メインコンテンツへスキップ
見出し画像

打者と投手を対戦させる! 対数オッズ空間とは?

    打者のみモデル
    投手のみモデル
    投打総合モデル
    と順を踏まえてモデルを進化させてきました
    そして、ついにチームの対戦をモデル化する段階までやってきました!

    ChatGPTが勧める対数オッズ空間

    ここで問題になってくるのが、投手と打者の対戦をどのように再現するのか?です

    モンテカルロシミュレーションモデルを作り始めた時のChatGPTさんからのアドバイスによると、

    確率だから、単純に 足したり 掛けたり しても結果は予測できないので、対数オッズ空間というのを使うのだそうです

    画像
    当時のChatGPTさんの説明

    当時は後回しにして、打者のみのシミュレーションに進みましたが、いよいよ使う時がやってきました

    シミュレーションは、打つか打ち取られるかのシンプルなものではなく、
    安打:単打・二塁打・三塁打・本塁打
    アウト:三振・凡打・併殺打・犠打・犠飛
    四死球:四球・死球・敬遠
    と12種類の結果を扱う必要があるため、もう少し工夫が必要なようです

    ここからは対数オッズ空間について、根掘り葉掘りChatGPTに質問して、自分なりに理解した内容を解説します

    対数オッズ空間のイメージ

    まずは対数オッズ空間に関して、シンプルな値で説明します

    シーズンの全体平均三振率を20%
    打者の三振率が30%
    投手の奪三振率が30%
    とした場合、

    打者と投手の単純な平均を三振率とすると
    両方とも30%なので30%
    三振が平均より多い打者と奪三振が平均より多い投手が対戦しているなら、三振になる確率はもっと増えるはず というのが自然だと思います

    そこで、パーセンテージの絶対値を使うのではなく、平均からの比率を使います
    打者は平均よりも1.5倍三振しやすい選手
    投手は平均よりも1.5倍奪三振をとれる選手
    なので、1.5倍×1.5倍で2.25倍
    確率に直すと、2.25×20% で 45%

    という感じです

    ところが、確率が大きくなった場合、例えば打者の三振率・投手の奪三振率がともに50%だった場合、この計算だと三振率は125%になってしまいます

    そこで、計算後の確率が100%を超えないオッズ空間に変換して、単純に掛け算で確率が扱えるようにしています

    グラフにするとこんな感じになります

    画像
    確率とオッズの関係

    100%に近づくとグイっと数字が大きくなってしまいます
    ちょっとイメージしづらいですね・・・

    ということで、それをさらに扱いやすくするために対数にしている
    それが対数オッズ空間というわけです

    画像
    確率と対数オッズの関係

    足し引きで計算できるのがメリットではありますが、
    グラフにしてみると、50%を中心とした対称な形をしているので、イメージもしやすいですよね

    対数オッズ空間を使った計算方法 ーサトテルとモイネロを対戦させてみよう!ー

    ここは式がいっぱい出て来ますが、読み飛ばしても構いません

    2025年OPS No1の佐藤輝明選手(タイガース)
    2025年防御率 No1のモイネロ選手(ホークス)
    の対戦で考えてみましょう

    本塁打率を例に計算すると
    佐藤選手の本塁打率 pbat,HR=6.7%p_{bat,HR} = 6.7\%
    モイネロ選手の被本塁打率  ppit,HR=1.6%p_{pit,HR} = 1.6\%
    また、計算に用いるので、2025シーズン全体の平均も算出します
    2025年の本塁打率 pavg,HR=1.8%p_{avg,HR} = 1.8\%

    それぞれに対して対数オッズ logit(p)\text{logit}(p)を算出します
    logit(p)=log⁡(p1−p)\text{logit}(p) = \log\left(\dfrac{p}{1 - p}\right)
    式はややこしいですが、先ほどのグラフと照らし合わせると数字がわかりやすいと思います

    佐藤選手本塁打対数オッズ  logit(pbat,HR)=−2.63\text{logit}(p_{bat,HR}) = -2.63
    モイネロ選手の対数オッズ logit(ppit,HR)=−4.14\text{logit}(p_{pit,HR}) = -4.14
    2025年平均の対数オッズ logit(pavg,HR)=−4.03\text{logit}(p_{avg,HR}) = -4.03

    で、佐藤選手とモイネロ選手が対戦した時の本塁打の対数オッズは
    logit(pHR)=logit(pbat,HR)+logit(ppit,HR)−logit(pavg,HR)\text{logit}(p_{HR}) = \text{logit}(p_{bat,HR}) + \text{logit}(p_{pit,HR}) - \text{logit}(p_{avg,HR})

    平均オッズ+打者補正
    平均オッズ+投手補正
    この二つを足します

    そうすると、平均オッズが二つになってしまうので、一つ引く

    って言う感じです
    厳密にはちょっと違うんですけどね
    イメージを優先するとこんな感じです

    この計算にそれぞれの対数オッズを代入すると
    logit(pHR)=−2.75\text{logit}(p_{HR}) = -2.75
    となります

    以下の式を使って対数オッズを確率に戻します
    p=elogit(pHR)1+elogit(pHR)p = \dfrac{e^{\text{logit}(p_{HR})}}{1 + e^{\text{logit}(p_{HR})}}
    この結果、佐藤選手とモイネロ選手が対戦した時の本塁打発生率は、6.0%と計算することができます

    計算結果を並べてみると

    画像
    本塁打発生率 計算結果

    6.7%だった佐藤選手の本塁打率が、モイネロ選手の平均よりも低い被本塁打率によって、6.0%に引き下げられています

    同じように他の打撃成績に対しても算出します

    画像
    それぞれの発生確率算出結果

    その結果を全部見ても分かりづらいので、
    シミュレーションに使っている各打撃結果の得点期待β(各打撃結果がどれだけ得点に結びつくかを示す指標)を使って、100打席対戦したとして比較してみましょう

    画像
    モイネロ選手と佐藤輝明選手の100打席対戦結果予測

    佐藤選手の得点能力が、モイネロ選手の能力によって引き下げられていますね

    計算上の注意

    ① 全打撃結果の確率の合計値は100%にはならない
    ということで、算出された結果に対して補正をいれています
    例えば、合計値が110%だったら、100/110をすべての確率に掛ける といった具合です

    ② 確率が0% 100%の場合、計算できない
    対数を使う都合上、確率が0%になると計算できません
    1−p1-pを分母に持つため、確率が100%になっても計算ができません
    ということで、ここでは最大を 1−10−61 - 10^{-6} 最小を 10−610^{-6} としています
    もっとうまい方法もあるみたいですが、今回はシンプルにシミュレーションを回し切ることを目標として、0または1を避ける方法を取っています

    まとめと次回予定

    しかし、生成AI恐るべしですね
    対数オッズ空間に対して全く無知だった私が、根掘り葉掘り聞くだけで説明できるようになってしまうんだから

    ということで、次回はいよいよ対数オッズ空間を使った、チーム対戦モデルの実装に進みます

    ただ、現時点では構想だけで、まだプログラム作成に着手していません
    そんなわけで、また投稿まで時間が空いてしまうと思います

    プログラム実装で苦労しているところはX(旧Twitter)でつぶやいているので、状況が気になる!と思っていただける方は覗いていただけると嬉しいです

    それではまた次回!





     
     
    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