QUIRÓFANO WAIBI

¿EL WOBA AFECTA A LOS MEJORES BATEADORES Y FAVORECE A LOS DE MENOS CALIDAD? INTRODUCCIÓN AL “PULSO WAIBI”.

 

Este artículo hace referencias a:

• Por qué “The Book” es una obra maestra de la Sabermetría y un excelente libro de consulta
• Origen y funcionamiento del wOBA paso a paso.
• La aleatoriedad en el deporte vs aleatoriedad en el azar.
• Uso vs sobreuso del promedio en la Sabermetría. Introducción de errores en los promedios del wOBA, paso a paso.
• Por qué podemos concluir que en MLB, la calidad del pitcheo ha aumentado mucho más que la del bateo, en la última década
• Qué mide realmente el Valor de Carreras de wOBA
• Breve Introducción al cálculo del “Pulso Waibi”.

He aquí el componente ofensivo del WAR, posiblemente la más acudida estadística sabermétrica de los últimos tiempos. El WAR calcula el aporte integral de un jugador a su equipo en relación al promedio de la liga, incluido el performance defensivo.

El wOBA es el Weighted On Base Average (Promedio de embasado ponderado), y su fórmula es:

Siendo NIBB, las bases por bolas no intencionales, HBP los golpeados por lanzamientos, y RBOE las bases alcanzadas por error. Si la comparamos con el OPS (OBP + SLG), veremos que los parámetros son muy similares, salvo por la inclusión de los errores. Para el espectador común, la inquietud mayor aflora de los constantes numéricas que anteceden cada parámetro en la fórmula, resultado ingenioso de sus creadores, Tom Tango, Mitchel Lichtman y Andrew Dolphin. Apareció por vez primera en “The Book: Playing the Percentages in Baseball”.

Es realmente el algoritmo más completo y complejo de los que se utilizan en las estadísticas ofensivas. O al menos de aquellas que sus creadores han hecho públicas. ¿Cómo que públicas? Pues sí, claro. Debemos recordar que la interpretación estadística es un arte en el Béisbol, casi exacto a la Intelligence  en una guerra. Un gran número de creadores de sistemas interpretativos, han sido contratados por equipos de Ligas Profesionales, una vez demostrada la utilidad de su método. Estos sistemas continúan desarrollándose, o al menos pueden convertirse en modelos superiores, al  tener una serie de recursos e intereses concentrados, y poder mejorar la calidad de la información que procesan. Por esa razón, es altamente probable que el sistema actual usado por estos analistas, sea mucho más profundo que aquellas fórmulas explicadas para consumo del público. Recordemos que casi cada equipo de MLB tiene un departamento estadístico de alta funcionalidad. Esta contratación no tendría lógica si se limitara solo a mostrar datos de una fórmula que es pública, y por tanto, cualquiera puede ejecutar e interpretar.

“The Book: Playing the Percentages in Baseball” es una obra maestra del análisis beisbolístico, con un alto nivel de objetividad y rigor. Es un libro que todo aficionado debería leer, y tratar de comprender. Muchas apariencias, son desenmascaradas a través del método científico, echando por tierra esa subjetividad inevitable que nos genera lo que apreciamos en el terreno de juego. En otro momento profundizaremos en esta maravilla. Ahora vamos a concentrarnos en la fórmula del wOBA, por ser la más acudida, al menos por los medios y los fans.

The Book

Waibi Sabermetrics System considera esta interesantísima fórmula una herramienta útil para las estadísticas históricas, y para seleccionar a UN GRUPO de jugadores dentro de la liga. Nunca para una selección definitiva. Es decir, no permite elegir UN JUGADOR dentro de un grupo, a menos que la diferencia entre él y el resto sea realmente aplastante. El wOBA ayuda a dar una idea de la calidad global de los bateadores. Por ejemplo, si necesitamos adquirir un slugger para nuestro equipo, nos dirá quienes NO son elegibles, pero al ser basada en promedios muy generales, nos deja matemáticamente a oscuras cuando debemos escoger solo al más capaz.  

Veamos en primera instancia de dónde se obtienen estos coeficientes: Cada número consta de dos partes: el número en sí mismo, y su compensación. La compensación es una inclusión del 15 % del valor real, para que pueda ser leído e interpretado de la misma manera que el OBP. Así es más fácil familiarizarse. Ahora, ¿cómo se obtuvo el valor de cada número? 

Estos reconocidos sabermétricos se basaron en tres enfoques generales fundamentales:

1. Estados Base/Outs.
2. Datos generales promedio de las temporadas 1999 a 2002.
3. Datos individuales de cada tipo de evento.

1. ESTADOS BASE/OUTS (EB/O)

Comprende todas las situaciones que aparecen en una entrada, respecto a los outs y los hombres en circulación. También las transiciones entre estas. Por ejemplo: la que inicia siempre es “bases limpias sin outs”. Si el hombre se embasa por BB, sencillo, HBP u otros que permitan alcanzar la primera, este sería el estado “corredor en primera sin outs”. Si el hombre roba la segunda o se escapa la pelota, o el pitcher comete “Balk”, se pasa al estado de “corredor en segunda sin outs”. Si el bateador conecta un rolling, y el corredor es out en tercera, se pasa al estado de “corredor en primera con un out”. Así sucesivamente hasta que finalice el inning. En total son 24 estados prácticos.

2. DATOS PROMEDIO

Tango, Lichmann y Dolphin tuvieron la brillante idea de contabilizar las carreras que se anotaron entre 1999 y 2002, desde cada Estado Base/Out específico hasta que finalizó el inning donde ocurrieron.  Y tomaron estos resultados como modelo estándar, obteniendo la siguiente tabla de Carreras X Estado/Out (Carreras Esperadas):

GLOBAL BASE/OUT ESTATES
1B	2B	3B	0 Outs	1 Out	2 Outs
–	–	–	0,555	0,297	0,117
X	–	–	0,953	0,573	0,251
–	X	–	1,189	0,725	0,344
–	–	X	1,482	0,983	0,387
X	X	–	1,573	0,971	0,466
X	–	X	1,904	1,243	0,538
–	X	X	2,052	1,467	0,634
X	X	X	2,417	1,650	0,815

Explico brevemente: Cada vez que un equipo se encontró con “bases llenas sin outs”, anotó como promedio 2,417 carreras antes del tercer out, mientras cada vez que hubo “bases limpias sin outs”, se marcaron 0,555 como promedio.

Este es, a mi entender, el tercer aporte conceptual más importante de la historia de las estadísticas en el béisbol, después de su creación por Henry Chadwick, y el florecimiento de la Sabermetría de Billy James, en ese orden.  Es justo decir, que el norteamericano Pete Palmer, quien escribió el prefacio the “The Book: Playing the Percentages in Baseball”, desarrolló sus primeras investigaciones basado en la notación “play by play” utilizando datos de las Series Mundiales de 1956 a 1960. Dichos datos fueron tomados de la Sporting News Baseball Guides, porque en esa época no se había establecido este sistema a gran escala. No obstante, con su libro “The Hidden Game of Baseball”, Palmer fue  pionero de una nueva estrada al desarrollo de la Sabermetría.

3. EVENTOS INDIVIDUALES

De igual manera que con los Estados Base/Outs, contabilizaron lo sucedido con cada evento específico incluyendo las Carreras Esperadas de los estados inicial y final, y las Producidas específicamente en cada evento (hit, hr, error, bb, hbp, etc). Así, por ejemplo, un Estado de “hombre en tercera  con un out” tiene una expectativa de carreras de 0,983. El bateador conecta un doble y el corredor de tercera anota. Se pasa al estado final de “hombre en segunda con un out”, que tiene una expectativa de 0,725. Como se anotó una carrera, la operación sería: 1 + 0,725 – 0,983. Dando un 0,742 de Valor de Carrera para este doble específico.

Siendo RV, el Valor de Carreras; REFn la Expectativa de Carreras del Estado Base/Out Final, R las carreras, y REIn la Expectativa de Carreras del Estado B/O Inicial.

Concentrémonos en el comportamiento de los jonrones por Estado B/O, en cuanto a Valor de Carreras. Usamos los jonrones como modelo, porque dentro de los parámetros ofensivos, es el menos complicado de manejar en una explicación corta.

DISTRIBUCION DE JONRONES POR ESTADO/OUT
1B	2B	3B	0 Outs	1 Out	2 Outs
–	–	–	1	1	1
X	–	–	1,602	1,725	1,865
–	X	–	1,367	1,573	1,772
–	–	X	1,073	1,314	1,729
X	X	–	1,983	2,326	2,651
X	–	X	1,651	2,054	2,579
–	X	X	1,504	1,830	2,483
X	X	X	2,139	2,647	3,302

 

Al promediar cada uno de estos datos, obtenidos a través del procesamiento de los 21 026 jonrones, obtenemose que un jonrón promedio, produce 1,397 carreras, aproximadamente. En la tabla mostramos el valor promedio por evento.

Event	RV	Event	RV
HR	1.397	BK	0.264
3B	1.070	NIBB	0.323
2B	0.776	IBB	0.179
RBOE	0.508	SB	0.175
INT	0.392	DI	0.120
SAC	-0.096	BUNT	0.042
PB	0.269	PK	-0.281
1B	0.475	OUT	-0.299
WP	0.266	K	-0.301
HBP	0.352	CS	-0.467

Uno de los puntos fuertes del análisis de Tango, Dolphin y Litchmann, es sin dudas, el estudio de las Cadenas de Markov presentes en los sistemas aleatorios como el Béisbol. Este tipo de cadenas, describe un sistema de probabilidades consecutivas, donde el flujo de estas depende de cada acción anterior.  O sea, las transición a otro Estados B/O está conectada directamente con su antecesor (para llegar a un estado de "bases llenas" se parte OBLIGATORIAMENTE de cualquier estados con dos corredores en base). Este tipo de técnicas ha sido ampliamente usado con éxito desde la meteorología y la física, hasta la epidemiología, economía y finanzas, o predicciones de juegos de azar y movimientos de mercado. El manejo de estos datos les permitió hacer un estudio tan interesante como preciso, sobre la concepción del orden al bate. Su análisis pormenorizado rompió mitos tan arraigados como que el tercer puesto en el line up debe reservarse al mejor bateador del equipo.

EL VALOR DE CARRERAS

Habíamos visto que conceptualmente, si suprimimos las constantes numéricas, el cálculo del wOBA es muy similar al OBP, aunque añade los embasados por error, y elimina las bases intencionales. El OBP contabiliza como 1 todos las acciones en los que un jugador se embasa, y toma como 0, los outs. Para obtener los coeficientes, sumamos a cada valor un número que permita convertir en 0, el Valor de Carrera del evento “Out”, que según la tabla, es -0.299. Es decir, habría que sumar +0.299 a cada evento. 

	RV INIC	PLUS 299	PLUS 15%	RV FINAL
HR	1,397	1,696	1,950	1,95
3B	1,070	1,369	1,574	1,56
2B	0,776	1,075	1,236	1,24
1B	0,475	0,774	0,890	0,90
RBOE	0,508	0,807	0,928	0,92
HBP	0,352	0,651	0,749	0,75
NIBB	0,323	0,622	0,715	0,72

 

Como se aprecia, existen diferencias de algunas centésimas entre los números usados como coeficiente de la fórmula (en negro), y los de la columna “PLUS 15”. Esto sucede por el redondeo. En algunas etapas del procesamiento de datos, se aplica para facilitar la manipulación. En matemáticas, cada vez que recurrimos a esto, se introduce un pequeño error. Lo ideal es no redondear jamás, pero si tenemos que hacerlo, es mejor esperar a la última operación. Sobre todo en este caso, en que varios coeficientes son aplicados en una misma fórmula. El redondeo matemático se aplica “por defecto” o “por exceso”, por lo que en algunos casos, el valor real será mayor que el empleado, y en otros menor. Ese redondeo en direcciones opuesta, lógicamente aumenta el error aún más.

USO vs SOBREUSO DEL PROMEDIO EN LA SABERMETRÍA. PROMEDIOS DEL wOBA.

He aquí el punto neurálgico del wOBA como estadística de SELECCIÓN. Es justo decir que el uso de los coeficientes derivados de promedios de bases de datos extensas es una excelente solución, ante la imposibilidad de conocer siempre los Estados B/O inicial y final, que comprenden cada evento de cada jugador específico. Es sin dudas lo que Tango, Litchmann y Dolphin hubiesen preferido (o al menos era imposible para ellos en aquel momento) Aún sin esta condición ideal, lograron realmente que el wOBA haga una valoración sobre la calidad ofensiva de un jugador, más cercana a la realidad que con las otras estadísticas ofensivas. De ahí la popularización de su empleo para elegir jugadores. Sin embargo, al igual que vimos en nuestro artículo sobre  AVG, RBI, y el “Síndrome de Default”, aquí se manifiesta lo que Waibi define como el “Síndrome del Promedio”.

Vamos a ver: ¿Por qué nos interesa tanto lo que hace el grupo, si escogemos a un jugador y no al grupo de jugadores? Debería ser una cuestión comparativa informativa, no selectiva. Con el aumento de la calidad del Béisbol mundial, los jugadores de las principales ligas se acercan cada vez más al jugador estándar, haciendo el sistema de promedios comparados, algo ineficiente para elegir a un pelotero sobre otro.  Lo ideal sería procesar cada desempeño por sí mismo, en lugar de hacerlo en función del promedio, y aseguraríamos una disminución máxima del error permisible. Waibi esgrime este principio como su Santo Grial: cada acción es particular, cada jugador un individuo, y cada momento una circunstancia. El reto es llevarlo a números, tan ajustadamente a la realidad como sea posible. Es la misma diferencia, por ejemplo, entre describir a una persona de manera inespecífica: “…él es alto, delgado,  lleva el pelo largo y es mayor de edad…”; y otra persona descrita por su individualidad: “…1,84 de estatura, 70 kilos, pelo rizado negro brillante por la cintura atado en cola de caballo, aparenta unos 60 años, y además fuma y es alérgico a los mariscos…”. Es clara la diferencia de ajuste a la realidad objetiva, ¿no? Además, debemos recordar un principio básico: un equipo es un engranaje altamente funcional y complementado de jugadores, y no un “Todos Estrellas”, como piensan la mayoría de los fans.

EN GENERAL existe el error tremebundo de creer que la estadística debe ser comprensible y aplicable para todo el que se relaciona con el Béisbol, desde los aficionados hasta los directores de equipo. Comúnmente se han diseñado fórmulas que puedan ser usadas fácilmente, con un papel y un lápiz, o cuanto más, una buena calculadora. Sin embargo, la complejidad matemática del juego y sus eventos es tal, que al intentar agrupar, reducir o sintetizar, estamos aumentando el margen de fallo de manera importante. El Béisbol no puede ser analizado objetivamente por una herramienta tan arcaica como una calculadora… Sería cuando menos, como intentar hallar un logaritmo neperiano de alta complejidad, contando con los dedos.

Al ser imposible (hasta hoy) esta especificación numérica de las acciones del juego, debemos por fuerza recurrir a los promedios. En ese caso, Waibi intenta no abusar de su uso. O sea, utilizarlos solo si no encuentra un algoritmo más funcional matemáticamente.

Veamos entonces los promedios del wOBA:

1.     PRIMER PROMEDIO: Es el realizado sobre los Estados Base/Outs. Como el objetivo es tener una idea de las carreras, partiendo de cada posible momento del inning, hacemos una operación lógica de  promedio. Así sabremos medianamente nuestras probabilidades en cada situación. Como la media se refiere al inning, se cuentan las acciones hasta que finalice. Al utilizar  este sistema, aflora el gran conflicto que genera este síndrome: LA EXPECTATIVA PROMEDIO, POCAS VECES COINCIDE CON LA EXPECTATIVA DE LA SITUACIÓN ESPECÍFICA, PERO LAS DECISIONES SON TOMADAS COMO SI ASÍ FUESE SIEMPRE.

Veamos un  ejemplo “alocado”, pero ilustrativo: Si un hombre primitivo mirase un tablero de Ajedrez por primera vez desde una distancia suficientemente grande, vería seguramente un solo color, por ejemplo gris. Ese sería el color promedio que nuestra retina alcanzaría a interpretar, pues en la distancia, el ojo humano no logra definir el objeto fielmente, e INTEGRA la información. Al no conocer el diseño real, si quisiera copiarlo partiendo de la información visual que tiene, seguramente pintaría en la pared de su caverna un cuadrado monocolor gris. ¡Nada más lejos de un tablero de Ajedrez! O sea, que aquello que miraba en la distancia tiene ocho columnas y ocho filas, que forman casillas que alternan colores blanco y negro, pero el promedio, es SOLO un cuadrado gris. Por tanto, su marca para la historia reflejará eso que creyó ver y no aquello que realmente era. Cuando milenios después sea descubierto este arte rupestre, los arqueólogos interpretarán el cuadrado gris en la caverna, como cualquier cosa, menos un tablero de Ajedrez.

Este paralelo algo pintoresco, es lo que ocurre en este tipo de estadísticas, como veremos más adelante. En el béisbol, cada situación es específica, como cada casilla en el tablero de Ajedrez tiene una colocación y color específicos (particularidad), que el ojo en la distancia (generalidad) no logra distinguir.

El punto importante aquí, es que no hablamos de una cantidad concreta de carreras, ¡sino de PROBABILIDADES de realizarlas, según datos históricos! Entonces, el primer escaño a franquear es la base de datos (1999-2002). Este es un método elemental y recurrente dentro de los análisis estadísticos, cuando las muestras son lo suficientemente grandes, y las características las mismas en mayor o menor grado. Para entender más fácilmente qué sucede en las estadísticas del Béisbol, acudimos al ejemplo de los dados, el típico usado para explicar las  probabilidades.

Un matemático llegaría a la conclusión de que, SI LOS DADOS NO ESTÁN “CARGADOS” O MANIPULADOS, la probabilidad de obtener determinado número, será siempre 1/6. Un físico diría que es posible,  SI LOS SEIS LADOS ESTÁN COMPENSADOS. Pero ¿no es la misma condición? Aparentemente sí, pero en realidad no. La diferencia de enfoque define la aparición o no de un error entre el fenómeno real y su modelo teórico. Una parte importante de los dados usados en el mundo, utilizan agujeros para representar el valor de cada cara. De esta manera, se disminuye levemente el peso de las caras según la cifra correspondiente. O sea, habría ligeramente una mayor probabilidad de obtener un 6 que un 1, debido al desplazamiento del centro de gravedad por la leve diferencia de masa entre las dos caras contrarias. Como sucede en un tiovivo. Entre más cercanos sean los números opuestos, menos diferencias habrá entre sus probabilidades (4 y 3). Así, aunque teóricamente son iguales, en el sentido práctico, en los dados agujereados de masa homogénea, existe ligeramente una mayor posibilidad de obtener 6, 5 y 4, que 3, 2 y 1, en ese orden. La discrepancia será mayor, cuanto mayor sea el tamaño de los orificios, concebidos por el diseñador.  

Ahora, ¿cómo se compensan? 

A) Si la unión de los volúmenes de los orificios en cada cara fuesen iguales (donde los seis agujeros pequeños equivalen al espacio del uno)  

B) Pintando los puntos y dejando las caras planas.


Desde estas condiciones, el enfoque matemático asumiría cualquiera de las dos, mientras el modelo físico solo la segunda. ¿Por qué? Porque la forma y distribución distinta de los orificios harían actuar a las fuerzas de maneras particulares en cada cara, principalmente la de fricción, tanto en el aire como en la superficie. Esto alteraría la paridad de las posibilidades. Por ello, los puntos deben estar pintados. Solo de esta manera, cada cara tiene una expectativa real de 1/6 de aparecer en cada tiro. A pesar de esto, los dados con orificios son altamente utilizados y comercializados como dados balanceados.

Este fenómeno de las pequeñas diferencias específicas, es usual en muchos modelos matemáticos, pues siempre “infieren” la homogeneidad física de los elementos que intervienen, lo que en el mundo real no existe casi nunca. El análisis combinado con modelos físicos, nos dan un mayor acercamiento a la realidad. Solo con un modelo matemático habría sido imposible llegar a la Luna, o poner un satélite artificial en órbita.

Ahora, ¿Qué se entiende por “cargar” el dado? Es cuando se altera la distribución de su peso para favorecer la probabilidad de una cara sobre otra. Pero ¿se puede aumentar dicha probabilidad sin recurrir al fraude? Y dice la Física: ¡¡SÍ, DEFINITIVAMENTE!! Y aquí es donde se pone interesante! La resistencia de las superficies, y la incidencia de la gravedad en el dado, tanto por el tamaño como por el peso, reducen relativamente características como el giro, el bote y el desplazamiento. Por lo tanto, podemos EJERCER CIERTO CONTROL sobre esas probabilidades “definitivas” esgrimidas por las matemáticas.

Imaginemos que tenemos un dado de un kilogramo de peso, con superficie porosa, y lo lanzamos desde la misma altura y velocidad de un dado normal, en un suelo poco rígido (arena, por ejemplo). Las probabilidades de que salga siempre la cara que deseamos, aumentan aplastantemente, si tenemos el cuidado de poner el dado en la misma posición inicial y lanzarlo con el mismo movimiento y fuerza. Esto es lo que DIFERENCIA UN DEPORTE DE UN JUEGO DE AZAR: ¡se puede “controlar” la aleatoriedad con cierto éxito, aunque las probabilidades matemáticas teóricas sigan siendo las mismas! Y esto establece un distanciamiento entre el FENÓMENO ESPECÍFICO y la ESTADISTICA PREDICTIVA obtenida por el COMPORTAMIENTO GENERAL DE FENÓMENOS SIMILARES. Es decir, las probabilidades matemáticas en ambos dados son las mismas, pero las posibilidades de manipularlos LEGALMENTE, son extremamente distintas.

Pero entonces, ¿cuál es la diferencia con los dados “cargados”? En estos  la distribución del peso no es equitativa. Esto nos alejará abrumadoramente de la realidad de la interpretación. Entre más descompensados estén, mayor será el error de interpretación. Es lo que hace el DOPING en el deporte. Pero andando más lejos aún, si usamos más de un dado ¿están igualmente “cargados”? Si así fuese, las probabilidades se alterarán proporcionalmente para todos los resultados. Pero si cada dado tienen un nivel diferente de manipulación de su centro de gravedad, el error se introduce en “amalgama”, haciendo más inutilizables los datos de cada tirada para prever eventos futuros, debido a que ambos dados manejan el mismo código  (1, 2, 3, 4, 5 y 6), y la anotación no distingue un dado de otro. Solo sigue los resultados generales (estadística acumulativa). Esto quiere decir que no es solo importante entender la condición, sino también la magnitud particular de la misma.

En resumen, EL DEPORTE TIENE UNA ALEATORIEDAD RELATIVA INTRÍNSECA, QUE EL AZAR EMULA, SOLO SI SE HACEN TRAMPAS.

Mirémoslo ahora en el Beisbol de MLB: ¿Qué sucedió de importante en estos años, que nos impide utilizarlos como muestra confiable para hallar nuestros promedios? Si miramos la progresión de jonrones de las últimas temporadas, salta a la vista algo importante:

	HRS
SEASON	MLB	AL	NL
2014	4 186	2 161	2 025
2013	4 661	2 504	2 157
2012	4 934	2 500	2 434
2011	4 552	2 271	2 281
2010	4 613	2 209	2 404
2009	5 042	2 560	2 482
2008	4 878	2 270	2 608
2007	4 957	2 252	2 705
2006	5 386	2 546	2 840
2005	5 017	2 437	2 580
2004	5 451	2 605	2 846
2003	5 207	2 499	2 708
2002	5 059	2 464	2 595
2001	5 458	2 506	2 952
2000	5 693	2 688	3 005
1999	5 528	2 635	2 893

Como se ve, la producción de cuatroesquinazos estaba sobrecargada en estos años, siendo ampliamente 1999, 2000 y 2001, los de mayor cantidad en los últimos quince años. En ocasiones hasta más de 1000 unidades por encima de lo actual. En el año 2000 se conectaron 1507 vuelacercas más, que en la temporada 2014. Esta fue una época muy crítica para los records en la MLB, debido al fantasma del dopaje. Los varios peloteros que recurrieron a este fraude para mejorar sus rendimientos, hacen de estas estadísticas una cantera dudosa para cualquier análisis. Esto se debe a que no solo la producción de cuadrangulares se sobredimensiona, sino todos los parámetros ofensivos, incluso las bases por bolas intencionales, y hasta los HBP. Todos recordamos la batalla por el record de bambinazos entre Sosa y McGwire (1998/66_70). Luego Barry Bonds (2001/73). Sin embargo, en los últimos tiempos, son pocos los peloteros que rebasan la cifra de los cuarenta jonrones.

Base por Bolas Intencional a Barry Bonds

Existió además la teoría de las bolas trucadas. Algunos análisis no oficiales reportaron cambios del núcleo de corcho por otro de goma, o diferencias en el bote de pelotas fabricadas en 1999 y 2000. Esta teoría sin embargo, quedó “descartada” luego del escándalo de los esteroides.

La situación estadística habría sido medianamente reparable, si todos los jugadores, de todos los equipos, en todas las temporadas hubieran hecho uso de esteroides; o mejor aún, ninguno de ellos. De esta manera, habría una proporción estadística utilizable en otros años. Pero desgraciadamente, nunca sabremos cuántos jugadores consumieron esteroides ni por cuánto tiempo, lo que nos introduce un error “en amalgama”. NO sabemos en cuánto alteraron las estadísticas que se utilizaron para calcular los coeficientes.

Por otro lado, si hacemos un análisis superficial, pensaríamos que la disminución de los jonrones se debe, definitivamente, al mayor control sobre las sustancias prohibidas. Pero, otro elemento fundamental en nuestra lista de circunstancias, es que en estos años todavía la MLB no había concretado medidas determinantes para restablecer la zona de strike. Existía cierta arbitrariedad en los conteos, lo que influye directamente sobre la generación o no de carreras. El contrato de QuesTech con MLB para desarrollar un sistema digital de monitoreo y evaluación del arbitraje en los conteos (2001), trajo consigo una variación notable de la zona de strike. Tal ajuste hizo inicialmente a los lanzadores más bateables, por lo que estos incorporaron nuevos tipos de lanzamientos, ángulos de salida y estrategias de picheo. Si volvemos a la tabla de jonrones por temporada, vemos que alrededor de 2006, la producción cae paulatinamente a menos de 5000. Probablemente corresponde al período de transición de la adaptación a la nueva zona de strike. Esto, y la ampliación del número de equipos que tributan a las Mayores, han aumentado ostensiblemente la calidad y especialización de los lanzadores. Por tanto, los bateadores de hoy enfrentan un pitcheo más difícil, en términos generales. Además, el cambio generacional y tecnológico, hace que los deportistas se comporten técnica y tácticamente de modo ligeramente mejor. Entonces, los datos serían útiles si esta situación no hubiese cambiado, como no cambian las proporciones entre las caras de uno a otro dado. 

Con todos estos elementos circunstanciales en nuestra balanza, veamos el cambio proporcional entre los años 2011-2014, en relación a 1999-2002.

Las barras rojas son los datos evaluados para obtener los coeficientes del wOBA, y las amarillas, la proporción de los mismos datos en el último cuatrienio. Se observa una disminución importante, pero equitativa, en RBI, R, HR y BB (aproximadamente -15%). Los H, 2B, 3B y AVG, aunque también disminuyeron, lo hicieron apenas entre el 5 y el 8%. Se robó cerca de 5% más por carrera, pero fueron capturados cerca de un 3% menos. Y los ponches se incrementaron en casi un 15%, a pesar de que el rescate de la verdadera zona de strike, favorece a los bateadores y no a los lanzadores. Obviamente, los números modelo, tienen un comportamiento muy diferente y sobre todo, indistintamente desproporcionado, a los de las campañas actuales. Por ejemplo, cuando vemos la cantidad de carreras, podríamos a groso modo, decir que un HR sigue teniendo aproximadamente el mismo coste que en 2002 . Sin embargo, los dobles y triples descendieron su valor de modo visible, puesto que se necesita una mayor cantidad, para producir las mismas carreras, que es el dato referencial entre las proporciones.

En resumen, este promedio nos dice cuál es nuestra probabilidad de anotar carreras, según el Estado Base/Out en que nos encontremos, pero el dato está afectado visiblemente de un período a otro.

2.  SEGUNDO PROMEDIO: Es el realizado sobre los eventos, según su tipo. Acá existen dos introducciones de error entre las más importantes. En primer lugar, a la hora de encarar el valor de las acciones específicas. A nuestro entender es un error separar las situaciones que generan las mismas reacciones. Es decir, NO HAY diferencias, ni desde la disposición defensiva, ni desde la estrategia ofensiva, si con bases limpias, un corredor arriba a la primera base por error, por hit , por base por bolas,  golpeado por el lanzamiento, u otra que lo permita. El cambio, muy ligero, podría estar en la psiquis del pitcher, pero en la práctica, la mente de todos está enfocada en que hay un corredor en la inicial con determinada cantidad de outs, y no en cómo llegó a ella, más si hablamos de jugadores profesionales.  Las probabilidades de anotar carreras son exactamente las mismas. Esta fragmentación innecesaria, introduce una diferencia de lectura en varios datos, que no existe.

Así vemos en la fórmula final del wOBA, que un HBP tiene un valor de 0,75 y una BB 0,72. Esta diferencia, nos hace ponderar a un bateador sobre otro de la manera equivocada, si lo miramos como ESTADÍSTICA DE SELECCIÓN. La desproporción de ocurrencia entre uno y otro introduce diferencias palpables. Es similar al valor concedido al AVG cuando se tienen pocas veces al bate. Por ello, lógicamente, el análisis del AVG se subordina a la cantidad de oportunidades, y no solo al porcentaje obtenido. Así, en las temporadas entre 1999 y 2002, se produjeron 68 180 BB, por solo 6 792 HBP, apenas un 9, 96%.

Y aquí se manifiesta otra variante del “Síndrome de Default”. Según la fórmula, un bateador que RECIBE 10 pelotazos, aporta más carreras que uno que OBTIENE 10 bases. Sin embargo, el pelotazo es un error del pitcher, donde el bateador no tiene mérito alguno, mientras la base por bolas, es todo lo contrario. Lo mismo sucede con el RBOE (embasado por error). Este parámetro tiene más Valor de Carreras (0.92) que los hits de una sola base (0.90). La proporción de ocurrencia fue de 117 099 sencillos por solo 13 539 errores (11,56%).

Aquí vemos una causa más para valorar el wOBA como estadística histórica en lugar de selectiva. Recordemos la diferencia: Una estadística histórica lleva el performance global, o sea, todo lo acontecido. Una estadística de selección, busca elegir a un jugador sobre otro, por su capacidad individual. Sin embargo, el algoritmo procesa dos variables que son errores del contrario. Esto quiere decir, que no fueron responsabilidad de una Acción Positiva del bateador, pero aparece como tal, ocultándose en el resultado final. Para más, se les otorga una dimensión mayor que a dos acciones fundamentales como el sencillo y la base por bolas. Recordemos el ejemplo absurdo del tablero de Ajedrez y el hombre primitivo. Cuando se integra esa información en el wOBA, NO MUESTRA qué porciento pertenece a errores del contrario, ni cuáles a virtudes del bateador. Pero cuando comparamos utilizando esta estadística, interpretamos que el número obtenido, es producto SOLO de la calidad del bateador, que es lo que nos interesa. El mayor valor conferido a las Acciones Negativas del contrario, nos aleja del camino que pretendemos transitar, pero no nos damos cuenta.

Además, de manera objetiva, para elegir a un jugador sobre otro, no nos interesan los errores y golpeados por lanzamientos por ser de aleatoriedad total (si eliminamos la intencionalidad en cualquier pelotazo). Son las únicas dos acciones en que ninguno de los dos contrarios tiene la intención legal de realizar dicha acción, principalmente en el error, donde fallan ambas partes. Para que se entienda: un bateador con reflejos horribles, que reciba 100 pelotazos, y sobre cuyos batazos se hayan producido 100 errores, tendría un wOBA superior a Ichiro Susuki, en una campaña donde este conecte 182 hits en 200 comparecencias. Nada más y nada menos que 910 de AVG.

Tenemos que insistir en comprender algo respecto a la tan mencionada y acudida aleatoriedad: en el Béisbol, la aleatoriedad es relativa debido a un factor importante: El jugador. El jugador busca cumplir un objetivo, que será alcanzado dependiendo casi siempre de su contrario y de sus propias capacidades. Según sean tomados en serio por el deportista, tanto su condición atlética, como el nivel de concentración y la técnica y tácticas de juego (entre otros), esta aleatoriedad será “controlada” por el más capaz. El béisbol es un juego de probabilidades, pero aunque hay una intervención providencial del azar en muchas circunstancias, es por sobre todas las cosas, un juego de habilidades individuales en función de un colectivo y un propósito definido. Es esta capacidad neta la que queremos evaluar en una estadística de selección.

El azar es inverso a la intencionalidad, si se tienen herramientas suficientes, como vimos antes en el ejemplo de los dados. No obstante, ambos fenómenos conviven en el deporte. Hay una frase beisbolera que dice: “El jonrón sale, no se busca”. Sin embargo, es posible “buscar” el jonrón, y no se trata precisamente de hacer un swing fuerte, aunque desgraciadamente, esto es lo que se cree. Lo mismo sucede con un toque de bola en movimiento… Se trata de tener un método efectivo, que supere el método del contrario para evitarlo. Si no fuese así ¿cómo podrían los artistas de circo golpear repetidamente un pequeño blanco en movimiento con un cuchillo? ¿Y cortar un cigarrillo en tres con un látigo, mientras otra persona lo sostiene en la boca, sin lastimarla? ¿O los arqueros a caballo, sobre un terreno irregular y sin otro sostén que sus piernas, como los mogoles o los samurais? El cuerpo humano es una máquina increíble, que la mayoría de los deportistas explota solo desde el plano físico. Por eso, cuando salen a “buscar” un jonrón, significa hacer un swing tan fuerte como sea posible sobre una bola en la zona. Y es eso precisamente lo que evita en la mayor parte de los casos, que puedan cumplir el objetivo. En otro artículo profundizaremos en esto. Solo añadiremos que el éxito está en golpear la bola en el centro, con la angulación correcta y una fuerza determinada. Cuando sobrepasamos esa fuerza, como sucede la mayoría de las veces, afectamos las otras dos variables (el punto y ángulo de contacto con la pelota)… Y es en estas condiciones donde el AZAR, y no la FORMA DEPORTIVA, hace eventualmente coincidir a las tres en el mismo momento, y que el jonrón “salga”. Esto no quiere decir que se logrará el jonrón siempre, pero si en más ocasiones.

El segundo error importante se produce con los eventos del mismo tipo, en Estados B/O diferentes. Vamos a analizar lo que sucede con los jonrones:

Para implementar los coeficientes del wOBA, se pasa por este procedimiento. Es decir, se procesa cada dato específico (HR, H, 2B, 3B, BB, HBP, etc) de acuerdo al Estado B/O. Esto nos dará luego el Valor de Carreras por evento. En el caso específico del jonrón es muy sencillo de entender, puesto que es una sola acción, que siempre finaliza en el mismo estado de “bases limpias”. En el gráfico, el primer grupo de columnas, es el Valor de Carreras cuando el estado inicial es igualmente “bases limpias”. Los tres grupos siguientes, con un corredor en circulación. Los próximos tres, con dos en bases. La última triada se refiere a los jonrones con bases llenas.

Aquí se muestran  comportamientos relativos a:

A.      Cantidad de hombres en bases

B.      Cantidad de outs

C.      Cercanía al “home plate”

Lógicamente, las carreras por jonrón tienen más valor, en la medida que encuentran más hombres en bases. Pero,… ¿qué sucede con el Valor de Carreras dentro del mismo inning?:

1.       El valor solo es CONSTANTE cuando las bases están limpias.

2.       Con hombres en circulación, AUMENTA el valor cuanto más outs.

3.       Con hombres en circulación, DISMINUYE el valor cuanto más avanzados están los corredores.

¿Tiene esto algún sentido? ¿Por qué este comportamiento? Al intentar saber cuántas carreras por encima de lo esperado produjo un bateador, se relaciona directamente un valor concreto con una probabilidad. En realidad, lo que se está midiendo es “en cuánto ha superado las expectativas de anotar carrera DEL EQUIPO para esa situación específica”. Y luego “en cuánto ha dejado las expectativas, después de su intervención”. Esto carece de un valor analítico comparativo, debido a que en la generalización de la fórmula, SE ANULA LA RELATIVIDAD DEL DATO, que es precisamente lo que le da relevancia. Para que se entienda: Un bateador que pega un jonrón con bases llenas sin outs, genera un Valor de Carreras de 2,139; pero si lo hace con dos outs, el valor es de 3,302. Sin embargo, el Valor Concreto de Carreras, en ambos casos, es el mismo (4), que es lo que realmente interesa. Por tanto, cuando usamos el wOBA como estadística de selección, la relatividad del dato favorece a los bateadores que conectan con más outs en el inning. Es decir, EL VALOR DE CARRERAS ESTÁ MÁS ASOCIADO A LAS CONDICIONES INCONTROLABLES POR EL BATEADOR, que sí son completamente aleatorias (en qué orden consume su turno al bate, o cuán avanzados se encuentran los corredores en base cuando viene a batear, entre otros), QUE A AQUELLAS QUE BUSCAMOS EVALUAR Y QUE SÍ SON DETERMINADAS POR SU ACCIÓN (aleatoriedad relativa).


Esto quizás tendría algún sentido en deportes como el Salto Largo, o el Salto de Altura, donde es importante quién logra antes el resultado. El punto más importante es que en estos deportes, todos los intentos son hechos por EL MISMO ATLETA. En el Béisbol carece de sentido, debido a que las acciones son ejecutadas por DISTINTOS BATEADORES, que deben ser evaluados bajo iguales condiciones. De esta manera, los primeros bates de cada alineación, tienen más posibilidades de ser favorecidos por estas situaciones (a partir de su segunda comparecencia), al tener por delante a los dos bateadores más débiles del line-up. Por otro lado, batean al menos una vez en cada juego, sin outs en la pizarra (primera comparecencia). Así, dos bateadores de calidad similar, tendrán diferentes datos dependiendo de las características ofensivas de sus respectivos equipos, y no de sí mismos. 


Respecto al avance de los corredores, nos preguntamos: ¿por qué disminuye el Valor de Carreras, en la medida que los corredores están más cerca del home? Lo mismo. Esto quiere decir que hay mayores posibilidades de anotar. Como restamos al dato concreto, la probabilidad, entonces recibe ventaja quien conecte un jonrón con hombres más atrasados en las bases, pues la probabilidad de que anoten antes de concluir el inning, es mucho menor que cuando están en tercera. Sin embargo el valor real del batazo es el mismo. De este modo, aquellos jugadores de alineaciones más lentas, con menos robadores de bases, o con más deficiencias en el corrido de las bases, se verán más favorecidos en esta etapa de los cálculos.

Tercer promedio: Como era extremadamente complicado saber los  estados inicial y final de cada evento por separado, los creadores del wOBA decidieron promediar lo ocurrido por Estados B/O y dejarlo en un número. Esto lógicamente facilita muchísimo el cálculo. Ese número (más su 15%) es el coeficiente empleado en la fórmula para cada parámetro. Al acudir a esta metodología, se implementa un sistema cuya funcionalidad es muy similar al Slugging. Solo que en lugar de utilizar números enteros relativos a las bases, usa decimales relativos a las probabilidades de carreras, además de algunos parámetros adicionales. Al incluir las carreras generadas, y no solo las dimensiones del batazo, nos introduce un error de percepción importante.  En el wOBA,  todos los batazos del mismo tipo, tienen el mismo Valor de Carreras, del mismo modo que en el sluging tendrían el mismo valor de bases recorridas. El problema de conceptos acá es que el slugging es relativo a CADA ACCIÓN ESPECÍFICA Y ÚNICA, mientras la producción de carreras se debe a un CONJUNTO DE ACCIONES CONSECUTIVAS. Así, un jugador que conecte un triple o un doble con las bases llenas aporta, solo con el batazo, hasta tres veces más carreras, que uno que dé un jonrón solitario. Sin embargo, al usar los coeficientes del wOBA, les conferimos 1,56 y 1,95 respectivamente (con el 15% de compensación), independientemente del aporte REAL. O sea, el Slugging reproduce siempre la realidad exacta, mientras el wOBA, casi nunca.

Resumiendo, en este sistema de promedios y con los cálculos finales, un jonrón solitario recibe siempre un 70% de bonificación EXTRA, mientras un triple con la casa llena, es penalizado con un 54,78% MENOS del valor real. Irónicamente, el wOBA tiene la misión de determinar quiénes son los mejores bateadores, pero al usar el sistema de promedios, termina afectándolos, y favoreciendo a aquellos cuya producción real de carreras por batazo, es CONCRETAMENTE menor a la media.

Para que se entienda: usando los dos ejemplos anteriores, imaginemos que ambos bateadores producen 10 hits en 20 oportunidades distribuidas en 10 situaciones de “bases limpias” y 10 de “bases llenas”. El bateador A conecta 10 jonrones, pero siempre con “bases limpias”, y el B, solo triples con “bases llenas”. El wOBA favorecería al primero (10 x 1,95/20 = 0,975) en lugar del segundo (10 x 1,56/20 = 0,780). Sin embargo, el bateador A produce concretamente 10 carreras y el B 30, o sea, tres veces más. Por tanto ¿Quién sería el elegido por ti?

Si hiciéramos un análisis superficial del contexto, como sucede en la fórmula FINAL del wOBA, asumimos como Verdad irrebatible, que el bateador A no tuvo la fortuna de encontrar corredores en circulación como sucedió al B, debido a que las oportunidades específicas, no se registran en casi ninguna fórmula de Béisbol, (estadísticas acumulativas) antes de Waibi System (estadística progresiva). Así, al aplicar el coeficiente “Promedio” centramos nuestro interés en el batazo aislado y no la circunstancia. Sin embargo, la recreación del ejemplo muestra que ambos tuvieron oportunidades similares. La siguiente gráfica soporta la afirmación de que la aleatoriedad en el Béisbol, no es tan absoluta como el modelo matemático del wOBA sugiere, sino relativa:

La tabla muestra la distribución porcentual de jonrones en cada estado, según los outs en el inning, en los datos procesados para la creación de los basamentos del wOBA. ¿A qué se debe este comportamiento particular de la gráfica? Aunque pueda parecer desorbitante, es bastante simple la respuesta. La mayoría de los pitchers cuando abren entrada, buscan “reencontrarse” con el plato y la zona de strike, principalmente si la oportunidad de su equipo a la ofensiva ha durado un tiempo mayor de lo habitual. Los pitchers más efectivos, pueden abrir la entrada directamente con envíos más difíciles, pero generalmente, se inicia con un lanzamiento más bateable. De otra parte, los pitchers con salidas más prolongadas, como los abridores y los relevos largos, dosifican sus recursos para evitar el agotamiento del brazo, y el acomodo de los bateadores. Entonces, este tipo de pitchers no recurre a la máxima velocidad, o a la repetición constantes de sus lanzamientos más dominantes cuando las bases están limpias (como sí sucede con los Cerradores y Acomodadores), sino que utilizan todo el repertorio, buscando caminar el partido y que los bateadores contrarios pongan la bola en juego de manera fácil para la defensa. Por tanto, la especialización ha contribuido a disminuir la cantidad de jonrones cuando no hay outs, pues hay al menos dos innings, en que los pitchers enfrentados, trabajan al máximo. (octavo y noveno innings).

Como se observa en la gráfica, la situación cambia drásticamente cuando entran hombres en circulación sin outs. Aquí el pitcher se cuida mucho más, para evitar un rally del contrario, y recurre con mayor frecuencia a sus lanzamientos “estrella” y a la velocidad, produciéndose un pico en la administración de sus mejores recursos.

Otra cosa curiosa, es que con hombres en circulación, como regla, se permiten más jonrones, en la medida que hay más outs. A nuestro entender, por la mismas razones. El pitcher emplea el mejor arsenal técnico con hombres en circulación sin outs, además de estar más fresco después del descanso del interinning (exactamente como cuando se hacen tandas en el fisiculturismo). También el bateador no ha tenido tiempo de hacer el ajuste individual de esa situación específica. Cuando hay dos outs, el bateador en turno, junto al entrenador de bateo, ha tenido tiempo de estudiar al pitcher EN ESE MOMENTO PARTICULAR (inning); y una mayor recuperación física si es un jugador a la defensa, principalmente aquellas posiciones con mayor desgaste físico (receptor, torpedero,  center fielder, o lanzador en las ligas sin bateador designado). Por tanto, el ajuste del bateador es mayor, respecto al pico en la administración de recursos del pitcher, cuanto más tarde en el inning consuma su turno al bate.

	Estadio 1	Estadio 2	Estadio 3	Estadio 4	Estadio 5	Estadio 6	Estadio 7	Estadio 8
0 outs	5518	1195	292	42	305	120	59	78
1 out	3498	1401	535	193	544	230	133	230
2 outs	3023	1394	661	273	588	312	155	247

Esta es la distribución de los 21 026 jonrones conectados en las temporadas de 1999 a 2002, usadas para obtener las constantes numéricas aplicadas en la actualidad.

Para entenderlo más fácilmente, veámoslo en porcientos por E B/O:

 

	Estadio 1	Estadio 2	Estadio 3	Estadio 4	Estadio 5	Estadio 6	Estadio 7	Estadio 8
0 outs	26,24	5,68	1,39	0,20	1,45	0,57	0,28	0,37
1 out	16,64	6,66	2,54	0,92	2,59	1,09	0,63	1,09
2 outs	14,38	6,63	3,14	1,30	2,80	1,48	0,74	1,17
totales	57,26	18,98	7,08	2,42	6,83	3,15	1,65	2,64

 

En el estado 1, o sea, “sin hombres en base”, se produce el 57,26% de los jonrones!! Sin la compensación del 15% para parearlo al OBP, un jonrón debe valer aproximadamente 1.70 carreras. Pero en realidad, según los datos de las temporadas utilizadas, el 57,26% de los jonrones producen una única carrera, o sea valor 1, y el 28,48 produce 2. Solo el 2.64% de los jonrones produce un monto de 4, lo que le da un valor más extraordinario a los bateadores incluidos en este último grupo.

Como el algoritmo empleado por el wOBA está basado sobre el concepto del promedio, para ajustarse a la realidad necesita al menos que:

1. Cada pitcher actúe del mismo modo en cualquier situación, en cualquier inning, con cualquier score, ante cualquier bateador.
2. Todos los pitchers de la liga tengan la misma calidad.
3. Todos los bateadores tengan la misma calidad.
4. Las situaciones se den proporcionalmente a la cantidad de carreras que producen. Es decir, un estado/base “bases limpias” debe ocurrir cuatro veces más que el de “bases llenas”.
5. Todas las posiciones en el line-up tengan las mismas oportunidades.
6. Todos los parques tengan las mismas características

Como las caras de los dados. De esa manera, la gráfica obtenida debería mostrar esto:

Es decir, para que tenga sentido usar el mismo Valor de Carreras para todos los jonrones, la frecuencia de oportunidades debe ser de 100 comparescencias “con bases llenas”, por cada 133 con “dos en base”, 200  con “uno en base”, y  400 con “las bases limpias”. O lo que es igual, 1 oportunidad de Grand Slam cada 8,33 comparecencias. Si así ocurriese, el margen de error sería mínimo al usar promedios, pues se produce una compensación en la ocurrencia de las situaciones, según su valor particular real. Además, esta frecuencia de oportunidad, debe ser la misma para todo el line up. Como vimos en el artículo sobre las Carreras Impulsadas y Producidas, los bateadores con mayor responsabilidad ofensiva encontrarán un mayor número de corredores en base, lo que se traduce en mayores posibilidades de producir carreras por cada batazo.

En realidad, no ocurre por mucho en tales proporciones. Si se cumplieran las condiciones ideales, un jonrón promedio debería valer 2,5 carreras. Al registrar 1,70 el primer pensamiento es que los estados con más hombres en circulación aparecen con menor frecuencia (en todos los innings hay al menos una situación de “bases limpias”, y muy pocas veces se presentan “bases llenas”). Pero en realidad no solo ocurre en menor frecuencia, sino que cuando se presenta, es también más difícil de lograr, pues el pitcher se emplea siempre a su máxima capacidad. Por estas razones, los Grand Slam generalmente son conectados por buenos bateadores, o en racha positiva. El promedio sin embargo, entiende no solo que los jonrones producen la misma cantidad de carreras, sino que además tienen el mismo nivel de dificultad, favoreciendo más a aquellos que los conectan en situaciones menos complejas, y por tanto con mayor probabilidad de triunfo. Esto es precisamente lo contrario de lo que pretende el wOBA. Es decir, en la fórmula, si frente a pitchers de igual calidad, un jugador conecta 10 jonrones con bases limpias, y  otro 10 Grand Slams, ambos sin outs, tienen igualmente 19,5 Valor de Carreras. Sin embargo, el segundo es mucho mejor bateador, puesto que en sus batazos, el pitcher se estaba empleando al 100% de su capacidad.

Hagamos una comparación gráfica entre el comportamiento del Valor de Carrera para los Jonrones que plantea el modelo de coeficientes del wOBA, y lo que sucede realmente en los datos que se procesaron para obtenerlos:

El primer grupo de columnas muestra la proporción de carreras producidas por jonrón, y el segundo, la frecuencia de estos para lograr tal comportamiento. Es decir, que hipotéticamente todos los jonrones tengan el mismo valor promedio real, como plantea la fórmula wOBA. El amarillo representa los jonrones con bases limpias, y desciende hasta el rojo, que muestra los bambinazos con la casa llena. Esta es la distribución necesaria para que el wOBA sea 99,99 % confiable.  Recordemos que cuando se da el mismo valor a todos los jonrones (multiplicar siempre por 1.95) se entiende que todos tienen aproximadamente el mismo nivel de dificultad, y que  las oportunidades se presentan en una frecuencia compensatoria, entre otras paridades vistas anteriormente.

El tercer grupo de columnas, muestra la distribución de carreras producidas por jonrones, en los años en que se enmarca el modelo del WAR (’99-’02); y el cuarto, los batazos por hombres encontrados en circulación. Como se observa claramente, los Grand Slams del modelo de  promedio (empleado por wOBA) ocurren 3,7 veces más, que los del juego verdadero. Baste decir que en estos datos, se acumularon 666 244 veces al bate, para una frecuencia de un jonrón cada 31,69. Sin embargo, la de Grand Slams, que según el esquema modelado debió ocurrir cada unos 264 turnos, en el juego real se produjo cada 1200. Veamos cómo ha sido en los últimos tiempos.

SEASON	TOTAL GS	LEADERS	GSHomers
2014	83	2 (3) David Mesoraco	73
2013	96	2 (3) Mike Napoli	84
2012	125	Nick Swisher (3)	104
2011	115	R. Canó (3)	102
2010	144	3 (3) Y. Betancourt	120
2009	143	Albert Pujols (5)	115

Como muestra la tabla, se ha producido un descenso importante de la producción de Grand Slams de los últimas temporadas, disminuyendo en aproximadamente un 42% en las cinco más recientes. En 2014 solo 73 bateadores conectaron jonrones con la casa llena. Solo dos conectaron 3, pero Mesoraco lo hizo en menos turnos al bate. Esta disminución progresiva se debe principalmente al aumento general de la calidad del pitcheo. ¡La frecuencia fue de 1 cada 2436 apariciones en el plato!

BREVE INTRODUCCIÓN AL PULSO OFENSIVO DE WAIBI SABERMETRICS SYSTEM

Como concluimos que:

A.      Una cosa es la Expectativa de Carreras DEL EQUIPO, donde sí tienen peso los outs, y otra es el Valor Concreto de las Carreras producidas por EL BATEADOR, donde no importan cuantos outs existen, sino solo las carreras anotadas producto de SU acción con determinados hombres en las bases. Tienen sin embargo, valor imprescindible para evaluar al pitcher.

B.      El Valor de Carreras en el wOBA, es situacional. Esto quiere decir que no evalúa el rendimiento de un jugador respecto al promedio. Evalúa el rendimiento de un jugador respecto al promedio EN UNA SITUACIÓN ESPECÍFICA. Como todos los jugadores no pasan por las mismas situaciones ni en igual proporción, al utilizar el coeficiente promedio único (para cada evento en análisis), la relatividad situacional desaparece, igualando todas las circunstancias. Esto desconoce que el nivel de dificultad de éxito en la situación, VARÍA en correspondencia además con el manejo ESPECÍFICO de los recursos de cada lanzador. Por lo tanto, los bateadores más capaces son los más afectados, mientras los menos hábiles son más favorecidos.

C.      El modelo diferencia a un grupo pequeño de jugadores de más calidad, de la totalidad de los que intervienen en la liga, pero no logra diferenciar a un jugador dentro de un grupo pequeño con calidad similar.

D.      La aleatoriedad del sistema está más vinculada al análisis de fenómenos generalizados, y por tanto su aplicación útil, es también en situaciones generales (saber qué tipo de bateador debe ocupar qué turno al bate, cuándo se debe acudir al toque de sacrificio, qué grupo de bateadores no contratar para una función determinada, etc). Sin embargo, si bien es cierto que el Béisbol es un deporte de probabilidades, cada jugador específico EN CADA SITUACIÓN ESPECÍFICA, establece potencialmente la diferencia entre la excepción (rendimiento personal) y la regla (rendimiento promedio), sobre todo si es un gran bateador.

Por estas razones Waibi Sabermetrics System redefine el uso de los Estados Base/Out en la evaluación de los bateadores, y los sustituye por el “Pulso Ofensivo”, cuyo cálculo es una de las piedras angulares de su funcionamiento.  El “Pulso Ofensivo” será explicado en el Web Site. Baste decir que evalúa el aporte pasivo, activo o mixto de cada jugador a la ofensiva, desde el momento que inicia su turno al bate, hasta que sale de circulación, sea por anotación, out en base, finalización del inning o del partido.

Los coeficientes Waibi, contrarios a aquellos del wOBA, hacen énfasis no solo en el rendimiento del bateador, sino además en la dificultad para lograrlo, así como la importancia que genera para el equipo. Al ser un sistema basado en la anotación “Play By Play” permite entrar en las particularidades situacionales del juego, logrando diferenciar numéricamente, no solo los rendimientos situacionales frente a un mismo pitcher, sino además, entre un pitcher y otro. Como vimos en el artículo sobre AVG e AVQ, no es lo mismo un jonrón ante el peor pitcher del torneo, que ante el de mejores resultados. 

El cálculo del “Pulso Ofensivo” es bastante complejo, por lo que hacerlo mediante una calculadora, lo hace muy engorroso. Obviamente, es un cálculo computarizado y automático. De esta manera soporta la intención de Waibi System de abrir el camino hacia las estadísticas PROGRESIVAS en el Béisbol, en sustitución de las meramente ACUMULATIVAS, donde sin dudas, el wOBA es la más compleja, completa y eficiente.