Presentando el Rango Defensivo Añadido

Picture credit score: © Brett Davis-USA TODAY Sports activities

Traducido por José M. Hernández Lagunes

Hoy anunciamos un importante avance en la forma en que medimos la defensa del béisbol aquí en Baseball Prospectus. La porción de rango de nuestra métrica de fildeo, Carreras del Fildeador por Encima de la Media (Fielder Runs Above Common o FRAA por sus siglas en inglés), que comprende la vasta mayoría del valor que asignamos a los defensores (salvo al receptor), está siendo retirada para las ligas en las que tenemos acceso a datos Statcast. Hemos decidido llamar a la métrica actualizada Rango Defensivo Añadido (RDA), y se distingue por basarse completamente en fuentes de datos disponibles públicamente.

A su vez, RDA forma parte de las carreras merecidas evitadas (Deserved Runs Prevented o DRP por sus siglas en inglés). DRP es esencialmente RDA más los otros componentes tradicionales de FRAA, pero el alcance es una parte tan grande del valor defensivo que tenía sentido establecer una clara ruptura con el pasado, y asignar un nuevo nombre. Por primera vez en mucho tiempo, nuestras clasificaciones defensivas también se publican en las tablas de clasificación de BP. Dividido por jugador-temporada, jugador-equipo, o sólo equipo, se puede ver cómo calificamos a los distintos jugadores y los equipos en los que juegan.

El panorama precise de la medición de jugadores de campo está dominado por las métricas de Sports activities Data Options, Carreras en Defensa Salvadas (Defensive Runs Saved), que se basa en la revisión de vídeo de cada jugada, y de MLB Outs por Arriba de la Media (Outs Above Common), que utiliza datos de Statcast sobre la trayectoria de la pelota y coordenadas de posicionamiento del jugador de campo las cuales no están disponibles al público en common. Rango Defensivo Añadido pretende proporcionar una precisión comparable (y posiblemente mayor) en la medición del éxito del fildeador, sin el uso de fuentes propietarias. RDA también ofrecerá información novedosa a nuestros lectores, como una medida exclusiva para los paradores en corto que mide el rango de intento de los defensores y una puntuación de rango de salida para todas las posiciones que proporciona un resumen sencillo de la calidad del jardinero en función de la tasa.

Debido a que se basa en los datos de Statcast, RDA se centrará principalmente en los fildeadores de Grandes Ligas, y sólo estará disponible para las temporadas a partir de 2015. Para otras temporadas y niveles, la fórmula FRAA existente se seguirá utilizando para calcular el rango defensivo, al menos públicamente. A medida que los datos Statcast estén disponibles públicamente en otros niveles, RDA los cubrirá también. Otros aspectos de la defensa del jardinero, como las asistencias de campo y la prevención de robos de base, seguirán utilizando nuestras fórmulas tradicionales en todos los niveles, que parecen funcionar bien, y que constituyen una parte mucho menor del valor complete del fildeador. La combinación de los valores de carrera de RDA y estos otros componentes le dará un DRP para el jugador o su equipo.

Este artículo abordará la filosofía detrás de RDA, y cómo se desempeña en comparación con otras métricas defensivas líderes. Si sólo tienes tiempo para una breve introducción a RDA, no dudes en consultar nuestra sección de Preguntas Frecuentes (FAQ).

Aspectos básicos

Los analistas llevan décadas tratando de estimar la calidad de la defensa de los fildeadores. Jeff Zimmerman y Dan Basco discutieron gran parte de esa historia aquí. Tom Tango ofreció una perspectiva adicional sobre los métodos que compiten en su handbook de Outs por Encima de la Media (OAA), la precise métrica defensiva de MLB. Sports activities Data Options ha publicado su propia métrica defensiva, Carreras en Defensa Salvadas (DRS), durante dos décadas. Su página de inicio describe su filosofía y algunos de los componentes de su métrica.

El fildeo es mucho más difícil de evaluar que el bateo o el picheo, porque depende del bateo y el picheo de otras personas. Como resultado, es más difícil decidir cuándo un fildeador debería haber tenido éxito, y a veces incluso si un fildeador period el jugador adecuado. Los fildeadores con un número comparable de partidos jugados pueden variar ampliamente en el número de oportunidades que reciben, la dificultad de esas oportunidades, y los estadios en los que deben ejecutar esas oportunidades.

Al igual que OAA y la métrica Plus/Minus para DRS, RDA es una métrica de rango que mide el grado en que un determinado fildeador convierte una oportunidad de fildeo en un out. Un fildeador, típicamente la persona quien recoge la pelota primero, es acreditado con la jugada de fildeo, y en la medida en que la jugada fue convertida en un out, el fildeador es acreditado (o penalizado) por la diferencia entre el resultado de la jugada (out/no out) y el éxito promedio esperado de un fildeador en hacer ese out. El RDA se calcula para todos los fildeadores con al menos una bola fildeada y actualmente se calcula para todos los jugadores de la MLB desde 2015 hasta 2022. Contribuciones adicionales como la recepción/recolección de intentos de outs y relevos de múltiples outs están en línea para estudios futuros.

RDA introduce nuevos conceptos que creemos que gustarán a los lectores.  En primer lugar, introducimos el Vary Out Rating (Calificación del Rango del Out), una nueva estadística para evaluar el juego del campo. Es difícil encontrar métricas de calidad para el fildeo. DRS no parece ofrecer una; OAA cuenta con su recurring sistema de percentiles para las estadísticas Savant, pero por desgracia no hay ni de lejos 100 niveles significativos de defensa en cualquier posición, lo que presenta un desafío. OAA también calcula una “tasa de éxito añadida”, pero no se habla mucho de ella.

La Calificación del Rango del Out es el porcentaje por encima o por debajo de la media que el jugador convierte con éxito una jugada cargada en un out, en relación con otros en su misma posición. Las diferentes posiciones tienen rangos más amplios. Es poco possible que los lanzadores, receptores e inicialistas superen el 1-2%, los infielders suelen oscilar entre más o menos 3-4%, y los jardineros pueden ser más o menos 5% o más, dada su oportunidad única de combinar la visión de campo con la velocidad de carrera, dos habilidades distintas que pueden ser aditivas en sus beneficios. En common, un jugador medio en cada posición recibe un 0, un jardinero por encima o por debajo de la media suele estar un punto o dos en cualquier dirección, y un jardinero excelente o pésimo estará unos puntos por encima. Piensa en la Calificación del Rango del Out como una versión más inteligente del Porcentaje de Fildeo, pero sobre una base de más/menos. Como tal, podemos hablar fácilmente de un “infielder de -2″ o un “jardinero de +4″ para resumir la habilidad con el guante de un defensor. Sólo asegúrate de comparar a los jugadores sólo con otros jugadores en la misma posición.

En segundo lugar, para los paradores en corto—aunque más adelante ampliaremos este concepto a otros infielders—introducimos el concepto de Alcance en el Intento. Esta es una estadística de conteo que aborda el hecho de que, a diferencia de los jardineros que siempre fildean la pelota, de una manera u otra, los jugadores de cuadro pueden controlar su propio denominador en la medida en que son capaces de llegar a las pelotas en el borde del alcance típico de su posición. Uno de los principales defectos del porcentaje de fildeo es que los jugadores pueden mejorar su puntuación fildeando menos pelotas y ejecutando a un nivel más alto en jugadas menos difíciles. Alcance en el Intento trata de levantar la cortina en este comportamiento: puedes comprobar no sólo la tasa de éxito de un jugador en las jugadas fildeadas (Outs Obtenidos en Alcance/Calificación de Outs en Alcance) y también la medida en la que fildean más o menos bolas que otros en su posición (en la actualidad sólo en las paradas cortas). Considera la siguiente tabla:

Tabla 1: Los mejores paradores en corto por RDA, temporada 2022

Aunque también calculamos el equivalente en carreras, estamos de acuerdo con OAA en que presentar las jugadas realizadas en términos de “outs” es más sencillo. Por lo tanto, interpretando la Tabla 1, el mejor campocorto de RDA por outs realizados es Willy Adames, con una excelente puntuación de outs en alcance de más de 4, y más de 17 outs realizados en el lado positivo de la cuenta. Como se ha señalado anteriormente, los jugadores que superan más o menos 2 empiezan a demostrar los extremos de cualquier posición, y los que están por debajo de 2 son básicamente la media, excepto en posiciones en las que hay poca variedad.

Los otros nombres de la Tabla 1 no son ninguna sorpresa, pero la cuestión aquí no es sólo la puntuación de rango asignado, sino el contexto adicional que proporciona el alcance en el intento. Ninguno de estos paradores en corto tiene un alcance negativo, pero algunos de ellos presentan una ejecución excelente con un alcance medio (Dansby Swanson), mientras que Willy Adames ofrece el paquete completo, creando más oportunidades que nadie y ejecutando a un alto nivel en todos los aspectos.

Tabla 2: Los peores paradores en corto por RDA, temporada 2022

Los paradores en corto menos favorecidos por RDA en 2022 abarcan un rango de fildeo por debajo de la media, pero de nuevo RDA ofrece sutilezas, no sólo críticas. Tim Anderson tiene intentos de alcance superiores a la media, pero una ejecución inferior. Bo Bichette tiene intentos promedio, pero una ejecución por debajo de la media. Luis García y Bobby Witt Jr. tienen algunas de las peores calificaciones de outs en alcance que se pueden ver para un campocorto en cualquier año. Francisco Lindor puede ser una sorpresa en esta tabla para algunos, pero RDA se une a DRS en ver su rendimiento el año pasado como ligeramente por debajo de la media, tal vez anticipando un declive inevitable.

La necesidad de cambio

FRAA ha sido la métrica defensiva de esta publicación durante bastante tiempo. También es la última de las tres grandes mediciones de BP (picheo, bateo y fildeo) en ser revisada según los métodos que consideramos como las mejores prácticas actuales. Ha llegado el momento de esa modernización.

¿Por qué necesitamos actualizar la porción de alcance del FRAA? Hace dos años, en una prueba de poder descriptivo dentro de la misma temporada, funcionaba bien. La respuesta es que también nos interesa la habilidad repetible de los jugadores, no sólo nuestra capacidad para calibrar la actualidad. Según esta medida alternativa, FRAA no rinde lo suficientemente bien, en parte porque recursos como Statcast no existían cuando se actualizaron por última vez los métodos de cálculo de rangos de FRAA.

¿Cómo saber si una métrica es buena? Ante todo, los valores deben tener sentido. No hay sustituto para el juicio de los expertos, y en la opinión colectiva de nuestros colegas expertos, las estimaciones de RDA tienen sentido en todos los ámbitos. Por desgracia, muchos métodos que no son tan buenos pueden parecer prometedores si aciertan en cierto modo con los de arriba y los de abajo. Así que necesitábamos criterios más objetivos.

Decidimos que el punto de referencia con más probabilidades de servir como prueba rigurosa de la calidad de las métricas de rango es la (1) fiabilidad interanual (también conocida como “adherencia”, o “que pegue”) de (2) valoraciones individuales para (3) jugadores que cambiaron de equipo, preferiblemente (4) con una buena calibración interanual. Para nosotros, esto se deriva del concepto de habilidad del fildeador, y la necesidad de separar las contribuciones de los jugadores individuales de sus equipos. Las puntuaciones de los fildeadores no deberían estar contaminadas, ni siquiera inadvertidamente, por la calidad de las decisiones de posicionamiento de su equipo o de los fildeadores vecinos. La forma más limpia de eliminar estos factores de confusión del sistema es arrancar el curita y evaluar la métrica en función de su capacidad para clasificar correctamente, año tras año, a los mejores y peores fildeadores que han sido enviados a otros equipos.

Entre 2016 y 2022, identificamos más de 1,000 fildeadores que encajan en esta categoría, excluyendo lanzadores y receptores, proporcionando una muestra robusta. Utilizando correlaciones de Spearman para comparar la consistencia de sus clasificaciones de fildeadores, ponderadas por el número de jugadas fildeadas que acreditamos a cada fildeador, obtenemos la porción de rango existente de FRAA apilada con OAA y las porciones de alcance de DRS y UZR, para los fildeadores clasificados por todos estos sistemas. Ten en cuenta que estos y otros números en nuestras tablas se han actualizado desde nuestro ensayo anual, para incorporar los beneficios del esquema de imputación que hemos desarrollado desde entonces para las jugadas que no cuentan con los datos de Statcast para pelotas bateadas[1]:

Tabla 3: Fiabilidad interanual de Spearman, cambios de equipo por posición 2016-2022 (cuanto mayor sea, mejor)

Posición
OAA
DRS
UZR
FRAA
Jugadores

1B
0.23
0.07
0.15
0.17
193

2B
0.28
0.24
0.08
0.14
233

3B
0.15
0.25
0.11
0.07
230

SS
0.24
0.27
0.14
0.24
147

LF
0.44
0.32
0.23
0.13
282

CF
0.36
0.20
0.12
0.27
195

RF
0.40
0.24
0.19
-0.06
249

Con esta vara de medir, el rendimiento del FRAA no es horrible—de hecho, da la cara en la inicial y en el campocorto—pero tampoco es excelente. Una diferencia de unos pocos puntos no importa, ya que todas estas mediciones tienen una desviación estándar de aproximadamente 0.1 en el remuestreo bootstrap. (De ahí que también mantengamos el sombreado de nuestros líderes en claritas). Pero la diferencia entre FRAA y OAA/DRS es constante. De media, FRAA obtiene peores resultados:

Tabla 4: Fiabilidad common interanual, cambios de equipo, 2016-2022 (cuanto más alto, mejor)

OAA
DRS
UZR
FRAA

0.31
0.23
0.15
0.12

Sin pena: las métricas de la competencia (incluso UZR) tienen acceso a recursos a los que FRAA no tiene acceso, por lo que no es de extrañar que obtengan mejores resultados. Pero tampoco hay por qué conformarse con esta situación. Y no lo estamos.

La mejora del rendimiento

RDA incorpora recursos avanzados como los datos de bateo de Statcast. También incorpora los fundamentos de nuestra métrica Deserved, especialmente el concepto de escepticismo basado en principios. Esto significa que repartimos sólo un crédito parcial por cada jugada, concediendo más crédito sólo cuando un fildeador muestra un patrón consistente dentro de una misma temporada, positivo o negativo. Pero RDA también se beneficia del análisis authentic, la experimentación y nuestra voluntad de pensar ampliamente sobre las causas de una buena defensa. El trabajo additional es necesario desafortunadamente, porque todavía tenemos una asimetría significativa de información: no tenemos acceso a las coordenadas de los fildeadores de la MLB, ni contamos con analistas de vídeo que estudien cada jugada. Y nuestro objetivo es crear la mejor métrica posible basándonos exclusivamente en datos de dominio público.

Afortunadamente, parece que hemos sido exitosos. Volvamos a mostrar las dos tablas anteriores, y esta vez añadiremos RDA en la comparación para esos mismos jugadores:

Tabla 5: Fiabilidad interanual de Spearman, cambios de equipo por posición 2016-2022 (cuanto más alto, mejor)

Posción
OAA
DRS
UZR
FRAA
RDA
Jugadores

1B
0.23
0.07
0.15
0.17
0.30
192

2B
0.28
0.24
0.08
0.14
0.28
230

3B
0.15
0.25
0.11
0.07
0.25
229

SS
0.24
0.27
0.14
0.24
0.32
146

LF
0.44
0.32
0.23
0.13
0.59
282

CF
0.36
0.20
0.12
0.27
0.65
195

RF
0.40
0.24
0.19
-0.06
0.55
248

Como puedes ver, RDA iguala o supera a todos los demás sistemas en el inside del cuadro, y lo supera en los jardines. Las correlaciones medias generales en todas estas posiciones cuentan una historia comparable:

Tabla 6: Fiabilidad common interanual de Spearman, cambios de equipo, 2016-2022 (cuanto más alto, mejor)

OAA
DRS
UZR
FRAA
RDA

0.31
0.23
.15
.12
.43

RDA es especialmente adecuado para resistir los “efectos de casa” de determinados equipos, que pueden deberse a un mejor posicionamiento o a los efectos de los fildeadores vecinos. Considera la diferencia neta entre los valores de la Tabla 6 y la Tabla 7 (abajo), cuando miramos a todos los fildeadores, no sólo a los que cambiaron de equipo. Para esta comparación, queremos que la penalización sea 0 o algo positiva:

Tabla 7: Penalización common de fiabilidad interanual, por estado del jugador, 2016-2022 (más cerca de cero es mejor)

Colectivo
OAA
DRS
RDA

Jugadores que cambian de equipo
+0.31
+0.23
+0.43

Todos
+0.33
+0.29
+0.39

Penalidad neta
-0.02
-0.06
+0.04

Podría decirse que OAA tiene algunos efectos de casa que influyen en su métrica, pero no muchos. Por un margen ligeramente mayor, el RDA resiste positivamente el efecto del equipo de un jugador y de los fildeadores vecinos. DRS demuestra el mayor diferencial negativo, mostrando mucha más consistencia en la valoración de jugadores que permanecen con los mismos equipos. La jerarquía common entre las métricas se mantiene cuando se consideran todos los jugadores, lo que apoya la validez de utilizar el subconjunto de jugadores que cambian de equipo. En defensa del DRS, hay algo que decir para registrar lo bien que un jugador se desempeña en un equipo en explicit en un momento determinado. Pero desde nuestro punto de vista, la habilidad independiente del equipo demostrada por el fildeador es de mayor interés y refleja mejor su possible contribución.

También hemos mencionado anteriormente un cuarto criterio: la calibración interanual. Una crítica recurring a las métricas defensivas es que, incluso cuando son capaces de calificar consistentemente a los defensores como positivos o negativos, los valores muestran con demasiada frecuencia una variación extrema de un año a otro, a pesar de que es poco possible que la habilidad de un jugador típico esté cambiando mucho. Una forma de medir la capacidad de una métrica para resistir este efecto yo-yo es la correlación de Pearson de sus valores para los defensores de año en año. La correlación de Spearman, que utilizamos anteriormente, compara la consistencia de la clasificación de una métrica, lo que la hace un poco más robusta. La de Pearson, en cambio, evalúa la consistencia del valor actual, y es análoga al error cuadrático medio normalizado. Entoces, tomemos la Tabla 6 y pasemos de las correlaciones de Spearman a las de Pearson:

Tabla 8: Fiabilidad common interanual de Pearson, jugadores que cambiaron de equipo, 2016-2022 (cuanto mayor sea, mejor).

OAA
DRS
UZR
FRAA
RDA

0.13
0.06
.06
.04
.43

Todas las métricas competidoras, en explicit las más avanzadas, sufren grandes caídas entre sus cifras interanuales de correlación de Pearson en relación con sus estimaciones de Spearman. Esto podría significar que el valor de un fildeador es necesariamente no lineal y/o inconsistente. Pero esa hipótesis queda desmentida por el hecho de que la veracidad de RDA no sufre penalización alguna cuando pasamos de analizar la consistencia de las clasificaciones de los jugadores a analizar los valores reales asignados a esos jugadores. Como tal, RDA no sólo clasifica a los jugadores de forma consistente año tras año, sino que va más allá y les asigna valores mucho más consistentes. RDA logra esto a pesar de que cada temporada (completa) es modelada sin conocimiento de lo que le sucedió a cualquier jugador o bola bateada en cualquier otra temporada. Para ser justos, los valores de RDA pueden ser más comprimidos que otras métricas, pero eso parece ser más una característica que un error, y el rango de los valores de cualquier métrica no hace ninguna diferencia en las correlaciones de rango discutidas anteriormente.

RDA también parece funcionar bien en la evaluación del rango de lanzadores y receptores. RDA ve el valor de ambos como bastante minúsculo, quizás porque cuestiona si algunas jugadas del lanzador habrían sido más rutinarias de hacer para otros jugadores de cuadro. OAA no parece evaluar a los lanzadores o receptores, pero DRS parece calificarlos de forma fiable:

Tabla 9: Fiabilidad common interanual de Spearman, jugadores que cambiaron de equipo, 2016-2022 (cuanto más alto, mejor).

Posición
DRS
FRAA
RDA

C
.26
0
.33

P
.21
.20
.12

Por último, pero no por ello menos importante, RDA parece preparado para funcionar bien en el futuro. Las nuevas restricciones en el posicionamiento de los fildeadores sólo pueden facilitar el trabajo del RDA. Además, aunque RDA parece funcionar bien tanto con los sistemas Trackman y Hawk-Eye, su rendimiento en las primeras temporadas (completas) del sistema Hawk-Eye es revelador. De nuevo, las correlaciones ponderadas de Spearman con los jugadores que cambian de equipo:

Tabla 10: Fiabilidad common interanual, jugadores que cambiaron de equipo, 2021-2022 (cuanto más alta, mejor) 

OAA
DRS
UZR
FRAA
RDA

0.22
0.23
0.16
.11
.57

Tal vez 2021 y 2022 fueron simplemente años azarosamente buenos para el RDA, pero si el Hawk-Eye está realmente añadiendo más precisión a la medición de las bolas bateadas, tiene sentido que el RDA se beneficie desproporcionadamente de ello. De hecho, los beneficios del Hawk-Eye parecen ser tan notables que cualquier sistema defensivo, público o privado, que diseñó su modelo de fildeo antes del Hawk-Eye debería revisarlo para implementar mejoras.

Dicho todo esto, recuerda que evaluar la precisión defensiva sigue siendo complicado. Aunque la fiabilidad es posiblemente el punto de referencia más importante para calificar una métrica, al menos cuando no se conoce la respuesta “correcta”, el hecho de que se esté midiendo algo consistentemente no significa automáticamente que se esté midiendo correctamente, un punto que ya hemos probado anteriormente. A diferencia de lo que ocurre con los bateadores o los lanzadores, no podemos simplemente tomar el OPS o el RA9 del año siguiente y ver lo bien que se ha “predicho”, porque los fildeadores no tienen una métrica equivalente obvia. Sin una verdad de base consensuada, es difícil ponerse de acuerdo sobre lo que es “correcto” y lo que no lo es. Dicho esto, no podemos pensar en una sola buena métrica que no empiece por ser increíblemente fiable, ni podemos pensar en una métrica de béisbol que sea altamente fiable y no proporcione también información útil.

¿Por qué funciona?

¿Cómo podemos ofrecer una alternativa creíble al DRS y al OAA sin tener acceso a sus recursos adicionales?

Ayuda el hecho de que el resultado de muchas pelotas en juego está predeterminado por la naturaleza de la propia pelota bateada. En promedio, será un “out” o un “hit” de algún tipo, independientemente de quién ocupe una posición en el terreno y de dónde le ordene el equipo que se pare.

Sin embargo, eso deja las jugadas en las que sí importan factores adicionales. DRS y OAA responden centrándose en la ubicación percibida del fildeador durante cada jugada. Nuestro enfoque es el opuesto: alejarnos y considerar cómo la posición del fildeador forma parte de un proceso más amplio.

Comenzamos señalando que cada bola fildeable en juego tiene un resultado determinado por (al menos) tres factores relevantes para esta discusión: (1) las características de la bola bateada, (2) la habilidad del fildeador y (3) su posicionamiento. Conocemos el resultado de la jugada, y conocemos la mayoría de las características relevantes de la pelota bateada: velocidad de lanzamiento, ángulo de salida y dirección estimada[2]. Esto nos deja la habilidad y la posición del fildeador, y para resolver la primera necesitamos tener una concept de la segunda. Si el posicionamiento del fildeador es consistente a través del deporte en sus efectos generadores de out—al menos en promedio—entonces podemos tratar las desviaciones individuales como aleatorias y podemos resolver la habilidad del fildeador, ya que es la única incógnita que queda (al menos en esta discusión). Pero si la posición del fildeador es dinámica y realmente desconocida de una jugada a otra, podríamos tener problemas.

Por lo tanto, lo ideally suited sería encontrar algún sustituto para la posición del fildeador en cada jugada. Para ello, consideramos la posición del fildeador como parte de un proceso international en lugar de un mero conjunto de coordenadas para cada jugada. Para ser más específicos, consideramos que la posición de los fildeadores en el equipo depende de (al menos) dos subfactores: (1) los objetivos comunes del equipo y (2) los resultados de los bateadores según su posición en el campo.

El subfactor uno reconoce que los equipos rivales comparten el objetivo de poner out al bateador. Si todos los equipos contrarios están tratando de poner out al bateador, y todos ellos tienen acceso a datos mejorados de los fildeadores y pueden observar las estrategias de los demás para ver lo que funciona mejor, es razonable suponer que gravitarán hacia una estrategia o estrategias óptimas de fildeo para cada bateador—ya sea un conjunto comparable de posiciones de fildeo o algún otro enfoque que proporcione el resultado más comparable. Si es así, sea cual sea el posicionamiento de fildeo que se elija para un bateador, podemos asumir que tendrá resultados similares en promedio, dependiendo de las habilidades de los fildeadores de cada equipo. En otras palabras, si los equipos están optimizando de forma consistente el mejor resultado, entonces podemos asumir que las diferencias entre los equipos en el posicionamiento de los fildeadores son mínimas, aleatorias, o un poco de ambas. Los puntos de referencia citados anteriormente sugieren que estos supuestos se cumplen, al menos en promedio.

El segundo subfactor complementa al primero: diferentes bateadores tienden a obtener diferentes resultados cuando sus bolas en juego son fildeadas por diferentes posiciones, porque pocos bateadores golpean con la misma potencia y autoridad a todas las posiciones. Por lo tanto, los equipos no sólo saben qué estrategias se consideran las mejores prácticas para un bateador determinado (el primer componente, arriba), sino que ellos—y nosotros como analistas—sabemos qué posiciones de campo suelen ser buenas o malas para las bolas en juego de cada bateador. Unido a este issue está la capacidad del equipo para colocar a los fildeadores de forma optimizada, y la capacidad de un bateador para generar efecto y otros factores que afectan al éxito de una bola bateada más allá de los actualmente revelados por la MLB. Y éste es un issue que podemos controlar directamente.

Debido a que la posición del fildeador es una función de (al menos) estos otros dos factores, puede ser re-caracterizada como un mediador de un proceso más amplio, impulsado por los objetivos compartidos del equipo y los resultados típicos de la pelota bateada para cada posición de fildeo. Si es así, la posición actual del fildeador se convierte en ignorable en la visión más amplia por las mismas razones que las vías por encima de ella son ignorables o contabilizadas en nuestro sistema. Si nuestras suposiciones se mantienen en la media de los impulsores de la posición del fildeador en common, entonces la localización precisa de cada fildeador en cada jugada ya no es necesaria de conocer, al menos con respecto a nuestra habilidad para dibujar una imagen common de la habilidad del fildeador. (Estaría bien disponer de esa información adicional, pero no es lo mismo que sea necesaria). Sin esa información adicional, no podemos calificar cada jugada particular person con la precisión que nos gustaría, y los valores podrían ser un poco más volátiles, pero tampoco estamos intentando calificar jugadas individuales. Más bien, estamos tratando de medir objetivamente la habilidad de fildeo mostrada a lo largo de una muestra de jugadas y, en última instancia, de una temporada completa. Además, a partir de los datos de Savant, al menos tenemos el conocimiento básico de si los fildeadores están en una configuración reajustada o estándar.

Como resultado, RDA podría decirse que está tratando de responder a una pregunta ligeramente diferente a la que DRS y OAA hacen. DRS y OAA parecen preguntar si una jugada en explicit estuvo por encima o por debajo de la media para ese fildeador bajo las suposiciones de cada sistema sobre los retos de esa jugada en explicit. RDA, por otro lado, pregunta si el juego common de un fildeador fue consistentemente por encima o por debajo de la media a la luz de la medida en que los outs deberían haber sido realizados por alguien en esas jugadas.

El enfoque OAA/DRS tiene el potencial de dar más detalles, a veces, sobre lo que un fildeador en explicit realmente hizo. Pero el enfoque del RDA cube más acerca de cómo se espera que un fildeador opere en circunstancias típicas, y por lo menos establece un previo informado de lo bien que ese fildeador está jugando. Las respuestas a ambas preguntas ofrecen valor, y cuantas más respuestas tengan los lectores, mejor.

Conclusión

Los valores DRP y RDA ya están disponibles para jugadores y equipos en nuestras tablas de clasificación. A medida que vayamos introduciendo la nueva métrica, nos gustaría recibir tus comentarios sobre las cifras que ves, especialmente si detectas algún posible problema o tienes sugerencias sobre cómo ampliar nuestra lista de preguntas frecuentes. Nuestro objetivo es hacerlo bien, o al menos tan bien como sea razonablemente posible, y nuestros atentos lectores son nuestros mejores evaluadores.

[1]Todos los valores DRS, UZR y OAA fueron proporcionados por cortesía de nuestros amigos de FanGraphs.

[2] La dirección actual de cada bola bateada, a pesar de ser medida, no está disponible públicamente por decisión de la MLB. Se puede estimar parcialmente a partir de las estimaciones de los fildeadores sobre dónde fue realmente fildeada. Apreciaríamos que la medición del rumbo actual se publicara.