openWAR: An Open Source System for Evaluating Overall Player Performance in Major League Baseball
在棒球分析中，人们对旨在捕捉整体球员表现的综合统计数据非常感兴趣。其中一个衡量标准是替代胜率（WAR），它综合了球员在比赛的各个方面的贡献：击球、投球、跑垒和防守。然而，当前版本的WAR依赖于专有数据、特别方法和不透明的计算。我们提出了一个有竞争力的综合衡量标准，即openWAR，它基于公共数据和方法，具有更高的严谨性和透明度。我们讨论了一个原则性的标准，一个模糊的概念，一个“替代”的球员。最后，我们使用基于模拟的技术为我们的openWAR度量提供区间估计。
2015-03-24 stat.AP
Empirical Determination of Baseball Eras: Multivariate Changepoint Analysis in Major League Baseball
本文利用多元变点分析方法对跨越一个多世纪的美国职棒大联盟统计数据进行实证分析，识别均值与方差变化，从而更稳健地划分死球时代、融合时代、类固醇时代和后类固醇时代等棒球历史时期，并揭示球队王朝与崩溃的结构性转变。
2024-10-03 stat.AP
How often does the best team win? A unified approach to understanding randomness in North American sport
统计学在体育运动中的应用长期以来一直集中在如何最好地将信号（例如团队人才）与随机噪声分开。然而，这项工作的大部分集中在一个单一的运动，和有意义的跨运动比较的发展一直受到阻碍的困难，从一个运动到另一个翻译运气。在本文中，我们使用博彩市场数据开发贝叶斯状态空间模型，这些数据可以统一应用于体育组织，以更好地理解随机性在游戏结果中的作用。这些模型可以用来提取球队实力的估计，赛季间，赛季内，和游戏到游戏的球队实力的变化，以及每个球队的主场优势。我们在国家橄榄球联盟（NFL），国家曲棍球联盟（NHL），国家篮球协会（NBA）和美国职业棒球大联盟（MLB）的每一个十年的比赛中实施我们的方法，发现NBA表现出最大的人才分散和最大的主场优势，而NHL和MLB在比赛结果中表现出相对的随机性。最后，我们提出了新的指标来判断整个体育联盟的竞争力，无论是在常规赛和使用传统的季后赛比赛格式。虽然我们专注于体育运动，我们讨论了一些其他情况下，我们的可推广的模型可能是有用的。
2017-11-22 stat.AP
Personnel-adjustment for home run park effects in Major League Baseball
本文针对美国职棒大联盟球场本垒打效应的估计难题，提出基于泊松分布的广义线性混合效应模型，通过构建“其他球场”指标控制人员变化，分析13赛季数据发现调整后的本垒打频率与排名显著不同于观察值。
2025-06-27 stat.AP
Trouble With The Curve: Improving MLB Pitch Classification
PITCHf/x数据库自2006年底推出以来，已使美国职业棒球大联盟（MLB）的统计分析蓬勃发展。使用PITCHf/x，音高已经被手动分类，这需要相当大的努力，或者使用神经网络聚类和分类，这通常很难解释。为了解决这些问题，我们使用基于模型的聚类与多元高斯混合模型和适当的调整因子作为替代目前的方法。此外，我们描述了一个新的音高分类算法的基础上，我们的聚类方法，以解决音高误分类的问题。我们说明了我们的方法，从PITCHf/x数据库，涵盖了各种各样的球场类型的各种投手。
2013-04-05 stat.AP
Building a model for scoring 20 or more runs in a baseball game
我们多久能期望一个美国职业棒球大联盟球队在一场比赛中得到至少20分？自1901年以来，在美国和国家联盟的常规赛中，在一场比赛中得分至少20分的结果已经发生了224次。每个结果都被建模为泊松过程;其中一个事件的发生时间不会影响下一个未来事件的发生。使用各种分布，生成事件的概率，进行拟合优度测试，并提供对未来事件的预测。采用统计软件包R进行分析。
2010-11-09 stat.AP
The Effects of Major League Baseball's Ban on Infield Shifts: A Quasi-Experimental Analysis
Yale School of Public Health（耶鲁公共卫生学院）
利用面板数据和准实验方法（双重差分和合成控制法），分析2023年MLB内野防守布阵禁令对联盟整体和球员个体进攻表现的影响。
2024-11-22 stat.AP stat.ME
A Hierarchical Bayesian Model of Pitch Framing
研究提出贝叶斯分层模型估计裁判判好球概率并量化捕手接球影响，将其转化为赛季平均节省分数，并引入新指标提供更客观的接球影响评估。
2017-09-09 stat.AP
Filling the Gaps: A Multiple Imputation Approach to Estimating Aging Curves in Baseball
针对MLB进攻球员因职业生涯退出导致赛季表现缺失的问题，本文用多层数据多重插补补全缺失赛季并估计老化曲线，模拟与实证表明其可纠正传统方法的高估。
2024-03-11 stat.AP
Predicting play calls in the National Football League using hidden Markov models
近年来，数据驱动的方法已经成为各种体育运动中的流行工具，以获得优势，例如，分析对手的潜在策略。虽然篮球和棒球等运动中的逐场比赛或球员跟踪数据的可用性导致了体育分析研究的增加，但美国国家橄榄球联盟（NFL）的等效数据集在很长一段时间内都无法免费获得。在这篇文章中，我们考虑了由www.kaggle.com提供的一个全面的逐场比赛NFL数据集，总共包括289，191个观察结果，使用隐马尔可夫模型预测NFL中的比赛呼叫。由此产生的2018年NFL赛季的样本外预测准确率为71.5%，与NFL中关于比赛呼叫预测的类似研究相比要高得多。
2020-03-24 stat.AP
Swinging, Fast and Slow: Interpreting variation in baseball swing tracking metrics
本文提出一个贝叶斯分层模型与工具变量回归框架，用于解读MLB球棒追踪数据，估计棒速和挥棒长度对触球与力量的因果效应，并发现降低棒速虽能减少三振，但力量损失大致抵消其收益。
2025-07-01 stat.AP
Comparing baseball players across eras via novel Full House Modeling
本文提出 Full House Models 方法论框架，通过平衡球员赛季成就与所属 MLB 人才库规模来跨时代调整棒球统计数据，揭示了包含多名现代球员的全新历史最佳排名，并验证了结果对建模输入的敏感性。
2024-04-24 stat.AP stat.ME
Tractable Algorithms for Changepoint Detection in Player Performance Metrics
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出了一种结合似然方法与分样本推断的突变点检测算法，用于检测球员表现指标中的变化，并在棒球数据中验证了其有效性。
2026-01-04 stat.AP
Categorical Exploratory Data Analysis: From Multiclass Classification and Response Manifold Analytics perspectives of baseball pitching dynamics
从多类分类（MCC）和响应流形分析（RMA）两个耦合的角度，在PITCHf/x数据库上，对美国职业棒球大联盟（MLB）投球动力学的信息内容进行了分类探索性数据分析（CEDA）。MCC和RMA的信息内容表示的一个集合的多尺度模式类别从混合几何和一个集合的全球到局部的几何位置从响应协变量流形，分别。这些集体揭示了投球动态，并绘制出流行的机器学习方法的不确定性。在MCC设置下，基于间接距离测度的标签嵌入树发现了标签点云之间混合几何的不对称性。互补协变量特征组的选定链共同产生多阶混合几何模式类别。这样的分类揭示了MCC预测推理的真实性质。在RMA设置中，多个响应特征与多个主要协变量特征耦合，以展示具有自然局部格的流形的物理原理。由于局部识别了次要特征的异质效应，这些局部将其焦点特征共同编织到系统理解中，并为RMA预测推理提供了平台。我们的CEDA适用于通用数据类型，采用非线性关联，并促进有效的特征选择和推理。
2020-06-25 stat.AP stat.ME
Same-Score Streaks: A Case Study in Probability Modeling
在体育运动中，同分连胜是指在所有比赛中得分相等的一系列比赛。动机问题起源于大学篮球，但由于难以收集数据，美国职业棒球大联盟（MLB）的条纹进行了研究。本文探讨了1901年至2019年常规赛的历史数据，包括长度为2，3和4的条纹的可能性。然后，我们探索各种概率模型的分布得分在MLB比赛和赛季，并生成模拟统计相同长度的条纹。
2020-06-05 stat.AP
A Bayesian Approach to In-Game Win Probability in Soccer
KU Leuven（鲁汶大学）
在游戏中获胜概率模型，它提供了一个运动队的可能性，在每一个点上赢得一场比赛的基础上，历史的观察，正变得越来越受欢迎。在棒球、篮球和美式足球中，它们已经成为增强球迷体验、评估比赛决策以及指导教练决策的重要工具。虽然这些模型在足球中同样相关，但由于这项运动的低得分性质所带来的技术挑战，这些模型的采用受到了阻碍。在本文中，我们介绍了一个在游戏中的足球获胜概率模型，解决了现有模型的缺点。首先，我们证明了其他体育运动的比赛中获胜概率模型难以为足球提供准确的估计，特别是在比赛结束时。其次，我们引入了一个新的贝叶斯统计框架，估计运行赢，平局和损失的概率，利用一组上下文游戏状态功能。前五名的足球联赛的八个赛季的数据的实证评估表明，我们的框架提供了良好的校准概率。此外，两个用例显示了其增强球迷体验和评估关键比赛情况下性能的能力。
2021-08-13 cs.LG stat.ML
Causal effect of the infield shift in the MLB
本研究利用2015–2022年MLB观测数据，结合匹配、加权和工具变量方法，量化内野移防对预期得分的因果影响，发现其主要抑制左打者得分。
2024-09-05 stat.AP
Modelling intransitivity in pairwise comparisons with application to baseball data
本文提出一种半参数贝叶斯分层模型，通过随机数量的技能层级和非传递性层级灵活刻画成对比较中的非传递性，并在棒球数据上验证其优于 Bradley-Terry 等现有模型的预测性能。
2023-02-16 stat.AP stat.CO stat.ME
Multiscale major factor selections for complex system data with structural dependency and heterogeneity
基于来自大型复杂系统的结构化数据，我们通过计算进一步开发和完善了一个主要因素选择协议，通过适应结构依赖性和许多功能之间的异质性来解开数据的信息内容。两个作战概念："去关联“及其对应的”影子“，在我们的协议中发挥关键作用，推理，解释，并通过列联表平台进行。该协议通过"去关联“能力，通过识别哪些协变量特征集提供或不提供超出第一个识别的主要因素的信息，以作为次要成员加入主要因素的集合，来表明数据的信息内容。我们的计算发展开始与全球性的多个响应（Re）功能和许多协变量（Co）功能之间的结构依赖性表征一个复杂的系统。我们首先应用我们的主要因素选择协议的行为风险因素监测系统（BRFSS）的数据集，以证明发现的地方，心脏病患者成为多数或进一步减少少数民族，形成鲜明对比的数据的不平衡性质。然后，我们研究了美国职业棒球大联盟（MLB）的数据集组成的12个投手在3个赛季，揭示详细的多尺度信息内容的投球动态，并提供近乎完美的解决方案的多类分类（MCC）的问题和困难的任务，检测特异质变化的任何个人投手在多个赛季。我们的结论是通过假设一个直观的猜想，大型复杂的系统相关的推理主题只能有效地解决通过发现数据的多尺度信息内容反映系统的真实的结构依赖性和异质性。
2022-09-06 stat.AP stat.ME
