Sabermetrics 101: Uma Breve Introdução

>

Todos nós ouvimos o ditado “Seja gentil com os nerds”. É provável que você acabe trabalhando para um”. Não só trabalhei para um, como pedi para trabalhar para ele. O John não é um tótó no sentido tradicional. Ele tem presença social suficiente para navegar pelo mundo sem o embaraço geralmente associado à inteligência invulgarmente elevada e ele é surpreendentemente atlético, sabe, para um nerd. O seu intelecto natural está fora das tabelas. Ele tem um jeito com os números. Ele fala tão rápido que você não acredita que nem ele possa digerir todos os números que ele joga fora.

Uma coisa que eu ganhei trabalhando com ele é que qualquer um pode aprender números. Não me interpretem mal, aprender números e matemática é uma coisa. Ter um cérebro que o possa processar à velocidade da luz é outra coisa. Mas se você pode mudar a maneira de pensar e quebrar as coisas em pedaços menores mais facilmente para entender os pedaços, descobri que entender o John era possível.

Da mesma forma, entender o John exigia que eu mudasse conscientemente a maneira como eu penso sobre os números que ele estava jogando fora a sabermetria exige que nós rewiremos como nossos cérebros pensam sobre as estatísticas de beisebol.

Bill James definiu sabermetrics como a busca por conhecimento objetivo sobre o beisebol.

Se um sabermetrics está medindo o desempenho de um jogador de posição ou lançador eles são quase sempre expressos em vitórias, corridas, ou relativos à média da liga. Isto porque o objetivo do beisebol é ganhar o jogo marcando mais corridas do que o seu adversário.

Esta é a forma pela qual precisamos reeducar nossos cérebros. Enquanto avaliamos os jogadores e suas performances, precisamos pensar em termos de quantas corridas ou vitórias vale este jogador e sua performance. Ou precisamos pensar em termos de quanto melhor ou pior ele foi comparado com a média da liga. Isto é pensar sabermetricamente.

As perguntas que estamos a fazer não mudaram. Ainda queremos saber que jogador é “o mais valioso”. Nós ainda queremos saber qual jogador ao longo da história é o maior. Nós ainda queremos saber se os lançadores são tão valiosos quanto os rebatedores. Em vez de usar a conjectura sabermétrica, adotamos uma abordagem matemática para tentar responder a estas perguntas.

Isso não significa que dispensamos ou não nos importamos mais com home runs, rbi, bases roubadas, lançamentos de entradas, strikeouts e outras estatísticas tradicionais. Essas estatísticas são dados em bruto e são frequentemente referidas como estatísticas de contagem. Sem estes dados em bruto, não é possível a sabermetria. Precisamos conhecê-las para podermos avaliar adequadamente os jogadores. Em e de si mesmos eles já não nos dão respostas às nossas perguntas. Em vez disso, são peças de um complexo puzzle que estamos a tentar resolver para responder a estas questões.

Sabermetria é uma ciência em contínua evolução. Os sabermeterianos por natureza não estão satisfeitos. Eles procuram melhorar sobre o existente e procuram novas formas de medir. Como a quantidade de dados disponíveis continua a crescer o número de métricas e sua precisão aumentará.

Não tenho um grau avançado em matemática. Sou a prova de que uma pessoa com uma formação matemática limitada pode ter uma compreensão funcional da análise estatística avançada. Você simplesmente tem que querer aprender.

Nesta série de artigos, vamos discutir métricas com as quais você pode não estar familiarizado. Não vou tentar explicar cada métrica mencionada em cada artigo. A minha ideia é eliminar uma métrica maior de cada vez.