新的FanGraphs统计资料补充战争

对此有很多批评。 胜于替换 最近几年FanGraphs的（WAR）统计信息。 此度量标准（有时称为fWAR与其他WAR统计数据区分开）旨在在他几乎没有其他帮助的情况下，将投手的功劳归功于投手的功劳，例如三振，垒球，击球手和全垒打。 据说这些是场外独立投球（FIP）或国防独立统计（DIPS）。 

例如，老虎队的右撇子Max Scherzer今年允许进行54次散步和22次本垒打，击中3个击球手，在154 2/3局中有195个三振出局。 换算为FIP ERA为3.57，这是投手“应该”给出的那些数字的ERA。 这比他的实际ERA值4.13低了一半以上。 

在154个2/3局中，每9局允许3.57获胜奔跑的投手理论上比“替代”投手所能贡献的胜利多约三（3.2 战争）获胜。 另一方面，如果胜利是基于每9局（RA9）允许的跑动，那么Scherzer会比替换级别的投手高出2胜（2.4 RA9-Wins）。 这是一个相当大的差异，而且这种差异经常发生，这是对WAR持怀疑态度的根源之一。

战争（基于FIP）与RA9-Wins不同的主要原因有两个：

• RA9-Wins对投手的击球结果给予了投手以最大的荣誉/指责 尽管他们与 fielders. 例如，一个身后有强大防守的投手会 倾向于放弃比他差的命中次数更少（因此更少的奔跑） 在他身后的防御。另一方面，fWAR使投手对比赛中发生的球负有零责任。

• RA9-Wins赋予投手完整的排序或计时责任 事件，即假设他们可以控制何时放弃点击 走路。例如，如果一个投手与 特定年份的得分手，他的ERA会降低 比起他在那种情况下度过的典型年份此外， 倾向于在单局中将垒手扎在一起的投手会 拥有比一般的年度分配基准更高的ERA 跑步者更均匀。 战争给予投手零信用/零点数进行排序。 

实际上，RA9-Wins和WAR都不适合每个投手，因为控制投手的数量超过了击球数量 因命中和事件排序而下降的球介于0到100之间。 问题是没有人确切知道投手对这些东西有多少控制，而且百分比可能因投手而异。 因此，FanGraphs坚持其基于FIP的WAR，同时承认它并不能完全解释投手的表现。

但是，FanGraphs现在将RA9-Wins，WAR和 解释两者差异的数字 并排：

RA9-Wins =根据他投球时的总跑步次数获得投手的胜利
战争 =基于SO，BB，HBP，HR的投手获胜
FDP胜利= RA9胜利减去WAR = SO，BB，HBP，HR未计入的胜利
BIP胜利=胜利是由比赛中球的结果贡献的
LOB-Wins =胜利是由基础上剩下的事件或跑步者的排序贡献的。

到目前为止，Scherzer的数字如下：

RA9-胜= 2.4
战争= 3.2
FDP胜率= -0.8
BIP胜= = 1.7
LOB-胜= 1.0

BIP-Wins的负数告诉我们，Scherzer在比赛中的球没有取得很好的成绩。 从他异常高的.347比赛中击球平均数（BABIP）中也可以看出这一点。 这可能是由于糟糕的投篮支持（我们知道老虎队提供的支持不多）或比赛中运气不佳所致。 我们不想假设这都不是他的错。尽管投手确实与守场员共同负责击球的责任，但有些投手的确比其他投手受到更大的打击。 在免费获得击球速度，距离和轨迹的完整数据之前，这些问题无法得到完全回答。

Scherzer对LOB-Wins的正数表明，他允许的跑步者并没有取得很高的得分。 相对于好运，这多少是技巧尚不得而知。我们确实知道他的76％的LOB％高于他的职业生涯的73％的得分，因此也许他今年在这方面有点幸运。

这些新的统计数据当然不能回答所有关于投球的问题，但是很高兴看到允许的奔跑，WAR，比赛中的球的结果以及在同一页面上都留在基础上的跑步者（获胜者），并且都在同一页面上。  在以后的文章中，我将检查其他Tigers投手的这些数字。