I

Para empezar un par de preguntas: Qu es mejor, tener un corredor en primera base y ningn
eliminado o las bases llenas y dos eliminados? Qu es mejor, tener un corredor en primera y
otro en segunda con dos eliminados o tener un jugador en tercera base con dos eliminados?

El bisbol puede parecer un juego sencillo: se disputan nueve entradas, cada una con un inning
para cada equipo, en cada inning el equipo defensivo tiene que eliminar a tres jugadores del
equipo ofensivo, en el campo hay tres bases donde los jugadores estn a salvo, y una cuarta
donde al llegar anotan una carrera. Al principio de cada inning tenemos las bases desiertas y uno
bateando, despus segn la jugada el jugador puede estar eliminado o que est en primera base,
o en segunda, o en tercera o que haya conseguido un home run y eso dar una carrera a su equipo.
Aparece el segundo bateador, que segn la posicin de su compaero en el campo avanzar por
ste, puede quedar eliminado, ir a la primera y el compaero a la segunda En definitiva, hay 24
combinaciones posibles de jugadas en un partido de bisbol.

Lo veremos mejor en este grfico, los datos utilizados son de la pgina Retrosheet.

El grfico nos muestra el nmero de carreras conseguido durante los diferentes periodos del
juego y durante las diferentes pocas de ste. A esto le llamaremos Run Expenctancy (RE), las
carreras que esperamos conseguir; vemos que en el periodo del 1950 a 1968 y en el periodo de
1969 a 1992 se conseguan menos carreras que en el de 1993 a 2010. Durante el resto del
tiempo hablar de la columna del 93 al 2010, para hacer el artculo ms ilustrativo ya que son
datos de aos ms recientes.

1
Observamos en verde la cantidad de carreras que se consiguen al inicio de la entrada, cuando no
tenemos jugadores en bases y no hay ningn eliminado: 0.544. Se calcula dividiendo el nmero
de entradas que se inician entre las carreras conseguidas. Nota: no se cuentan los novenos
innings del equipo local ya que muchas veces no se juegan, o si sirven para ganar no se juegan
completos, as que decidieron no incluirlos como tampoco incluyen los innings que se juegan
ms all del noveno.

El primer jugador batea y llega a primera base, ningn eliminado y un jugador en 1B, el RE nos
sube hasta 0.941. Cmo lo hemos calculado? Se han cogido todos los partidos de ese ao, se han
buscado las ocasiones en que no haba ningn eliminado y un jugador en primera base y se ha
dividido entre todas las carreras conseguidas cuando se lleg a esta situacin. El resultado de
esta operacin para este caso ha sido de 0.941.

Run Expectancy (RE) = Veces que ha ocurrido la situacin descrita/nmero de carreras

conseguidas durante la situacin descrita
Sin ningn eliminado y las bases llenas el equipo ofensivo consigue de media ms de 2 carreras
(2.39), si el pitcher elimina a uno el nmero de carreras baja a 1.631, y si se consigue eliminar a
dos baja a menos de una carrera, 0.814. Por eso con bases llenas y ningn eliminado parece
obligatorio meter a tu mejor jugador de bullpen para reducir de manera drstica las carreras que
vas a recibir.

David-ortiz-batters-box

Qu es mejor, tener un corredor en primera base y ningn eliminado o las bases llenas y dos
eliminados? Como vemos en la tabla la respuesta est clara, es mejor tener un jugador en
primera base sin ningn eliminado, y eso nos ayuda a planificar el partido. Lo mejor sera que el
jugador que ms se embase batee primero, nos dar ms probabilidades matemticas de
conseguir una carrera.

Qu es mejor, tener un corredor en primera y otro en segunda con dos eliminados o tener un
jugador en tercera base con dos eliminados? Aunque pudiera parecer lo contrario, tienes uno en
tercera y con un bateo medianamente decente consigues una carrera, se consiguen ms carreras
con un jugador en primera base y otro en segunda base.

1B+2B+ 2 Outs= 0.471 y 3B+ 2 Outs= 0.385

Evidentemente estamos hablando de nmeros a grosso modo, si tienes mejores jugadores las
carreras conseguidas aumentarn, si tus pitchers son excelentes las carreras del equipo
contrario disminuirn. Para analizar las diferentes situaciones con cada jugador individual
deberamos estudiar a cada jugador, y ver lo que consigue cuando batea y las bases estn llenas,
un jugador en primera, uno eliminado. Y desde el lado del pitcher ver las carreras que recibe con
un jugador en primera y ningn eliminado, y dos eliminados y bases llenas. Despus, combinar
ambos datos para ver cuando se juntan en el campo un jugador con un RE concreto contra un
pitcher con su RE, pero eso ya es un anlisis demasiado profundo aunque muy interesante.

Sirve esto para cualquier equipo de cualquier categora? Probablemente s, aunque la RE ser
diferente. Si en la liga espaola se consiguen ms carreras la RE ser mayor, aunque

2
probablemente se mantendr que es mejor tener un jugador en segunda base y un eliminado que
un jugador en tercera con dos eliminados. Para utilizar esto en otras competiciones
beisbolsticas y comprobar que los nmeros son correctos deberamos realizar el estudio con los
datos de la Liga que queramos estudiar.

3
 II

Hoy analizaremos las carreras conseguidas al final de la entrada dependiendo del evento que se
produzca durante el juego, a diferencia de la Run Expectancy, donde veamos las carreras que se
conseguan dependiendo de la posicin de los jugadores en las bases y los jugadores eliminados.

Para la tabla se han elegido diferentes jugadas:

Home Run (HR): Mandar la bola fuera del campo o sobre la lnea que marca la zona considerada
como Home Run.
Triple (3B): Llegar tras un batazo a la Tercera Base.
Doble (2B): Llegar tras un batazo a la Segunda Base.
Error (RBOE): Cualquier jugada del equipo defensor que, a ojos del anotador oficial, ha sido un
error de ese equipo: no cogieron un catch fcil, se les escap la bola del guante Y esa jugada
permite al equipo atacante conseguir alguna base o anotar.
Interferencia (INT): Una persona jugador, rbitro o gente del pblico cambia ilegalmente el
desarrollo de la jugada.
Sacrifice Bunt (Golpe de Sacrificio) (SAC): El jugador batea la bola, el bateador ser eliminado
pero alguno de sus compaeros avanzar una base.
Passed Ball (PB): El catcher no coge una bola que ha sido bien lanzada por el pitcher, eso hace
que el equipo atacante consiga avanzar alguna base.
Single (1B): El jugador, tras batear, llega a primera base.
Wild Pitch (Lanzamiento Salvaje) (WP): El catcher no coge una bola, pero esta vez la bola no ha
sido bien lanzada por el pitcher, como en el PB el equipo que ataca consigue avanzar alguna base.
Hit By Pitch (golpeado por el pitcher) (HBP): El bateador es golpeado por la bola lanzada por el
pitcher.
Balk (BK): Jugadas ilegales que puede cometer un pitcher, las ms habituales son cuando este
simula que lanza cuando no tiene intencin de hacerlo.
Non-Intentional Walk (NIBB): El pitcher concede cuatro bolas y el bateador avanza a primera
base, el pitcher tena intencin de eliminar al jugador pero no lo consigui.
Intentional Walk (IBB): El pitcher decide dejar avanzar al bateador, lanza las cuatro bolas de
forma intencionada al catcher.
Stolen Base (Base Robada) (SB): Un jugador consigue avanzar una base sin que el bateador
contacte con la bola.
Defensive Indifference (DI): Una base robada, pero en este caso el equipo defensivo no hace nada
por evitarlo, no se lanza la bola al jugador que defiende la base que ha sido robada.
Bunt (BUNT): El jugador golpea la bola como si fuera un Sacrifice Bunt, pero en este caso no es
para que sus compaeros avancen una base, sino para que el bateador avance una base.
Pickoff (PK): El pitcher caza a un jugador que se dispona a robar una base o estaba alejado de
la base, y es eliminado cuando volva a la base de la que sala.
Out (on Batted Ball) (OUT): Un jugador es eliminado tras una bola bateada.
Strikeout (K): Jugador eliminado por 3 Strikes.
Caught Stealing (Cogido Robando la Base) (CS): Un jugador es eliminado cuando iba a robar una
base.

4
5
Por ejemplo, durante todo el periodo de datos analizados se consiguieron 34.121 dobles, y al
final de esos innings donde se produjeron los dobles se consiguieron 44.728 carreras, lo que nos
da una media de 1,311 carreras cada vez que se consigui un doble durante el juego.

Las Mejores Jugadas Ofensivas: Home Run (1.942), Triple (1.616) y Doble (1.311) | Las Mejores
Jugadas Defensivas: Caught Stealing (0.164), Strikeout (0.207) y Out (0.240)
Cuando un jugador consigue un Home Run, vemos que no slo nos da una carrera, nos da
prcticamente dos (1.942). Esto se explica porque muchas veces las bases estn ocupadas
cuando se produce el Home Run. Este dato nos da una nueva visin de la estadstica de Home
Runs de los jugadores, muchas veces vista de forma distante por las estadsticas avanzadas, pero
aqu vemos que un HR puede llegar a significar dos carreras. Aunque sea a grosso modo
podramos decir que un jugador que consigue 30 HR en una temporada nos da 60 carreras. El
triple es una jugada que se ve poco, pero nos garantiza algo ms de una carrera y media (1.616).
Mientras que cometer un error nos condena a recibir una carrera como un Wild Pitch.

Robar una base nos da muchas posibilidades de conseguir una carrera (0.792), pero si no lo
conseguimos nuestras posibilidades de conseguir una carrera tienden a cero (0.164). Robar
bases es una jugada de gran riesgo que debe utilizarse cuando se crea que las posibilidades de
conseguirla son realmente altas. Y que eliminen a uno de tus jugadores por Strikeout baja tus
posibilidades de carrera a 0.207, lo que nos da un gran valor a todos los pitchers que consiguen
un gran nmero de Strikeouts. Golpear al lanzador parece una jugada que podra servir para
amedrantar al equipo ofensivo, pero vemos que prcticamente da una carrera al equipo atacante
(0.969)

Vemos que hacer un Sacrifice Bunt (SAC) es mejor que un Bunt (BUNT). Parece contradictorio,
pero hemos de analizar la posicin en el juego: cuando hay un golpe de sacrificio significa que ya
tenemos jugadores en base, mientras que en un Bunt las bases estn vacas. Si volvemos a la
tabla de Run Expectancy veremos que hay ms probabilidades de conseguir carreras con
jugadores en las bases, por tanto el golpe de sacrificio siempre es mejor porque ya tenemos
bases ocupadas. Podramos decir lo mismo de los OUT, cuando un jugador es eliminado bajan
mucho las posibilidades de conseguir carreras.

6
En la prxima entrega uniremos ambas tablas para ver lo que se espera durante esa jugada con
el Run Expectancy y lo que se consigue con la jugada, dependiendo de lo que ocurra en esta.

Para saber ms sobre este tema:

The Book: Playing The Percentages In Baseball, de Tom Tango, Mitchel Lichtman y Andrew
Dolphin. Analizan cuando una estrategia es una buena idea y cuando es una mala idea, y la forma
de ver desde dentro el juego del bisbol.
Tango on Baseball. Pgina web de uno de los autores del libro mencionado anteriormente, con
muchsimas entradas y un foro.

7
 III

En esta entrada combinaremos los conceptos que desarrollamos en los dos primeros captulos:
Run Expectancy (RE) y Runs to End of Inning by Event.

Utilizando la tabla de Runs of End of Inning aadiremos la media de RE donde ocurren estas
situaciones. Por ejemplo: se consigue un home run cuando la media para conseguir una carrera
es de 0.533, o una interferencia ocurre cuando la media para la carrera es de 0.655.

8
La media de todos los RE de la tabla es 0.546. Eso nos da que los HR, 3B, 2B, 1B, NIBB y Outs, que
estn entre 0.52 y 0.56, se dan en las 24 situaciones posibles del juego. Vemos que el Bunt se da
en la situacin ms baja, 0.409, eso nos dice que se intenta un bunt cuando las posibilidades de
conseguir una carrera son las ms bajas durante esa entrada. La posibilidad ms alta es para el
Bunt de Sacrificio, 1.058, una jugada que se utiliza cuando los jugadores estn en base, una
accin que no tiene ningn sentido si no tienes jugadores en bases, por tanto, hay ms
posibilidades de conseguir carreras ya que en alguna base tienes un jugador.

Ahora nos podramos fijar en las bases por bolas. Dos datos: pelear por ellas (no intencionada)
o dejarle andar nos da una media de carreras similar, 0.849 y 0.845, pero observamos que ambos
eventos ocurren en momentos diferentes del juego. Perder una base por bolas tras intentar
eliminar al bateador ocurre aproximadamente en la media de RE -0.520 frente a la media de
0.546-, mientras que se regala una base al bateador cuando la situacin del equipo defensivo es
peor, RE de 0.743. Probablemente se deja pasar un bateador bueno para que entre a jugar otro
ms mediocre, y esa estrategia funciona, porque el nmero de carreras recibidas son
prcticamente las mismas entre no eliminar al bateador o dejarlo pasar, aunque cuando ves un
partido puedes pensar que regalar una base no es una buena decisin, pero con un buen
bateador corres el riesgo de que este consiga un home run, un doble o un triple. Tambin podra
conseguir un single, que sera igualmente llegar a primera base, pero si hay otros jugadores en
bases podran avanzar o anotar; si no hubiera otros jugadores en bases deberas calcular el
riesgo que supone que ese bateador consiga algo ms que una primera base. Un buen bateador
ante un pitcher que no tiene su tarde se multiplica exponencialmente el riesgo de que llegue ms
all de la primera.

Los errores se pagan caros. Se comenten algo por encima de la media, 0.586, probablemente en
situaciones donde hay ms presin para el equipo defensor. A ms amenaza ms posibilidad de
equivocarse, y su precio es alto, recibes algo ms de una carrera, 1.132. Como en el Wild Pitch y
el Passed Ball, son momentos del partido en que el equipo atacante est jugando bien, con
muchas posibilidades de conseguir carrera, y en esos momentos aparece el lado ms humano de
los nmeros y llegan las equivocaciones, ambas jugadas aparecen cuando la media de RE es de
0.716 o 0.741 y dan una carrera al equipo atacante. O las interferencias, ms frecuentes cuando
el ataque est ms acertado, 0.655, y que tambin te dan una carrera. Aunque aqu hablemos de
nmeros no debemos olvidar nunca el momentum del partido, es decir, cuando un pitcher que
no est lanzando bien frente a un bateador que anda bateando como los ngeles, o cuando un
pitcher que est cerca del partido sin hits ante un bateador que no le da ni a una sanda.

Avancemos un paso ms, ahora restemos la media de la RE a la media de carreras conseguida,

para encontrar la diferencia entre la posicin de campo que tenemos y lo que nos da la jugada
que conseguimos. Y nos encontramos con esta tabla.

9
10
Hemos creado la columna Run Value (RV), donde vemos que el home run nos da una diferencia
entre lo que podramos conseguir en ese momento (Starting RE) y lo que conseguimos
(Average), en este caso nos ofrece casi una carrera y media, 1.409, lo que vale un home run.
Conseguir un home run es la jugada ms valiosa que tenemos. Un single nos da 0.474, tres veces
menos que un home run. Si calculamos la media del RV esta nos saldra de 0.3 carreras.

Y nos encontramos al final de la columna de RV con nmeros negativos, cmo es posible? Es

que nos van a meter ms carreras con estas jugadas? Evidentemente no, de lo que nos informa
esta columna es de lo que nos quita esa jugada. Un strikeout nos traslada de una situacin en que
tenemos 0.571 carreras a casi no tener, 0.207, lo que da un gran valor a los pitchers que
consiguen un gran nmero de strikeouts. Podemos observar el sacrifice bunt, tambin nos
aparece en negativo, por muy poco, -0.027, pero es una buena jugada ya que nos garantiza una
carrera. Y este juego va de conseguir carreras, y ese concepto no debemos olvidarlo nunca, la
meta es llegar y anotar, no hay otro, ni tener el mejor SLG, ni hacer ms SO, ni llegar ms veces a
segunda base. Todo eso es secundario ante el acontecimiento ms importante del bisbol:
conseguir carreras.

Hay una falla epidmica dentro del juego. No entienden lo que est pasando. Y eso hace que la
gente que maneja equipos de Grandes Ligas evale mal a los jugadores y administre mal a sus
equipos La gente que dirige equipos piensa en trminos de comprar jugadores. La meta no
debe ser comprar jugadores sino comprar victorias. Y para comprar victorias, se necesita
comprar carreras Moneyball

Veamos otro ejemplo, robar bases. Se intenta robar las bases cuando las posibilidades de
conseguir carreras son ms altas de la media, se consigue robar cuando la media de RE es de
0.597 y te pillan cuando es algo ms alta, de 0.620. Eso se explica por qu cuando un jugador
intenta robar una base es que ya est en ella y la posibilidad de conseguir carreras es ms alta.
Observamos de nuevo el riesgo en los robos de base, de tener una posibilidad mayor de la media
de conseguir carrera, 0.620, pasamos a no tener casi posibilidades si te pillan, 0.164 (perdemos
0.456 puntos). En cambio cuando la conseguimos robar pasamos de 0.597 a 0.792, ganamos
0.195 puntos, por lo que parece poca ganancia para tanto riesgo.

RE24

La estadstica que nos servir para evaluar el peso de los jugadores en las diferentes jugadas de
la entrada es la RE24 (Run Expectancy sobre las 24 posiciones posibles), estadstica creada en
Fangraphs. El pasado ao el mejor en este aspecto fue Bryce Harper. Es bastante sencilla de
calcular:

11
RE End State: La posicin donde llegan los jugadores.
RE Beginning State: La posicin de la que parte el jugador.
Runs Scored: Si se consigue alguna carrera durante esa entrada.
Tabla de Run Expectancy

RUNNERS 0 OUTS 1 OUT 2 OUTS

Empty 0.461 0.243 0.095
1__ 0.831 0.489 0.214
_2_ 1.068 0.644 0.305
12_ 1.373 0.908 0.343
__3 1.426 0.865 0.413
1_3 1.798 1.140 0.471
_23 1.920 1.352 0.570
123 2.282 1.520 0.736

Pongamos un ejemplo:

RE End State: el jugador llega a segunda base con dos eliminados y el resto de bases libres, 0.305.
RE Beginning State: el jugador en tercera base, dos eliminados y el resto de bases libres, 0.413
Run Scored: se consigue una carrera
RE24= 0.305 0.413 + 1, esto nos dara un RE24 de 0.892.

12
Lorenzo CainSiguiendo un ejemplo real, la jugada ms valiosa del ltimo partido de las World
Series 2015 fue para Lorenzo Cain como bateador, mientras que el pitcher era Bartolo Colon. En
la 12 entrada, un eliminado y todas las bases llenas (1.520), Cain lleg a segunda base (0.644) y
todos anotaron (3). La RE24?: 0.644 1.520 + 3 = 2.124

La RE24 depende de lo que ocurre durante ese inning, no de lo que ocurre durante el partido, ya
que es independiente del resultado de este en el resto de entradas.

Como aprovechar entonces para tu equipo estos datos?. Utilizarlos para aumentar el nmero de
carreras que consigue nuestro equipo, y eso lo podremos conseguir comparando nuestros datos
con los datos medios de la Liga.

Pongamos un ejemplo con un equipo inventado al que llamaremos Tarrako y lo comparamos

con la Liga:

EQUIPO AVERAGE STARTING RE RUN VALUE

Liga, Stolen Bases 0.792 0.597 0.195
Tarrako, Stolen Bases 0.95 0.648 0.302
Liga , Caught Stealing 0.164 0.62 0.456
Tarrako, Caught Stealing 0.323 0.67 -0.347

Nuestro equipo consigue 0.95 carreras por cada base robada, con la media de RE nos da un RV de
0.302, ms alto que la media de la Liga, y si nos pillan la situacin es idntica, nuestro valor es
ms alto que la media. Qu estrategia debera seguir el equipo?: Arriesgar para conseguir bases,
ya que nos da ms rendimiento que a la media y menos riesgo que a la media. O si los nmeros
nos mostraran que un single de nuestro equipo nos dara una media de carreras de 1.345 (la
media de la Liga es de 1.025 y la media del RE fuera la misma en la Liga y en tu equipo), intentar
no arriesgar con batazos muy profundos, busca llegar a primera base, eso nos dara ventaja ante
tus competidores.

13
 IV

Win Expectancy (WE, lo podramos traducir como las Victorias Esperadas. Nos da el porcentaje
de victorias que ha conseguido un equipo en la misma situacin en la que nos encontramos,
dependiendo del resultado, el inning en el que estamos, los jugadores eliminados y los jugadores
que hay en las bases. Se calcula utilizando los datos de partidos ya jugados en la MLB con
anterioridad.

Para realizarlo, la calculadora para Win Expectancy nos podra dar:

14
Ejemplo de Win Expectancy
En este ejemplo, estamos viendo un partido en el que el equipo visitante gana de dos carreras.
Estn en la parte alta de la cuarta entrada, los visitantes tienen un jugador eliminado, uno en
primera base y otro en segunda base. En la base de partidos que tenemos, que va de 1957 a 2014
encontramos 1.261 partidos que se han estado en esta situacin. De stos, el visitante ha ganado
968 (un 76,76% de las veces). La Media del Leverage Index es de 1,4 (esto lo trataremos ms
adelante), y las apuestas deberan estar +330 vs -330 (en nuestras cuotas sera 4,3 vs 1,303).

Cuando empieza un partido, en teora, los dos equipos tienen las mismas probabilidades de
ganar, empiezan con un 50%, pero eso no es cierto. Depende de los equipos que jueguen, del
lugar donde se desarrolle el partido y de los pitchers que empiecen el encuentro. Si vemos la
variable de abajo con los grficos Fangraphs, las posibilidades de victoria de los Astros eran algo
mayores que las de Kansas City el 12 de octubre de 2015. Si consultis el chart inteactivo, vereis
que el WE de los Astros lleg al 98,4%, pero despus los errores de los Astros y el buen trabajo
de los Royals llevaron la victoria a los Royals.

El WE nos ayuda a ver cmo va el partido, las posibilidades de que el equipo que va detrs
remonte o de que el que va ganando conserve la victoria, todo basado en partidos pasados, no en
el que se est jugando ahora. No es lo mismo tener de closer a Mariano Rivera que a cualquier
otro, por eso es importante no olvidar el momentum del partido en el que estamos, con algunos
jugadores es ms fcil remontar que con otros, y algunos equipos tienen ms fe en la victoria que
otros.

15
Esto nos lleva al concepto de Win Probability Added (WPA): este ndice nos muestra lo que la
accin de un jugador hace aumentar las probabilidades de que su equipo gane el partido. Un
home run en la ltima entrada de un partido empatado es ms valioso que un HR que consigue
en un encuentro en el que tu equipo va ganando por 6 carreras, esa diferencia de calidad de la
jugada es lo que nos muestra el WPA. La forma de calcularlo es fcil, la variacin de WE segn la
jugada que se produzca: WPA = %WE inicial %WE final.

Veamos un ejemplo:

ltimo partido de la pasada temporada, los Royals visitan a los Mets. Las columnas nos muestran
de izquierda a derecha pitcher, bateador, entrada, jugadores eliminados, las bases ocupadas, el
resultado del partido, la descripcin de la jugada, LI (Leverage Index), RE (Run Expectancy), WE
(Win Expectancy), WPA (Win Probability Added) y RE24 (Run Expectancy 24). Harvey vs Cain,
Cain anda hasta la primera base, las posibilidades de victoria segn para los Mets disminuyen un

16
7% (por tanto, el WPA es de 0.07), segn el WE, de 94,3 a 87,3%. Cain roba una base, va bajando
hasta el 86% (1,3% por robar una base, como vemos un gran riesgo para una pequea ganancia,
WPA de 0.013). Finalmente, Hosmer consigue un doble y Cain consigue una carrera, se baja de
86 a 66%, un 20% menor, lo que nos da un WPA de .200.

La WPA tambin se puede calcular para toda la temporada. En esta ltima jugada, Hosmer
sumara +.200 puntos y Harvey -.200 puntos. Lo que el bateador gana el pitcher lo pierde, y
viceversa. Como en otras estadsticas el pitcher paga los fallos de la defensa y se beneficia de sus
aciertos. La media ser 1, ya que se da y se quita a partes iguales, por tanto, un jugador con un
WPA de 3.0 ser el triple de bueno que la media. Esta informacin nos da la visin de lo efectivo
que es un jugador en momentos clave, no nos dice lo que hace si no lo importante que es lo que
hace. Y estos jugadores son los que ganan partidos y campeonatos. Pero nada es perfecto,
muchas veces los jugadores que tienen la oportunidad de remontar un partido son los que en ese
momento estn bateando o lanzando, por lo que no sabemos que habra hecho el resto del roster
en esta situacin. Pero lo que conocemos es que estos lo consiguieron o no cuando tuvieron la
oportunidad, y lo mismo desde el otro lado, los que fallan en ocasiones claves tambin son los
que estn jugando.

Clasificacin WPA temporada 2015

RANKING EQUIPO WPA WPA- WPA+ RE24

1 Blue Jays 12.49 -96.91 109.40 191.25
2 Royals 5.28 -100.68 105.97 23.32
3 Dodgers 3.77 -103.69 107.46 21.16
4 Cubs 3.50 -109.20 112.69 13.26
5 Pirates 3.27 -108.87 112.14 29.46
6 Giants 2.77 -104.56 107.34 59.44
7 Mets 2.08 -105.48 107.56 38.56
8 Rangers 2.07 -100.40 102.47 28.34
9 Angels 1.51 -99.78 101.29 5.49
10 Astros 0.75 -110.13 110.88 38.33

Vemos que de los diez equipos con mayor WPA durante la temporada ocho jugaron Playoffs y
slo dos se quedaron fuera de estos: Giants y Angels.

Un punto en WPA nos da un aumento del 100% en Win Expectancy, tambin nos muestra una
victoria ms sobre la media esperada. En la tabla vemos como los Blue Jays consiguieron algo
ms de 12 victorias en situaciones complicadas. Algunos lo llaman un marcador de la suerte
que tienen los equipos, y otros que los buenos equipos siempre son los que consiguen ms
victorias en los partidos igualados. Este es un tema para otro debate.

La WPA no es predictiva, no se usa para el anlisis y proyecciones de los jugadores, nos cuenta la
historia de los jugadores que han estado ms en los momentos claves, los que han ganado (ndice
positivo) contra los que han perdido (ndice negativo), y aunque no tenga un valor estadstico
potente lo cierto es que yo prefera en mi equipo jugadores con el WPA elevado.

17
Bateadores con mayor WPA temporada 2015

RANKING NOMBRE EQUIPO WPA WPA- WPA+ RE24

1 Anthony Rizzo Cubs 7.15 -10.24 17.38 57.78
2 Bryce Harper Nationals 6.16 -9.26 15.41 75.38
3 Joey Votto Reds 6.03 -9.63 15.65 64.55
4 Josh Donaldson Blue Jays 6.01 -10.41 16.42 57.82
5 Kris Bryant Cubs 5.99 -10.65 16.64 45.58
6 Paul Goldschmidt Diamondbacks 5.97 -9.89 15.86 57.63
7 Andrew McCutchen Pirates 5.35 -9.77 15.12 48.22
8 Matt Carpenter Cardinals 5.29 -10.03 15.32 41.37
9 Mike Trout Angels 5.28 -9.25 14.53 52.44
10 Miguel Cabrera Tigers 4.46 -6.99 11.46 46.88

Pitchers con mayor WPA temporada 2015

RANKING NOMBRE EQUIPO WPA WPA WPA+ RE24

1 Zack Greinke Dodgers 6.79 -10.81 17.60 56.66
2 Jake Arrieta Cubs 5.87 -9.87 15.73 55.40
3 Clayton Kershaw Dodgers 4.96 -11.33 16.29 45.88
4 Dallas Keuchel Astros 4.11 -12.16 16.27 40.76
5 David Price 3.63 -12.72 16.35 35.79
6 Sonny Gray Athletics 3.32 -12.11 15.43 27.22
7 John Lackey Cardinals 3.31 -13.16 16.47 29.01
8 Max Scherzer Nationals 3.22 -13.28 16.50 36.01
9 Jacob deGrom Mets 3.09 -9.64 12.73 26.54
10 Felix Hernandez Mariners 2.82 -12.14 14.96 12.77

Como se puede ver todos los jugadores con WPA elevada son de primer nivel.

Durante el juego las situaciones no son igual de tensas, ir perdiendo de una carrera en el ltimo
inning no es igual que ir ganando de una en el cuarto inning. El Leverage Index (LI) intenta
cuantificar la presin que soporta un jugador en las diferentes situaciones del juego. En
Fangraphs han determinado diferentes clasificaciones para el LI.

pLI: La media de LI para todos los partidos jugados.

phLI: La media de LI cuando el jugador batea.
gmLI: La media de LI cuando un pitcher entra al partido.
inLI: La media de LI cuando un pitcher empieza un inning.
exLI: La media de LI cuando un pitcher sale del partido.

Calcular el LI no es sencillo, mide el posible cambio en el Win Expectancy durante un partido

dependiendo del momentum de ste, la entrada, el resultado, los jugadores eliminados y el
nmero de corredores que hay en las bases. Un ejemplo sencillo: durante una jugada el bateador

18
puede ser eliminado por strikeouts o avanzar andando a la segunda base, se da un porcentaje a
cada situacin, y dependiendo de la situacin del partido esto nos puede dar un cambio en el WE.
Si el cambio es ms o menos importante es lo que mueve el ndice LI, ocurra el hecho que ocurra
(o strikeout o base por bolas).

Para una explicacin ms completa podis leer este artculo Crucial Situations en
Hardballstimes.com y para una visin ms numrica del Leverage Index podis visitar esta
pgina de la cuenta de Twitter @tangotiger.

La media de LI durante un partido est entre 0.85 y 2.0, si est por debajo es una jugada poco
importante y si est por encima tiene mayor transcendencia que la media. Es una medida
numrica de una situacin que todos intuimos cuando estamos viendo un partido, sabemos en
qu momento hay ms tensin y cundo el partido puede cambiar su curso o romperse por
completo. Pero lleva implcito saber que jugadores estn en el campo en los momentos difciles,
sobre todo cuando hablamos de pitchers relevistas, valorar en que momento entra al campo, de
forma objetiva, no subjetiva, por eso ver el LI total de la temporada nos da los relevistas que
entran en jugadas complicadas, y eso podra relacionarse con los nmeros que tiene. Un pitcher
con una ERA en la media y que juega en momentos difciles podra ser ms vlido que otro con
un ERA algo menor pero que pitchea en momentos ms fciles.

Para ver una descripcin de cada jugador en diferentes momentos y situaciones de la temporada
en Fangraphs tenemos la seccin splits de cada jugador, donde podemos ver el desarrollo
durante la temporada de sus habilidades en diferentes momentos. Este es el de Miguel Cabrera,
por ejemplo.

19
 V

Bill James, el padre del sabermetrics, probablemente el personaje ms importante en el mundo

de las estadsticas beisbolsticas, cre lo que ahora se conoce como el Teorema de Pitgoras del
bisbol. La pregunta que se formul fue sencilla: cuntas carreras debe conseguir un equipo
para ganar los partidos? La respuesta no es compleja: ms que el rival, pero esto ya nos
introduce otra variable, las carreras que conseguir el equipo contrario.

Partiendo de la base de la lgica ms aplastante podemos decir que el equipo que consiga un
nmero elevado de carreras durante el partido tiene ms posibilidades de ganar, y el equipo que
reciba pocas o ninguna carrera durante el partido conseguir ms victorias. As que se
arremang y estudi aos de partidos en la MLB basndose en el teorema de Pitgoras:

El cuadrado de la hipotenusa es igual a la suma de los cuadrados de los catetos busc fusionar la
perfeccin matemtica con la estadstica del mundo del bisbol y encontr la frmula que
relacion el nmero de carreras conseguidas y recibidas con las victorias conseguidas.

Esta frmula siempre nos da un resultado entre 0 y 1 (mostrndonos las probabilidades que
tiene ese equipo de ganar partidos), se multiplica por 162 y nos muestra el nmero de partidos
que se ganarn aproximadamente durante esa temporada.

Un aumento de carreras conseguidas nos aumentar el numerador, por tanto, el porcentaje de

victorias.

20
Un aumento de carreras recibidas nos aumentar el denominador, por tanto, disminuir el
porcentaje de victorias.
Se ha buscado cambiar la elevacin al cuadrado por la elevacin a otros nmeros, 1,83, 1,92,
pero se ha visto que el cuadrado funciona igual de bien que las otras elevaciones, as que se ha
mantenido el cuadrado. Incluso cambiando la elevacin se ha utilizado la frmula para otros
deportes como el baloncesto o el ftbol americano.

Veamos como funcion la frmula durante la temporada pasada, 2015:

21
EQUIPO RF RA W L %W PYTHAGOREAN DIF G ERROR
TOR 891 670 93 69 0,574 0,638793963 -0,064719889 103,48 -10,48
OAK 694 729 68 94 0,419 0,475418946 -0,05566586 77,01 -9,017
HOU 729 618 86 76 0,53 0,581849534 -0,050985337 94,25 -8,25
WSN 703 635 83 79 0,512 0,550691193 -0,038345514 89,21 -6,21
SFG 696 627 84 78 0,518 0,552012717 -0,033494199 89,42 -5,42
CIN 640 754 64 98 0,39 0,418764237 -0,023702508 67,83 -3,83
CLE 669 640 81 80 0,5 0,522143448 -0,022143448 84,58 -3,58
MIL 655 737 68 94 0,419 0,441295667 -0,021542581 71,48 - 3,48
ARI 720 713 79 83 0,487 0,50488474 -0,017230419 81,79 -2,79
BOS 748 753 78 84 0,481 0,496668924 -0,015187443 80,46 -2,46
BAL 713 693 81 81 0,5 0,514221873 -0,014221873 83,30 -2,30
COL 737 844 68 94 0,419 0,432629898 -0,012876812 70,08 -2,08
MIA 613 678 71 91 0,438 0,449778743 -0,011507138 72,86 -1,86
NYY 764 698 87 75 0,537 0,545051826 -0,008014789 88,29 -1,29
TBR 644 642 80 82 0,493 0,501555206 -0,007728046 81,25 -1,25
NYM 683 613 90 72 0,555 0,553855232 0,001700324 89,72 0,27
LAD 667 595 92 70 0,567 0,556867197 0,011034037 90,21 1,78
STL 647 525 100 62 0,617 0,602979687 0,014304264 97,68 2,31
PHI 626 809 63 99 0,388 0,374514626 0,014374263 60,67 2,32
MIN 696 700 83 79 0,512 0,497134694 0,015210985 80,53 2,46
SDP 650 731 74 88 0,456 0,441547936 0,015242187 71,53 2,46
SEA 656 726 76 86 0,469 0,449478385 0,019657417 72,81 3,18
KCR 724 641 95 67 0,586 0,560581868 0,025837885 90,81 4,18
PIT 697 596 98 64 0,604 0,57763919 0,027299081 93,57 4,42
CHW 622 701 76 86 0,469 0,440499382 0,02863642 71,36 4,63
TEX 751 733 88 74 0,543 0,512127596 0,031082281 82,96 5,03
DET 689 803 74 87 0,456 0,424035979 0,032754144 68,69 5,30
LAA 661 675 85 77 0,524 0,489522109 0,035169249 79,30 5,69
CHC 689 608 97 65 0,598 0,562209182 0,03655625 91,077 5,92
ATL 573 760 67 95 0,413 0,362422441 0,051157805 58,71 8,28

En una temporada de 162 partidos, con un margen de error de 3 partidos, el teorema acert en
15 equipos, la mitad de todos los participantes. En un error entre 4 y 6 partidos encontramos 11
equipos, y nicamente en 4 el margen de error fue de 7 o mayor. Si restamos el porcentaje de
victorias conseguido por los equipos del porcentaje que nos daba tericamente el Teorema
(columna Diferencia entre ambos) y hacemos la media de todas las diferencias encontramos
que sta es de un increble 0,12%.

22
En relacin a esta precisin, en el libro Trading Bases de Joe Peta se nos habla del valor
predictivo del teorema, introduce un concepto llamado Cluster Luck que nos dice que los
equipos que han conseguido menos victorias que las que deberan haber logrado segn la
frmula, el prximo ao, si mantienen un equipo similar, conseguirn esas victorias extras. En
este caso los de Toronto, Oakland y Houston lograrn ms victorias por carrera que las
conseguidas/recibidas el ao pasado, mientras que Atlanta, los Chicago Cubs y Los Angeles
Angels conseguirn menos victorias por cada carrera conseguida/recibida. El teorema tiende a
diferencia cero entre victorias reales y tericas con el paso de las temporadas.

Podemos deducir que la frmula funciona, pero, nos sirve durante la temporada?

Por si sola no es un valor predictivo. No podemos coger los treinta primeros partidos de un
equipo, aplicar la frmula y que nos de el nmero de victorias totales al final de la temporada, ya
que si un equipo empieza bien nos saldr un gran rcord o si empieza mal ser un equipo
pattico, y eso no acostumbra a ocurrir. Entonces, cmo podemos utilizarla? Combinndola con
las predicciones que realizamos al principio de la temporada. Por ejemplo, un equipo lleva 62
partidos y el teorema nos da un porcentaje de victorias de 0,6 (si siguen igual seran 97,2
victorias, 0,6*162) y las predicciones al inicio de la temporada nos da un ndice de victorias del
0,48 (seran 77,76 victorias).

Victorias Finales = (62*0,6+100*0,48) = 85,2 Victorias

Pero, podramos utilizar el porcentaje real de victorias y combinarlo con el porcentaje de

victorias que calculamos para el final de la temporada? No, porque las predicciones que se dan
para el final de la temporada se basan en el Teorema de Bill James, se calcula las carreras que te
darn tus bateadores y las carreras que cedern tus pitchers, por tanto, debemos trabajar con las
mismas unidades. Baseball Prospectus nos da las predicciones para este ao 2016. Tambin
podemos ver las de Fangraphs.

Playoffs MLB
Octubre es otra historia
Nos sirve durante los Playoffs? Pues no. En el libro Mathelics de Wayne L. Winston nos explica
que utilizando el Teorema de la temporada de 1980 a la 2007, ste nicamente acert en el 54%
de los casos el equipo que ganaran las 106 series de Playoffs, dando como vencedor al equipo
que en teora conseguira ms victorias, y no funcion. Octubre es otro mundo.

El teorema tambin lo utilizan los equipos cuando realizan un intercambio de jugadores o un

fichaje. Pongamos un ejemplo. Vamos a cambiar a nuestro catcher que produce 150 carreras por
temporada por el catcher de otro equipo que produce 130 carreras; en el mismo nmero de PA,
en teora ganaremos 20 carreras, veremos cmo afecta esto a nuestro equipo que en teora
conseguir 724 carreras y recibir 701.

Antes del fichaje aplicando el teorema: 83,61 victorias.

Tras el fichaje aplicando el teorema: 85,81 victorias
Este jugador nos dara dos victorias extras al equipo, y, cunto nos costar cada victoria? A este
jugador le deberemos pagar $6 millones de dlares ms que al otro jugador, $3 millones por

23
victoria, pero estas dos victorias que nos faltan pueden meternos en Playoffs o seguiremos lejos
del mejor equipo de la divisin? Podra ser mejor buscar un pitcher que nos haga recibir menos
carreras y reforzar el ataque con un jugador ms econmico que nos d nicamente 10 carreras
ms. Como vis, hay muchas variables y cbalas, no es nada fcil ser general manager de la MLB.

24
 VI

Trevos Story inici la temporada de forma espectacular, 7 home runs en 6 partidos; a este ritmo
conseguira 189 HR durante toda la temporada, y la mejor marca de todos los tiempos la tiene
Barry Bonds con 73 en el ao 2001. Evidentemente, no llegar a este nmero ni de lejos, todos
sabemos que esto es un buen inicio, que no se mantendr, pero, tener una racha positiva, estar
caliente, la llamada Hot Hand, hace que tus nmeros de la temporada mejoren? Y, tener una
racha negativa, Cold Hand, hace que tus nmeros totales empeoren? O lo podramos hacer la
pregunta de otra manera: ser un jugador caliente o fro es una fluctuacin normal durante la
carrera del jugador o es un momento en que las habilidades del jugador mejoran o empeoran?

Cuando un jugador est jugando bien o mal no pasa desapercibido a los managers y a los
aficionados, es un momento donde vemos un cambio, y eso afecta al juego:

Los entrenadores normalmente sientan en el banquillo a un jugador que est jugando mal y
sacan al campo al que est jugando bien.
Se decide el orden de bateo dependiendo de quin est mejor o peor en los ltimos partidos.
El equipo defensor puede dar una base por bolas a un jugador cuando este est en racha para
dejar paso a otro que no lo est.
Los fans ven a un jugador que est en malos nmeros como un mal jugador titular, mientras que
el que ha jugado bien los ltimos partidos deberan jugar s o s. Las casas de apuestas tienden a
empeorar las cuotas de los equipos que llevan ganados varios partidos.
Son correctas todas estas decisiones? Es una buena forma de gestionar el equipo? Tienen los
fans y las casas de apuestas razn?

Veamos el estudio que se public en The Book: Playing the Percentages in Baseball, de Tom
Tango.

Bateadores

Se buscaron rachas positivas y negativas de cinco partidos en bateadores, se cogieron todas las
Hot Hand o Cold Hand durante tres temporadas, 2000 a 2002. La estadstica utilizada para
valorar a los jugadores fue la wOBA, una estadstica que da un porcentaje diferente a cada jugada
que consigue el bateador: primera base, segunda base, home run Se defini racha como un
aumento o disminucin de 50 puntos (0,050) en su wOBA media:

25
wOBA es una estadstica que aumenta ligeramente en junio y disminuye algo en septiembre.

Racha positiva

Se estudiaron 6.408 rachas. Durante cinco partidos el wOBA de los jugadores fue de 0,587, al
partido siguiente su wOBA fue de 0,369, cuando la esperada era de 0,365, y despus se midi la
media de los cinco partidos siguientes. La que consiguieron fue de 0,369 cuando la esperada era
de 0,365. Como se ve, la misma media al partido siguiente y durante los otros cinco, empeorando
su racha, evidentemente, y volviendo a su nmero habitual. Por tanto, 5, podra ser un buen
nmero para ver el final de una buena racha en el jugador. Recordemos que esto es una media,
por lo que habr jugadores que continuarn con la racha y otros empeorarn mucho ms de lo
esperado.

Racha negativa

Se estudiaron 6.489 rachas negativas. Durante cinco partidos el wOBA de los jugadores fue de
0,151, al partido siguiente su wOBA fue de 0,330 cuando el esperado era de 0,336, y de nuevo se
midi la media en los cinco partidos siguientes, la que consiguieron fue de 0,332 cuando la
esperada era de 0,337; como puede verse la esperada y la real era muy parecida. De nuevo el
sexto partido sera el momento del cambio, lo curioso en este caso es que los jugadores ya lo
haban hecho muy mal, difcilmente empeorarn, por lo que al siguiente partido mejoran sus
nmeros.

En ambos casos, si pasramos los nmeros a una grfica nos encontraramos una distribucin
binomial, una U invertida donde la minora est en los lados y la mayora se agrupa hacia el
centro.

Saber que un bateador est en una racha positiva o negativa tiene un bajo valor predictivo.
Debemos asumir que el jugador siempre volver a sus nmeros habituales. Estos datos estn
ajustados por el estadio donde juega -segn los estadios se consiguen ms o menos carreras-, el
tiempo -la temperatura, el viento, el sol-, y el pitcher al que se enfrente -no es lo mismo entrar
con una mala racha ante un Ace que ante el quinto pitcher de la rotacin.)

26
No debemos despreciar el ojo de los scouts, mnagers o entrenadores de campo, que pueden
reconocer si un jugador est mejor o peor para jugar, el estudio al que nos hemos referido
nicamente nos ha dado medias, no una visin detallada de cada uno de los jugadores.

Pitchers abridores

Los pitchers abridores juegan cada cinco das aproximadamente, por tanto, las rachas se alargan
ms en el tiempo, es decir, que estos jugarn bien durante unos 20 das.

Para realizar el estudio de los pitchers se utiliz el wOBA de los bateadores que se enfrentaban a
los pitchers y el wERA, una estadstica que es el equivalente a wOBA para los pitchers.

Racha positiva

Se registraron 681 rachas positivas de cuatro partidos. Durante ese tiempo el wERA de los
jugadores fue de 2, tras este partido se esperaba una wERA de 3,82 y la que se consigui fue de
3,5. Evidentemente la wOBA de los bateadores al que se enfrentaban fue baja dado que los
pitchers les dejaron batear poco. De nuevo debemos esperar tras cuatro partidos que los
pitchers vuelvan a sus nmeros habituales.

Racha negativa

En este caso se registraron 851 rachas negativas. Durante esos cuatro partidos la wERA de los
pitchers fue de 9,98, tras ese partido se esperaba una wERA de 5,06 y se lleg a una wERA de
5,28. Las malas rachas terminan como las buenas, en el quinto partido. Recordad de nuevo que
esto es una media, algunos lo harn peor, otros mejor y la mayora cerca de la media. Si
trasladamos el estudio a los pitchers relevistas los resultados son similares.

Un dato curioso que encontramos es que los pitchers abridores que estn en racha negativa
estn ms das en la lista de lesionados (15,9 das), mientras que los que estn en racha positiva
estn menos (12,4 das), y lo sorprendente es que los que pasan ms tiempo lesionados son los
que no estn en ninguno de los dos grupos anteriores (17,6 das).

El estudio tiene sus imperfecciones ya que los managers pueden hacer salir de la rotacin a un
pitcher que no est jugando bien o sobre utilizar a uno que est jugando a gran nivel, incluso
retirar alguno durante un tiempo para intentar que vuelva a su forma tras unos das extra de
entrenamiento. Por tanto, el quinto partido que juegan puede ser que aparezca tras ms das que
el que su rotacin marcara o durante menos das si hay algn imprevisto en la plantilla.

Los pitchers, como los bateadores, volvern con el tiempo a sus nmeros habituales. Pero, qu
son los nmeros habituales? Si la ERA media de un pitcher es de 4 probablemente ese ao estar
entre 3 y 5, sera muy extrao que bajara a 1 o subiera a 7.

27
Y, cmo saber quin mejorar, empeorar o se mantendr durante una racha? Por poner un
ejemplo, en el ao 2010 Prince Fielder fue entrevistado despus de una victoria de los Brewers
en que jug genial, consigui 4 hits de 5 apariciones con dos home runs, y ya llevaba adems 9
hits de sus ltimas 12 apariciones en el plate en los ltimos tres partidos:

Cmo explicas este rendimiento tan excepcional?

Me encuentro genial y veo la bola clara, fcil. Algunos das uno ve la bola mejor que otros das.

Al siguiente partido no conect ni un hit en 4 Apariciones en el plato. Dijo al respecto:

Hay das en los que todo funciona perfectamente, y otros das todo se vuelve gris y nada de lo
que has practicado mil veces funciona.

Por eso, muchos managers cambian o ponen a sus jugadores dependiendo si estn en Hot o Cold
Hand.

Como dijo Yogi Berra: El bisbol es un noventa por ciento mental. La otra mitad es fsica.
Un jugador que cree que lo conseguir todo tiene ms posibilidades de hacerlo que otro que ve
que todo va cuesta arriba, y ese factor tiene gran importancia en cualquier juego, se llama
confianza. Es normal que un manager deje andar a la primera base a Mike Trout si este lleva una
racha positiva, pero no porque lleve una buena racha lo deja andar porque se llame Mike Trout.

Como conclusin, hablar Hot Hand o Cold Hand no puede dejarse slo en el lado de los nmeros,
son personas que juegan a un juego, con sus emociones, sus buenos y malos momentos, sus
problemas, sus debilidades y sus virtudes. Quien debe tomar la decisin si deja a un jugador en el
equipo titular o lo borra debe ser el entrenador, valorando no nicamente los nmeros, sino
incluir tambin en la ecuacin el estado anmico y de confianza que tiene el jugador.

Rachas histricas en la MLB

Las rachas individuales a lo largo de la historia de la MLB han sido varias, destacando a nivel
individual los 2.632 partidos jugados de forma consecutiva de Cal Ripken Jr. El listado completo
de rachas individuales se puede consultar aqu.

Y los equipos, cales han estado ms partidos consecutivos sin perder? El honor lo tienen los
New York Giants de 1916, con 26 partidos; el ms reciente, los Athletics de Billy Bean de 2002
con una racha de 20 partidos invictos. A nivel colectivo, este es el listado completo de rachas de
equipos.

(Si te interesa todo el tema de las rachas, este blog es muy recomendable: The Hot Hand in
Sports. Y un libro mongrfico sobre el tema es Hot Hand: The Statistics Behind Sports Greatest
Streaks de Alan Reifman)

28
 VII

Durante los ltimos aos la forma ms 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 nica estadstica. Siempre debe utilizarse ms de una
mtrica en el momento de la evaluacin de los jugadores, pero el WAR lo lleva todo incluido y
nos proporciona un punto de referencia til para comparar jugadores. WAR nos ofrece una
estimacin para responder a la pregunta: Si este jugador se lesion y su equipo tuvo que
reemplazarlo por un jugador de ligas menores, cunto valor est perdiendo el equipo?. La
comparacin es fcil, si un jugador X vale 6,3 y uno Y vale 3,5 podemos decir que X es ms
valioso que Y. Si reemplazamos un jugador que vale 4,2 por uno que vale 2,2 podemos se puede
decir de forma terica 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 pginas webs, as que aqu os dejo un enlace
para ver el resumen. No es una estadstica sencilla de crear, pero si fcil de entender.

Por lo tanto, en este captulo explicaremos cmo comparar diferentes jugadores basndonos en
sus estadsticas ofensivas (el WAR mide tambin las capacidades defensivas del jugador).

La frmula matemtica

Bill James cre en 1979 su frmula de Runs Created (carreras creadas) por los bateadores, y
para eso utiliz 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). Utiliz el concepto de TB (total
bases), donde de una forma sencilla podemos ver la importancia de cada accin de bateo: el
single vale un punto, el doble dos puntos, el triple tres puntos y el home run cuatro:

Es una frmula fcil 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 despus que el
siguiente jugador te de un home run nos da dos carreras, no nicamente una.

As que uniendo todos los conceptos creo la frmula de Run Created:

29
Veamos cmo funcionara la frmula con los partidos jugados durante el ao 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

30
Vemos en la tabla como los Blue Jays (en verde) consiguieron ms carreras de las que marcaban
los nmeros de sus bateadores, mientras que los Dodgers (en rojo) consiguieron menos
recompensa por el trabajo de sus jugadores. El error medio de la frmula 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 frmula, por lo tanto, nos puede servir para calcular el nmero de carreras que conseguir
un equipo basndonos en las acciones de sus bateadores.

Carreras creadas por partido

Esta frmula nos sirve para conocer la cantidad aproximada de carreras que conseguir un
equipo, pero para los jugadores deber ser algo diferente. Lgicamente, no todos los jugadores
del equipo conseguirn unos nmeros similares, unos son mejor bateando que otros. El
problema de esta frmula para los jugadores habituales radica en el peso excesivo que tienen los
partidos jugados; un jugador que juegue ms que el otro ser mejor con esta frmula aunque sus
nmeros sean peores.

As que lo que debemos buscar es el nmero 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 ser restar los
hits a los AB (como los errores son un 1,8% aproximadamente multiplicaremos los AB por
0,982). Para complicar ms 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 nmero de outs de tu equipo.

Por tanto, la frmula para conocer las carreras creadas por partido sera:

Comparar Jugadores

Ped en Twitter que los aficionados me dieran la lista de los jugadores a los que queran
comparar, as que ahora compararemos diferentes jugadores para ver cul de ellos es mejor; los
activos tienen los nmeros actuales, por lo que sus nmeros podran empeorar o mejorar.
Veremos qu jugador nos da ms carreras por partido aplicando la frmula antes explicada con
estadsticas recogidas hasta el 5 de mayo del 2016. No utilizamos el WAR para esta comparativa
ya que un jugador con ms temporadas jugadas tendr un WAR mayor que los jugadores que han
jugado menos.

Jugadores en activo

31
JUGADOR RC RC/PARTIDO
Miguel Cabrera 1657,00395 8,488997133
Joey Votto 905,2017761 8,453100412
Mike Trout 570,6422297 8,400230274
Alex Rodrguez2220,780705 7,808243317
David Ortz 1711,840456 7,593508115
Bryce Harper 386,9807088 7,336335382
Anthony Rizzo385,5273973 6,013232153
Nolan Arenado271,7721519 5,964223211
Jos Altuve 414,4711347 5,313849779
Mike Moustakas307,1477061 4,307030703

Miguel Cabrera es el jugador que nos da ms carreras por partido, con casi 8,5. Por detrs vemos
a Joe Votto, que anda por delante de muchas de las estrellas actuales. Entre lex Rodrguez y
David Ortz 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 aos par de hablar de Babe Ruth por la simple razn que me di cuenta que quienes
no le haban visto no me crean). Le sigue Barry Bonds.

Vemos que el nmero de carreras creadas por partido nos sale realmente elevada, Babe Ruth es
ms de 12, por lo que este dato nos da el nmero de carreras que tendramos en teora en un
equipo con nueve Babe Ruths. Lo que ahora deberamos mirar es cuntas carreras nos dara el
Bambino si jugara con otros ocho jugadores que no fueran l, pero esta premisa ya la
trataremos en otra entrada.

32
 VIII

Lo ms utilizado para evaluar pitchers es el Earned Run Average (ERA).

Este se calcula dividiendo las carreras recibidas por un pitcher sin contar las precedidas por un
error entre los innings pitcheados, y se multiplica por 9 que es el nmero de innings totales de
un partido. As nos da el nmero de carreras que hubiera concedido este pitcher si hubiera
continuado jugando durante todo el partido. Si vemos un pitcher con un ERA de 3.5 significa que,
si jugara todo el partido, tericamente su equipo recibira entre 3 y 4 carreras. Pocos pitchers
juegan todo el partido, as que para conocer las carreras que puede recibir un equipo tambin
deberamos tener en cuenta el ERA del bullpen del equipo. Evidentemente a ERA ms bajo mejor
es el pitcher, aunque aqu tambin influye la capacidad defensiva del equipo, si no son capaces de
hacer ni una doble eliminacin el ERA del pitcher tambin ser peor. Se intenta evitar el peso de
los errores, haciendo que las carreras que recibe un pitcher por el error de sus compaeros no se
compute como carrera recibida por el pitcher.

Para saber ms: Estadsticas bsicas de pitcheo

Hay varios problemas cuando evaluamos a un pitcher por su ERA:

Los errores son subjetivos. Algunos anotadores oficiales dan ms que otros, hasta existe un
estudio que demuestra que los equipos de casa reciben menos errores que los visitantes.
Cuando un pitcher abridor deja el partido con algn jugador en base su ERA depende del pitcher
relevista. Imaginemos que el pitcher abridor deja el campo con dos bases llenas y dos
eliminados, entra el relevista y elimina al siguiente bateador: no se le suma ninguna carrera al
abridor. Ahora, si el bateador consigue un Home Run se le dan dos carreras al pitcher abridor.
Los jugadores de campo de tu equipo, si son buenos, te metern menos carreras que si son
malos, y eso ya no depende en nada del pitcher.
La suerte. Dos lanzamientos idnticos, dos batazos iguales y segn la colocacin/habilidad del
shortstop puede ser una eliminacin fcil o llegar a primera base.

Otras medidas

Tambin se utiliza el ndice de Victorias/Derrotas, pero este aspecto depende mucho del poder
bateador de tu equipo. El pitcher puede conceder ocho carreras pero si los bateadores consiguen
nueve mientras ests en el campo se le dar el partido como ganado, y en el otro lado podemos
tener un pitcher que nicamente conceda una carrera, pero si sus bateadores no consiguen ni
una se le dar el partido como perdido.

Por lo tanto, el trabajo de los pitchers consiste en evitar que el oponente consiga carreras. En
este aspecto del juego su peso es importante, aunque no total, ya que los otros ocho jugadores
del equipo tambin tienen su papel defensivo. Podramos dividir la defensa en dos categoras:

Las que controla totalmente el pitcher:

33
Strikeouts
Walks
Home runs
Control parcial del pitcher:
Hits
Con estas premisas tenemos las DIPS (Defense Independent Pitching Statistics), la ms conocida
de stas es la FIP (Fielding Independent Pitching), que nos muestra la relacin entre Strikeouts,
Bases por Bolas, Bateador Golpeado (HBP) y Home Runs. El FIP se lee como el ERA, a ms bajo
mejor.

Para relacionar los Hits, Home Runs, At Bats, Strikeouts (K) y Sacrifice Fly (SF) tenemos la
estadstica BABIP.

Esta nos da una valoracin de la suerte del pitcher. A un nmero bajo es que el pitcher es ms
afortunado, pero cuando un jugador durante su carrera consigue BABIP bajos no significa que
tenga suerte, sino que sabe lanzar las bolas de tal manera que las golpeadas causen el menor
dao a su equipo.

34
Para saber ms: Estadsticas avanzadas de Pitcheo

De nuevo aparece la suerte. Podemos medir el nmero de fly balls que se quedan en sto o se
convierten en home runs, y para ello tenemos el ndice HR/FB%. Es sencillo, dividir el nmero de
HR por el nmero de FB y multiplicarlo por cien. La media es de un 10% aproximadamente, as
que si tenemos un pitcher con un 20% podemos decir que es menos afortunado que uno que
tiene un 5%, aunque la tendencia es ir hacia la media, por lo que el jugador del 20% con el
tiempo bajar hacia el 10 y el del 5 con el tiempo subir hacia el 10.

Un pitcher que consiga que los batazos del equipo contrario sean Ground Balls (bolas que ruedan
por el campo, cercanas, lo contrario a fly balls) conseguir mejores resultados que uno que deja
que las bolas lleguen ms lejos. Una ground ball (GB) se convertir como mucho en avanzar una
base, una bola lejana podra ser un doble, un triple o un home run. Es fcil por lo tanto calcular el
GB%: son los GB concedidos dividido por el total de bolas jugadas. Se considera que un jugador
con menos del 50% de GB es un jugador GB y con ms un jugador FB.

El estadio donde se juega tambin influye en el rendimiento de los pitchers. Es ms difcil evitar
carreras en el Yankee Stadium que en el Tropicana Field. Para calcularlo tenemos estadsticas
como el FIP- o FIP Minus:

FIP Minus = 100*((FIP + (FIP FIP*(PF/100)))/ AL or NL FIP)

Este nos relaciona el estadio (Park Factor) con el FIP total y el FIP de las diferentes ligas, la
Nacional y la Americana. La Media de FIP es 100, si un jugador est por debajo es que lo est
haciendo mejor que la media y si est por encima es que lo est haciendo peor.

Y para terminar el WAR (Wins Above Replacement), las victorias extras que nos consigue este
pitcher si juega l y no juega otro que en teora no nos ofrecera ninguna victoria. En teora es
la estadstica perfecta que nos permiten evaluar a los jugadores sin necesidad de las otras, tal
como contamos en la parte anterior.

En conclusin, ya tenemos las diferentes estadsticas disponibles para evaluar de forma

independiente a un pitcher, las que dependen casi de forma completa del pitcher:

Strikeouts cada 9 entradas.

Bases por bolas cada 9 entradas.
Home runs cada 9 entradas.
BABIP
Home runs sobre el total de fly balls
Porcentaje de ground balls.
FIP (utilizar el total, ya que el FIP- se correlaciona perfectamente en los buenos jugadores que
compararemos).

35
WAR (lo utilizar nicamente en los jugadores retirados, ya que estos ya han terminado su
carrera y nos da una evaluacin de toda su vida deportiva. En los que estn activos vara segn
los aos que han jugado, la edad que tienen, las temporadas que llevan, etc, por lo que nos dara
una visin algo sesgada de su valor total).
Para esta evaluacin no mirar a todos los pitchers activos, he cogido los pitchers que
recomendaron algunos aficionados en Twitter (@Seattlefspain, @natxopistatxo,
@maquinadehuesos y @DiegoBeccacece), tanto que juegan actualmente como ya retirados.

36
Para compararlos he utilizado un mtodo sencillo, he puntuado todas las estadsticas, un uno al
peor en esa estadstica y subiendo hasta el mejor. Lo he dividido en dos grupos, las leyendas y los
jugadores actuales, ya que algunas estadsticas no estn en ambos grupos-.

Leyendas

JUGADOR K/9 BB/9 HR/9 BABIP FIP WAR SUMA

Nolan Ryan 7 1 9 8 8 7 40
Tom Seaver 5 6 5 9 7 5 37
P. Martnez 8 7 4 5 9 4 37
Greg Maddux 2 9 8 4 4 9 36
Bert Blyleven 4 8 3 3 6 6 30
R. Johnson 9 3 1 1 5 8 27
D. Gooden 6 4 7 2 3 2 24
Fdo Valenz 3 2 6 6 2 1 20
Phil Nierko 1 5 2 7 1 3 19

37
En el nmero 1 nos aparece Nolan Ryan. El jugador que conceda menos home runs pero el que
daba ms bases por bolas; probablemente dispona de un gran instinto para saber cundo le iban
a batear bien si lanzaba en una zona de strike, as que prefera lanzar bolas y ver si el bateador
las intentaba batear. Randy Johnson era el jugador que consegua ms strikeouts cada 9
entradas, pero el que conceda ms home runs y tena un peor BABIP, mientras que si
nicamente evaluramos el WAR el mejor jugador era Greg Maddux.

Pitchers actuales *(con estadsticas a 31 de mayo de 2016)

TEAM K/9 BB/9 HR/9 BABIP GB% HR/FBFIP SUMA

Clayton Kershaw 9 4 13 11 9 13 12 71
Jos Fernndez 13 2 12 9 2 11 13 62
Jacob deGrom 7 6 11 8 6 12 11 61
Matt Harvey 8 11 10 7 5 10 8 59
Noah Syndergaard 11 12 2 3 13 2 10 53
Madison Bumgarner 6 10 8 5 8 8 6 51
Stephen Strasburg 12 7 6 1 10 3 9 48
Masahiro Tanaka 4 13 1 13 12 1 3 47
Jake Arrieta 3 1 9 12 11 5 2 43
Chris Sale 10 9 4 4 4 4 7 42
David Price 5 5 7 6 3 9 5 40
Johnny Cueto 1 3 3 10 7 6 1 31
Zack Greinke 2 8 5 2 1 7 4 29

Como no poda ser de otra manera el mejor pitcher est siendo Clayton Kershaw. Es el que
concede menos home runs y el que logra que la mayora de sus fly balls no se conviertan en
home run. Le sigue Jos Fernndez, el que logra un mayor nmero de strikeouts cada 9 entradas
y con el mejor FIP. Tanaka es el que concede menos bases por bolas hace y tiene un mejor BABIP,
pero su punto dbil son los home runs, es el que ms da y el que tiene la mala suerte que las fly
balls se conviertan en home runs. Johnny Cueto consigue pocos strikeouts, comparado con estos
grandes jugadores, y su FIP es la peor de todo el grupo.

38
 IX

El trabajo del pitcher no slo viene marcado por su habilidad lanzando, tambin es vital tener
unos compaeros que realicen bien las jugadas defensivas, que consigan eliminaciones simples,
dobles, triples, catchs, atrapen a los jugadores que roban bolas. Esta temporada hubo cierta
polmica por la concesin del Cy Young a Rick Porcello, de los Boston Red Sox, ante Justin
Verlander de los Detroit Tigers, una dicusin que empez la novia de Verlander, Kate Upton:

Y no le faltaba razn a la buena de Kate, los nmeros de ambos jugadores eran muy parejos:

Verlander: 16-9 / IP 227 / SO 254 / BB 57 / ERA 3.04

Porcello: 22-4 / IP 223 / SO 189 / BB 32 / ERA 3.15
Pero la diferencia estribaba en la defensa de ambos equipos, los Red Sox eran los cuartos con
mejor defensa de la Liga Americana segn Fangraphs (29,2 puntos, un 29% mejor que la media
aproximadamente), mientras que los Tigers eran los decimosegundos, -12,8 puntos, un 13%
peor que la media. As que Verlander consigui unos nmeros tan buenos como Porcello pero
con un equipo defensivo peor. Y, cmo medimos la defensa de los equipos?

rick-porcello

La estadstica y su clculo

De todas las estadsticas defensivas hablaremos de la DRS (Defensive Runs Saved). Esta
estadstica nos muestra las carreras que un jugador ha salvado o ha dejado de salvar
comparndola con la media de los jugadores en su misma posicin. No tiene el mismo papel
defensivo un shortstop que un tercera base, un outfielder que un catcher, as que esta estadstica
nos dar el valor de cada jugador segn su posicin defensiva.

La DRS es fcil de entender, pero complejo de calcular. Por ejemplo, la DRS de +7 en un segunda
base nos dice que este jugador nos ha salvado de recibir 7 carreras ms que la media de
jugadores que estn en segunda, por tanto, es 7 carreras mejor que la media.

Para hacernos una idea de cmo se calcula el DRS, se utiliza la direccin, la distancia, la velocidad
y el tipo de bateo en cada jugada. Cogemos a todos los jugadores que han recibido una bola
similar y vemos lo que consiguieron: eliminacin, doble eliminacin, salvado y dependiendo de
su efectividad en la jugada se le dan carreras, se le restan o le deja igual. Se compara en estadios
similares, por ejemplo, si 405 pies (123,44 metros) en un campo es home run, lo analizamos en
campos con estas caractersticas ya que en otros 405 pies no es un home run y por tanto es
posible crear una jugada defensiva.

Hay otras muchas especificaciones en el clculo, aqu las tenis ms detalladas.

En 2016 los mejores han sido:

39
Mookie Betts BOS RF 32
Adam Eaton CWS RF 22
Kevin Pillar TOR CF 21
Nolan ArenadoCOL 3B 20
Por tanto, Mookie Betts ha salvado 32 carreras ms que la media de right fielders que han jugado
durante esta temporada, ha evitado que los Red Sox recibieran 32 carreras que si no hubiera
estado l y hubiera jugado un jugador de la media hubiera recibido su equipo.

Y los peores:

Andrew McCutchen PIT CF -28

J.D. Martinez DET RF -22
Alexei Ramirez SS -20
Joey Votto CIN 1B -14
S, McCutchen ha sido el peor jugador en este aspecto y Joey Votto el cuarto peor. El jugador de
Pittsburgh le ha costado 28 carreras a su equipo por su defensa, y es que nunca ha sido bueno en
este aspecto ya que la temporada pasada registr -8 y la anterior -13; probablemente este sea
uno de los motivos por los que est en la lista de traspaso de los Pirates.

Resultados por posicin

Y, cunto representa ganar 32 carreras para tu equipo o perder 28? La respuesta est en El
Teorema de Pitgoras del Bisbol anteriormente explicado.

Como cada posicin es diferente, algunas son ms complejas de defender, por lo que existe un
ajuste segn las posiciones que se ocupan en el campo.

40
Ajuste de posiciones para DRS

Los resultados de la DRS siempre deben darse cuando se han jugado un buen nmero de
partidos, dos o menos meses de juego son pocos, por lo que ser una estadstica para consultar
cuando ya se lleva media temporada jugada.

Para darnos una idea del valor de cada jugador en sus diferentes posiciones tenemos la tabla de
la habilidad defensiva, y segn el nmero de puntos de DRS podemos decir que un jugador es
Guante de Oro, Bueno, Sobre la Media, en la Media, Bajo la Media, Pobre o Horrible:

DEFENSIVE ABILITY DRS

Gold Glove Caliber +15
Great +10
Above Average +5
Average 0
Below Average -5
Poor -10
Awful -15
Un jugador con ms de 15 puntos ser Guante de Oro, mientras que otro que tenga ms de 15
puntos negativos ser un jugador Horrible defendiendo esta posicin.

Estas jugadas defensivas son evaluadas por Baseball Info Solutions (BIS), personas que deciden
el valor de las diferentes jugadas, por lo tanto, el error humano siempre est presente, pero
ahora contaremos con StatCast, un mtodo de evaluacin mucho ms cientfico y preciso, por lo
que las evaluaciones de las habilidades defensivas de los jugadores mejorarn en el futuro.

Estos son los jugadores con mejor DRS de toda la historia, desde que se contabiliza esta
estadstica, hasta la temporada 2016. Muchos de ellos reciben los premios a los mejores
jugadores defensivos en cada posicin, Fielding Bible Awards.

# NOMBRE POS DRS

1 Adrian Beltre 3B 206
2 Albert Pujols 1B 139
3 Chase Utley 2B 134
4 Mark Ellis 2B 132
5 Andrelton Simmons SS 131
6 Yadier Molina C 126
7 Jack Wilson SS 116
8 Scott Rolen 3B 114
9 Jason Heyward RF 113
10 Mark Teixeira 1B 10
11 Ian Kinsler 2B 102
12 Dustin Pedroia 2B 101
13 Ichiro Suzuki RF 101

41
14 Alex Gordon LF 101
15 Orlando Hudson 2B 101
16 Troy Tulowitzki SS 93
17 J.J. Hardy SS 88
18 Nolan Arenado 3B 84
19 Manny Machado 3B 75

42
 X

Para conocer las respuestas tenemos el paso del tiempo, pero para intentar aproximarnos a lo
que ocurrir tenemos las proyecciones, que funcionan con una premisa bsica: los resultados
pasados nos pueden desvelar los nmeros futuros. Si un bateador lleva un average de .280
durante tres temporadas en la MLB, probablemente sus nmeros durante la siguiente estarn
entre .260 y .300; sera extrao que bateara a .200 o a .360, porque siempre existe una
regularidad en el tiempo y los cambios bruscos son noticia, por eso, porque son inhabituales.
Nadie se sorprende que Trout batee como lo hace, pero si un rookie consiguiera los nmeros de
Trout sera noticia todos los das porque se saldra de la media, y eso es lo inhabitual.

Pero no todo son nmeros, en las proyecciones tambin intervienen otros factores de futuro que
desconocemos que aparecen y pueden variar el rendimiento de un jugador.

Posicin en el lineup: No es lo mismo batear el primero que el tercero. Cuando uno batea
primero y se embasa estar en la primera base con ningn eliminado, sus posibilidades de
conseguir carrera son mayores que el que batea tercera y ya hay uno o dos eliminados en su
equipo. En este sentido, el concepto de Run Expectancy depende del momento del juego que hay
ms o menos probabilidades de conseguir carreras.
Cambios en el equipo: Si el equipo del jugador analizado ha fichado a un gran bateador que
consigue un gran nmero de home runs, si este juega ne el nmero 3 del lineup el jugador del
nmero 2 conseguir muchas carreras, mientras que el 4 se encontrar con mucha probabilidad
todas las bases vacas.
Lesiones: Un tema complicado ya que la mayora de las veces son inesperadas, aunque viendo la
frecuencia de lesiones de un jugador podemos hacernos una idea de cmo le ir durante la
temporada. Pero no es para nada muy fiable, cada jugador responde de forma diferente a los
tratamientos y a las recuperaciones de las lesiones. Adems, hay muchas situaciones
incontrolables: se lo pueden preguntar a Madison Bumgarner y su accidente de moto que le va a
costar unos dos meses de competicin, cmo predecir esto?
Cambios en la mecnica de bateo: El ejemplo clsico es el de Jos Bautista, pas de 13 home runs
en 2009 a 54 en 2010 cambiando su forma de batear. No sabes nunca si lo que est
probando/entrenando un jugador va a funcionar.
Qumica: Desconoces la qumica que aparecer en los equipos y si esto puede afectar a los
jugadores de formar positiva o negativa. Existen jugadores que hacen mejores a sus compaeros
aunque sus nmeros no sean buenos. Un ejemplo es lo mencionado en este artculo.

Plate Appearances (PA)

Conocer el nmero de veces que el jugador saldr a batear es bsico para conocer sus
estadsticas durante la temporada. Cuanto ms juegue ms posibilidades tiene de conseguir
carreras, home runs, ser ms veces eliminado por strikeouts, etc. Es una estadstica muy difcil
de predecir ya que intervienen muchos factores que no conocemos al inicio de la temporada: las
lesiones que puede sufrir el jugador, si el entrenador contar con l durante muchos partidos o el
orden en el que batear durante los partidos. Se ha visto que los jugadores tienen 18 PA menos

43
que el jugador que batea justo antes que l, por tanto el jugador que batea segundo tendr 18
apariciones menos en el plato de bateo que el primero. Tambin depende de la calidad de tu
lnea ofensiva, si es muy productiva se batea ms que si es poco productiva.

En este caso, para predecir, deberamos conocer el orden en el que batear el jugador que
queremos analizar. Una buena gua sera conocer las veces que apareci el pasado ao y si sigue
en el mismo equipo probablemente ser muy similar. En el caso que el jugador cambie de equipo
podramos ver cuantas PA tuvo el jugador al que sustituye ste.

Otra variable que deberamos analizar sera las posibles lesiones que sufrir el jugador, hay
muchas que son totalmente imprevistas, pero algunos jugadores suelen perderse un nmero de
partidos determinados cada ao por lesiones o por otros motivos. Por ejemplo, en Pro Sports
Transactions podemos ver los partidos que se ha perdido cada jugador en las ltimas
temporadas, tanto por decisiones del entrenador como del general manager al ser enviado a las
Ligas Menores, asuntos personales, problemas de disciplina o trifulcas legales.

En 2015, la media de PA por equipo fue de 6.121, por tanto la suma de todos los jugadores de un
equipo debera andar entre 6.000 y 6.300. Los jugadores titulares cuando estn sanos tienen
entre 600 y 700 PA. Los catchers acostumbrar a jugar menos, entre 450-600 PA, mientras que los
reservas estn entre 200 y 400.

Strikeout Percentage (K%)

Es una de las estadsticas ms estables en el mundo del bisbol, sobre todo en jugadores que
acumulan ms de 150 PA por temporada. Rrecordemos que en bisbol es muy importante
trabajar con muestras grandes, jugadores que juegan bien durante unos partidos no nos dicen
nada de como jugar en el futuro, un buen bateador durante aos seguir bateando bien, por eso
la importancia de las PA y del tiempo que se lleva jugado. El jugador vara muy poco las veces
que es eliminado por strikeout. En este artculo de Fangraphs nos dan una frmula con
estadsticas avanzadas para conocer el K% de un jugador.

Hay otros factores que tambin intervienen. Se ha visto que el K% baja cuando un jugador llega a
los 24 aos, se mantiene con pocas variaciones hasta los 31, aumenta de nuevo hasta los 35 y a
partir de esa edad vuelve a bajar. De 2011 a 2015 los K% aumentaron del 18.6% al 20.4%, y los
porcentajes varan del 30% al 8% en diferentes jugadores.

Pero siempre puede haber excepciones, y siempre las hay ya que un jugador puede mejorar su
bateo, perder confianza ante ciertas situaciones, entrar en una mala racha, etc. Las proyecciones
son orientativas porque quin iba a pensar que Eric Thames conseguira 12 home runs en 30
partidos?

Carreras Impulsadas (RBI) y Carreras Conseguidas (R)

44
Es imprescindible saber en qu orden batea el jugador para conocer las carreras que impulsar o
que conseguir. El jugador que se embasa sin ningn eliminado tiene ms posibilidades de
conseguir una carrera que el embasado con dos eliminados; el jugador que batea y tiene un
jugador en tercera base tiene ms posibilidades de impulsar una carrera que el jugador que tiene
un jugador embasado en primera base. Se ha visto que el cuarto jugador de la lnea es el que
tiene ms posibilidades de conseguir un RBI, seguido del tercero, segundo, quinto, primero,
sexto, sptimo, octavo y noveno.

Los jugadores que ms se embasan conseguirn ms carreras que los que se embasan menos.
Otro factor que nos ayudar en las predicciones ser su historia de RBI y R, como siempre si
sigue jugando en la misma posicin en la lnea. El RBI de un jugador est entre 125 y 140, las
carreras conseguidas entre 115 y 130. Ahora poneros en la piel de un entrenador que debe
decidir el orden de bateo y averiguar cmo debe colocar a cada jugador para conseguir el mayor
nmero de carreras para el equipo; ordenarlos bien o mal puede ser la diferencia entre ganar o
perder, si embasas los jugadores en el momento correcto las carreras sern tuyas, si te equivocas
probablemente perders la posibilidad de conseguir carreras. Complejo y hermoso el juego del
bisbol.

Bases Robadas (SB)

Qu se necesita tener para robar bases?: Velocidad. Y como todo tiene su estadstica, Bill James
(el padre de la sabermtrica) desarroll una estadstica para la velocidad de los jugadores: Speed
Score (Spd), de excelente, 7 puntos, a horrible, 2 puntos. Tambin es importante ver:

La tcnica de un jugador, no todos los jugadores rpidos son buenos robando bases.
La historia del jugador, el porcentaje de bases robadas que consigue sobre las intentadas (a
algunos jugadores les falta confianza o tienen las habilidades y no las utilizan lo suficiente,
De nuevo en este caso hablamos del orden en la lnea de bateo ya que tienes ms posibilidades
de robar si bateas el primero que el tercero.
El momento es otro factor, embasado sin ningn eliminado o embasado con dos eliminados
Y lo bueno que es el catcher contrario lanzando a segunda base ya que si es un genio en este
aspecto te lo pensars dos veces antes de robar.
El porcentaje de bases robadas anda alrededor de un 70%. El factor predictivo ms importante
sera el nmero de bases robadas cada ao, y realizar una media, aunque las variables durante
los diferentes juegos hace que sea muy difcil predecir el nmero exacto. Lo que s sabemos es
que algunos jugadores roban menos cuando la velocidad decrece, y eso ocurre con la edad, con
30 aos se roba menos que con 20.

Predecir es fcil? No, pero es posible.

45
46