| Vocero |
Transcripción |
| cristiano |
Muchas gracias a todos por acompañarnos hoy en la Cumbre de Descubrimiento de JMP, en su versión virtual. Mi nombre es Christian Stopp y soy ingeniero de sistemas de JMP. |
| |
Hoy me acompaña mi colega Don McCormack, quien también es ingeniero principal de sistemas en JMP. |
| |
Y probablemente llegaste aquí porque viste el título de la charla. Y viste que esto era... eres un fanático del béisbol sobre los jugadores de las Grandes Ligas de Béisbol y querías |
| |
o viste que se trataba del explorador de datos funcional y quisiste aprender un poco más sobre cómo emplear el explorador de datos funcional en diferentes entornos. Así que hoy vamos a combinar esos dos temas. Don y yo y |
| |
Voy a enfocar mi conversación un poco más, pensando primero en los aficionados al béisbol. |
| |
Así como estamos teniendo conversaciones comunes entre jugadores y aficionados al béisbol, podrías pensar en cómo |
| |
Tu jugador favorito lo hace en relación con otros jugadores y podrías tener con tus amigos estas conversaciones y, con suerte, se mantendrán, ya sabes, educadas sobre |
| |
Sobre quién es tu jugador favorito y por qué. |
| |
Y así es como me imaginaba que transcurrió esta infame conversación entre Alex Rodriguez y Varitek: simplemente comparando opiniones sobre quién era su jugador favorito. |
| |
Y así, para mí, mi origen comenzó, y como el de Don, con el respeto de tener simplemente amor por el béisbol y |
| |
estar interesado en las estadísticas de béisbol que se encuentran en el reverso de las tarjetas de chicle que solíamos coleccionar. |
| |
Así que, al tener estas conversaciones sobre quién es tu jugador favorito, podrías notar que los jugadores difieren en cuanto a su nivel de habilidad, pero también en otros aspectos como su edad... |
| |
A medida que envejecen, se observa dónde alcanzan su máximo rendimiento, es decir, dónde empieza a decaer con el tiempo. Así que, al pensar, tal vez como yo, en las trayectorias profesionales de estos jugadores, uno podría preguntarse: ¿Cómo puedo capturar o modelar ese rendimiento a lo largo del tiempo? |
| |
Ahora bien, si eres como yo, decides que quieres estudiar estadística precisamente para eso. |
| |
Pero te animo a que evites esa opción y seas más inteligente que yo, y simplemente uses una herramienta como Functional Data Explorer para ayudarte a convertir esas estadísticas... curvas estadísticas en números que puedas usar para tus proyectos. |
| |
Así que 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 en el béisbol. Así que voy a hablar sobre los jugadores de posición y |
| |
Los jugadores de posición batean. Por lo tanto, una de las métricas de su destreza al bate es el porcentaje de embasamiento más el porcentaje de slugging o OPS. |
| |
En el eje Y, tengo esa medida para un par de jugadores diferentes a medida que envejecen. El azul representa a Babe Ruth y el rojo a Ted Williams. |
| |
Como se puede apreciar en estas trayectorias, ambos parecen haber tenido un nivel de rendimiento similar durante la mayor parte de sus carreras. |
| |
Pero es posible que sepas que el punto álgido de su rendimiento parece estar un poco más avanzado en el caso de Ted Williams, en comparación con Babe Ruth, por ejemplo. |
| |
Y Babe Ruth, parece que tal vez necesitaba un poco de tiempo para alcanzar esa velocidad si solo se observa este gráfico 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 simplemente mirar para comparar, |
| |
Como puedes imaginar, existe mucha variabilidad en cuanto a las características de sus trayectorias profesionales. Por lo tanto, también hay variabilidad dentro de la trayectoria de un mismo jugador. |
| |
Así que podría usar la función de suavizado del Generador de gráficos y suavizar un poco el ruido asociado a 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 ocurre en el proceso que emplea el explorador de datos funcionales. |
| |
Aquí tengo el explorador de datos funcionales y de nuevo... mi métrica aquí es el porcentaje de bases alcanzadas más el porcentaje de slugging, OPS. |
| |
Y estoy mirando solo para ver... como si estuviéramos comparando estas trayectorias de jugadores, ahora, en FDE, el explorador de datos funcionales está suavizando esas curvas de jugadores, como puedes ver, |
| |
y luego extraer información sobre lo que tienen en común esas curvas. |
| |
Así pues, para cada jugador, lo que se obtiene a cambio son puntuaciones asociadas a su rendimiento. Estas puntuaciones describen la trayectoria profesional del jugador de forma cuantitativa y clara, lo que nos permite utilizarlas en otros análisis, como haremos a continuación. |
| |
Así que, como pueden ver, estas son puntuaciones de Hank Aaron. |
| |
Y en el perfilador al que... al que puedes acceder en el explorador de datos funcionales, |
| |
En realidad puedes cambiar... puedes observar esa trayectoria aquí para el OPS de ese jugador a lo largo de la edad y luego cambiar esos valores para reflejar cuáles son las puntuaciones de ese jugador y obtener una mejor... replicar su |
| |
su trayectoria profesional con esos resultados. |
| |
Bien, eso es un poco sobre FDE y cómo emplearlo aquí. Así que verán a Don y a mí hablando sobre estas estadísticas con las que ahora estamos equipados, |
| |
Estas puntuaciones de los jugadores que obtenemos del explorador de datos funcionales, que las obtiene de las curvas con las que empezamos. Así que vamos a usar eso... parte de lo que estamos haciendo es predecir, por ejemplo, si entrarán en el Salón de la Fama. |
| |
Y no solo quiénes están en el Salón de la Fama y merecen estar allí, sino, lo que es más interesante, quiénes son los jugadores que están en el Salón de la Fama y tal vez no deberían estarlo porque las estadísticas no lo respaldan. |
| |
o tal vez identificar a jugadores que el comité del Salón de la Fama parece haber ignorado. Así que hablaremos un poco sobre las diferentes métricas que utilizamos y cómo las revisamos. |
| |
Y luego, tomar esas trayectorias profesionales usando FDE y luego obtener las puntuaciones y hacer la predicción, como normalmente haríamos con otras cosas. |
| |
Si no has seguido el béisbol, los requisitos de elegibilidad para el Salón de la Fama son que un jugador debe haber jugado al menos 10 años, es decir, 10 temporadas, y debe esperar cinco años antes de ser elegible. |
| |
Y luego tienes 10 años durante los cuales eres elegible y la gente puede votar por ti. Así que hay un par de jugadores que veremos que todavía están... que todavía están esperando la llamada. |
| |
El salón utiliza diferentes criterios de selección que se basan principalmente en el rendimiento del jugador, pero también toman en cuenta estas otras cosas que |
| |
La fuente de datos que estamos utilizando, la base de datos de Lahman, no incluye esta información, por lo que es difícil medirla. Así que nos limitamos a análisis que reflejen su destreza estadística en el terreno. |
| |
Y claro, después de, ya sabes, 150 años de jugadores de béisbol jugando al béisbol, es posible que te des cuenta de que están jugando en épocas diferentes. |
| |
Y por eso queremos asegurarnos de que estamos comparando a los jugadores con sus compañeros. Y por eso vamos a tener en cuenta, ya sabes, tal vez el año en que jugaron, |
| |
o la posición que desempeñaban, ya que se asocian diferentes requisitos... normalmente se asociarían con diferentes posiciones. |
| |
Además, cada liga tiene sus propias reglas; también tendremos eso en cuenta. |
| |
Aquí me detengo. Don le dará paso al tema de los lanzadores y luego volveré para hablar de los jugadores de posición. |
| Don McCormack |
Como dijo Christian, voy a hablar un poco sobre el lanzamiento, pero |
| |
mientras hago eso, antes de eso hago 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 hay que hacer, independientemente de la técnica de modelado que se utilice, |
| |
Sin embargo, resulta que son cosas buenas que hacer antes de modelar tus datos usando FDE. Voy a hablar específicamente sobre la limpieza de los datos, |
| |
sobre la normalización de los datos, para que puedas comparar a las personas de manera equitativa, y luego finalmente modelar los datos. Entonces, como ilustración, lo que tengo... lo que ves 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, de unos 27 años. La línea verde, la línea del medio, es Hoyt Wilhelm. |
| |
Para algunos de ustedes, los más jóvenes, tal vez no sepan quién fue Hoyt Wilhelm; lanzó desde principios de los años 50 hasta los 72, si no me equivoco. |
| |
Una carrera bastante larga; abarcó varias épocas. Fue principalmente relevista, pero no un relevista como los que podrías conocer hoy en día. Es un tipo que cuando salía a relevar, |
| |
Ya sabes, podría lanzar seis entradas. Bien, esto es muy, muy atípico para los relevistas de hoy. La línea azul es Trevor Hoffman, un 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 configurado de tal manera que podamos comparar a estas tres personas por igual? 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 cada nueve entradas, jonrones por cada nueve entradas y una métrica |
| |
He creado fácilmente el porcentaje de bateadores enfrentados por encima del mínimo, donde simplemente he tomado el número de bateadores a los que se ha enfrentado un lanzador dividido por el total de outs que ha conseguido. |
| |
y restó uno. La idea es que si todos los bateadores a los que se enfrentó fueron eliminados, entonces sería una ronda perfecta. |
| |
Bien, voy a analizar esas cuatro métricas. Tengo diferentes criterios en cuanto a cómo defino mi normalización, |
| |
En cuanto a cómo estoy filtrando los valores atípicos, voy a incluir una presentación de PowerPoint. |
| |
para que lo mires y obtengas los detalles, pero no voy a hablar de ellos aquí por falta de tiempo. Así que lo primero que voy a hacer es limpiar los datos. Así que notarás que, por ejemplo, ese primer año Nolan Ryan lanzó |
| |
Tres entradas lanzadas; WHIP muy, muy alto. Como un par de temporadas aquí, creo que Trevor Hoffman |
| |
Lanzó una cantidad baja. Así que voy a empezar excluyendo los datos. Eso está bien. Ha reducido el rango y siempre es bueno eliminar los valores atípicos de los datos antes de realizar 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 tienes varias columnas que estás utilizando, |
| |
solo estás filtrando... no estás filtrando la fila completa; solo estás filtrando los valores para esa entrada dada, lo cual es una característica muy, muy buena. Así que también la uso porque todavía había, |
| |
Incluso después de mi análisis inicial, todavía había algunas anomalías que necesitaba corregir. |
| |
limpiar los datos. Normalizarlos es el segundo paso. Entonces, con la normalización, lo que he hecho es, básicamente normalizar en el eje X. Y he normalizado en el eje Y. Entonces, |
| |
Lo que estamos analizando aquí es el número de temporadas. Cada una de estas temporadas se considera una entidad independiente, pero todos sabemos que en algunas temporadas, algunos lanzadores lanzan más entradas que en otras. |
| |
En lugar de considerar las temporadas como entidades, voy a analizar el porcentaje acumulado de outs en su carrera. Sé que, al final de la temporada, los lanzadores acumularon una cierta cantidad de outs en su carrera, y eso representa una proporción determinada, ya sea en su totalidad o en su carrera completa. |
| |
outs. Así que voy a usar eso para escalar mis datos. Ahora, lo bueno de eso es que notarán que ahora los tres lanzadores están en el mismo |
| |
Escala x. Todo, absolutamente todo, está escalado de cero a uno. Así que, así que, realmente genial... |
| |
Desde el punto de vista del análisis FDE, es algo realmente útil. Y, por último, 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 época en la que lanzaron. Así que tengo un WHIP relativo. Ahora bien, otra ventaja de usar estos valores relativos es que |
| |
Sé cuál es mi límite. Sé que un lanzador con un WHIP relativo de uno es un lanzador promedio. Así que, en este caso, voy a buscar a esos tipos que lanzan |
| |
con WHIPs por debajo de uno. Así que notarán que estos tres lanzadores, durante la mayor parte de su carrera, estuvieron por debajo de esa línea de 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 usar los datos tal cual, los dos problemas con usar los datos tal cual. Uno es que es bastante irregular, |
| |
y sería realmente difícil estimar cuál es la trayectoria profesional con todos estos altibajos. Lo segundo es, |
| |
En última instancia, lo que quiero hacer es usar esa métrica que he generado a partir del FDE, esta trayectoria para llegar a una estimación general de mi carrera. Así que, en lugar de mirar mis temporadas o mi porcentaje acumulado como |
| |
entidades discretas, quiero poder modelar eso a lo largo de toda una carrera continua. Y lo veremos un poco más adelante. Así que voy a reemplazar mi |
| |
porcentaje mi... Lo siento por... condicional... mi WHIP, mi WHIP relativo con esta estimación FDE condicional. Ahora, es posible que me hayas visto volver a esos dos, podrías decir, oh, vaya, eso es lo que es un... lo que es un |
| |
¡Qué gran diferencia entre los dos! ¿Realmente están haciendo un buen trabajo? Es difícil saberlo por ese gráfico. Entonces, ¿qué es lo que quiero hacer? |
| |
es que voy a mostrarte cómo se ve eso. Entonces, lo que he hecho es sacar |
| |
los, los, los, los valores discretos. Este es Nolan Ryan, por cierto. Las mediciones discretas para Nolan Ryan, junto con su curva para su |
| |
Estimación condicional de FDE, verá que no sigue el mismo camino irregular o accidentado, pero hace un buen trabajo estimando |
| |
cuál es su trayectoria profesional. Y en general con su WHIP |
| |
alto, al principio, daba muchas bases por bolas, 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 algo que verás en cualquiera de los lanzadores que elegí. Por ejemplo, si voy a, vayamos a Hoyt Wilhelm. |
| |
Aquí está Wilhelm. De nuevo, no refleja los momentos más altos y más bajos, pero sí muestra bastante bien la dirección general que tomó su carrera. |
| |
Bien, aprovechemos para preguntar. Tengo poco tiempo. Ojalá tuviera más, porque hay cosas muy interesantes que puedo mostrarles. |
| |
Pero voy a... voy a empezar con lo que yo llamo los ignorados. Bien, estos son los jugadores que... así que usé FDE en esas cuatro métricas que mencioné. |
| |
Utilizo esos como datos de entrada, junto con el tipo de lanzador, y probé un montón de técnicas de modelado predictivo. Las dos que mejor me funcionaron fueron el bayesiano ingenuo. |
| |
y análisis discriminante. Y uso esas dos técnicas de modelado para decirme quién entró... quién debería estar y y y y quién no debería estar. |
| |
y eso es lo que... lo que estamos viendo aquí es que estamos viendo a esos lanzadores donde tanto el análisis bayesiano ingenuo como el análisis discriminante dijeron que sí, |
| |
pero el Salón de la Fama dijo que no. Así que estos son mis... este desaire. Así que notarán que en este caso... y déjenme cambiar a esto. Estas son las aplicaciones. Este es el WHIP relativo. Vamos con el WHIP condicional. |
| |
Y permítanme volver a poner esa línea de referencia en el uno y verán que, en su mayor parte, estos son lanzadores que pasaron la mayor parte de su carrera. |
| |
bajo esa línea. Ahora bien, otra cosa que podrías pensar, al observar estos datos, es que |
| |
Vaya, sería muy difícil distinguir a estos jugadores. ¿Cómo los comparo ahora, si pusiera, digamos, a algunos lanzadores que estuvieron en el Salón de la Fama? |
| |
en esta lista también. Quiero decir, serían... sería difícil separarlos solo por |
| |
Los observo con atención, porque en algunas áreas de su carrera serían mejores que en otras, y cambiarían de enfoque en otras partes de su trayectoria profesional. ¿Cómo puedo, cómo puedo manejar esto a nivel profesional? |
| |
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. Estimar un montón de puntos de datos a lo largo de esa trayectoria profesional. Y lo hice, de hecho dividí las carreras en 100. |
| |
unidades y sumé sobre todas esas cien unidades para cada una de mis curvas. Entonces, 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; por debajo de la línea, restaría. |
| |
Y si observamos las trayectorias profesionales completas... esta es, en realidad... esta es una lista más larga. Se trata de aproximadamente 1300 o 1400 lanzadores, así que absolutamente todos los que... |
| |
Absolutamente todos los que eran elegibles para el Salón de la Fama, 10 años o más. Así que veamos rápidamente un par de cosas que podemos hacer con esto. |
| |
Empecemos... déjenme empezar por analizar a los jugadores que fueron ignorados. Estos son... estos son nuestros jugadores... estos son mis jugadores que fueron ignorados. |
| |
Vale, entonces estos son 100 valores. Así que, entonces, entonces la línea divisoria aquí sería 100 porque tengo 100 valores diferentes que he medido. |
| |
Entonces notarás que en su mayoría, estos jugadores estaban por encima de 100. Aquí está la lista de, de los, de los jugadores que no entraron en 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 no no no |
| |
razones profesionales para el para el para el para el para el... que algunos de los otros criterios que mencionó Christian no están ahí. Pero hay algunos tipos, por ejemplo, Clayton Kershaw que todavía no ha terminado su carrera. |
| |
Pero sin duda hay otras personas que podrías considerar... que son elegibles para el Salón. Así que, de hecho, veamos eso también. Veamos a esas personas que son elegibles para el Salón, que no han estado en el Salón... |
| |
BJ Ryan; de nuevo Curt Schilling está ahí; Johan Santana, no estoy seguro de por qué no entró en el Salón de la Fama; Smokey Joe Wood, lanzador de principios de la década de 1900; y así sucesivamente. Entonces, |
| |
La capacidad de FDE para permitirme extraer valores de cualquier punto de su trayectoria profesional es una herramienta adicional para poder estimar algunos |
| |
criterios adicionales, en cuanto a quién pertenece al Salón de la Fama y quién no. Bueno, ya basta de hablar de los lanzadores. Vamos a... voy a darle la palabra a Christian para que podamos hablar un poco más sobre los jugadores de posición. |
| cristiano |
Excelente. Gracias, Don. |
| |
Bien. |
| |
Bueno, Don estaba hablando sobre el pitcheo... los lanzadores y entonces estoy mirando, estaré mirando la posición |
| Don McCormack |
jugadores, y por lo tanto hay dos componentes diferentes que intervienen en ello. |
| cristiano |
Tienes tu destreza con el bate, así como tu destreza en el campo, y yo adopté una perspectiva un poco diferente a la de Don, con respecto a... |
| |
Analizando las estadísticas y luego creando modelos, comencé con solo cuatro de las estadísticas de bateo más comunes, que son las primeras cuatro de la lista, algunas de las cuales se encuentran en el reverso de las tarjetas de béisbol. |
| |
Y luego, a medida que avanzaba, como veremos, necesitaba algo para capturar bases robadas, porque las primeras cuatro realmente no... no hacen eso en absoluto. |
| |
Así que creé una métrica que llamo promedio de unidad base que incorpora otros movimientos de los corredores de base para... dar crédito al bateador por esas cosas. Y luego, por supuesto, el fildeo también es un factor, como veremos, así que incluí un par de métricas para el fildeo. |
| |
Y como Don mencionó anteriormente, quería asegurarme de comparar cosas similares, así que estoy mirando |
| |
con referencia a la posición, la liga y el año para esas estadísticas que mencioné. Y luego cuando |
| |
Al igual que Don, quería asegurarme de que II ponderara adecuadamente esas muestras más pequeñas para que no entorpecieran el sistema. Así que terminé ponderando el rendimiento de los jugadores en relación con el número de apariciones al plato en relación con el promedio de esa temporada de la liga. |
| |
en un puesto específico de la alineación en cuanto a cuántas apariciones al plato debería tener ese puesto a lo largo de la temporada. Así es como se ponderan. |
| |
Bien. Veamos cómo se ve eso. Vamos a volver a hablar de Ted Williams. |
| |
Así que aquí a la izquierda tenemos la carrera de Tim Williams, como vimos, y estas son las puntuaciones brutas. |
| |
Y parece que tuvo una temporada realmente mala aquí. |
| |
Pero si, una vez que se considera el componente relativo, se puede ver que en realidad es una temporada promedio como la de Don, aún así está por encima de ese promedio de uno. Así que, según sus propios estándares, fue una temporada bastante floja para Ted Williams. |
| |
Y luego vimos anteriormente que estos dos picos para Ted Williams podrían haberse parecido a su rendimiento máximo, pero resulta que esas son temporadas en las que tuvo un menor número de muestras... de apariciones jugadas debido a su |
| |
siendo... irse a la Guerra de Corea. Así que terminó teniendo un impacto en sus puntuaciones. En consecuencia, volví a ponderar hacia el promedio debido al tamaño reducido de la muestra. |
| |
Entonces, |
| |
Así es como lo hacemos, los tipos de datos. Me voy a centrar en las estadísticas relativas en esta conversación y en algunas de las cosas que me llamaron la atención. |
| |
Ahí lo tenemos. Y lo haremos. |
| |
Necesito la tabla de números aquí para introducirla |
| |
del FDE. Así que aquí están las puntuaciones que vamos a analizar, las puntuaciones FPC relativas del FDE. |
| |
Y lo primero que vi fue que incluí cuatro variables en mi modelo, esas primeras cuatro estadísticas de bateo, y |
| |
Quería asegurarme de tener los componentes correctos en mi análisis. Así que, en el eje izquierdo, se muestra la probabilidad, según el modelo, de ingresar al Salón de la Fama. |
| |
Ahora bien, disculpen, ese es el eje Y, en el eje X está si la persona está o no en el Salón de la Fama. Así que mis áreas de clasificación errónea son estas dos secciones de aquí. |
| |
Y noté que había algunos jugadores aquí abajo, más de lo que esperaba. Así que estuve explorando y podríamos explorar variables que aún no he incluido, como las bases robadas. |
| |
Así que los añadiré para que tengan color y tamaño. |
| |
Y como puedes ver, |
| |
Me pareció bastante claro que el robo de bases es definitivamente un factor que los votantes del Salón de la Fama tuvieron en cuenta. Estos son... |
| |
Así pues, el color y el tamaño son relativos al número de bases robadas a lo largo de su carrera. Y esto fue lo que me impulsó a crear esa estadística de promedio de unidades base que luego utilicé. |
| |
Entonces, al añadir... mientras exploraba esos modelos, como describí, comencé con cuatro estadísticas y luego agregué la estadística BUA. Este es mi eje x ahora. |
| |
Y luego agregué estadísticas de fildeo y lo que tenemos aquí es un gráfico paralelo, donde el eje y es 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. |
| |
Así pues, el color representa su estatus en el Salón de la Fama. El rojo significa que sí, que ya fueron admitidos, y el azul que no. |
| |
Y me gusta este gráfico porque me permite ver quién se está moviendo. 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 de aquí, así fue como surgió de no ser realmente |
| |
Si añadimos el componente de bases robadas, podemos ver que tiene una alta probabilidad de ser elegido para el Salón de la Fama y, por lo tanto, de pertenecer a él, dependiendo de cómo se mire. Y es Ricky Henderson, quien resulta ser el líder histórico en bases robadas. |
| |
Ahora bien, otro jugador, y mirando solo el lado defensivo de las cosas, es Kirby Puckett, cuyas estadísticas iniciales sugieren que, según el modelo inicial, |
| |
que lo consiga; está suficientemente cualificado justo al otro lado de la línea. Pero entonces, ya sabes, si añades el componente base robado, |
| |
Sí, en realidad ya no parece calificar. Y finalmente, agregamos el hecho de que es un muy buen jardinero, ganó varios guantes de oro jugando en el jardín central para los Twins, |
| |
Vemos que ha recuperado el favor del comité del Salón de la Fama y que, con toda razón, fue elegido para ingresar. |
| |
Este es un modelo un tanto desordenado. |
| |
No es un modelo desordenado y has hecho muchas cosas aquí. Entonces, |
| |
Terminé agregando mi filtro de datos local para poder ver cada posición individualmente. |
| |
Y aquí, en primera base, es mucho más fácil ver que tenemos a la gente de rojo y luego a la de 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 que aún cumple los requisitos. Así que sigue esperando la llamada. |
| |
Pero alguien como Dick Allen, también está en el 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, en el fondo, como Jim Thome, que según los modelos no debería estar ahí, pero fue elegido. |
| |
Así pues, existen diferentes maneras de explorar esas diferentes relaciones entre ellas, a medida que añadimos esos predictores. |
| |
Ahora, al igual que Don, quería hacerme una idea de quién, quién fue despreciado y quién pudo haber sido dotado. |
| |
o al menos tenía, ya sabes, componentes no orientados a la estadística en su análisis. |
| |
Y así, yo, al igual que Don, probé varios modelos y me decidí por cuatro que me parecieron, que me gustaron y que hicieron el mejor trabajo... trabajo predictivo, y al igual que Don, en lugar de simplemente usar la edad |
| |
En mi FDE como eje x, también lo basé en un porcentaje acumulado de apariciones jugadas. Y entonces eso... tener estas dos variantes diferentes me dio una serie de modelos para examinar. Y entonces me centré solo en las personas que en los ocho modelos, |
| |
Están en el Salón de la Fama, pero ninguno de los modelos sugiere que deberían estarlo. Y esa es esta línea de aquí. Hay 31 de esas. |
| |
Y el reverso que tengo aquí en verde, la gente que los modelos en cualquiera de los cubos... la mayoría de los modelos en cualquiera de los cubos de edad versus Kimball di porcentaje de apariciones al plato sugieren que sí pertenecen al Salón de la Fama, pero no lo son. Así que saqué a toda esta gente. |
| |
y tal como quería Don, simplemente compare cómo se ven sus trayectorias. |
| |
¿Y hay... están cerca al menos, o está pasando algo más aquí? |
| |
Y así pueden ver que este es el porcentaje de bases alcanzadas más el porcentaje de slugging, OPS, de nuevo. Ciertamente parece que, en rojo y con signos de más, las personas que fueron ignoradas tuvieron un desempeño |
| |
Mucho mejor en esta métrica, y resulta que todas las demás métricas estadísticas ofensivas son mejores que las de los talentosos, los que están dentro, pero que según el modelo no deberían estar. |
| |
Y eso me hizo pensar: Bueno, ¿son solo las estadísticas ofensivas las que importan y tal vez el fildeo es donde brillan los que ya estaban ahí? Y basándome en el porcentaje de fildeo, al menos, sugiere que sigue siendo así, donde... |
| |
En realidad, esto es lo que les pasa a los que han sido ignorados. |
| |
La gente talentosa todavía luce como si... |
| |
No necesariamente pertenecen tanto como estas personas marginadas. |
| |
Fue únicamente en el factor de alcance donde la situación cambió. Y así, al final, los más talentosos superaron a los menospreciados que tuvieron un mejor desempeño. |
| |
Esa es otra perspectiva diferente, muy parecida a la de Don, que puedes usar para evaluar |
| |
exactamente qué componentes se incluyen en su modelo. |
| |
Hay muchas maneras diferentes de analizar estos datos. |
| |
Así que voy a concluir porque estoy seguro de que algunos de ustedes están ansiosos por saber quiénes son los menospreciados y quiénes son los talentosos entre esas personas. |
| |
Estas son algunas de las personas que fueron ignoradas, al menos entre los jugadores de posición y, como mencionó Don para algunos de sus lanzadores, hay algunas de estas personas que están vetadas del béisbol, así que no son exactamente ignoradas, entonces. |
| |
Probablemente reconozcas algunos de estos. |
| |
Y estos son algunos de los jugadores que tenían talento, o al menos eso dicen sus estadísticas... puede que no haya sido lo que les valió un lugar en el Salón de la Fama. |
| |
Bien, para concluir, hemos podido analizar las trayectorias profesionales de los jugadores en función de su rendimiento en... elija una métrica. |
| |
y luego introducir esos datos en el explorador de datos funcionales y obtener resúmenes numéricos que capturen la esencia de esas curvas. |
| |
Y luego, a su vez, utilizamos esas estadísticas, esas puntuaciones que obtenemos, para poder incorporarlas a nuestras técnicas estadísticas tradicionales con las que estamos familiarizados. |
| |
Así pues, ahora podemos cambiar esa pregunta, pasando de cómo modelar o cuantificar la trayectoria profesional a qué quiero explorar con estas puntuaciones FPC que he obtenido. |
| |
Esperamos que hayan disfrutado hablando de béisbol y de esa interacción entre el béisbol, JMP y FDE. |
| |
Y espero que te sientas capacitado para usar la herramienta FDE disponible en JMP Pro para responder preguntas con datos como quién es tu jugador favorito y por qué, y que tengas los medios para respaldar esa información. |
| |
Gracias por acompañarnos. Cuídense. |
| Don McCormack |
Bien, entonces, ¿cómo abordamos estos casos en los que necesitamos analizar la trayectoria profesional de alguien? ¿Existen otras métricas con las que podamos realizar estas comparaciones, de modo que...? |
| |
¿Podríamos distinguir estas gradaciones tan finas? Entonces, como mencioné antes, lo que podríamos hacer es que podríamos, ciertamente podríamos, podríamos observar absolutamente cualquier punto a lo largo de la trayectoria profesional de la persona. |
| |
con cualquier grado de gradación que queramos. Y eso fue lo que hice. Tomé 100 puntos de datos, 100 valores entre cero y uno, |
| |
inicio de la carrera, final de la carrera, y sumé 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 representarlos todos en un solo gráfico. Vamos a volver a ese grupo de personas que fueron ignoradas, |
| |
esta gente de aquí. Así que es así... así que si echamos un vistazo a esta gente, |
| |
vemos que tuvieron un bajo... por cierto, 100 en este caso porque hubo 100 observaciones. |
| |
cien jonrones por cada nueve, quieres que sea bajo; |
| |
porcentaje de bateadores enfrentados por encima del mínimo, bajo; y luego los ponches en nueve entradas, quieres que estén en el lado alto. Notarás que esa es más o menos la trayectoria. |
| |
que la gente sigue. Ahora bien, lo interesante de este punto es que lo que puedo hacer es, puedo |
| |
usar cualquier criterio que quiera. Por ejemplo, digamos que voy a mirar... voy a considerar a todos mis jugadores y solo quiero considerar a aquellos que tenían |
| |
Un látigo que estaba por debajo, en este caso, de 100... así que mejor que eso... eso es en realidad eso es... incluso hacerlo mejor que eso. Digamos 90 o menos. |
| |
Bien, entonces veamos a esas personas que, ya saben, al menos tienen el número promedio de ponches por cada nueve entradas, y tal vez su porcentaje de bateadores enfrentados por encima de 100 sea como mínimo. |
| |
Y así, y aquí no tendré en cuenta los jonrones. También se podría estandarizar y normalizar por el número de temporadas, y eso es exactamente lo que he hecho. |
| |
Lo que quiero hacer es analizar a aquellos jugadores que tal vez solo tengan 10 temporadas equivalentes, donde una temporada equivalente se basa en cómo fue la temporada promedio del jugador. |
| |
Muy bien. Y finalmente, qué tipo de carga de trabajo tuvieron a lo largo de toda su carrera. Y digamos que queremos a alguien que haya tenido al menos el 80%, |
| |
hagámoslo un poco más estricto, digamos, digamos, |
| |
aproximadamente la misma carga de trabajo. Y de nuevo, podemos usar diferentes criterios para descartar a aquellas personas que no creemos que debamos considerar y a aquellas que sí creemos que debemos considerar, y luego usar esos criterios... |
| |
También quiero decir que echemos un vistazo a aquellas personas que no están en el Salón de la Fama. |
| |
Aquí vamos. Ahora tenemos una lista de personas que vale la pena considerar. Y notarán que hay bastantes personas que probablemente no deberían sorprenderlos. Estas son personas |
| |
que aún no están en el salón porque todavía están jugando o simplemente han sido ignorados, ahora, Chris Sale, por ejemplo, todavía está lanzando. |
| |
Curt Schilling, por razones obvias, no está en el Salón de la Fama. Johan Santana, ¿por qué no está en el Salón? De hecho, formó parte de ese grupo que fue ignorado. |
| |
Entonces, lo bueno de usar estos FDE es que puedes tomarlos, convertirlos en tus trayectorias profesionales y luego usar una métrica adicional para poder determinar |
| |
Méritos y no méritos para el Salón de la Fama. |
