メインコンテンツへスキップ
見出し画像

プロ野球勝数予測の正誤から見る、期待値モデルの限界点 その2 僅差と大差の影響は?

    前回はシミュレーション結果と実際の結果を比較
    シミュレーションが予測を外す原因は、僅差での勝敗と大差での勝敗の頻度が怪しい
    というところまでたどり着きました

    今回はさらに深堀して、「怪しい」から「確信」にできるだけ近づけたいと思います

    予想が外れるチームの傾向をつかもう!

    まずは、統計的に予想が外れているチームがどういうチームなのか を調べてみましょう

    僅差での勝敗 大勝大敗 と言ってもじゃあ何点から?
    と、いうことで、点差とその試合数から決めました
     僅差・・・2点差以内 大差・・・4点差以上
    とします
    ※ 決めた理由はあとがきに掲載します

    で、どうやって僅差と大差の傾向を可視化するかというと、

    横軸 実際の勝数 - 期待勝数(得失点差から予想した勝数)
     ➡ 得失点差のわりに勝っているチームが+になる
    縦軸 2点差以内の勝率 - 全勝率
     ➡ 数字が大きいほど、僅差で多く勝っていることになる

    で表現します

    画像
    勝数外し量と僅差勝敗の関係 を可視化

    パッと見ても理解しにくいと思うので、このグラフの考察を重ねます

    画像
    傾向の考察

    決定係数 (R2R^2)は0.23程度とあまり強い相関ではありませんが、

    期待値より勝っているチームは、僅差での勝利が多い
    期待値より負けているチームは、僅差での勝利が少ない

    という傾向がありそうです

    そうじゃないチームもあるじゃないか!
    ということで、今度は同じように大差の試合に対して同様の傾向を見てみましょう
    縦軸 4点差以上の試合での勝率 - 全勝率 に変更します
     ➡ 数字が大きいほど、大差で多く勝っていることになります

    画像
    勝数外し量と大差勝敗の関係 を可視化

    こちらも同じように考察を重ねます

    画像
    傾向の考察

    こちらに関しては、
    期待値より勝っているチームは、大差での勝利が少ない
    期待値より負けているチームは、大差での勝利が多い

    という傾向がありそうです

    前回の考察通りの結果!
    これはうれしい!

    画像
    勝数外しと大差・僅差試合の関係

    まとめると、
    期待よりも勝っているチーム
    ➡ 僅差勝利が多い 大差勝利少ない
    期待よりも勝っていないチーム
    ➡ 僅差勝利が少ない 大差勝利多い

    という傾向が見えてきました

    どういうチームが期待値からずれるのか?

    ここで終わっていては、次のシミュレーションにはまだ生かせないので、さらに深堀っていきましょう!

    まずは、どのチームを分析するのかを絞り込みます

    全試合を載せるとわかりづらいので、勝数と期待値の差が5勝以上のチームに絞ります(グラフの見やすさから5勝にしました)
    その中で、僅差勝敗 大差勝敗それぞれに対して
    多いチーム 少ないチームの上位3チームを載せました

    画像
    勝数と期待勝数の差が5試合以上のチーム

    それぞれのチームのファンの皆さんはもしかしたら何か気づくことがあるかもしれませんね

    残念ながら私が応援しているマリーンズはノミネートされなかったのでちょっとイメージしづらいですが、
    先入観なく分析できるのでよしとしますか

    分析をする、その前に、仮説を立ててみよう

    まずは僅差勝敗 大差勝敗の多いチームがどんなチームなのか、データを見ずに想像してみようと思います

    僅差勝利の多いチーム
     救援投手が豊富で、もつれた試合を継投でものにすることができる
    僅差敗戦が多いチーム
     先発投手には問題ないが、救援投手が不足気味 終盤に先発投手降板すると苦しい
    大差勝利が多いチーム
     打線が強力で、相手投手が崩れた時に大量得点しやすい
    大差敗戦が多いチーム
     先発投手が不足気味で大量失点 打線も投手をカバーできる能力がない

    基本的に投手基準での予想になっています

    この考えは、実際の野球観戦での経験と、野球は投手が投げることから始まるスポーツだ という私なりの考え方です

    投手が思い通りのコントロールで投げられれば、よほどの打線でも打ち崩せないだろうし、
    全くコントロールできなければ、それなりの打線であれば簡単に打ち崩せるはず

    この考え方が正しいかどうかは分析してみてのお楽しみです

    分析するチームの選抜

    今回は僅差での勝敗を分析するチームを選抜します

    ・僅差の試合はデータが多く統計的に分析しやすいこと
    ・継投のロジックのヒントになる可能性が高く、分析の価値が高そうなこと
    からです

    ということで、

    僅差での勝利の割合が多いチーム Top3
    2018年 スワローズ 2015年 タイガース 2011年 スワローズ
    僅差での勝利の割合が少ないチーム Top3
    2013年 ホークス 2015年 バファローズ 2023年 ファイターズ

    これらのチームの成績を見ていきましょう

    画像
    選択したチームの成績 引き分けは0.5勝として計算

    先ほど作った指標で、ちゃんと僅差に強いチーム、弱いチームが選ばれていますね
    僅差に弱いチームはみんなBクラス
    やっぱり接戦をモノにできないと優勝は難しい、ということでなんでしょうか?

    それでは、投手の成績に注目してみましょう

    画像
    先発投手と救援投手の成績

    傾向としては接戦に強いチームの方が救援投手の成績が良いようにも見えますが、はっきりと差があるとは言いづらいです

    負けが先発・救援どちらについているのか比較してみたいのですが、
    負けが付いていて、先発・救援両方を経験している投手が6チームで32人

    ・・・

    がんばって、人力で調べます!

    画像
    先発・救援の勝敗数

    チームによって勝敗数が違うので、このままでは比較しづらい

    ということで、比率に変えてみます

    画像
    勝敗の責任比率

    1チームだけでは傾向をつかみにくいので、接戦に強いチーム・弱いチームの総合で比較してみると

    接戦に強いチームは接戦に弱いチームに比べて、
    救援投手は 勝利責任比率が高い 敗戦責任比率が低い

    つまり、接戦に強いチームは、
    ・先発が打たれても救援がつないで勝利につなげられた
    ・先発がリードを保った状態で降板した場合、そのまま勝つことができた

    という傾向が見えてきたと思います

    ただ、2013年ホークスの傾向はどちらかというと、接戦に強い組の傾向に近いですね・・・

    一つの原因としては、大差での勝利が多い上位にもノミネートされていることにもあるのかもしれません

    まとめ・補足

    以上の分析からわかったことを整理すると

    実績勝数と期待勝数の差にかかわる要因
    ・大差試合での勝敗の偏り
    ・僅差試合での勝敗の偏り
    ※はっきりした傾向ではないので他の要因もあると考えます

    僅差試合の勝敗に影響する要因
    救援投手の能力や継投が影響していそう

    という傾向が見えてきました

    接戦に強いチーム・弱いチームの救援投手の成績は?

    ということで、次回は代表して以下の3チームのブルペン状況を見てみようと思います

    2018年 スワローズ
     勝利数の救援投手依存が高く、フル回転していたのかも
    2023年 ファイターズ
     勝利数の先発投手依存が高く、救援失敗が多いため、ブルペンが苦しそう
    2013年 ホークス
     僅差勝率は良くないが、救援失敗は少ない どういう状況か予想できない

    特に興味深いのは2013年ホークスです

    画像
    僅差試合の勝率

    勝率0.514に対して、僅差勝率は0.397と低いのに、救援失敗は少なく、ブルペンが苦しかったわけでもなさそう

    これら3チーム違いを1試合の試合経過も含めて調べていきたいと思います


    分析の途中経過や試行錯誤、プロ野球の結果考察などをXでつぶやいています
    良かったらそちらも覗いてみてください

    補足 僅差を2点差 大差を4点差とした理由

    ここでは補足として、僅差を2点差以内 大差を4点差以上 と定義した理由を説明します

    結論から言うと、試合数と相関のバランスから決めました

    画像
    画像
    僅差の設定点差による相関の変化

    1点差では一応相関は見られるものの苦しい
    4点差になると決定係数はR2=0.42R^2 = 0.42と高くなるものの、相関の傾きは0.0047と小さくなってしまいます
    これは各チームの対象試合数によるものです

    1点差の試合は40~50試合程度
     ➡ サンプルが少なく傾向が得られにくい
    4点差の試合は100~110試合程度
     ➡ 全試合が143~144試合なので全試合の結果との差が少なくなる

    セーブシチュエーションを考えると3点差が良いとも考えましたが、そうすると、大差試合のサンプルが減ってしまう

    ということで、僅差2点差は
    ・決定係数R2=0.23R^2 = 0.23 傾き 0.00630.0063である程度傾向がつかめること
    ・サンプル数は70~80試合程度であり、大差試合のサンプルもある程度残ること

    ということからバランスが良い と判断しました

    大差試合の定義
    ちなみに大差試合の定義を3~5点にして傾向を比較した結果は以下の通りです

    画像
    大差試合勝率の傾向

    3点以上とすべきかどうか考えましたが、
    ・セーブシチュエーションとされる3点差を大差する違和感
    ・2点差と1点しか違わないのに全く逆の扱いをする違和感
    ・4点差でも傾向が表れること(R2=0.31R^2 = 0.31)
    から、3点は緩衝領域として、4点差にすることにしました

    という背景から
    ・僅差は2点差以内
    ・大差は4点差以上
    ・3点差は緩衝領域

    と決めたわけでした



     
     
    機械系エンジニアを仕事にしてきましたが、巡り合わせでデータサイエンスの世界にも飛び込むことになりました。 プロ野球を題材にしたシミュレーションを進めているのでその過程を公開します データサイエンティストの皆さん、野球好きの皆さんに楽しんでもらえる記事にしたいです

    あなたへのおすすめ