Sabermétrie 101 : Une brève introduction

X

Privacy & Cookies

Ce site utilise des cookies. En continuant, vous acceptez leur utilisation. En savoir plus, y compris comment contrôler les cookies.

Got It!

Publicités

Brad Pitt et Jonah Hill ont introduit la sabermétrie aux masses en 2011 dans Moneyball.

Nous avons tous entendu le dicton « Soyez gentil avec les nerds. Il y a de fortes chances que vous finissiez par travailler pour l’un d’eux. » Non seulement j’ai travaillé pour un, mais j’ai demandé à travailler pour lui. John n’est pas un nerd au sens traditionnel du terme. Il a suffisamment de présence sociale pour naviguer dans le monde sans la maladresse généralement associée à une intelligence exceptionnellement élevée et il est étonnamment athlétique, vous savez, pour un nerd. Son intelligence naturelle est hors normes. Il a un don avec les chiffres. Il parle si vite que vous ne croyez pas que même lui puisse digérer tous les chiffres qu’il lance.

Une chose que j’ai acquise en travaillant avec lui est que n’importe qui peut apprendre les chiffres. Ne vous méprenez pas, apprendre les chiffres et les mathématiques est une chose. Avoir un cerveau qui peut les traiter à la vitesse de la lumière en est une autre. Mais si vous pouvez changer votre façon de penser et décomposer les choses en petits morceaux plus faciles à comprendre, j’ai trouvé que comprendre John était possible.

De la même façon que comprendre John m’a demandé de changer consciemment ma façon de penser aux chiffres qu’il balançait, la sabermétrie nous demande de recâbler la façon dont nos cerveaux pensent aux statistiques du baseball.

Bill James a défini la sabermétrie comme la recherche de connaissances objectives sur le baseball.

Qu’une sabermétrie mesure les performances d’un joueur de position ou d’un lanceur, elles sont presque toujours exprimées en victoires, en runs ou par rapport à la moyenne de la ligue. C’est parce que l’objectif du baseball est de gagner le match en marquant plus de points que votre adversaire.

C’est de cette façon que nous devons réentraîner nos cerveaux. En évaluant les joueurs et leurs performances, nous devons penser en termes de combien de courses ou de victoires vaut ce joueur et sa performance. Ou bien nous devons penser en termes de combien de points ou de victoires ce joueur et sa performance valent par rapport à la moyenne de la ligue. C’est ce qu’on appelle penser de manière sabermétrique.

Les questions que nous posons n’ont pas changé. Nous voulons toujours savoir quel joueur a « le plus de valeur ». Nous voulons toujours savoir quel joueur à travers l’histoire est le plus grand. Nous voulons toujours savoir si les lanceurs ont autant de valeur que les frappeurs. Au lieu d’utiliser des conjectures, la sabermétrie a adopté une approche mathématique pour tenter de répondre à ces questions.

Trout et Cabrera étaient l’incarnation de la nouvelle école contre la vieille école lors du débat sur le MVP 2012.

Cela ne signifie pas que nous rejetons ou que nous ne nous soucions plus des home runs, des rbi, des bases volées, des manches lancées, des strikeouts et autres statistiques traditionnelles. Ces statistiques sont des données brutes et sont souvent appelées statistiques de comptage. Sans ces données brutes, la sabermétrie n’est pas possible. Nous devons les connaître afin d’évaluer correctement les joueurs. En elles-mêmes, elles ne nous apportent plus de réponses à nos questions. Elles sont plutôt les pièces d’un puzzle complexe que nous essayons de résoudre pour répondre à ces questions.

La sabermétrie est une science en constante évolution. Par nature, les sabermétriciens ne sont pas satisfaits. Ils cherchent à améliorer l’existant et cherchent de nouvelles façons de mesurer. Comme la quantité de données disponibles continue de croître, le nombre de métriques et leur précision augmenteront.

Je n’ai pas de diplôme supérieur en mathématiques. Je suis la preuve qu’une personne ayant un bagage mathématique limité peut avoir une compréhension pratique de l’analyse statistique avancée. Il faut simplement vouloir l’apprendre.

Dans cette série d’articles, nous allons aborder des métriques qui ne vous sont peut-être pas familières. Je ne tenterai pas d’expliquer chaque métrique mentionnée dans chaque article. Mon idée est de réduire une métrique plus importante à la fois.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.