Durante los últimos años la forma más habitual de comparar a los jugadores es por su WAR (Wins Above Replacement) o “Victorias por encima del reemplazo”. Como se explica en Fangraphs: es un intento de la comunidad de los sabermetricos por resumir las contribuciones totales de un jugador a su equipo en una única estadística. Siempre debe utilizarse más de una métrica en el momento de la evaluación de los jugadores, pero el WAR lo lleva todo incluido y nos proporciona un punto de referencia útil para comparar jugadores. WAR nos ofrece una estimación para responder a la pregunta: “Si este jugador se lesionó y su equipo tuvo que reemplazarlo por un jugador de ligas menores, ¿cuánto valor está perdiendo el equipo?». La comparación es fácil, si un jugador X vale 6,3 y uno Y vale 3,5 podemos decir que X es más valioso que Y. Si reemplazamos un jugador que vale 4,2 por uno que vale 2,2 podemos se puede decir de forma teórica que el equipo ha perdido dos victorias durante la temporada. Sirve tanto para pitchers como para bateadores.
La WAR se calcula de forma diferente en diferentes páginas webs, así que aquí os dejo un enlace para ver el resumen. No es una estadística sencilla de crear, pero si fácil de entender.
Por lo tanto, en este capítulo explicaremos cómo comparar diferentes jugadores basándonos en sus estadísticas ofensivas (el WAR mide también las capacidades defensivas del jugador).
La fórmula matemática
Bill James creó en 1979 su fórmula de “Runs Created” (carreras creadas) por los bateadores, y para eso utilizó todos las acciones que puede realizar un jugador: Hits (H), Base por Bolas (BB), ser golpeado por los pitchers (HBP), turnos de bateo (AB), llegar a primera base (Single), segunda o doble (2B), tercera o triple (3B) y Home Run (HR). Utilizó el concepto de TB (total bases), donde de una forma sencilla podemos ver la importancia de cada acción de bateo: el single vale un punto, el doble dos puntos, el triple tres puntos y el home run cuatro:
Es una fórmula fácil e intuitiva, donde vemos que 4 singles son tan valiosos como un home run, aunque este punto no sea del todo cierto ya que tener un jugador en base y después que el siguiente jugador te de un home run nos da dos carreras, no únicamente una.
Así que uniendo todos los conceptos creo la fórmula de Run Created:
Veamos cómo funcionaría la fórmula con los partidos jugados durante el año 2015.
| Equipo | Carreras | Runs created | % Error |
|---|---|---|---|
| TOR | 891 | 863,8304256 | 3,145243977 |
| NYY | 764 | 763,0663001 | 0,122361565 |
| TEX | 751 | 747,3635468 | 0,486570855 |
| BOS | 748 | 765,8049968 | -2,325003993 |
| COL | 737 | 763,7410312 | -3,501321798 |
| HOU | 729 | 756,4764206 | -3,632158234 |
| KCR | 724 | 745,1840928 | -2,84279992 |
| ARI | 720 | 765,0351588 | -5,886678313 |
| BAL | 713 | 712,5584481 | 0,061967113 |
| WSN | 703 | 707,3714856 | -0,61799008 |
| PIT | 697 | 725,2444588 | -3,894474268 |
| SFG | 696 | 741,5450502 | -6,141912784 |
| MIN | 696 | 670,8200471 | 3,753607695 |
| OAK | 694 | 694,5282093 | -0,076052969 |
| DET | 689 | 776,2506147 | -11,24000587 |
| CHC | 689 | 706,5642531 | -2,485867778 |
| NYM | 683 | 693,1410488 | -1,463057027 |
| CLE | 669 | 713,0415904 | -6,176580863 |
| LAD | 667 | 728,2153795 | -8,406218987 |
| LAA | 661 | 661,7015228 | -0,106018018 |
| SEA | 656 | 712,1404754 | -7,883342872 |
| MIL | 655 | 665,0606776 | -1,512745815 |
| SDP | 650 | 634,6446058 | 2,41952647 |
| STL | 647 | 699,3319022 | -7,483128122 |
| TBR | 644 | 705,4251457 | -8,707535603 |
| CIN | 640 | 689,5531183 | -7,186265573 |
| PHI | 626 | 641,4824121 | -2,413536485 |
| CHW | 622 | 648,2089304 | -4,043284369 |
| MIA | 613 | 654,0860983 | -6,281451089 |
| ATL | 573 | 615,7452401 | -6,94203338 |
Vemos en la tabla como los Blue Jays (en verde) consiguieron más carreras de las que marcaban los números de sus bateadores, mientras que los Dodgers (en rojo) consiguieron menos recompensa por el trabajo de sus jugadores. El error medio de la fórmula durante esta temporada fue del 3,37% cuando la media de carreras es de 688, un error realmente bajo (23 carreras de diferencia en una temporada de 162 partidos, 0,14 carreras por partido de error). Esta fórmula, por lo tanto, nos puede servir para calcular el número de carreras que conseguirá un equipo basándonos en las acciones de sus bateadores.
Carreras creadas por partido
Esta fórmula nos sirve para conocer la cantidad aproximada de carreras que conseguirá un equipo, pero para los jugadores deberá ser algo diferente. Lógicamente, no todos los jugadores del equipo conseguirán unos números similares, unos son mejor bateando que otros. El problema de esta fórmula para los jugadores habituales radica en el peso excesivo que tienen los partidos jugados; un jugador que juegue más que el otro será mejor con esta fórmula aunque sus números sean peores.
Así que lo que debemos buscar es el número de carreras creadas por partido. Para esto utilizaremos los outs que consumen los jugadores; en cada entrada hay 3 outs, 9 entradas, por lo tanto, en un partido hay 27 outs, y calculando que los errores son aproximadamente un 1,8% del total se han dejado los outs en 26,72. Para tener los outs totales lo que haremos será restar los hits a los AB (como los errores son un 1,8% aproximadamente multiplicaremos los AB por 0,982). Para complicar más el tema tendremos otros outs extras: SF (Golpes de Sacrificio), SAC (Bunts de Sacrificio), CS (las veces que te pillan robando una base) y los GIDP (double play en el que te eliminan); todas estas son jugadas que aumentan el número de outs de tu equipo.
Por tanto, la fórmula para conocer las carreras creadas por partido sería:
Comparar Jugadores
Pedí en Twitter que los aficionados me dieran la lista de los jugadores a los que querían comparar, así que ahora compararemos diferentes jugadores para ver cuál de ellos es mejor; los activos tienen los números actuales, por lo que sus números podrían empeorar o mejorar. Veremos qué jugador nos da más carreras por partido aplicando la fórmula antes explicada con estadísticas recogidas hasta el 5 de mayo del 2016. No utilizamos el WAR para esta comparativa ya que un jugador con más temporadas jugadas tendrá un WAR mayor que los jugadores que han jugado menos.
Jugadores en activo
| Jugador | RC | RC/partido |
|---|---|---|
| Miguel Cabrera | 1657,00395 | 8,488997133 |
| Joey Votto | 905,2017761 | 8,453100412 |
| Mike Trout | 570,6422297 | 8,400230274 |
| Alex Rodríguez | 2220,780705 | 7,808243317 |
| David Ortíz | 1711,840456 | 7,593508115 |
| Bryce Harper | 386,9807088 | 7,336335382 |
| Anthony Rizzo | 385,5273973 | 6,013232153 |
| Nolan Arenado | 271,7721519 | 5,964223211 |
| José Altuve | 414,4711347 | 5,313849779 |
| Mike Moustakas | 307,1477061 | 4,307030703 |
Miguel Cabrera es el jugador que nos da más carreras por partido, con casi 8,5. Por detrás vemos a Joe Votto, que anda por delante de muchas de las estrellas actuales. Entre Álex Rodríguez y David Ortíz sale vencedor el del Bronx. Entre Trout y Harper el mejor parece ser el jugador de los Angels.
Jugadores retirados
| Jugador | RC | RC/partido |
|---|---|---|
| Babe Ruth | 2745,387852 | 12,37082882 |
| Barry Bonds | 2674,416434 | 10,01441573 |
| Ty Cobb | 2534,579948 | 8,608409538 |
| Willie Mays | 2345,807248 | 7,974406783 |
| Hank Aaron | 2586,279171 | 7,752934605 |
| Tony Gwynn | 1667,426747 | 6,860933954 |
| Craigg Biggio | 1722,510754 | 5,698881279 |
El rey sigue siendo Babe Ruth (eran otros tiempos, pero como dijo el periodista Tommy Holmes: “Hace veinte años paré de hablar de Babe Ruth por la simple razón que me di cuenta que quienes no le habían visto no me creían”). Le sigue Barry Bonds.
Vemos que el número de carreras creadas por partido nos sale realmente elevada, Babe Ruth es más de 12, por lo que este dato nos da el número de carreras que tendríamos en teoría en un equipo con nueve «Babe Ruths». Lo que ahora deberíamos mirar es cuántas carreras nos daría el ‘Bambino’ si jugara con otros ocho jugadores que no fueran él, pero esta premisa ya la trataremos en otra entrada.
Pingback: Los 10 mejores primera base en la MLB para 2017 - Titulares y Más()