一味的從觸擊觀點看該換個角度想想
如果你是南韓
看到對手用小槍換掉第四棒
上來準備“短打推進”
請問怎麼破?
讓你假設短打會成功好了
你以為劇本真能像你想像的
一樣
先讓你短打成功
對手再連續IBB塞滿？
變成滿壘一出局嗎
你真以為南韓是豬？
當然
直接逼逼上去塞滿一二壘準備抓雙殺啊
白癡才先讓他短打
再去塞滿壘去賭運氣
然後
你就會看到以下這個狀況
王勝偉一壘
蔣智賢二壘
上來打擊的是5棒
請問你想到什麼？
※ 引述《JHikaru (洪冷光)》之銘言：
: ※ 引述《markwu123 (單身旅記與日光傾城)》之銘言：
: : 直接改成用得分機率來講
: : 1. 得分機率
: : 一人出局三壘有人的得分機率比零人出局二壘有人的得分機率高
: : 但是觸擊不是百分之百會成功....
: : 得分機率
: : 0 1 2 3 12 13 23 123
: : X 0.26 0.43 0.59 0.84 0.67 0.84 0.84 0.86
: : Y 0.14 0.26 0.41 0.66 0.45 0.62 0.70 0.63
: : Z 0.06 0.13 0.22 0.28 0.27 0.34 0.27 0.35
: : 0.59 < 0.66x(1-q)+0.41xq q為觸擊失敗率
: : 觸擊成功率要8成才會比較高....XD
: 我認為您引用統計資料是理性討論的開始
: 但這個資料是整體性的統計，球員打擊率 .26 左右，K/9 值在 7 左右
: 這樣的數據用在吳昇桓身上恐怕是不太適用
: 你可以看到三壘有人兩出局的數據 .28，其實就是略大於平均打擊率
: 大於打擊率的原因應該是暴投、四壞球後的安打，這類馬上安打以外的得分方式
: 也就是說除了用統計方法外，我們其實可以用模擬的方式來重新建構這個矩陣
: 我參考了吳昇桓的 2016 的數據，做以下模型設定：
: 1. 打擊率 .19 (官網查得到)
: 假定 .14 可以直接把打者從二壘送回本壘，.05 是只能推到三壘
: （.14 vs. .19 這個設定是參考上面的統計數據 .22 vs .28 做的）
: 2. 三振率 .36 (官網上的數據可推得概數)
: 由此推算出 .45 的打數是打進場內但出局
: 假定其中 40% (.18) 的球可以把打者從二壘推進到三壘
: 60% (.27) 的球可以把打者從三壘推進到本壘
: （這個假定沒有依據什麼相關數據，歡迎討(ㄉㄚˇ)論(ㄌㄧㄢˇ)）
: 3. 雙殺和四壞
: 吳昇桓投四壞造成推進壘包機率很低，不太影響觸擊決策，為計算方便忽略
: 雙殺牽涉到敬遠棒次的問題，會把模型搞得太複雜，為計算方便也忽略
: 在這樣的模型設定下，可以建構出下列的得分機率矩陣：
: 超前分在二壘 超前分在三壘
: 無人出局 ? .76
: 一人出局 .29 .56
: 二人出局 .15 .19
: 建構的方式是從右下角慢慢往左往上堆，用到的是國中數學
: ? 處為是否採用觸擊戰術的決策點，假設觸擊成功率 p, 列不等式
: .56*p + 29*(1-p) > .14 + .05*.76 + .18*.19 + .66*.15
: 解得 p > 63.5% 可採觸擊
: 由於上面關於壘包推進的參數設定會嚴重影響得分機率矩陣
: 因此我試算了另一組數據：
: 假定那 .45 打進場內的出局中
: 只有 .15 能把二壘跑者推到三壘，.22 能把三壘跑者推到本壘
: 在新的參數設定下，重構出的得分機率矩陣如下：
: 超前分在二壘 超前分在三壘
: 無人出局 ? .72
: 一人出局 .29 .52
: 二人出局 .15 .19
: 列不等式解得 p > 67.5% 可採觸擊
: 不過上面的打擊率和三振率用的是大聯盟打者的數據，恐怕相當失準
: 因此我再試一套新參數試跑模型
: 假定打擊率為 .15，其中 .04 僅能把二壘跑者推進到三壘
: 三振率為 .48，求出打進場出局球為 .37
: 其中 40% (.15) 能推進二壘跑者，60% (.22) 能送回三壘跑者
: 在這種屠殺式的新參數設定下，重構出的得分機率矩陣如下：
: 超前分在二壘 超前分在三壘
: 無人出局 ? .66
: 一人出局 .23 .455
: 二人出局 .116 .15
: 列不等式解得 p > 59% 可採觸擊
: 以上只是一個很粗糙的模型啦
: 其實我只是想說吳昇桓是大聯盟頂級球員，而我們的打者又不到大聯盟等級
: 用大聯盟的全數據來說八成以上的成功率才該觸擊好像不太對
: 講老半天，其實九下沒得分的戰犯是蔣志賢吧，他應該直接把球轟出去的 XDDD