Welcome Invitado, you are in: Login

BeisbolData Wiki

RSS RSS

Navegación







Busca en el wiki
»

BeisbolData.com

Facebook FanPage @BeisbolData
Imagen
El béisbol es sin dudas el deporte más completo estadísticamente hablando, ya que cuenta con una amplia diversidad de datos, recopilados minuciosamente por más de un siglo. Estadísticas como promedio de bateo, carreras empujadas y cuadrangulares, han quedado plasmadas en las memoria de todo joven que haya coleccionado postalitas de béisbol. Pero recientemente estas estadísticas están siendo complementadas y en algunas ocasiones cuestionadas por una novel tendencia de análisis conocida como Sabermetrics.

¿Saber qué? ¡Sabermetría!

La sabermetría no es más que el análisis del béisbol a través de evidencia objetiva, específicamente a través de estadísticas, cuyo objetivo es medir las actividades que se suscitan dentro de un campo de juego de manera eficaz. El término es derivado del acrónimo SABR, el cual según sus siglas en inglés hace referencia a la Sociedad para la Investigación del Béisbol Americano (Society for American Baseball Research), la cual fue fundada en 1971 por Bob Davis. Pero el término sabermetrics no fue acuñado sino hasta 1980 por Bill James, quien hizo referencia al mismo a través de sus escritos sobre béisbol conocidos como The Bill James Baseball Abstracts, sobre los cuales hablaremos más adelante.

Para ser más especifico, la Sabermetría se concentra en evaluar formas de medición para un propósito en concreto, el cual está enfocado en conocer cómo afectan las estadísticas individuales y colectivas, al record de ganados y perdidos de un equipo de béisbol. La lógica detrás de ésto es que para que un equipo sea exitoso debe ganar más juegos que sus oponentes, lo que se logra mediante la anotación copiosa de carreras o por medio de la prevención de éstas.

Los usos más comunes de la Sabermetría van dirigidos a evaluar el desempeño de jugadores en el pasado (un ejemplo de esto es el uso de las estadísticas para determinar quién es merecedor del jugador más valioso o cuál fue el mejor jugador entre dos jugadores de diferentes épocas). Asimismo, la Sabermetría busca predecir los desempeños de estos mismos jugadores en el futuro y así poder evaluar un cambio entre dos equipos o el monto de la firma otorgado a un jugador.

Otra función de los análisis sabermétricos es la de analizar conceptos arraigados en el mundo del béisbol que no han sido lo suficientemente estudiados, y que a través del análisis de datos, podemos determinar su veracidad. Ejemplo de ésto es el efecto que tiene el Coors Field en las estadísticas de los jugadores de los Rockies de Colorado. Era de creencia general que el parque de béisbol de los Rockies afectaba de alguna manera los números de sus jugadores, pero no se sabía hasta que nivel y en qué grado los números eran afectados. La controversia llegó a niveles montañosos cuando el outfielder los Rockies, Larry Walker, fue tomado en consideración para el premio de Jugador Más Valioso en ­­­­­­1997. El mundo sabermétrico se entregó por completo al análisis de los parques de Grandes Ligas y concluyó por determinar con suma certeza de qué manera el parque los Rockies afectaba la producción ofensiva y de pitcheo del Coors Field, esto mediante la creación de la estadística llamada PF (Park Factor) (factor de ajuste del parque), la cual nivela los números ofensivos y de pitcheo de los jugadores de los Rockies a un nivel neutro a los fines de ser comparados con los demás jugadores de la liga (también los números de los demás jugadores deben ser ajustados en base a su parque para nivelar la comparación).

Por último la Sabermetría se concentra en evaluar la eficacia de las estadísticas convencionales mediante la búsqueda de respuestas a estas tres preguntas:

  1. ¿Contribuye la estadística X de manera real a los fines de saber si un jugador colaboró o no a la victoria o derrota de su equipo? Esta no es una pregunta muy complicada, cuya respuesta es simplemente afirmativa o negativa. La mayoría de las estadísticas pasan la rigurosidad de esta pregunta ya que de alguna forma u otra la mayoría de éstas son indicadores hasta cierto grado de la contribución a la derrota o victoria de un equipo. Por ejemplo la efectividad de un pitcher mide la capacidad de este de permitir carreras limpias cada 9 innings, y como la prevención de carreras contribuye con la victoria de un partido, la efectividad es una estadística que contribuye en cierta forma a saber si un jugador colaboró o no a la victoria del equipo.

  2. ¿Qué tan bien mide la estadística X la contribución propia del jugador a la victoria del equipo? Contrario a la pregunta anterior, la respuesta aquí no resulta tan fácil, ya que se requiere de un profundo análisis para determinar en qué grado mide la estadística X la contribución exacta del jugador. Aquí, todas las estadísticas tendrán cierta deficiencia, ya que en un juego de béisbol convergen muchos eventos que influyen en la victoria o derrota de un equipo. En ese sentido, las estadísticas que pasarán la rigurosidad de esta pregunta, serán aquellas que menos faltas contengan en su propósito de determinar la contribución del jugador. Manteniendo como ejemplo la efectividad de un pitcher, la misma, aunque contribuye a saber si un pitcher contribuyo o no a la victoria del equipo, no nos dice hasta qué grado lo hizo, ya que en el cálculo de la efectividad se dejan fueras las carreras no merecidas o sucias, y en el caso de los relevistas, no se le calcula a su efectividad las carreras permitidas por jugadores encontrados en las bases que son propiedad de otro lanzador.

  3. ¿Existe una mejor forma de medir lo mismo pero que resulte más eficaz que la estadística X? Aquí nos podemos encontrar con la situación de que la estadística X, aunque haya fallado a la prueba propuesta por las anteriores dos preguntas, no tenga una estadística alternativa con la cual se pueda medir el mismo concepto. Pero en caso de que sí la tenga, debe procederse a analizar con argumentos válidos cuál de las dos estadísticas provee la medida más acertada a la contribución real esperada de ella y cuál de estas permite una real apreciación de la contribución del jugador a ganar o perder el partido. Ejemplo de esto sería la estadística concerniente a las carreras anotadas, la cual, aunque sí ayuda a determinar si un jugador contribuyó o no la victoria de su equipo (ya que el juego lo gana el que más carreras anotadas tenga), puede ser sustituida por una estadística más completa como lo es el OPS (On Base plus Slugging), por el hecho de que los jugadores no contribuyen de manera directa a la anotación de una carrera (al menos que conecten un jonrón o se roben el home plate), pero sí contribuyen a las oportunidades que le dan a su equipo de anotar carreras cuando están en base, por medio de la apreciación de que tan a menudo se llegan a las bases y qué tantas alcanzan al momento de embasarse.

Escrito por: Francisco Merejo, colaborador de Sabermetrico.com y Lacornetademariano.com.
Contacto: f.merejo@sabermetrico.com

ScrewTurn Wiki version 3.0.5.600. Some of the icons created by FamFamFam.