RETOS.

Nuevas Tendencias en
Educación Física, Deporte y Recreación
ISSN: 1579-1726
[email protected]
Federación Española de Docentes de
Educación Física
España

Soto Valero, César; González Castellanos, Mabel

Sabermetría y nuevas tendencias en el analisis estadístico del juego de béisbol
RETOS. Nuevas Tendencias en Educación Física, Deporte y Recreación, núm. 28, julio-
diciembre, 2015, pp. 122-127
Federación Española de Docentes de Educación Física
Murcia, España

Disponible en: http://www.redalyc.org/articulo.oa?id=345741428023

Cómo citar el artículo

Número completo
Sistema de Información Científica
Más información del artículo Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Página de la revista en redalyc.org Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
2015, Retos, 28, 122-127
© Copyright: Federación Española de Asociaciones de Docentes de Educación Física (FEADEF) ISSN: Edición impresa: 1579-1726. Edición Web: 1988-2041 (www.retos.org)

Sabermetría y nuevas tendencias en el analisis estadístico del juego de béisbol

Sabermetrics and new trends in statistical analysis of baseball
César Soto Valero, Mabel González Castellanos
Universidad Central «Marta Abreu» de Las Villas (Cuba)

Resumen. La sabermetría es reconocida actualmente como una tendencia novedosa en el estudio del juego de béisbol. Con mucho auge y utilización
en el análisis empírico, esta se basa en el estudio estadístico riguroso de la evidencia objetiva obtenida durante el juego. Teniendo en cuenta tanto sus
aportes teóricos como prácticos, la sabermetría se fundamenta en una constante búsqueda por comprender cómo jugar mejor y más eficientemente al
béisbol, lo cual se expresa y soporta mediante un tipo de análisis de actuación único entre todos los deportes colectivos. El presente trabajo aborda los
aspectos esenciales de la sabermetría, fundamentando la necesidad de su surgimiento y utilización, como una forma de perfeccionar la manera en que
tradicionalmente se ha llevado a cabo el análisis estadístico en el béisbol. Además, se brinda un resumen de los estadísticos sabermétricos más utilizados,
tanto de bateo y picheo como otros de valor individual para el equipo, con el propósito de hacer más clara su comprensión, estudio y posterior utilización
entre los seguidores de este deporte.
Palabras claves. Sabermetría, estadísticas, béisbol, análisis, estudio.

Abstract. Sabermetrics is recognized as a new trend in the study of baseball game. This is based on the rigorous statistical study of the objective evidence
obtained and has been used extensively in its empirical analysis. Considering both theoretical and practical contributions, sabermetrics involves the
constant quest of understanding how to play baseball better and more efficiently, which is expressed and supported by an exceptional type of analysis
performance unique among all team sports. This paper describes the essential aspects of sabermetrics, pointing in the necessity of its emergence and
use, as a way to improve the traditional statistical analysis of baseball. Moreover, a summary of the sabermetrics statistics most widely used is given.
Both batting and pitching, as well as others of individual value for the team are stated throughout this work in order to make sabermetrics understanding,
study and further use clearer among followers of this sport.
Keywords. Sabermetrics, statistics, baseball, analysis, study.

Introducción fue el verdadero comienzo de la posteriormente conocida «filosofía

sabermétrica de los Atléticos de Oakland».
El béisbol es un deporte colectivo sumamente complejo. Dicha Sin dudas el más famoso de los sabermétricos es Bill James, quien
complejidad favorece la extracción de una gran cantidad de datos de en los años 70s era un simple aspirante a escritor y un fanático
diversa índole relacionados con el juego, los cuales hacen del béisbol uno empedernido del béisbol. James escribía en sus tiempos libres artículos
de los deportes más completos en cuanto a estadísticas se refiere (Thorn, de béisbol, con la singularidad de que estos no eran una mera recopilación
Palmer, & Reuther, 1984).Actualmente existe una tendencia en el estudio de los sucesos particulares de un partido ni de los comentarios hechos
del juego de béisbol conocida como sabermetría, la cual complementa y por los jugadores después del juego, como solían ser casi todos los
cuestiona la manera en que tradicionalmente se ha llevado a cabo su escritos del tema en esa época. James se concentraba en responder a
análisis estadístico. preguntas específicas sobre el desempeño de los jugadores, mediante la
La sabermetría ha sido definida como el análisis empírico del juego presentación y análisis de datos en una forma vivaz e inteligente. Ejemplo
de béisbol a través del estudio de la evidencia objetiva obtenida, de esto es el interés de James en responder a preguntas tan inusuales
específicamente usando técnicas estadísticas, cuyo fin es medir de manera como por ejemplo: ¿cuál batería de pitcher y cátcher permiten la mayor
eficaz las actividades que se suscitan en el terreno de juego (James & cantidad de bases robadas?
Wirth, 1986). El término es derivado del acrónimo SABR, el cual hace El primero de estos artículos fue publicado en 1977 bajo el nombre
referencia a la Sociedad para la Investigación del Béisbol Americano de «Baseball Abstracts» («Abstractos de Béisbol»), donde a través de
(Society for American Baseball Research) (Davids, 1971), y no fue 80 páginas James analiza y comenta los resultados estadísticos de la
acuñado sino hasta 1980, cuando Bill James hizo referencia al mismo a temporada anterior. Durante las próximas cuatro ediciones, los lectores
través de uno de sus famosos escritos sobre béisbol conocidos como de los «Abstractos de James» aumentaron de manera desproporcionada,
«Baseball Abstracts» («Abstractos de Béisbol»). obteniendo gran popularidad y convirtiéndose en referente entre la
comunidad de amantes del béisbol en todo el mundo (James & Wirth,
Antecedentes 1986).
El primer libro considerado como sabermétrico, mucho antes de la Esta popularidad de los escritos de James ha sido la motivación de
popularización de dicho término, fue «Baseball Percentages» muchos de los trabajos realizados por los sabermétricos de hoy en día,
(«Porcentajes del Béisbol») (Cook, 1964). Esta publicación, aunque los cuales basan parte de sus estudios en las estadísticas y parámetros
constituyó una verdadera innovación literaria para su época en materia mencionados por James en sus escritos. James aún se mantiene activo,
de análisis de estadísticas deportivas, no obtuvo una gran acogida entre y en 2002 publicó «Win Shares», un libro en el cual plantea una nueva
los estudiosos del béisbol en particular. Cook no pudo convencer a metodología para determinar la contribución de cada jugador a la victoria
ningún director de equipo para que empleara sus hallazgos, sin embargo de su equipo (James & Henzler, 2002).
sí motivó al entonces joven Eric Walker a nutrirse de los mismos, los Pero aunque han existidos numerosas publicaciones sabermétricas
cuales sirvieron de base a estudios realizados posteriormente por éste y luego de la aparición de los «Abstractos de James», el libro que en
publicados en su primera colección de ensayos conocida como «The realidad dio a conocer a gran escala la filosofía sabermétrica sin dudas fue
Sinister First Baseman» («El Siniestro Primera Base») (Walker, 1982), «Moneyball» (Lewis, 2004). En él se detallan las estrategias que utilizó
publicación que detallaba la construcción de una filosofía estadística la oficina de los Atléticos de Oakland, dirigidas por su gerente general
basada en el poder del bateador y sus posibilidades de embasarse. Dicho Billy Beane, con el fin de hacer más productivo su reducido presupuesto.
trabajo logró la atención de un joven ejecutivo de losAtléticos de Oakland «Moneyball» no es un libro solo de béisbol, sino más bien de estrategia
llamado Sandy Alderson, quien contrató a Walker como consultor. Este de negocios basado en la premisa de que en un mercado competitivo, el
administrador audaz (de mercado pequeño) debe diferenciarse de sus
competidores a través de la optimización de sus recursos, mediante
estrategias únicas pero eficientes. En el caso de los Atléticos, la estrategia
Fecha recepción: 09-10-14- Fecha envío revisores: 10-10-14- Fecha de aceptación: 02-03-15
César Soto Valero era la de adoptar un método de selección concentrado en obtener jugadores
[email protected] con altos porcentajes de efectividad al embasarse, sin tomar en cuenta

- 122 - Retos, número 28, 2015 (2º semestre)

los métodos y estadísticos clásicos de selección usados hasta el momento, bateador de no ser puesto out teniendo en cuenta solamente los hits que
sino con otros pertenecientes al campo de la sabermetría. Bajo este conecta en sus turnos al bate. El problema está en que hay otras formas
concepto y con la ayuda de genios de la matemática y la estadística, de no ser puesto out, como las bases por bolas y los pelotazos que son
Beane logró clasificar a los Atléticos de Oakland a la postemporada simplemente ignorados en este cálculo, convirtiendo al AVG en un
durante cuatro años seguidos, sin contar con un presupuesto exorbitante estadístico incompleto para analizar correctamente el rendimiento de un
ni con firmas de consideración, cambiando en gran medida la forma en bateador. Además, el AVG iguala el valor de todos los hits sin importar
que serían realizados los juicios de valor de los jugadores de béisbol a si eran sencillos, dobles, triples o cuadrangulares. Por lo tanto, es evidente
partir de esa fecha (Merejo, 2014; Zenilman, 2013). que este no resulta ser un estadístico del todo confiable puesto que es
incapaz de proporcionar toda la información sobre la capacidad de un
Estado actual del tema bateador para no ser puesto out, y además tampoco mide la calidad de
sus conexiones.
La sabermetría se concentra fundamentalmente en evaluar cómo En este sentido, la sabermetría propone estadísticos como el
afectan las estadísticas individuales y colectivas de los jugadores al Porcentaje de Embasado (OBP) cuyo objetivo es medir la capacidad
record de ganados y perdidos de los equipo de béisbol. Siguiendo esta que tiene un bateador de no ser puesto out teniendo en cuenta todas sus
lógica, para que un equipo sea exitoso debe ganar más juegos que sus formas posibles (hits, bases por bolas, pelotazos etc.).Además, el Slugging
oponentes, lo cual se logra anotando carreras o por medio de la prevención (SLG) permite conocer la calidad de sus conexiones asignándole valores
de éstas. Es por ello que la sabermetría se enfoca mayormente en la determinados a cada una de las bases alcanzadas en sus turnos al bate. La
medición del aporte individual de cada jugador en términos de anotación suma de ambas estadísticas, da como resultado el estadístico conocido
de carreras, lo cual a la postre se traduce en victorias para todo el equipo. como OPS (OBP más SLG), una especie de calibre del bateador similar
Entre los usos más comunes de la sabermetría están los de evaluar al que se obtiene con el AVG en relación a la marca de .300, pero mucho
el desempeño de diferentes jugadores durante una temporada con el fin más completo que éste.
de determinar quiénes son merecedores de premios como el MVP o Cy Para la sabermetría el Promedio de Bateo es más útil si se le calcula
Young (Stephen Ockerman, 2014), o para la comparación de jugadores aislando en dicho cálculo a aquellas situaciones en las cuales la pelota es
de diferentes épocas (Costa, Huber, & Saccoman, 2007). Además, la puesta en juego de aquellos turnos al bate en los cuales no hay interacción
sabermetría busca predecir el desempeño de un jugador en el futuro y así con la defensiva, como los ponches y los cuadrangulares. Por ello, el
poder estimar su competitividad con fines de uso o para su contratación llamado Promedio de Bateo con Pelotas en Juego (BABIP) resalta la
en equipos a través de agencias libres etc. Otra función de la sabermetría habilidad para conectar hits solo cuando se pone la pelota en juego y la
es la de analizar conceptos arraigados en el mundo del béisbol que no han defensiva tiene oportunidad de intervenir. O sea, el BABIP excluye los
sido lo suficientemente estudiados, con el fin de estimar su veracidad y ponches y cuadrangulares del cálculo tradicional del promedio de bateo,
eficacia. Ejemplo de esto sería el estudio del efecto que tiene un estadio constituyendo una métrica muy efectiva cuando se le relaciona con los
determinado en las estadísticas de un jugador en particular, o la medida porcentajes de rollings (batazos en los que la trayectoria de la pelota es
en que contribuye la defensa a la conquista de victorias de un equipo rastrera y no se eleva en ningún momento del terreno de juego) y flies
determinado (Beneventano, Berger, & Weinberg, 2012). (batazos que elevan la pelota por los aires sin tocar antes el terreno de
juego), pudiéndose inferir de este modo las causas de ciertos periodos de
Sabermetría y estadísticos tradicionales declive ofensivos en los bateadores.
Los estadísticos tradicionales nacieron para tratar de soportar Otro ejemplo es el caso del estadístico tradicional RBI, el cual es un
objetivamente con números los juicios de valor que se hacen de los indicador muy usado para medir la habilidad individual de un bateador
jugadores. El Promedio de Bateo o AVG (en lo adelante todas las para conectar un batazo que permita al mismo bateador (con un
abreviaturas utilizadas para los estadísticos se corresponderán con sus cuadrangular), o a otro corredor en base el anotar una carrera. Esto tiene
siglas en idioma inglés), las Carreras Impulsadas (RBI), las Bases mucho que ver en el sentido de buscar héroes y villanos en el béisbol.
Robadas (SB) y las victorias y derrotas de los pitcher son estadísticos Pero por ser una estadística acumulativa que no depende por entero del
tradicionales que han brillado en todos los medios que se ocupan de bateador, el estadístico RBI no permite conocer su efectividad real para
cubrir los resultados del béisbol. No obstante, su valor para determinar impulsar carreras. Por ejemplo, se podría dar el caso de tener bajos
por qué se ganan o pierden los juegos está limitado solo al contexto de lo resultados en este indicador simplemente porque las conexiones realizadas
que esas estadísticas querían medir cuando fueron creadas. no encuentran suficientes corredores en base.
Resulta que los pocos datos que se manejaban hasta la década de los En este sentido, desde la perspectiva de la sabermetría, el incremento
setenta del siglo veinte eran suficientes para soportar los juicios de valor de las carreras anotadas de un equipo se logra más a través del esfuerzo
que se hacían de los jugadores. En la actualidad, los estadísticos colectivo al mezclar sabiamente los talentos individuales en el orden
tradicionales no son capaces por si solos de analizar las nuevas variables ofensivo que por actos de heroicidad individual. Mientras más veces
e ideas que han surgido de la observación del juego. El uso de las consigan una base los jugadores y mientras más bases alcancen con sus
tecnologías informáticas ha extendido las capacidades de almacenamiento conexiones encontrando corredores en posiciones anotadoras, más
y procesamiento de datos deportivos a una escala insospechada (Robert carreras anotará el equipo. De este modo, quien las anota y quien las
P. Schumaker, 2010). Es por ello que se ha hecho necesario el diseño de impulsa es una resultante de la posición en el orden al bate de cada
nuevas herramientas y metodologías con el objetivo de explorar las miembro del equipo. Lo cual depende fundamentalmente de que aquellos
complejas relaciones entre los miles de datos que surgen día a día en cada jugadores con mejores habilidades para alcanzar una base se encuentren
juego de béisbol (Adler, 2006). en base mientras los bateadores con mayor fuerza para conectar
La sabermetría no se trata de menospreciar estadísticos tradicionales extrabases estén al bate. Por eso en las historia del béisbol es muy difícil
tan importantes como el AVG o el SB, sino de integrar nuevas hallar bateadores que hayan liderado el renglón de carreras impulsadas
herramientas de análisis que dependan más del talento propio del jugador bateando toda la temporada en puestos de la alineación en los cuales
y que ayuden a determinar cuál es realmente el valor de cada uno para su encontraron pocos corredores en base, como sucede tradicionalmente
equipo. La relación entre estadísticos tradicionales y sabermetría es con los octavos y novenos bates.
como la relación entre contaduría y finanzas. Las primeras (estadísticos Teniendo todo esto en cuenta, la sabermetría hace una estimación
tradicionales y contaduría) describen el pasado con exactitud, mientras muy real de la productividad del equipo para anotar carreras al comparar
que las segundas (finanzas y sabermetría) usan las herramientas a su las carreras anotadas como equipo con el producto del OBP y el SLG de
disposición para entender el pasado y predecir el futuro con la mayor todos sus bateadores en sus turnos al bate. A ese producto se le suele
precisión posible. llamar Carreras Creadas (RC) y constituye uno de los aportes teóricos
Por ejemplo, el AVG permite conocer la capacidad que tiene un fundamentales de la sabermetría en el cálculo del potencial ofensivo real

Retos, número 28, 2015 (2º semestre) - 123 -

 de los equipos. La fórmula inicial, propuesta por Bill James ha Glo sario de abreviaturas utilizadas
tenido varias modificaciones donde se le da, en mayor o menor medida, Abreviatura
H
Estadístico
Hits o sencillos
más importancia al OBP; así como se añaden otros estadísticos en el HR (Home Runs) Cuadran gulares
K (Strikeout) Ponches
cálculo como el promedio con hombres en posición anotadora, el éxito BB (Bas e on balls) Bas es por bolas
en el robo de bases etc. HBP (Hit by pitch) Golpeado por lanzam iento
AB (At bat) Veces al bate
Cada uno de los análisis anteriores fundamentan el por qué surgen SF (Sacrifice flies) Batazos elev ados de sacrificio
las estadísticas sabermétricas, como una necesidad de perfeccionar los 1B (Singles) Sen cillos
2B (Doubles) Dobles
estadísticos usados tradicionalmente. Aunque dichos análisis han estado 3B (Triples) Triples
relacionados por entero con el aspecto ofensivo en el béisbol, algo RBOE (Reached bases by error ) Bases Alcanzadas por erro r
TB (Total Bas es) Total de bases alcanzadas
similar ha sucedido también para el caso de los lanzadores y su interacción PA (Plate appearance) Apariciones al plato
con la defensiva. Cabe señalar que la sabermetría se ha encargado además RBI (Run s batted in) Carreras impulsadas
SB (Stolen bases ) Bases robadas
de estudiar cómo afecta al resultado del juego el contexto alrededor de los lgwOBA wOBA de la liga
jugadores, tales como las dimensiones de los terrenos de juego, el arbitraje, lgERA Promedio de carreras limpias de la liga
lgOBP OBP d e la liga
o la mano de lanzar y de batear tanto del lanzador como del bateador etc. lgSLG Slugging de la liga
wOBAScale Escala de wOBA (generalm ente alrededor de 1.15)
lgR Carreras de la liga
Algo más que estadísticos individuales IP Entradas lanzadas

En la búsqueda de la mejor evaluación integral de un jugador, y para

WAR y Win), los cuales pueden ser aplicados a cualquier jugador
lidiar con las relaciones económicas entre jugadores y dueños de equipos,
independientemente de la posición que ocupe en el terreno de juego.
la sabermetría ha introducido conceptos tan novedosos como son las
Las Tablas 1, 2 y 3 describen en resumen los principales estadísticos
Carreras Sobre el Reemplazo (RAR), la Expectativa Pitagórica de Victoria
sabermétricos de bateo, picheo y defensa respectivamente. La Tabla 4
y las Victorias Sobre el Reemplazo (WAR). Este último es uno de los
presenta aquellos de valor individual para el equipo.
estadísticos más polémicos que existe en el béisbol actualmente, ya que
tiene el ambicioso propósito de aglutinar dentro de un marco integral los
Conclusiones
valores ofensivos y defensivos de un jugador en una posición específica,
La sabermetría surgió dada la necesidad de perfeccionar los
con el fin de calcular el costo para el equipo de un hipotético reemplazo
estadísticos usados tradicionalmente en el juego de béisbol. La misma se
de jugador y cuyo resultado son (en teoría) las victorias adicionales que
sustenta gracias al aporte en ideas de un gran número de personas, desde
aporta tener a ese jugador en lugar de tener a un hipotético jugador de
jugadores, entrenadores y cazatalentos pasando por periodistas y
ligas menores en su misma posición (que sería la opción más rápida y
analistas hasta los más diversos profesionales que de alguna u otra
menos costosa a la que recurriría el equipo para sustituirlo).
forma se involucran en el estudio de este deporte. La sabermetría ha
Otra lectura más pragmática del estadístico WAR pudiera ser la
cambiado significativamente la concepción del juego que se tenía décadas
siguiente: «Si un jugador se lesiona y tiene que ser reemplazado por otro
atrás. En la actualidad, los conceptos y principios sabermétricos
de una liga menor ¿cuánto perdería o ganaría el equipo con la sustitución?».
constituyen referencia obligada para todos aquellos que deseen realizar
Un jugador de posición que tenga solo perfil defensivo será más rápido
análisis estadísticos precisos a partir de la gran cantidad de datos que se
y económico de reemplazar con un jugador de liga menor que cumpla
generan continuamente. Desde matemáticos, físicos y médicos hasta
solo con el trabajo defensivo y más difícil de reemplazar si se busca un
abogados y agentes de jugadores utilizan los conceptos sabermétricos,
jugador también con aporte ofensivo.
perfeccionándolos y enriqueciéndolos día a día, lo que hace de la
Aunque aún no existe un criterio unificado respecto a las variables
sabermetría una perspectiva de juego sumamente útil y dinámica.
a tener en cuenta a la hora de medir el WAR. Esto ha dado como
resultado la formulación de diversos estadísticos relacionados (WAR,
Referencias
rWAR, fWAR etc.) y un gran debate en torno al tema en sitios como
Adler, J. (2006). Baseball hacks: « O’Reilly Media, Inc.».
Fangraphs (Fangraphs, 2014) y TangoTiger (Tango, 2014). No obstante, Beneventano, P., Berger, P. D., & Weinberg, B. D. (2012). Predicting run production
cabe señalar la importancia de este estadístico para la sabermetría, como and run prevention in baseball: the impact of Sabermetrics. Int J Bus Humanit
un intento de aglutinar varios conceptos a partir de criterios novedosos Technol, 2(4), 67-75.
con el propósito de medir la diferencia real que hace individualmente Cook, E. (1964). Percentage baseball: Waverly Press.
Costa, G. B., Huber, M. R., & Saccoman, J. T. (2007). Understanding sabermetrics:
cada jugador de béisbol en el futuro de su equipo.
An introduction to the science of baseball statistics: McFarland.
Davids, B. (1971). Society forAmerican Baseball Research. [En línea]. [Consultado
Resumen de los principales estadísticos sabermétricos el: 12 de agosto de 2014] Disponible en: http://sabr.org/
La Figura 1 muestra un resumen de los principales estadísticos Fangraphs. (2014). Fangraphs.com. [En línea]. [Consultado el: 10 de septiembre de
sabermétricos considerados en este estudio. Notar el carácter global de 2014] Disponible en: http://www.fangraphs.com/
James, B., & Henzler, J. (2002). Win shares: STATS Pub.
los estadísticos evaluadores del valor individual para el equipo (RAR,
James, B., & Wirth, M. A. (1986). The Bill James historical baseball abstract:
Villard Books New York.
Lewis, M. (2004). Moneyball: The art of winning an unfair game: WW Norton &
Company.
Merejo, F. (2014). Sabermétrico «Análisis objetivo del béisbol». [En línea].
[Consultado el: 20 de agosto de 2014] Disponible en: http://
www.sabermetrico.com/
Robert P. Schumaker, O. K. S., Hsinchun Chen. (2010). Sports Data Mining.
Smith, D. W. (2014). Retrosheet. [En línea]. [Consultado el: 12 de septiembre de
2014] Disponible en: http://www.retrosheet.org
Stephen Ockerman, M. N. (2014). Predicting the Cy Young Award Winner. Pure
Insights, 3(1).
Tango, T. (2014). TangoTiger. [En línea]. [Consultado el: 10 de septiembre de
2014] Disponible en: http://www.tangotiger.com
Thorn, J., Palmer, P., & Reuther, D. (1984). The hidden game of baseball: A
revolutionary approach to baseball and its statistics: Doubleday Garden City,
New York.
Walker, E. (1982). The Sinister First Baseman and Other Observations: Celestial
Arts.
Zenilman, J. C. J. (2013). A Study of Sabermetrics in Major League Baseball: The
Figura 1. Resumen de los principales estadís ticos sabermétricos considerados en es te estudio.
Impact of Moneyball on Free Agent Salaries.

- 124 - Retos, número 28, 2015 (2º semestre)

 Tabla 1
Estad ísticos sabermétricos de bateo: la idea es neutralizar los factores que no dependan del batea dor, como el desempeño de sus contrarios, las características del terreno
donde juega, etc
Estadístico de Bateo ¿Cómo se calcula? Descripción
El OBP es la estadística que comenzó la revolución sabermétrica en el béisbol, demostrando que es más
OBP importante evitar que al bateador lo pongan out (lo que mide el OBP) a dar un hit (lo que mide el AVG).
H + BB + HBP
(On Base Percentage, o Los jugadores con buen OBP (más de .350) suelen estar en los primeros lugares en la alineación (1-4).
AB + BB +HBP + SF
Porcentaje de Embasado) Para tener un buen OBP ayuda que el bateador sea p aciente y se tome un buen número de boletos.
Promedio de MLB (Major League Baseball): .330.
Relaciona los turnos al bate con las bases alcanzadas. Cada base equivale a mil puntos (HR=4.000,
2B=2.000, etc.). Un turno fallido tiene valor cero. Un buen Slugging depende del poder del jugador y de
SLG 1B + (2*2B) + (3*3B) + (4*4B)
su capacidad para mantener un buen promedio de bateo. Regularmente un bateador con un Slugging
(Slugging) AB + SF
elevado supera la marca de .600.
Promedio de MLB: .420.
Es la suma del OBP y el SLG para unir la utilidad de ambos en una sola estadística más completa para
OPS los bateadores. Como el valor máximo de OBP es 1 y el máximo de Slugging es 4, el valor máximo de
(On Base Plus Slugging, o OBP + SLG OPS posible es 5. Se estima que un bateador es realmente completo una vez que su OPS supera el valor
OBP más SLG) de 1.000.
Promedio de MLB: .750.
Es un ajuste al OPS. Si se compara el OPS jugador por jugador, se puede notar que regularmente
OPS+
beneficia a los jugadores que tienen un Slugging alto sobre los que tienen un OBP alto. El Slugging
(On Base Plus Slugging OBP SLG
100* [ + -1] promedio es casi dos veces el OBP promedio. Por ello se ha creado esta estadística que las normaliza y
Plus, o OBP más SLG lgOBP lgSLG además ajusta la ventaja o desventaja de jugar en una liga determinada. Un jugador promedio debe tener
más)
un OPS+ de 100, así que todo número por encima de 100 será positivo y por debajo será negativo.
Se trata de la medición del promedio de b ateo tomando en consideración únicamente las pelotas puestas
en juego que no resultan en un error o en un cuadrangular, descartando igualmente las bases por bolas y
los ponches; en otras palabras, dice cuántas pelotas que fueron bateadas cayeron de hit. En el caso de los
BABIP bateadores, ellos sí tienen control sobre su BABIP. Por ejemplo, bateadores de líneas que suelen hacer
(Batting Average of Balls H + HR buen contacto con la pelota o bateadores rápidos tienden a superar los .300 puntos de BABIP (y
in Play, o Promedio de AB – K – HR + SF viceversa). Un BABIP en períodos cortos (hasta una temporada) se puede comparar con el BABIP
Pelotas en Juego) vitalicio del bateador y ver qué tanto influyó la suerte en su desempeño. Un BABIP muy alto puede
indicar que más pelotas de lo normal han caído de hit, por lo que se puede esperar que tanto el BABIP,
como el promedio y el OBP disminuyan en el futuro.
Promedio de MLB: .300.
Estima con qué regularidad un jugador recibe una base por bolas cuando va a batear, lo que en cierto
modo indica lo paciente que puede ser un bateador en el plato. Considera que más que dar un hit, lo más
BB% importante es evitar que pongan out al bateador, lo cual se esté consigu e obteniendo bases por bolas.
(Walk Rate , o Frecuencia BB Comparar los boletos con las apariciones legales permite ver qué tanto ayuda un bateador con su
de Bases por Bolas) AB paciencia a su OBP. Favorece a los bateadores de poder y aquellos que reciben muchos lanzamientos
por turno.
Promedio de MLB: 10%.
Estima con qué regularidad un jugador se poncha cuando va a batear. De este modo, es posible comparar
lo factible que puede ser que un bateador ponga la pelota en juego en una situación determinada con
K%
K respecto cualquier otro, incluso en distintas épocas y equipos. Favorece a los bateadores de contacto y
(Strikeout Rate, o
AB hace lo contrario con los de poder. Un nivel bueno se encuentra por debajo de 10% y en uno malo aquel
Porcentaje de Ponches)
por encima de un 27%.
Promedio de MLB: 20%.
Resta los sencillos a las bases conseguidas con dobles, triples y cuadrangulares con lo cual se mide la
capacidad de dar extrabases, calculándose el poder bruto del bateador. Aunque lo ideal sería que el
jugador lograse un equilibrio entre los aportes en promedios d e bases alcanzadas y de poder, la mayoría
de las veces no sucede así, por lo que el ISO constituye una medida importante para determinar los
ISO méritos ofensivos del jugador. En este sentido, se puede decir que bateadores que cuentan con un ISO
(Isolated Power, o Poder SLG - AVG por debajo del promedio son jugadores de velocidad que d ependen mucho de los sencillos para mantener
Aislado) sus promedios de bateo. Igualmen te es importante señalar que el ISO es una estadística que alcanza una
significancia predictiva a los 550 turnos al bate o más, por lo que un ISO de 0.350 durante unos 50
turnos es una muestra insuficiente para predecir si este valor corresponde al talento real del bateador o
no.
Promedio de MLB: .155.
Estima cuántas carreras ha aportado un bateador a su equipo, independientemente del rendimiento de
RC dicho equipo. Esta es la fórmula inicial propuesta por Bill James, la cual ha tenido varias modificaciones
(Runs Created, o Carreras (H + BB) * TB en las que se le da una mayor o menor importancia al OBP, así como se le añade el promedio con
Creadas) PA hombres en posición anotadora y el éxito en el robo de bases etc.
Promedio de MLB: 75.
wBB + wHBP + w1B + wRBOE + w2B + w3B + wH R
PA El wOBA tiene como fin equilibrar los valores del OPS. La premisa detrás de este estadístico es que el
wOBA Dónde: OPS tiende a favorecer porcentualmente a jugadores con Slugging más altos, ya que este último
wBB = 0.72 * BB
(Weighted On Base wHBP = 0.90 * 1B
sobreestima el valor de los extra bases (por ejemplo, estadísticamente un doble tiene una expectativa de
Average, o Promedio de w1B = 0.90 * 1B carreras de 0.77, mientras que un sencillo tiene una expectativa de 0.47, lo cual no se ajusta con la
Bases Alcanzadas wRBOE = 0.92 * RBOE relación 2-1 que se aplica para el cálculo del Slugging). Es importante señalar que los eventos ofensiv os
Ponderado) w2B = 1.24 *2B son previamente multiplicados por 0.15 (15%) con la fin alidad de ajustarse a una escala similar a la del
w3B = 1.56 * 3B OBP.
wHR = 1.95 * HR
Tien e como propósito medir cuantas carreras aporta un jugador por encima del promedio de la liga en
wRAA
término de carreras. En este sentido, un jugador que cuente con un wRAA positivo, es un jugador que
(Weighted Runs Above wOBA - lgWOBA
[ ] * PA está aportando ofensivamente a su equipo en términos de carreras por encima del jugador promedio de la
Average, o Ponderación de 1.15
liga. Como el wRAA se mide en carreras, es fácil convertir su valor en victorias para determinar cuánto
Carreras por Encima del
aporta un jugador en este renglón por encima del promedio. Si se tienen dos jugadores con dos
Jugador Promedio)
promedios de wOBA idénticos, el que tenga mayor cantidad de turnos al bate tendrá el mayor wRAA.
El wRC una versión mejorada, desarrollada por Tom Tango (Tango, 2014), de las carreras cread as que
había introducido al mundo de la sabermetría Bill James. Año tras año se ha ido mejorando la fórmula
wRC
para conocer el total de carreras que aporta ofensivamente cada bateador a su equipo. Una vez creado el
(Weighted Runs Created, wOBA - lgWOBA lgR
[ + ] * PA wOBA, Tango incluyó una breve ecuación que demuestra que con los valores predeterminados de cada
o Carreras Creadas wOBAScale PA evento del juego se puede precisar cuántas carreras agrega o sustrae cada jugador al equipo. El
Ponderadas)
wOBAScale es una constante que varía según la temporada y cuyo valor ronda los 1.15. Valores de
wRC iguales o superiores a 105 son considerados muy buenos.
Es muy similar al OPS+, ambas comparan a los jugadores con el promedio y tienen como punto de
equilibrio el número 100. El wRC+ coloca a todos los jugadores en la misma escala y tiene la capacidad
wRC+
(wRAA) / AB de comparar a dos jugadores de distintas épocas. Además, es ajustada al estadio donde se juega, lo que
(Weighted Runs Created [ + 1 ] * 100
lgR / PA la convierte en uno de los estadísticos más completos del béisbol. Un jugador promedio debe tener un
Plus, o Carreras Creadas
wRC+ de 100, así que todo número por encima de 100 será positivo y por debajo será negativo. Cada
Ponderadas Más)
unidad por encima o por debajo de 100 representará 1% de un jugador promedio. Esto significa que un
jugador con un wRC+ de 120, está 20% por encima del promedio.

Retos, número 28, 2015 (2º semestre) - 125 -

 Tabla 2
Estadísticos sabermétricos de picheo: su principio básico consiste en separar la actuación de los lanzadores de la de su equipo tanto a la ofensiva como a la defensiva
partiendo de la premisa de que cuando los estadísticos no dependen únicamen te del pitcher entonces no son los adecuados para evaluar su actuación, o predecir sus
futuras temporadas

Estadístico de
¿Cómo se calcula? Descripción
Lanzadores
K Promedio de ponches de un lanzador por cada nueve entradas lanzadas.
K/9 ( )*9
IP Promedio de MLB: 6.8
BB Promedio de bases por bola de un lanzador por cada nueve entradas lanzadas.
BB/9 ( )*9
IP Promedio de MLB: 3.4
K Ponches por cada boleto.
K/BB
BB Promedio de MLB: 2
HR Promedio de jonrones permitidos por cada nueve entradas lanzadas.
HR/9 ( )*9
IP Promedio de MLB: 1.06

WHIP
(Walks plus
hits per inning
Mide el número de desplazamientos entre bases que un lanzador permite por entradas lanzada. Constituye uno de los
pitched, o
BB + H estadísticos más usados actualmente para evaluar la efectividad d e un lanzador. Valores cercanos a 1.00 o inferiores
Bases por
IP son considerados muy buenos.
bolas más hits
por innings
lanzados)

BABIP Es el promedio de bateo de los oponentes sin contar los ponches ni los jonrones; en otras palabras, dice cuántas
(Batting pelotas de las que le batearon al pitcher cayeron de hit. Los jonrones no los cuenta porque ellos no dependen de los
Average of fildeadores. Si un pitcher tiene un BABIP mucho menor a .300, ha tenido suerte y podemos esperar cierta regresión
Balls in Play, o H - HR a la norma en otros de sus estadísticos, como por ejemplo los de efectividad. Y viceversa, un pitcher con un BABIP
Promedio de AB – K – HR + SF mucho mayor a .300 ha tenido mala suerte, y lo más seguro es que en el futuro si sigue con la misma relación de
Pelotas en K/BB/IP su BABIP y su efectividad bajen.
Juego) Promedio de MLB: Entre .290 y .300.

LOB% Calcula, de todos los corredores que se le embasaron a un pitcher, cuántos de ellos quedaron en circulación cuando
(Left on Base se terminó el inning. Es un indicador parecido al BABIP, en el sentido que ayudan a predecir sin un lanzador ha
Percentage, o H + BB + HBP - R tenido suerte o no. Eso sí, los lanzadores buenos tiend en a tener un LOB% mayor a los lanzadores malos,
Porcentaje de H + BB + HBP – (1.4 * HR) simplemente porque permiten menos hits con hombres en base y les anotan menos carreras. No obstante, si esa cifra
Dejados en se aleja demasiado del 71%, es muy improbable que se pueda mantener.
Base) Promedio de MLB: 71.5%.

PR
Ajusta el promedio de carreras limpias de un pitcher atendiendo al rendimiento general de pitcheo en la liga. Un
(Pitching Runs, [Innings Lanzados * (lgERA /
valor de cero representa un rendimiento promedio, uno por encima de cero indica que el pitcher tiene un rendimiento
o Carreras 9)] – Carreras Permitid as
superior a la media de la liga, y si es menor de cero significa que su rendimiento es peor que el de la liga.
Lanzadas)

Es la relación entre los batazos de rolling que recibe un lanzador, en comparación con el total de batazos recibidos.
GB% Aparte de la relación de ponches y boletos por cada nueve innings, este es otro estadístico importante a la hora de
(Groundball evaluar a un lanzador, ya que sí depende por entero de su desempeño. Dependiendo de su repertorio y su forma de
Batazos de rolling
Percentage, o lanzar, un pitcher permitirá más o menos rollings que otro (batazo que va por el piso, que no puede ser cuadrangular,
Porcentaje de Batazos totales y que difícilmente sea un extrabase, además de producir más jugadas que permiten hacer dos outs, conocidas como
Rollings) dobleplays).
Promedio de MLB: 43%

FB%
(Fly Ba ll Relación entre los batazos de fly o elevados que recibe un lanzador, en comparación con el total de batazos
Percentage, o Batazos elevados recibidos. Es incluso mejor evaluador que los cuadrangulares permitidos.
Porcentaje de Batazos totales Promedio de MLB: 37%.
Elevados)

LD%
Relación entre los batazos de línea que recibe un lanzador, en comparación con el total de batazos recibidos. Cuando
(Line Drive
Batazos de línea es mucho mayor a 20%, se puede deducir que le están bateando demasiad o al pitcher, por lo que es explicable un
Percentage, o
BABIP mayor a .300.
Porcentaje de Batazos totales Promedio de MLB: 20%.
Líneas)

Se usa para medir, de todos los batazos elevados recibidos por un pitcher, cuántos de ellos fueron cuadran gulares. Al
igual que con el BABIP, y el LOB% (a menor escala), el pitcher no controla su HR/FB%. Mientras más crece la
HR/FB% HR muestra, más tiende la cifra a acercarse a un 11%. Sabiendo esto, para predecir cuadrangulares recibidos resu lta
Batazos elevados mejor tomar en cuenta el FB% en vez de otras de relaciones (como la comunmente usada HR/9).
Promedio de MLB: 11%.

Es un medidor de la efectividad del picheo calculado únicamente sobre la base de los ponches, boletos y
FIP cuadrangulares recibidos, que son las únicos estadístico s que no dependen de la defensa. En otras palabras, mide
(Fielding
cuántas carreras por cada nueve innings ha debido recibir un lanzador sobre la base de sus ponches, bases por bolas
Independet y cuadrangulares. La Constante FIP es un escalar utilizado para ajustar el valor del FIP al promedio de carreras
Pitching, o 13 * HR + 3 * BB – 2 * K
limpias, varía según la temporada pero ronda el valor de 3.10, puede calcularse de la siguiente manera:
Pitcheo IP + (Constante FIP)
Independiente (13 * lgHR) + (3 * (lgBB + lgHBP)) – (2 * lgK)
Promedio FIP de MLB: 4.40. Constante FIP = lgERA *
de Fildeo) lgIP

Simplemente se utilizan los “cuadrangulaes normalizados” en vez de los cuadrangulares recibidos. Los
xFIP
cuadrangulares normalizados se obtienen multiplicando los batazos elevados recibidos por 0.11. El xFIP ayuda en la
(Expected FIP, 13 * HR no rmalizados + 3 * BB – 2 * K determinación del efecto de cada estadio sobre la actuación del lanzador. Que a un pitcher la bateen más o menos
o FIP IP + (Constante FIP) rollings no depende del estadio donde lance, pero los cuadrangulares que le conecten sí.
Esperado)
Promedio de MLB: 4.40.

- 126 - Retos, número 28, 2015 (2º semestre)

 Tabla 3
Estadísticos sabermétricos de defensa: la idea es neutralizar los factores que no dependan del bateador, como el d esempeño de sus contrarios, las características del
estadio donde juega, etc
Estadístico de
¿Cómo se calcula? Descripción
defensa
F%
(Fielding outs realizados + asistencias Muy utilizado para medir la efectividad de un jugador a la defensiva, este porcentaje orienta en
Percentage, o outs realizados + asistencias + errors cometidos qué grado el jugador no cometió error en las jugadas a la defensiva que intervino.
Porcentaje de
fildeo)

Propuesto por Bill James (James & Wirth, 1986), el FR parte de la premisa de que el número
FR
total de outs en los que participa un jugador en una posición determinada es un indicador
(Range outs realizados + asistencias
Factor, o defensivo más efectivo que el porcentaje de fildeo (F%). Sin embargo, cabe señalar que algunas
innings jugados en la p osición posiciones (especialmente la primera base) pueden acumular una mayor cantidad de outs
Factor de
realizados y de asistencias (sobre todo debido a jugadas de do blepay) lo que le permite
Rango)
conseguir valores mayores de FR.

En (Fangraphs, 2014) se define la estructura El UZR es una estadística defensiva avanzada mediante la cual se mide la contribución en
principal para el cálculo del UZR, la cual se basa en salvar carreras de un jugador, en una determinada posición, por encima o por debajo de otro
la suma de la totalidad de eventos en que participa un jugador promedio en su posición.
UZR
defensor, multiplicada por el valor positivo (en caso En el caso del UZR, los eventos que se toman en cuenta son los siguientes:
(Ultimate
de que realice un out) o negativo (en caso de que • Convertir la jugada en out.
Zone Rating, o
permita un hit o permita que un jugador consiga una • Permitir que una pelota se convierta en hit.
Resultado de
base por error), en comparación con la cantidad de • Hacer un error que permita que un jugador alcance una base.
Clasificación
veces que una jugada similar (en términos de Si un Center Fielder tiene un UZR de “cero”, su contribució n es neutra en comparación con los
por Zonas)
locación, velocidad y tipo de pelota bateada) es demás jugadores en el Center Field. Si este jugador cuenta con un UZR positivo esto implica
hecha por un jugador promedio en determinada que el jugador ha contribuido en salvar más carreras que el jugador promedio en su posición, y
posición del campo durante varios años. lo contrario sucederá en el caso de que el UZR sea negativo.

TZL Igual a como se lee el UZR, el resultado se obtiene a partir de las carreras salvadas por encima
Su cálculo varía dependiendo de las especificidades
(Total Zone de un jugador promedio. En este sentido un jugador promedio será igual a “cero”, uno por
de los datos brindados. En vista de que la fuente del
Location Data, encima del promedio tendrá un TZL positivo, y uno que le cueste carreras a su equipo tendrá un
Total Zone son los datos obtenidos de Retrosheet
o Zonas valor negativo. La comparación es realizada por posiciones por lo que un campo corto y un
(Smith, 2014), esto permite analizar la defensa de
Totales por jugador de tercera base no son comparables en la métrica, sino que lo son en comparación a
cualquier jugador en la historia del béisbol.
Posición) jugadores de su misma posición.

Su cálculo resulta complicado. Por ejemplo,

imaginemos una pelota golpeada sin mucha fuerza
Sistema desarrollado por John Dewan para estimar cuántas jugadas defensivas realizó un
entre los jugadores de tercera base y el campo corto.
jugador por encima o por debajo del pro medio de los jugadores en su posición. Si un jugador
DRS La localización que podríamos utilizar como
hace una jugada con un tipo específico de pelota bateada (entiéndase golpeada a una ubicación
(Defensive referencia para este ejemplo puede ser el vector 206,
específica en el campo, y golpeada a una velocidad específica), éste se lleva el crédito si al
Runs Saved, o que se ubica entre la tercera y el campo corto a un
men os otro jugador en MLB falló esa misma ju gada en algún momento durante la temporada.
Carreras ángulo de 19 grados respecto a la tercera base. Este
Aunque el sistema de Dewan es parecido al UZR, en que ambos d ebitan y acreditan puntos a
Salvadas por tipo de jugadas es realizada según el sistema DRS un
partir del porcentaje de jugadas realizadas, ambos difieren en la lectura de sus resultad os. En el
la Defensa) 26% de las ocasiones por los campo cortos, por lo
caso del UZR, el resultado es medido en carreras salvadas, mientras que en el caso de DRS este
que si el campo corto en cuestión completa el out, se
se lee en base a jugadas realizadas o dejadas de realizar respecto al promedio.
le acredita en el sistema un total de 0.74 (1.00 –
0.26= 0.74).

Tabla 4.
Estadísticos de valor individual para el equipo: de nada serviría saber qué tan bueno es un jugador si no podemos determinar qué tan importante es para su equipo
Estadístico de valor
¿Cómo se calcula? Descripción
para el equipo

Representa la verdadera diferencia que hizo un jugador X en el juego. Su cálculo varía según
la posición. Por ejemplo, en el caso de los lanzadores es el resultado de restar las carreras
permitidas de un pitcher en determinadas entradas, a las que hubiera permitido un
RAR reemplazante en la misma cantidad de innings. Generalmente se calcula el nivel de un jugador
(Runs Above de reemplazo su mándole 1 al promed io de carreras de la liga. Es decir, suponiendo que el
RAR del jugador X – RAR de su reemplazo
Replacement, o Carreras promedio de carreras es de 5.5 en la liga, entonces se diría que un reemplazante permitiría 6.5
Sobre el Reemplazo) carreras por cada nueve innings. Por ejemplo, si el pitcher X permite tres carreras en 18
entradas lanzadas, y suponiendo que el reemplazante permitiría 13 (6.5*2), el pitcher X
acumularía un valor RAR igual a 10.
Promedio de MLB (por temporada para un abridor): 30.

Es un estadístico no estand arizado. Se asume que por cada 10 carreras sobre el reemplazo que
aporte un jugador, eso equivale a una victoria más para su equipo a lo largo de una temporada.
WAR
RAR Por ejemplo, en la MLB Albert Pujols ha promediado unas 75-80 anotaciones sobre el
(Wins Above
reemplazo por temporada en su carrera, lo que ha equivalido a 7-8 victorias más por
Replacement, o Victorias 10
temp orada para el equipo de los Cardenales de San Luis. El costo en el mercado actual de
Sobre el Reemplazo)
MLB de una victoria sobre reemplazo para un equipo está estipulado entre $4.5 y $5 millones.
Promedio de MLB (por temporada): 2.

Win
1
Estima cuántos juegos debería ganar un equipo atendiendo a su número de carreras anotadas y
(Pythagorean
permitidas. Puede ser usado como un evaluador de la “suerte” que ha tenido un equipo en su
expectation, o 1 + (Carreras anotadas + Carreras
permitidas)
liga. El número esperado de victorias sería el resultado de multiplicar la Expectativa Pitagórica
Ex pectativa Pitagórica de
por el número de juegos jugados.
Victoria)

Retos, número 28, 2015 (2º semestre) - 127 -