许多人认为，由于速度快，一些球员有能力迫使错误发生，而根据守场员的失误而达到目标更像是一击而不是出局。因此，他们认为错误不应计入击球平均值，而应视为以基准百分比为基准。至少，他们认为应该将记录与事件分开记录，并应更经常地进行报告。
此处的目的是调查错误是随机事件还是某些参与者比其他参与者更有可能创造的事件。我看着 回顾表 播放2000年至2008年的播放数据库，并找到了此期间所有玩家的ROE数据。我将所有未导致命中的地面球视为基于错误的到达机会，并计算了ROE。我没有包括空中击球，因为很难说这些错误是由击球手的速度造成的。我通过用机会除以ROE来计算每个玩家的ROE百分比（ROE％）。美国职业棒球大联盟的平均ROE％为0.034（或3.4％）。
在此期间，有281位玩家拥有500个或更多机会，他们的ROE％从.016（Alex Cintron）到.065（Rondell White）。考虑到统计概率，ROE％的分布看起来不像是来自随机事件的。如果误差是随机事件，则ROE％远高于预期的.034。在数学上更倾向于在帖子结尾处查看数学*。
下表1中列出了2000-2008年的最高ROE％。您可能会注意到的第一件事是该列表不包含Speedster。当您想到击球手可能会迫使守场员犯错误时，不会想到Juan Juan Pierre或Ichiro Suzuki或其他球员。相反，在我看来，它像是随机列出的没有特色的球员。
因此，虽然基于错误达到目标可能不是随机事件，但它似乎也不是速度的结果。这可能与球从球拍上旋转，球场内场或官方得分手或其他东西有关。值得进一步研究。
表2列出了当前的Tigers。加里·谢菲尔德（Gary Sheffield）和他的4.6％的球员达到的基数超出了随机事件时的预期。
表1-2000-2008年MLB球员的ROE％
| Opps | 鱼子 | 鱼子％ | |
| 朗德尔·怀特 | 883 | 57 | .065 |
| 萨米·索萨（Sammy Sosa） | 806 | 49 | .061 |
| 加布·卡普勒（Gabe Kapler） | 578 | 35 | .061 |
| 泰·威金顿 | 637 | 38 | .060 |
| 马龙·伯德 | 506 | 30 | .059 |
| 杰夫·西里洛 | 806 | 46 | .057 |
| 乔·兰达 | 945 | 53 | .056 |
| 托尼·格拉芬尼诺 | 626 | 35 | .056 |
| 亚伦·布恩 | 751 | 40 | .053 |
| 迈克·卡梅伦 | 807 | 42 | .052 |
| 蒂姆·萨蒙（Tim Salmon） | 528 | 27 | .051 |
| 杰夫·巴格威尔 | 745 | 38 | .051 |
| 克雷格·比吉奥 | 1296 | 66 | .051 |
| 雷吉·桑德斯 | 653 | 33 | .051 |
| 杰夫·肯特 | 970 | 49 | .051 |
| 贝尼托圣地亚哥 | 560 | 28 | .050 |
表2：目前的Tigers在2000-2008年的ROE％
| Opps | 鱼子 | 鱼子％ | |
| 加里·谢菲尔德 | 1017 | 47 | .046 |
| 亚当·埃弗里特 | 598 | 22 | .037 |
| 卡洛斯·吉伦（Carlos Guillen） | 997 | 36 | .036 |
| 普拉西多·波兰科（Placido Polanco） | 1449 | 49 | .034 |
| 马格里奥·奥多涅兹 | 1165 | 33 | .028 |
*数学：
在2000年至2008年之间，有281名球员有500或更多的机会根据一个地面球的失误而到达。人口比例（p）= 0.034。为了测试玩家的ROE％与偶然事件是否存在显着差异，我们可以对二项式进行正态近似。 z分数是z =（roe％-p）/ SE，其中SE（标准误差）是SQRT（p（1-p）/ n）。
例如，朗德尔·怀特（Rondel White）有883个机会，净资产收益率（ROE）为0.065。从而，
SE = SQRT（（.034 * .966）/ 883））= .0061，而z =（。065-.034）/。0061 = 5.08。
Z得分为1.64或更高表明事件可能不是随机的。在281位玩家的情况下，我们预计约有14位（或5％）的玩家的z得分高于1.64，而3位（或1％）的z得分约为1.96。相反，我们有37个z分数高于1.64的z分数和16个z分数高于1.96的z分数。这使我相信基于错误达到目标并不是随机的（但也不一定是一项技能）。
The information used here was obtained free of charge from and is copyrighted by
回顾表. Interested parties may contact 回顾表 在 20 Sunset Rd., Newark, DE
19711.
Lee，您的TigerTalesBlog始终提供这些类型的统计信息。是否可以在此时间范围内添加Tigers球员？
回复删除我刚刚添加了五位当前的老虎，他们有足够的资格参加比赛。谢菲尔德的百分比很高。
回复删除击球手多的击球手偏向ROE％的高端。速度似乎不是原因。
回复删除因此，虽然效果是真实的，但我无法解释这是一项击球手技能。因此，我试图弄清楚这些击球手的击球次数很多，这可能与它有关系。
我一直在寻找错误的分布。我认为，如果总的来说，团队在比赛初期或比赛后期犯更多错误，那么可能是一个开始寻找解释的地方。在搜索引擎可以找到的任何地方，我都找不到汇总的数据。
杰夫，我也很难在这里看到击球技巧。我认为这可能是一个大致效果，但我尚未对此进行研究。我同意速度不是原因
回复删除我不确定我是否理解您的ROE％偏向大量蝙蝠玩家的意思。
RE Skewing：可能对所有击球手都倾斜。但是，在击中您输入项中指定的500多个地面球的人中，分布的尾部比您预期的正态分布大。 （基本上这就是您所说的。）
回复删除我只是在寻找该小组的共同点以寻求解释。
看来这些击球手大多数都是RH。我看到的数据表明，与左手击球手相比，右手击球手更有可能基于内场击球。由于SS和3B花费较少的时间来补偿字段错误并仍然记录错误，因此创建错误也可能如此。
回复删除很好的建议尼克，这是可以检查的，因为追溯表给出了命中位置，由现场检查员确定了错误。确实有道理，将球击向左侧的球员更多时候会基于错误进入。
回复删除