Picture credit score: Paul Rutherford-USA TODAY Sports activities
Traducido por Pepe Latorre
La temporada pasada fue difícil para todos los sistemas de predicción, y no solo por los Giants y los Twins. Casi todos los años tenemos varias temporadas completas con el desempeño de peloteros, tanto en las Mayores como en las Menores, para generar las proyecciones. En 2021 nos encontramos con que la campaña anterior solo proporcionó 60 juegos de MLB y ninguno en las Menores. Eso condujo irremediablemente a intervalos de confianza más grandes de lo ordinary. No pasa nada, ¡al menos podemos esperar temporadas completas en el futuro! (sí, esto es una broma).
Una de las características más controvertidas de las proyecciones es que una vez que comienza la temporada suelen predecir con más precisión el desempeño de un jugador durante el resto de la temporada que el desempeño actual de los jugadores hasta que la muestra es lo suficientemente representativa. Esto es contradictorio. Está claro que a finales de abril nadie creía realmente en el .415/.455/.659 de Yermín Mercedes o en la efectividad de 6.29 de Luis Castillo. Pero una vez que pasamos abril este tipo de valores atípicos se estabilizan. Para el Memorial Day, ¿no es lo que ha hecho un pelotero más indicativo que cómo irá el resto de su año de acuerdo con un algoritmo que hizo una predicción durante el entrenamiento de primavera? ¿Y para el Día de la Bandera? ¿Y para el cuatro de julio? ¿Y para el parón del All-Star?
Decidí poner a prueba a PECOTA tratando de responder esas preguntas para una temporada 2021 sin precedentes y difícil de predecir. Si quieres ir directamente a los resultados búscalos más abajo, me temo que me va a llevar un tiempo explicar mi metodología.
Limité mi muestra a bateadores con 300 apariciones en el plato y lanzadores con 100 entradas durante la pasada campaña. Las muestras pequeñas conducen a valores atípicos más grandes. Comparé las estadísticas acumuladas por cada jugador al ultimate de cada mes con sus números para el resto del año.
Descarté cualquier cifra (tanto al ultimate de cada mes como para el resto del año) cuando un bate no llegó a las 50 apariciones en el plato. Por ejemplo, en abril y mayo excluí a Ronald Torreyes porque solo tuvo 44 apariciones en el plato durante esos meses, y no usé el julio y agosto de Rhys Hoskins porque solo llegó a las 24 después del 30 de junio. Para los lanzadores usé un mínimo de diez entradas lanzadas, lo que significó que Alex Manoah no aparece hasta junio (sin entradas en abril y seis en mayo) y Joe Ross desaparece a partir agosto (sin entradas lanzadas después del 10 de agosto).
Elegí el OPS como mi métrica de bateo y tanto ERA como FIP para los lanzadores. Luego realice correlaciones entre las actuaciones para el resto del año de los bateadores y lanzadores en comparación con (1) PECOTA y (2) sus números del año hasta la fecha. Por ejemplo, aquí está Justin Turner. Nuestra proyección PECOTA de pretemporada para él fue un OPS de .815. En esta tabla OPS es su OPS hasta el ultimate del mes, ROS es su OPS durante el resto de la temporada y Winner indica cuál estuvo más cerca, el .815 de PECOTA o su complete hasta la fecha (YTD).
Justin Turner | |||
Mes | OPS | ROS | Winner |
Abril | 1.005 | .795 | PECOTA |
May0 | .819 | .839 | YTD |
Junio | .849 | .814 | PECOTA |
Julio | .883 | .725 | PECOTA |
Agosto | .842 | .785 | PECOTA |
Aquí tenemos a Nick Pivetta, a quien PECOTA le proyectó un 3.82 de ERA y un 4.02 de FIP.
Nick Pivetta | ||||||
Mes | ERA | ROS | Winner | FIP | ROS | Winner |
Abril | 2.81 | 4.87 | PECOTA | 3.83 | 4.37 | PECOTA |
May0 | 3.86 | 4.88 | YTD | 3.45 | 4.72 | PECOTA |
Junio | 4.43 | 4.65 | YTD | 4.34 | 4.20 | YTD |
Julio | 4.51 | 4.56 | YTD | 4.32 | 4.18 | YTD |
Agosto | 4.67 | 3.60 | PECOTA | 4.44 | 3.17 | PECOTA |
Entre los lanzadores predominan los casos similares al de Pivetta. Hasta fines de abril la correlación entre PECOTA y la efectividad del resto de la temporada fue bastante baja, 0.23. La correlación con FIP fue mayor, 0,41. Pero ambos superaron fácilmente la correlación entre el año hasta la fecha y el resto del año: 0.14 para ERA, 0.28 para FIP.
Pero la magia no duró más. En cualquier otro período la efectividad y el FIP del año hasta la fecha fueron mejores predictores del resto del año que PECOTA. Aunque hay que aclarar que los lanzadores son difíciles de proyectar de todos modos. Sus resultados dependen en gran medida de la situación. Un lanzador de los Astros jugó casi la mitad de sus juegos contra oponentes de la División Oeste de la Liga Americana, equipos que acumularon un OPS combinado de .699. Por otro lado, uno de los Orioles se las tuvo que ver con conjuntos que registraron un OPS de .764. Un abridor que comienza mal el año puede terminar en el bullpen, donde le va mucho mejor, mientras que un relevista exitoso puede acabar sufriendo al entrar en la rotación. Kolby Allard comenzó el año siendo un relevista decente (3.15 de ERA y 3.07 de FIP en 10 juegos), luego se “convirtió” en abridor (5.40 de ERA y 5.69 FIP en 17 aperturas). Garrett Richards pasó de ser una víctima de la regulación sobre el uso de sustancias pegajosas (5.22 de ERA y 5.03 de FIP en 22 aperturas) a un brazo de bullpen bastante confiable (3.42 de ERA y 2.90 de FIP en 18 apariciones). PECOTA no sabe a qué equipos se enfrentará un lanzador (esta es una de las razones por las que me gusta nuestro DRA, que tiene en cuenta a los oponentes) o cuál será su papel. En pocas palabras, las proyecciones de los lanzadores son difíciles. Las circunstancias adicionales y exclusivas del 2021 lo hicieron aún más difícil.
Para los bateadores, sin embargo…
- Hasta finales de abril la correlación entre el OPS del resto de la temporada y el OPS del año hasta la fecha fue de 0,26. La correlación entre el OPS del resto de la temporada y la PECOTA de pretemporada fue de 0,51. Ganó PECOTA.
- Hasta finales de mayo la correlación entre el OPS del resto de la temporada y el OPS del año hasta la fecha fue de 0,32. La correlación entre el OPS del resto de la temporada y la PECOTA de pretemporada fue de 0,49. Ganó PECOTA.
- Hasta finales de junio la correlación entre el OPS del resto de la temporada y el OPS del año hasta la fecha fue de 0,32. La correlación entre el OPS del resto de la temporada y la PECOTA de pretemporada fue de 0,44. Ganó PECOTA.
- Hasta finales de julio la correlación entre el OPS del resto de la temporada y el OPS del año hasta la fecha fue de 0,37. La correlación entre el OPS del resto de la temporada y la PECOTA de pretemporada fue de 0,40. Ganó PECOTA.
- Hasta finales de agosto la correlación entre el OPS del resto de la temporada y el OPS del año hasta la fecha fue de 0,36. La correlación entre el OPS del resto de la temporada y la PECOTA de pretemporada fue de 0,35. PECOTA perdió, pero no por un margen significativo.
Dicho de otra manera, desde el comienzo de la temporada hasta las semanas posteriores al parón del All-Star, PECOTA predijo mejor el desempeño de los bateadores durante el resto de la temporada que los números del año hasta la fecha. ¡Y eso en un año difícil para las proyecciones! Y usando solo proyecciones de pretemporada, no las que actualizamos durante la temporada. Para los bateadores, al menos, lo contrario a la intuición es correcto: las proyecciones son un mejor predictor del desempeño futuro que los resultados reales hasta bien entrada la temporada. Para los lanzadores, dados los desafíos de 2021, lo dejaremos en un interrogante.
Si tu bateador favorito tiene problemas a finales de abril probablemente mejorará a lo largo del año. ¿Te preguntas por qué tu equipo sigue confiando en la exestrella que comenzó mal la temporada? Esta es la razón. Si su equipo de fantasía necesita ayuda en la ofensiva, haz una oferta por el tipo que no ha rendido bien antes del Memorial Day, pero tal vez deberías pensar en traspasar al jugador de tu equipo que está bateando mucho mejor que su proyección en junio. Confía en PECOTA, no en tus sucios y mentirosos ojos.
Thanks for studying
It is a free article. When you loved it, think about subscribing to Baseball Prospectus. Subscriptions help ongoing public baseball analysis and evaluation in an more and more proprietary surroundings.