿por qué menciono por qué es importante la dirección de la bola bateada? Bueno, comienza con uno de los jugadores más polarizantes que se discute en el canal Discord de Pitcher List, Alex Bregman. Si miraras la gráfica de dirección de los batazos de Bregman, verías que es un gran halador de la bola. Todos menos tres de sus jonrones de 2019 fueron golpeados hacia su lado dominante, y es debido a este perfil de bola bateada por lo que ha podido superar a su xwOBA en los últimos dos años. Por lo tanto, esto es solo un recordatorio para tener en cuenta el perfil de bola bateada de un jugador al analizar su wOBA / xwOBA, ya que solo porque el xwOBA de un jugador es más bajo que su wOBA real, podría ser sostenible.

 

Velocidad de salida LD/FB 

 

¿Por qué bolas elevadas y batazos de línea? Bueno vamos a ver una tabla que muestra los valores wOBA promedio de la liga por tipo bola bateada para la era Statcast:

	GB	LD	FB	PU
2015	0.227	0,714	0,314	0,020
2,016	0,227	0,715	0,367	0,021
2,017	0,226	0,661	0,456	0,022
2,018	0,225	0,649	0,445	0,020
2,019	0,219	0,646	0,496	0.020

 

Debería poder ver que los golpes más valiosos son los fly balls (FB) y los line drives (LD), y los otros dos generalmente producen malos resultados. Debido a la gran diferencia de valor que producen los diferentes tipos de bolas bateadas, no me gusta usar la velocidad de salida promedio al analizar a un jugador. Hay otro aspecto en el uso de la velocidad de salida de FB/LD, y es vigilar el% de GB de un jugador. Dependiendo del sitio que use, es posible que el desglose de la bola bateada no incluya LD% o PU%, pero es probable que siempre haya FB% y GB%. Si estás mirando el perfil de un jugador y ves a un jugador con un porcentaje de GB alto, sería mucho más difícil para ese jugador poner suficientes bolas en el aire para producir valor de fantasía (excluyendo SB).

 

Estadísticas ajustadas

 

Las estadísticas ajustadas son probablemente las más fáciles de interpretar, ¡ya que la mayor parte del trabajo ya está hecho! Hay dos razones por las que me encantan las estadísticas ajustadas; (1) Son fácilmente comparables y (2) son increíblemente poderosos. El ejemplo más común y conocido es probablemente wRC+, y es probable que casi cada vez que lea un artículo que analiza a un jugador cite su wRC+. La belleza de muchas de estas estadísticas avanzadas es que están diseñadas en una escala usando 100 como promedio y que cada punto por encima y por debajo de 100 es igual a 1 punto porcentual mejor o peor que el promedio de la liga. Si observa la entrada del glosario de FanGraphs para wRC +, puede ver lo siguiente:

Puede ver que están sucediendo muchas cosas en segundo plano para obtener el valor de wRC+. Para el aficionado ocasional, calcularlo manualmente se convertiría rápidamente en una carga. Pero si tiene la curiosidad suficiente e investiga un poco, encontrará que wOBA es una base fundamental para calcular wRC+. Las estadísticas ajustadas a menudo también tendrán en cuenta los factores del parque o la liga, lo que nos permite comparar a los jugadores que juegan en diferentes entornos para llegar a una evaluación objetiva entre muchos jugadores. Como ejemplo, podemos comparar la salida ofensiva entre dos de los mejores jugadores en la carrera por el MVP de la Liga Americana en 2019: Mike Trout y Bregman. Trout estaba tuvo un 180 wRC+, y el de Bregman fue 168 wRC+, lo que interpretamos como la ofensiva de Trout fue un 12% mejor que la de Bregman, que en una temporada es un margen significativo.

 

Conclusión

 

Bueno, ahí lo tienes, una introducción rápida al mundo de las estadísticas avanzadas. Eso no fue tan malo ahora, ¿verdad? Como mínimo, ahora debe reconocer que estas llamadas “estadísticas avanzadas” no requieren que tenga un título elegante en matemáticas avanzadas, solo algo de curiosidad. Hay estadísticas para todo, y justo cuando crea que ha descubierto su estadística favorita, es probable que descubra que ha surgido una nueva que hace que su estadística favorita parezca obsoleta. Cuanto más uses, luches y adoptes las estadísticas, mejor te sentirás con tus opiniones sobre el béisbol, relacionadas con la fantasía o no. La belleza de nuestro mundo moderno es que no necesitas saber ni una pizca de matemáticas para usar o apreciar estas estadísticas: ¡esos cerebros amantes de los números han hecho todo el trabajo por ti!

Buena suerte en sus ligas este año, ¡el personal de Pitcher List está luchando por usted!

Imagen destacada de Justin Paradis (@freshmeatcomm en Twitter)

Originalmente por: Colin Charles

Traducido por: Carlos Marcano