Traditional methods of computing WAR (wins above replacement) for pitchers are based on an invalid mathematical foundation. Consequently, these metrics, which produce reasonable values for many pitchers, can be substantially inaccurate for some. Specifically, FanGraphs and Baseball Reference compute a pitcher's WAR as a function of his performance averaged over the entire season. This is wrong because WAR must be a convex function of the number of runs allowed by the pitcher in a game. Hence we propose a new way to compute WAR for starting pitchers: Grid WAR (GWAR). The idea is to compute a starter's GWAR for each of his individual games, and define a starter's seasonal GWAR as the sum of the GWAR of each of his games. We show that GWAR is indeed a convex function in the number of runs allowed during a game. As such, GWAR accounts for a fundamental baseball principle that not all runs allowed have the same impact in determining the outcome of a game: for instance, the difference in GWAR between allowing 1 run in a game instead of 0 is much greater than the difference in GWAR between allowing 6 runs in a game instead of 5. Moreover, Jensen's inequality implies that, by ignoring the convexity of WAR, current implementations of WAR undervalue certain pitchers, particularly those who allow few runs (specifically, 0 or 1 run) in many games. It also unfairly penalizes pitchers who are credited with a large number of runs in a short outing. These flaws are corrected by GWAR.


翻译:计算投手的传统的 WAR (胜于替换) 方法基于一个无效的数学基础。 因此, 这些为许多投手创造合理值的衡量标准对一些人来说可能在很大程度上不准确。 具体地说, FanGraphs 和 Basball Reference 将投手的战争计算成其整个赛季平均性能的函数。 这是错误的, 因为 WAR 必须是投手在游戏中允许的赛跑次数的组合函数。 因此, 我们提出一种新的方法来计算开球投手的比赛的计算方法: Gred War (GWAR) 。 其想法是计算一个启动者为许多投手的游戏的合理值, 对于每个投手的投手者来说,这些衡量标准可能大大不准确。 GWAR 的季节性 GWAR 的季节性 GWAR, 定义一个季节性 GWA 的游戏的总和数。 在游戏中, GWA 的赢率比赢家的赢家的赢家要大得多。

0
下载
关闭预览

相关内容

在数学中,定义在n维区间上的实值函数,如果函数的图上任意两点之间的线段位于图上,称为凸函数。同样地,如果函数图上或上面的点集是凸集,则函数是凸的。
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年10月24日
VIP会员
相关资讯
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员