Altavoz | Transcripción |
| cristiano | Así que gracias, amigos, por acompañarnos hoy aquí en JMP Discovery Summit, la versión virtual. Mi nombre es Christian Stopp. Soy ingeniero de sistemas JMP. |
| Y hoy me acompaña mi colega Don McCormack, quien también es ingeniero principal de sistemas para JMP. |
| Y probablemente llegaste aquí porque viste el título de la charla. Y viste que esto era... eres un fanático del béisbol acerca de los jugadores de las Grandes Ligas de Béisbol y querías participar |
| o vio que se trataba del explorador de datos funcionales y quería aprender un poco más sobre cómo emplear el explorador de datos funcionales en diferentes entornos. Así que vamos a unir esos dos temas hoy. don y yo y |
| Voy a orientar mi conversación un poco más hacia los fanáticos del béisbol primero. |
| Así como estamos teniendo conversaciones comunes entre jugadores de béisbol y fanáticos del béisbol, podrías pensar en cómo |
| lo que tu jugador favorito hace en relación con otros jugadores y podrías tener con tus amigos, estas conversaciones y, con suerte, se mantendrán, ya sabes, educados al respecto. |
| sobre quién es tu jugador favorito y por qué. |
| Y así es como imaginé que esta infame conversación entre Alex Rodríguez y Varitek era solo sobre quién... comparando notas sobre quién era su jugador favorito. |
| Entonces, para mí, mi origen comenzó, y como el de Don, con respecto a simplemente tener un amor por el béisbol y |
| estar interesado en las estadísticas de béisbol que encontrarás en el reverso de las tarjetas de chicle que solíamos coleccionar. |
| Y mientras tienes estas conversaciones sobre quién es tu jugador favorito, podrías notar que los jugadores difieren con respecto a qué tan buenos son, pero también cosas diferentes como cuando envejecen... |
| a medida que envejecen, donde alcanzan su punto máximo, como cuando el rendimiento comienza a decaer con el tiempo. Y mientras piensas, tal vez como yo, en las trayectorias profesionales de estos jugadores, es posible que quieras preguntarte: Bueno, ¿cómo capturo o modelo ese desempeño a lo largo del tiempo? |
| Ahora, si eres extrañamente como yo, decides que quieres dedicarte a las estadísticas para poder hacer exactamente eso. |
| Pero lo animo a que se salte esa ruta y sea más inteligente que yo y simplemente use una herramienta como el explorador de datos funcionales para ayudarlo a convertir esas estadísticas... curvas estadísticas en números para usar en sus esfuerzos. |
| Entonces, para aquellos de ustedes que están un poco menos familiarizados con el béisbol, pero |
| lo que veremos son datos que reflejan cosas que son medidas del rendimiento del béisbol. Así que voy a estar hablando de jugadores de posición y |
| bate de los jugadores de posición. Y entonces, una de las métricas de su destreza de bateo es el porcentaje de embase más el porcentaje de slugging u OPS. |
| Y así, en el eje Y, tengo esa medida para un par de jugadores diferentes a medida que envejecen. Y el azul es Babe Ruth y el rojo es Ted Williams. |
| Y como puede ver, a partir de estas trayectorias tiene la sensación de que ambos parecen tener aproximadamente la misma calidad de desempeño durante la mayor parte de sus carreras. |
| Pero es posible que sepa que su punto máximo puede parecer un poco mayor para Ted Williams, en lugar de tal vez para Babe Ruth. |
| Y Babe Ruth, parece que tal vez necesitó un poco de tiempo para ponerse al día y llegar a esa medida si solo estás mirando esta trama sin ningún otro conocimiento. |
| Entonces, hay muchos... estos son solo dos jugadores entre los miles o decenas de miles de jugadores que podrías estar considerando y solo mira la comparación, |
| se puede imaginar que hay mucha variabilidad acerca de estas características de sus trayectorias profesionales. Entonces, también hay una clara variabilidad dentro de la trayectoria de un jugador. |
| Así que podría usar la función de suavizado de Graph Builder aquí y simplemente suavizar un poco el ruido asociado con esas curvas, para tener una mejor idea de la señal sobre la trayectoria de ese jugador. |
| Y resulta que ese suavizado es muy similar a lo que sucede en ese proceso que emplea el explorador de datos funcionales. |
| Así que aquí tengo un explorador de datos funcional y nuevamente estoy... mi métrica aquí es el porcentaje en base más el porcentaje de slugging, OPS. |
| Y solo miro para ver... como si estuviéramos comparando estas trayectorias de jugadores, ahora, en FDE hay un explorador de datos funcional, está suavizando esas curvas de jugadores, como puede ver, |
| y luego extraer información sobre lo que es común a través de esas curvas. |
| Y entonces, para cada jugador ahora, lo que obtienes a cambio de hacer eso es puntajes que están asociados con el desempeño de ese jugador. Y entonces, estos puntajes describen la trayectoria de carrera del jugador de una manera cuantitativa agradable para que los llevemos y usemos otros análisis como lo haremos. |
| Entonces es solo que, pueden ver un poco, estos son puntajes de Hank Aaron. |
| Y en el perfilador al que... al que puede acceder en el explorador de datos funcionales, |
| en realidad puede cambiar... puede ver esa trayectoria aquí para el OPS de ese jugador con respecto a la edad y luego cambiar esos valores para reflejar cuáles son los puntajes de ese jugador y obtener una mejor... replicar su |
| su trayectoria profesional con esos puntajes. |
| Correcto, eso es un poco sobre FDE y cómo emplearlo aquí. Verán a Don y a mí hablando sobre estas estadísticas con las que ahora estamos equipados, |
| estos puntajes de jugadores que obtenemos del explorador de datos funcionales, que los obtiene de esas curvas con las que comenzamos. Y entonces vamos a usar eso... algo de lo que estamos haciendo es predecir como tal vez el estado del Salón de la Fama. |
| Y no solo quién está en el Salón de la Fama que pertenecen allí, o más interesante, como quizás, quiénes son los jugadores que están en el Salón de la Fama que tal vez no deberían estar porque las estadísticas no lo respaldan. |
| o tal vez identificar a los jugadores que el comité del Salón de la Fama parece haber rechazado. Así que hablaremos un poco sobre las diferentes métricas que usamos y cómo las revisamos. |
| Y luego tomar esas trayectorias profesionales usando FDE y luego obtener los puntajes y hacer la predicción, como lo haríamos normalmente con otras cosas. |
| Entonces, si no ha seguido el béisbol, la elegibilidad para el Salón de la Fama... los requisitos de elegibilidad son que un jugador tuvo que jugar al menos 10 años, es decir, 10 temporadas, y tuvo que esperar... tiene que esperar cinco años antes de eres elegible. |
| Y luego tienes 10 años durante los cuales eres elegible y la gente puede votarte. Entonces, hay un par de jugadores que veremos que todavía tienen... que todavía están esperando la llamada. |
| La sala utiliza un criterio de selección diferente principalmente en torno a qué tan bien se desempeñó el jugador, pero también tiene en cuenta estas otras cosas que |
| la fuente de datos que estamos usando, Lahman Database, no incluye, por lo que es difícil de medir. Así que nos limitamos a los análisis que reflejan su destreza estadística en el campo. |
| Y, por supuesto, después de 150 años de jugadores de béisbol jugando béisbol, es posible que reconozca que están jugando en diferentes épocas. |
| Y por eso queremos asegurarnos de que estamos comparando a los jugadores con sus compañeros. Y entonces vamos a tomar eso, ya sabes, tal vez el año en que jugaron en cuenta, |
| o la posición que desempeñaron ya que se asocian diferentes requisitos... normalmente se asociarían con diferentes posiciones. |
| Y luego, las diferentes ligas tienen reglas diferentes; también lo sopesaremos. |
| Ahí es donde voy a parar. Don se pasará a lanzar y luego volveré y hablaré sobre los jugadores de posición. |
| donmccormack | Entonces, como dijo Christian, voy a hablar un poco sobre lanzar, pero |
| mientras estoy haciendo eso, antes de eso estoy haciendo eso, |
| lo que me gustaría hacer es ilustrar algunos de esos puntos iniciales que mencionó Christian. Las cosas que son buenos datos |
| técnicas analíticas, cosas que realmente deben hacerse, independientemente de la técnica de modelado que utilice, |
| sin embargo, resulta que es bueno hacerlo antes de modelar sus datos usando FDE. Voy a hablar específicamente sobre la limpieza de los datos, |
| sobre la normalización de los datos, para que pueda comparar personas por igual y, finalmente, modelar los datos. Entonces, como ilustración, lo que tengo... lo que ven en la pantalla ahora mismo, |
| estamos viendo a tres lanzadores muy diferentes que están todos en el Salón de la Fama. La línea roja es Nolan Ryan, |
| una carrera muy larga, unos 27 años de carrera. La línea verde, la línea media, ese es Hoyt Wilhelm. |
| Para algunos de ustedes, jóvenes, es posible que no sepan quién es Hoyt Wilhelm; lanzó desde principios de los 50 hasta los 72, creo. |
| Carrera bastante larga; abarcó múltiples épocas. Era principalmente un relevista, pero no un relevista como los relevistas de hoy en día. Es un tipo que cuando salía a relevar, |
| ySabes, podría lanzar seis entradas. Bien, muy, muy atípico de los relevistas hoy. La línea azul es Trevor Hoffman, gran cerrador de los Padres de San Diego. Pero de nuevo, un lanzador muy diferente. Entonces, la pregunta es, quiero decir, ¿qué hacemos, cómo preparamos estos datos? |
| y establecer de tal manera que podamos comparar a las tres personas por igual? Entonces, lo primero que mencioné es que queremos limpiar sus datos. Y por cierto, voy a usar cuatro métricas diferentes. voy a usar |
| WHIP (bases por bolas y hits por entrada lanzada), ponches por nueve, jonrones por nueve y una métrica |
| He creado fácilmente el porcentaje llamado de bateadores enfrentados sobre el mínimo, donde solo he tomado la cantidad de bateadores que enfrentó un lanzador dividido por el total de outs que obtuvieron. |
| y restado uno. La idea aquí es que si cada bateador que se enfrentó lo logró, entonces sería perfecto. |
| Bien, voy a ver esas cuatro métricas. Tengo diferentes criterios en términos de cómo defino mi normalización, |
| en términos de cómo estoy evaluando los valores atípicos y voy a incluir una plataforma de PowerPoint |
| para que mire para obtener los detalles, pero no voy a hablar de ellos aquí por el bien del tiempo. Así que lo primero que haré será limpiar los datos. Notarán que, por ejemplo, ese primer año que Nolan Ryan lanzó |
| tres entradas lanzadas; WHIP muy, muy alto. Como un par de temporadas aquí, creo que Trevor Hoffman |
| lanzó una cantidad baja. Entonces, voy a comenzar excluyendo los datos. Qué lindo. Ha reducido el rango y siempre es bueno salir, sacar los valores atípicos de los datos antes de hacer el análisis. |
| Otro paso que quiero mencionar es que cuando hice FDE, cuando usé FDE en estos datos dentro de la plataforma, te permite hacer una selección adicional de valores atípicos donde, |
| incluso si tiene varias columnas que está usando, |
| solo eres una pantalla... no estás filtrando toda la fila; solo está filtrando los valores para esa entrada dada, lo cual es una característica muy, muy buena. Así que lo uso también porque todavía había, |
| incluso con mi evaluación inicial, todavía había algunas anomalías de las que necesitaba deshacerme. |
| limpiar los datos. Normalizar es el segundo. Entonces, por normalización, lo que hice es, básicamente, normalicé en el eje X. Y he normalizado en el eje Y. Asi que, |
| lo que estamos viendo aquí es el número de temporadas. Entonces, cada una de estas temporadas se toma como una entidad completa separada, pero todos sabemos que en algunas temporadas, algunos lanzadores lanzan más entradas que otras temporadas. |
| Entonces, en lugar de ver las temporadas como mis entidades, voy a ver el porcentaje acumulativo de salidas de carrera. Así que sé eso, sé que al final de la temporada, los lanzadores hicieron tantos outs acumulados en su carrera, y esa es una cierta proporción, toda o toda su carrera. |
| salidas Así que voy a usar eso para escalar mis datos. Ahora, lo mejor de eso es que notará que ahora los tres lanzadores están en el mismo |
| escala x. Todo, todo está escalado de cero a uno. Así que muy bueno... |
| desde el punto de vista del análisis FDE, algo realmente agradable de tener. Y finalmente, también quiero escalar en el eje Y. |
| Y todo lo que he hecho es dividir el WHIP por el WHIP promedio para el tipo de lanzador y para la era en la que lanzaron. Entonces tengo un WHIP relativo. Ahora, la otra cosa buena de usar estos valores relativos es que |
| Sé dónde está mi línea en la arena. Sé que un lanzador que tiene un WHIP relativo de uno es un lanzador promedio. Entonces, en este caso, voy a buscar a esos tipos que lanzan |
| con WHIPs bajo uno. Entonces notará que estos tres lanzadores durante la mayor parte de su carrera, estuvieron debajo de esa línea en uno. Ahora lo último que voy a hacer, |
| es que quiero usar mi FDE para modelar esa trayectoria, la trayectoria. Ahora, uno de los problemas con el uso de los datos tal como están, los dos problemas con el uso de los datos, tal como están. Una es que está bastante lleno de baches, |
| y sería realmente difícil estimar cuál es la trayectoria profesional con todos estos altibajos. Lo segundo es, |
| Eventualmente, lo que quiero hacer es usar esa métrica que he generado del FDE, esta trayectoria para llegar a una estimación general de carrera. Entonces, en lugar de mirar mis temporadas o mi porcentaje acumulativo como |
| entidades discretas, quiero poder modelar eso durante toda la carrera continua. Y lo veremos un poco más adelante. Así que voy a reemplazar mi |
| por ciento mi... Lo siento por... condicional... mi WHIP, mi mi WHIP relativo con esta estimación FDE condicional. Ahora, es posible que me hayas visto volver a esos dos, podrías decir, oh chico, eso es qué ... qué |
| qué gran diferencia entre los dos, ¿realmente está haciendo un buen trabajo? Un poco difícil de decir a partir de ese gráfico. Entonces, entonces, lo que yo, lo que quiero hacer |
| es que voy a mostrarte realmente cómo se ve eso. Así que aquí lo que he hecho es que me detuve |
| los, los, los, los valores discretos. Este es Nolan Ryan, por cierto. Las medidas discretas de Nolan Ryan, junto con su curva para su para su |
| estimación FDE condicional, verá que no sigue el mismo camino irregular o lleno de baches, pero hace un buen trabajo de estimación |
| cuál es su trayectoria profesional. Y en general con su WHIP |
| alto, al principio, caminó a mucha gente, era un lanzador muy, muy salvaje, mucho más salvaje en la parte inicial de su carrera, lo creas o no. |
| Pero a medida que avanzaba su carrera, eso mejoró. Y esto es lo que verás en cualquiera de los cántaros que elegí. Entonces, por ejemplo, si voy a, vamos a Hoyt Wilhelm. |
| Aquí está Guillermo. Una vez más, no captura los altibajos absolutos, pero hace un buen trabajo al modelar la dirección general de hacia dónde, hacia dónde fue su carrera. |
| Bien, entonces usemos eso para preguntar. Sólo tengo una cantidad limitada de tiempo. Desearía tener más tiempo porque hay algunas cosas geniales que puedo mostrarles. |
| Pero yo... voy a empezar con lo que yo llamo los desairados. Bien, estos son los jugadores que... usé FDE en esas cuatro métricas que mencioné. |
| Los uso como entradas, junto con el tipo de lanzador y probé un montón de técnicas de modelado predictivo. Los dos que mejor me funcionaron fueron el ingenuo Bayes |
| y análisis discriminante. Y uso esas dos técnicas de modelado para decirme quién entró... quién debería estar y quién no debería estar. |
| y eso es lo que... lo que estamos viendo aquí es, estamos viendo esos lanzadores en los que tanto el ingenuo Bayes como el análisis discriminado dijeron que sí, |
| pero el Salón de la Fama dijo que no. Así que estos son mis... esto desairado. Así que notarán que en este caso... y permítanme cambiar a esto. Estas son las aplicaciones. Este es el WHIP relativo. Vamos con el WHIP condicional. |
| Y permítanme seguir adelante y poner esa línea de referencia allí en uno y verán, en su mayor parte, estos son lanzadores, que pasaron la parte superior... la mayor parte de su carrera. |
| debajo de esa línea. Ahora, la otra cosa en la que podrías pensar, mirando estos datos, es que |
| wow, sería muy difícil distinguir a estos jugadores. ¿Cómo comparo estos ahora, si yo si fuera a poner, digamos, unos cuantos cántaros que estaban en el pasillo |
| en esta lista también. Quiero decir, serían... sería difícil separarlos solo por |
| observándolos, porque algunos de sus carreras serían mejores que otros, y cambiarían en otras partes de sus carreras. ¿Cómo puedo, cómo trato con esto a nivel profesional? |
| Entonces, como mencioné anteriormente, una de las cosas buenas del explorador de datos funcionales es que puedo tomar esos datos, |
| y puedo puedo puedo crear una trayectoria profesional. Estime un montón de puntos de datos a lo largo de esa trayectoria profesional. Y lo hice, en realidad dividí carreras en 100 |
| unidades y sumé todas esas cien unidades para cada una de mis curvas. Básicamente, lo que hice fue obtener algo así como un área bajo la curva. |
| Si estuviera por encima de esa línea, restaría, si estuviera por debajo de esa línea, yo... lo siento... si estuviera por encima de esa línea, sumaría; debajo de la línea que restaría. |
| Y si miramos las trayectorias profesionales totales... esta es una, esta es en realidad... esta es una lista más grande. Esto es aproximadamente 1300 o 1400 lanzadores, así que absolutamente todos los que estaban... |
| absolutamente todos los que eran elegibles para Hall, 10 años o más. Entonces, veamos rápidamente un par de cosas que podemos hacer con esto. |
| Comencemos... permítanme comenzar mirando a los jugadores que fueron desairados. Estos son... estos son nuestros jugadores... estos son mis jugadores que fueron desairados. Asi que |
| bien, entonces estos son 100 valores. Entonces, entonces, la línea en la arena aquí sería 100 porque tengo 100 valores diferentes que he medido. |
| Entonces notará que, en su mayor parte, estos jugadores estaban por encima de 100. Aquí está la lista de los jugadores que no llegaron a la lista. Y si echas un vistazo a estos jugadores, |
| Notarás que hay un par de tipos aquí que son obvios. Gente como Curt Schilling y el y el y el Roger Clemens para non non non |
| Razones de carrera para el para el para el para el para el... que algunos de los otros criterios que Christian mencionó, no están ahí. Pero hay algunos muchachos, por ejemplo, Clayton Kershaw, que aún no ha terminado su carrera. |
| Pero ciertamente hay otras personas que usted podría considerar... que son elegibles para Hall. Entonces, en realidad, veamos eso también. Así que echemos un vistazo a las personas que son elegibles para el Salón, que no han estado en el salón... |
| B. J. Ryan; otra vez Curt Schilling está allí; Johan Santana, sin saber por qué no llegó al pasillo; Smokey Joe Wood, lanzador de principios del siglo XX; y así. Asi que, |
| la capacidad de FDE para permitirme extraer valores de cualquier lugar a lo largo de su trayectoria profesional es una herramienta adicional para poder estimar algunos |
| criterios adicionales, en términos de quién pertenece a la sala y quién no pertenece a la sala. Entonces, basta de decir sobre los lanzadores. Vamos... Voy a devolverle la palabra a Christian para que podamos hablar un poco más sobre los jugadores de posición. |
| cristiano | Excelente. Gracias, don. |
| Derecha. |
| De acuerdo, Don estaba hablando sobre el lanzamiento... los lanzadores y entonces estoy mirando, estaré mirando la posición. |
| donmccormack | jugadores, por lo que hay dos componentes diferentes que intervienen en eso. |
| cristiano | Tienes tu, tu destreza de bateo, así como tu destreza de fildeo y tomé una perspectiva un poco diferente a la que hizo Don, con respecto a solo |
| mirando las estadísticas y luego construyendo modelos. Terminé comenzando con solo cuatro de las estadísticas de bateo más comunes, y esas son las primeras cuatro en la lista aquí, algunas de las que encontrarías en el reverso de las tarjetas de béisbol. |
| Y luego, a medida que avanzaba, como veremos, necesitaba algo para capturar las bases robadas, porque las primeras cuatro realmente no... no hacen eso en absoluto. |
| Así que creé una métrica que llamo el promedio de la unidad base que trae a otros movimientos de los corredores de base que... para dar crédito al bateador por esas cosas. Y luego, el fildeo, por supuesto, también es un factor, como veremos, así que incluí un par de métricas para el fildeo. |
| Y así como Don, como se mencionó anteriormente, quería asegurarme de comparar manzanas con manzanas, así que estoy mirando |
| con referencia a la posición y la liga y el año para esto esas estadísticas que mencioné. y luego cuando |
| Al igual que Don, quería asegurarme de que ponderaba adecuadamente esos tamaños de muestra más pequeños para que no obstruyeran el sistema. Así que terminé ponderando el rendimiento de los jugadores en relación con el número de apariciones en el plato en relación con el promedio de ese año de la liga. |
| en un espacio de alineación en particular sobre cuántas apariciones en el plato debe tener ese espacio en el transcurso de la temporada. Así es como se ponderan. |
| Derecha. Entonces, veamos cómo se ve eso. Vamos a volver y visitar a Ted Williams nuevamente aquí. |
| Así que tenemos la carrera de Tim Williams aquí a la izquierda, vimos, y estos son los puntajes brutos. |
| Y luego parece que tuvo una muy mala temporada aquí. |
| Pero si, una vez que tomas un componente relativo de eso, puedes ver que en realidad es una temporada promedio como Don, todavía está por encima de esa línea promedio de uno. Y entonces fue una especie de mala temporada para Ted Williams en sus propios estándares. |
| Y luego vimos anteriormente que estos dos picos para Ted Williams podrían haberse parecido a su desempeño máximo, pero resulta que esas son temporadas en las que tuvo un número menor de muestras... de apariciones jugadas debido a su |
| siendo... yendo a la Guerra de Corea. Entonces terminó teniendo ese impacto en sus puntajes. Volví a ponderar en consecuencia hacia el promedio nuevamente debido a los tamaños de muestra más pequeños. |
| Asi que, |
| así es como nosotros, los tipos de datos. Voy a centrarme solo en las estadísticas relativas en mi conversación aquí y solo en algunas de las cosas que me llamaron la atención. |
| Aquí vamos. Y haremos eso. |
| Necesito la tabla de números aquí para alimentar |
| de la FDE. Así que aquí están los puntajes que vamos a ver, los puntajes FPC relativos del FDE. |
| Y lo primero que vi, incluí cuatro variables en mi modelo, esas primeras cuatro estadísticas de bateo, y |
| Solo quería asegurarme de tener los componentes correctos en mi análisis. Entonces, en el eje izquierdo aquí está la probabilidad basada en modelos de estar en el Salón de la Fama. |
| Ahora qué... disculpe, ese es el eje y, en el eje x está si la persona realmente está o no en el Salón de la Fama. Y entonces mis áreas de clasificación errónea son estas dos secciones aquí. |
| Y noté que había algunos jugadores aquí abajo más de lo que esperaba. Así que estaba explorando y podríamos explorar variables que aún no incluí, como bases robadas. |
| Y entonces los mostraré por color y tamaño. |
| Y como puedes ver, |
| Me pareció bastante claro que las bases robadas son definitivamente un factor que los votantes del Salón de la Fama estaban tomando en cuenta. Estos son... |
| por lo que el color y el tamaño son relativos a la cantidad de bases robadas a lo largo de su carrera. Y esto es lo que me llevó a crear esa estadística de promedio de unidad base que luego usé. |
| Entonces, agregando... mientras exploraba esos modelos que describí, comencé con cuatro estadísticas y luego agregué esa estadística BUA. Este es mi eje x ahora. |
| Y luego agregué estadísticas de fildeo y lo que tenemos aquí es una gráfica paralela, donde el eje y está nuevamente... es una probabilidad del modelo que sugiere que el jugador debería estar en el Salón de la Fama y cada una de las líneas ahora es un jugador. |
| Y así, el color representa su estatus en el Salón de la Fama. El rojo es sí, ya fueron admitidos, y el azul es no. |
| Y por eso me gusta esta trama porque me permite mirar para ver quién se mueve. Si puedo ver el impacto de esas variables adicionales en el modelo. |
| Y, por supuesto, lo primero que me llamó la atención fue este tipo aquí, cómo surgió de ser un no realmente |
| a agregar el componente base robado, y podemos ver que es muy probable que sea elegido para el Salón de la Fama y que pertenezca, dependiendo de cómo se mire. Y es Ricky Henderson, quien resulta ser el líder de carrera de bases robadas. |
| Ahora, otro jugador, y solo mirando el lado defensivo de las cosas, es Kirby Puckett, cuyas estadísticas iniciales sugieren que, según el modelo inicial, |
| que lo hace; está lo suficientemente calificado al otro lado de la línea. Pero luego, ya sabes, de vuelta si agregas el componente base robado, |
| sí, en realidad ya no parece calificar. Y finalmente, ponemos el hecho de que es un muy buen fildeador, ganó varios guantes de oro jugando en el jardín central para los gemelos, |
| vemos que está de vuelta en la buena voluntad del comité del Salón de la Fama, y con razón votó. |
| Este es un tipo de modelo desordenado. |
| No es un modelo desordenado e hiciste muchas cosas aquí. Asi que, |
| Terminé agregando mi filtro de datos local para poder ver cada posición individualmente. |
| Y aquí para la primera base, es mucho más fácil ver que tenemos a la gente en rojo y luego en azul. Ahora tenemos a alguien aquí, este es Todd Helton quien, al menos en todos los modelos que estábamos viendo |
| sugieren que debería ser admitido en el Salón de la Fama y todavía es elegible. Así que todavía está esperando la llamada. |
| Pero alguien como Dick Allen, también hay azul, no en. Sus números, al menos según las estadísticas resumidas, las estadísticas FDE que estamos usando y los modelos sugieren que no debería... pertenece al Salón. |
| Y hay otras personas que son rojas, hasta abajo, como Jim Thome, a quien las modelos sugieren que no pertenece realmente, pero lo votaron. |
| Entonces, diferentes formas de explorar esas diferentes relaciones entre, a medida que agregamos esos predictores. |
| Ahora, como Don, quería tener una idea de, bueno, quién, quién fue rechazado y quién podría haber sido dotado. |
| o al menos tenía, ya sabes, componentes no orientados estadísticamente a su consideración. |
| Así que, como Don, ejecuté varios modelos y me decidí por cuatro modelos que me gustaron e hice el mejor trabajo de... trabajo predictivo, y como Don, en lugar de solo usar la edad |
| en mi FDE como el eje x, también lo basé en un porcentaje acumulativo de apariciones jugadas. Y eso sería... tener estas dos variantes diferentes me dio una serie de modelos para mirar. Así que profundicé solo en las personas que en los ocho modelos, |
| están en el Salón de la Fama, pero ninguno de los modelos sugiere que deban estarlo. Y esa es esta línea aquí. Hay 31 de esos. |
| Y el reverso lo tengo en verde aquí, las personas que los modelos en cualquiera de los cubos... la mayoría de los modelos en cualquiera de los cubos de edad versus Kimball diferencian el porcentaje de apariciones en el plato sugieren que pertenecen al Salón de la Fama, pero Ellos no están. Así que saqué a toda esta gente |
| y tal como Don quería, simplemente compare cómo son sus trayectorias |
| y hay... ¿están cerca al menos, o está pasando algo más aquí? |
| Y como pueden ver, este es el porcentaje de base más el porcentaje de slugging, OPS, nuevamente. Ciertamente parece, en rojo y los signos más, que las personas que fueron desairadas actuaron |
| mucho mejor en esta métrica, y resulta que todas las demás métricas de estadísticas ofensivas son mejores que las personas dotadas, las personas que están dentro, pero que el modelo sugiere que no deberían estarlo. |
| Y eso me hizo pensar, bueno, ¿son solo las estadísticas ofensivas y tal vez el fildeo es donde brillan las personas que ya estaban adentro? Y en base a qué porcentaje de fildeo por lo menos, en realidad sugiere que ese todavía es el caso, donde... |
| en realidad esta es esta gente desairada. |
| La, la gente dotada todavía se ve como si fueran... |
| no necesariamente pertenecen tanto como estas personas despreciadas. |
| Fue solo en el componente del factor de rango donde la marea se invirtió. Y así terminas viendo que las personas dotadas superan a las personas desairadas que se desempeñaron mejor. |
| Esa es otra toma diferente, muy parecida a la de Don, que puede usar para evaluar |
| exactamente qué componentes están incluidos en su modelo. |
| Hay muchas formas diferentes de ver los datos aquí. |
| Así que estoy terminando porque estoy seguro de que algunos de ustedes están ansiosos por saber quién es despreciado y quién tiene talento entre esas personas. |
| Estas son algunas de las personas que fueron desairadas, al menos entre los jugadores de posición y, como Don mencionó para algunos de sus lanzadores, hay algunas de estas personas a las que se les prohibió el béisbol, por lo que no son exactamente desairadas. |
| probablemente reconozcas algunos de estos. |
| Y luego estos son algunos de los jugadores que fueron dotados, o al menos el criterio de sus estadísticas solo es... puede que no haya sido lo que los llevó al Salón de la Fama. |
| Correcto, para terminar donde hemos estado, hemos podido tomar las trayectorias profesionales de esos jugadores de su desempeño en... elegir una métrica |
| y poner eso en el explorador de datos funcionales y obtener resúmenes numéricos que capturen la esencia de esas curvas. |
| Y luego, a su vez, usar esas estadísticas, esos puntajes que obtenemos para poder ponerlos en nuestras técnicas estadísticas tradicionales con las que estamos familiarizados. |
| Entonces, ahora podemos cambiar esa pregunta de cómo modelas o cuantificas la trayectoria profesional y la revisamos a una pregunta de ¿qué quiero explorar con estos puntajes de FPC que tengo? |
| Así que esperamos que hayan disfrutado hablando de béisbol y esa interacción con el béisbol y JMP y FDE. |
| Y espero que se sienta capacitado para tomar la herramienta FDE que está disponible en JMP Pro para abordar preguntas con datos como quién es su jugador favorito y por qué, y tener los medios para respaldarlo. |
| Gracias por unirte a nosotros. Cuídate. |
| donmccormack | Bien, entonces, ¿cómo lidiamos con estos casos en los que necesitamos ver la trayectoria profesional de alguien? ¿Hay otras métricas en las que podamos hacer estas comparaciones, de modo que |
| ¿Podríamos diferenciar estas gradaciones realmente finas? Entonces, como mencioné anteriormente, lo que podríamos hacer es que podríamos, ciertamente, podríamos, podríamos, podríamos mirar absolutamente cualquier punto a lo largo de la trayectoria profesional de la persona. |
| con cualquier cantidad de gradación que queramos. E hice eso. Tomé 100 puntos de datos, 100 valores entre cero y uno, |
| inicio de carrera, fin de carrera, y resumí sobre todos esos valores. E hice esto... lo bueno de esta técnica es que puedo hacerlo para múltiples métricas. Entonces, ahora lo que estamos viendo aquí es que estamos viendo, estamos viendo un |
| gráfico de las cuatro métricas. |
| Podemos trazarlos todos en un gráfico. Vamos a volver de nuevo a ese grupo de personas que fueron desairadas, |
| estas personas aquí. Así que eso es tan... así que si echamos un vistazo a estas personas, |
| vemos que tenían un mínimo... por cierto, 100 en este caso porque fueron 100 observaciones. |
| cien jonrones por nueve, quieres ese bajo; |
| porcentaje de bateadores enfrentados por encima del mínimo, bajo; y luego los ponches en nueve entradas, quieres en el lado alto. Notarás que esa es una especie de trayectoria |
| que la gente sigue. Ahora bien, lo interesante de este punto es que lo que puedo hacer es, puedo |
| usar cualquier criterio que yo quiera. Entonces, por ejemplo, digamos que voy a ver... Voy a considerar a todos mis jugadores y solo quiero considerar a las personas que tuvieron |
| Un WHIP que estaba por debajo, en este caso, de 100... así que mejor que eso... eso es en realidad eso... incluso lo hace mejor que eso. Digamos 90 o menos. |
| Bien, echemos un vistazo a esas personas que, ya sabes, al menos tienen el número promedio de ponches por nueve entradas, y tal vez el porcentaje de bateadores que enfrentaron más de 100 es como mínimo. |
| Y así, y no tomaré en cuenta los jonrones por nueve aquí. También podrías estandarizar y normalizar por el número de temporadas y lo he hecho exactamente. |
| Entonces, lo que quiero hacer es mirar a esos jugadores que tal vez solo tienen 10 equivalentes de temporada, donde un equivalente de temporada se basa en cómo fue la temporada promedio de un jugador. |
| Está bien. Y finalmente, qué tipo de carga de trabajo tuvieron durante toda su carrera. Y digamos que queremos a alguien que tenga al menos el 80 %, |
| hagámoslo un poco más estricto, digamos, digamos, |
| sobre la misma carga de trabajo. Y nuevamente, podemos usar diferentes criterios para descartar a aquellas personas que no creemos que debamos considerar y aquellas personas que sí creemos que consideramos y luego usar esos criterios... |
| También quiero decir, echemos un vistazo a esas personas que no están en el Salón de la Fama. |
| Así que, aquí vamos. Ahora tenemos una lista de personas que vale la pena considerar. Y notará que son bastantes personas que probablemente no deberían sorprenderlo. Estas son personas |
| que aún no están en el pasillo porque todavía están jugando o simplemente han sido ignorados, Chris Sale, por ejemplo, todavía está lanzando. |
| Curt Schilling, por razones obvias, no está en la sala. Johan Santana, ¿por qué, por qué no está en el pasillo? De hecho, él era parte de ese grupo que fue desairado. |
| Entonces, lo bueno de usar estos FDE es que puede tomarlos, convertirlos en sus trayectorias profesionales y luego usar una métrica adicional para poder determinar |
| digno de salón y no digno de salón. |
