Wij hier bij The Athletic Philadelphia zijn blij dat onze honkbalverslaggeving op volle toeren draait nu de lentetraining van start gaat. Onze staf is toegewijd om je te voorzien van de hoogste kwaliteit Phillies verslaggeving beschikbaar. Een ding dat we niet uit de weg gaan is analytische inhoud. In het honkballandschap van de 21e eeuw – waar top-down organisaties en jullie, de fans, beter geïnformeerd zijn dan ooit tevoren – is het belangrijk voor ons om de sabermetrische vooruitgang die het spel beïnvloedt te begrijpen en te omarmen. Gezien de voorliefde van zowel het Phillies frontoffice als de nieuwe coachingstaf voor analytics, zal dit nog crucialer zijn bij het verslaan van de franchise dit seizoen en in de toekomst.
De verhalen en menselijke aspecten van honkbal zijn nog steeds even belangrijk als altijd. Naast boeiende verslaggeving en inzicht, willen we onze verslaggeving onderscheiden met een scherp oog voor analyses en een vermogen om die cijfers te combineren met verhalen die de kern van het spel raken. In het huidige klimaat zijn veel van de meest interessante verhalen van het honkbal te vinden op het snijvlak van de menselijkheid van het spel en de enorme statistische troeven. Veel fans willen niet langer alleen weten dat een werper goed werpt, ze willen weten waarom hij goed werpt en of dat succes duurzaam is, naast het horen van de mening van de werper, de coach en de general manager over de zaak. Deze fans willen het spel op een meer diepgaande en goed geïnformeerde manier consumeren.
Dat brengt me bij het onderwerp van dit stuk. De analytische honkbalgemeenschap blijft groeien, evenals de hulpmiddelen waarop de gemeenschap vertrouwt. Hier willen we een overzicht geven van veel van de onderwerpen en statistieken die de analytische gemeenschap aansturen en waarnaar we in onze verhalen zullen verwijzen. We zullen onze berichtgeving niet alleen afstemmen op diegenen die goed thuis zijn in de sabermetrie en degenen die dat niet zijn buiten sluiten, maar als je geïnteresseerd bent in deze concepten, willen we je helpen ze te begrijpen en je kennis van het spel te vergroten. We zijn hier niet om je te vertellen dat je dom bent als je geen stathead bent; we zijn hier om je te voorzien van informatie die je in staat zal stellen om je volledig onder te dompelen in onze verhalen en ze beter te waarderen. Als je vragen of feedback hebt na het lezen, laat het me weten in de comments, waar we de discussie kunnen voortzetten.
Zo gauw mogelijk …
Wins Above Replacement
Gelijkelijkelijkelijk het meest gebruikte sabermetrische concept, Wins Above Replacement (WAR) is een metriek die probeert de bijdragen van een speler te distilleren in een enkel getal. Dit getal vergelijkt de acties van een speler met de verwachte bijdragen van een gemakkelijk beschikbare vervangende speler – denk aan een typische minor-league free agent of quad-A speler. Hoewel de basis van de stat de toegevoegde overwinningen zijn in vergelijking met die van een vervangende speler, draait de berekening rond het aantal punten dat een speler aanvallend toevoegt en het aantal punten dat hij zijn ploeg bespaart, hetzij verdedigend of op de werpheuvel. Aangezien het universele doel van het spel is om wedstrijden te winnen, worden deze puntentotalen omgezet in overwinningen. Elke 10 toegevoegde of geredde punten is gelijk aan 1.0 WAR – bijvoorbeeld, 20 punten is 2.0 WAR.
Zoals in het leven is het moeilijk een significante waarde te produceren zonder er de nodige tijd in te steken. In tegenstelling tot bijvoorbeeld het slaggemiddelde levert één solide wedstrijd geen perfecte WAR op – 4-uit-4 is een 1.000 gemiddeld, maar één ongelooflijke wedstrijd honkbal levert geen WAR van hoog kaliber op. Het is een statistiek die bijdragen over tijd accumuleert. Hoe langer de bijdragen aanhouden, hoe hoger de WAR.
Verschillende verkooppunten gebruiken verschillende statistieken en methoden om hun versies van WAR te berekenen, en leggen daarbij een iets andere nadruk op diverse aspecten van het spel. Bijvoorbeeld, Baseball Prospectus’ berekeningen houden rekening met de toegevoegde waarde van catchers die pitches goed omkaderen en strikes stelen. Fangraph’s WAR baseert het werpgedeelte van hun metriek op Fielding Independent Pitching (FIP), een metriek (verderop in dit stuk uitgelegd) die probeert de verdedigende bijdragen van een team uit de statistieken van een werper te halen.
De drie belangrijkste soorten WAR zijn van Baseball Reference (bWAR of rWAR), Fangraphs (fWAR) en Baseball Prospectus’ Wins Above Replacement Player (WARP). Ze omvatten ook positionele aanpassingen, omdat bijvoorbeeld korte stop spelen moeilijker is dan eerste honk spelen en moeilijkere posities moeten worden beloond in een metriek die spelers van alle posities vergelijkt.
Zoals verstrekt door Fangraphs, hieronder is een ruwe WAR-schaal die vrij goed volgt over de verschillende berekeningen met een voorbeeld van een speler in elke range uit het seizoen 2017 (volgens de cijfers van Fangraphs):
wOBA: Weighted On-Base Average
Weighted on-base average is een catch-all offensieve metric die tekortkomingen in andere offensieve statistieken aanpakt. Hoewel we vaak slashline gebruiken (Slaggemiddelde/On-Base percentage/Slugging percentage), geeft wOBA een getal dat makkelijker is om naar te kijken en tijd bespaart. In plaats van te zeggen dat Rhys Hoskins .259/.396/.618 sloeg in 2017, kunnen we zeggen dat hij een .417 wOBA had. In termen van schaal is wOBA geformatteerd op een vergelijkbare schaal als on-base percentage. Vorig jaar was het competitiegemiddelde OBP .324, terwijl het competitiegemiddelde wOBA .321 was.
wOBA scheidt zich van slashline metrics of OPS (On-base plus slugging), bijvoorbeeld, door unieke waarden toe te kennen aan verschillende methoden om het honk te bereiken. Dit is intuïtief, en een belangrijke reden waarom sommige statistieken de zaken oversimplificeren – homers zijn waardevoller dan triples, die waardevoller zijn dan doubles, enz. Het geeft spelers ook krediet voor niet-opzettelijke vrije lopen. Een slagman die 3-uit-10 slaat met drie homeruns slaat .300, omdat het slaggemiddelde alle slagen als gelijk behandelt. Diezelfde slagman heeft echter een wOBA van maar liefst .585.
wRC+: Weighted Runs Created Plus
Net als wOBA is dit een zeer bruikbare alles-in-één offensieve metriek. Wat wRC+ nog bruikbaarder maakt is de schaal. wRC+, en alle andere statistieken die eindigen op een +, zijn geschaald rond een leaguegemiddelde van 100, waarbij elk punt boven of onder de 100 overeenkomt met een percentage boven of onder het leaguegemiddelde. Hier zijn een paar voorbeelden van jongens die dicht bij elk van de volgende wRC+ benchmarks in 2017 zaten:
180: 80 procent boven het gemiddelde (Mike Trout)
160: 60 procent boven het gemiddelde (Jose Altuve)
140: 40 procent boven het gemiddelde (Paul Goldschmidt)
120: 20 procent boven het gemiddelde (Carlos Santana)
100: competitiegemiddelde (Ender Inciarte)
90: 10 procent onder het gemiddelde (Jordy Mercer)
80: 20 procent onder het gemiddelde (Freddy Galvis)
De metric houdt ook rekening met parkfactoren om het speelveld gelijk te trekken, aangezien sommige stadions meer pitcher- of hittervriendelijk zijn dan andere. Het past echter geen positiecorrecties toe zoals WAR.
OPS+: On-Base Plus Slugging Plus
Als je bekend bent met OPS, en net de bovenstaande paragraaf hebt gelezen waarin wRC+ wordt uitgelegd, dan zou OPS+ eenvoudig moeten zijn. OPS is de som van de on-base en slugging percentages van een speler, zodanig geschaald dat het competitiegemiddelde 100 is. Hoewel OPS geen perfecte statistiek is omdat het OBP en SLG als gelijkwaardig behandelt (dat zijn ze niet), is hij ook niet erg onnauwkeurig.
De grootste tekortkoming van OPS is dat het die twee statistieken, OBP en SLG, bij elkaar optelt, die twee verschillende noemers hebben. In plaats van te corrigeren voor dat verschil, worden de twee getallen gewoon bij elkaar opgeteld. Bovendien heeft onderzoek door Tom Tango aangetoond dat OBP bijna twee keer zo belangrijk is voor de puntenproductie als SLG.
BB% en K%
Een centraal punt in een groot deel van de sabermetrische analyse is een afkeer van traditionele tel-statistieken (denk aan RBI’s of hits) ten gunste van op snelheid gebaseerde statistieken (zoals OBP) of in dit geval, het aantal vrije lopen (BB%) en het aantal strikeouts (K%). Het tellen van statistieken, zoals het aantal vrije lopen en het aantal strikeouts, kan misleidend zijn omdat ze belangrijke context wegnemen. Bijvoorbeeld: Vorig jaar schakelde Rich Hill 166 slagmensen uit, terwijl Marcus Stroman 164 keer drie slag gooide. Hoewel hun strikeout-totalen ongeveer gelijk zijn, kreeg Hill 552 slagmensen tegenover zich en gooide meer dan één slag per inning uit. Stroman, aan de andere kant, kreeg meer dan 800 slagmensen tegenover zich en gooide minder dan één slag per inning.
Door het aantal strikeouts van een speler te delen door het aantal slagmensen dat hij tegenover zich heeft gehad (of het aantal slagbeurten, als hij een slagman is), krijgen we het K%. Hill’s strikeout rate van 30,1% was ongeveer 50 procent boven het gemiddelde, terwijl Stroman’s 19,7 K% een tikje onder het gemiddelde was, ondanks dat hun strikeout-totalen vrijwel identiek waren. Het is niet zo belangrijk om te weten hoeveel werpers er uit gaan, maar wel hoe groot de kans is dat hij iemand uit gaat slaan.
BABIP: Batting Average on Balls In Play
Een belangrijk Sabermetrisch concept, BABIP meet hoe vaak een in het spel gebrachte bal valt voor een hit (exclusief strikeouts, vrije lopen en homeruns, omdat die technisch gezien niet in het spel worden gebracht en beïnvloed worden door de verdediging). De statistiek wordt meestal gebruikt om het geluk te bepalen dat een werper of slagman heeft bij het slaan of toelaten van een bal in het spel. Drastische BABIP-uitschieters gaan meestal terug naar het gemiddelde. Hoewel het vaak een goede indicator van geluk is, is het niet gezaghebbend. Veel dingen kunnen de BABIP van een slagman of werper beïnvloeden. Bijvoorbeeld, slagmensen met topsnelheid hebben meer kans om groundballs te slaan dan de gemiddelde slagman, en hun BABIP zou daarvan moeten profiteren. Als een werper wordt omringd door een slechte verdediging of routinematig hard contact toestaat, zullen zijn veldspelers minder snel op de plek komen waar de bal zal landen, waardoor de BABIP van de werper stijgt.
ISO: Isolated Power
Isolated power is een andere maatstaf voor de slagvaardigheid van een speler, die zich op één belangrijke manier onderscheidt van het slugging percentage. ISO isoleert de extra-honkslagen die deel uitmaken van het slugging percentage. Terwijl het slugging percentage een maat is voor het totaal aantal honken (afkomstig van slagen) per slagbeurt, kijkt ISO naar extra honken per slagbeurt. De berekening is eenvoudig SLG-AVG.
Bij voorbeeld, een speler die 6-uit-10 slaat met zes honkslagen heeft een slugging percentage van .600. Dat is enorm, en zou suggereren dat de speler een eersteklas power hitter is. Wat ISO doet is honkslagen uit de vergelijking halen. Diezelfde speler, die 6-uit-10 slaat met zes honkslagen, heeft een .000 ISO, omdat geïsoleerd vermogen alleen extra honken meet. Dit is zeker een extreem voorbeeld, maar het laat zien hoe nuttig ISO is om het signaal van de ruis te scheiden bij het identificeren van spelers met goede ruwe kracht.
FIP: Fielding Independent Pitching
Terwijl ERA lang de koning van de pitching metrieken is geweest, is FIP in het leven geroepen om te zien wat ERA grotendeels negeert. FIP kijkt alleen naar het aantal strikeouts, vrije lopen en toegestane homeruns van een pitcher, drie belangrijke gebieden waar de pitcher de meeste controle over heeft. Terugkomend op de BABIP uitleg hierboven, zult u zich herinneren dat de verdediging een grote invloed kan hebben op de run prevention van een werper. Historisch gezien schommelt de toegestane BABIP van pitchers vaak van jaar tot jaar, wat wijst op het geluk en de willekeur van ballen in het spel die in hits veranderen.
FIP probeert de waarde van een pitcher te ontcijferen op basis van de dingen waar hij de meeste controle over heeft, vandaar de naam Fielding Independent, terwijl het effect van de verdediging achter hem wordt tenietgedaan. Het wordt gebruikt op een ERA schaal, dus alles wat je normaal een goede ERA vindt, is een goede FIP.
Fangraphs’ Pitch Values
In een poging om succesvolle of worstelende worpen in iemands repertoire te identificeren, heeft Fangraphs getallen die waarden toekennen aan de individuele aanbiedingen van elke pitcher. Ze zijn ook beschikbaar om te zien hoe een slagman het deed tegen een bepaald type worp over alle plaatverschijningen.
Elke worp verandert de telling, en elke bal in het spel verandert de spelstatus. Elk van deze verandert wat wij noemen de Run Verwachting. In essentie hebben tientallen jaren van spelgegevens de verwachte toenames/afnames in runscores bepaald als de telling, het aantal outs en het aantal baserunners veranderen. Pitch Values telt alle veranderingen in de runverwachting op van vóór de worp tot erna, en creëert zo een cumulatieve waarde voor een bepaalde worp. Voor een werper zal een worp die de aanval routinematig in een slechtere positie brengt om te scoren een hogere waarde accumuleren dan een worp die vaak hard wordt geraakt of buiten de zone wordt gegooid.
Plaatdiscipline
Fangraphs heeft fenomenale plaatdiscipline metrieken die zeer nuttig zijn om te leren wat er werkelijk gebeurt in slagman-pitcher matchups. Voor slagmensen geven de statistieken aan wanneer ze slaan en hoe vaak ze contact maken. Voor werpers geven ze details over de slagen die hun tegenstanders maken. Hier zijn belangrijke concepten.
Swing%: Percentage swings op alle worpen
O-Swing%: Percentage swings op worpen buiten de zone
Z-Swing%: Percentage swings op worpen binnen de zone
Contact%: Percentage swings dat resulteert in fair contact
O-Contact%: Percentage van de worpen buiten de zone dat resulteert in een fair contact
Z-Contact%: Percentage van de worpen binnen de zone die resulteerden in redelijk contact
Zone%: Percentage van de worpen in de strike zone
F-Strike%: Percentage van de eerste worp dat een strike is
SwStr%: Percentage worpen dat resulteert in swings and misses (verschillend van whiff rate, dat het percentage swings berekent waarbij een slagman whifft)
Veel van deze statistieken zijn zeer complex. Voor de niet-ingewijden die tot nu toe onbekend waren met deze metriek, volstaan deze definities voor nu. Als dit je eetlust opwekt en je geïnteresseerd bent om dieper te graven, is er nog veel meer te leren over al deze statistieken. Fangraphs heeft fenomenale, diepgaande beschrijvingen van deze en nog veel meer statistieken.
Voor de meerderheid van de statistieken hierboven geven de gegeven werkdefinities je wat je nodig hebt om hun algemene gebruik en belang te begrijpen. Voor de meer complexe statistieken (zoals WAR, BABIP, of FIP), die verborgen berekeningen onder de motorkap hebben of grotere implicaties op bredere sabermetrische concepten zoals geluk, is er altijd meer onderzoek te doen en discussies te voeren.
Top foto: Jonathan Dyer/USA TODAY Sports
START GRATIS PROEF