The Italian Friar

“Park Factors” (Lookout Landing, 26/2/2010)

Da cosa derivano?

E’ veramente curioso scoprire quanto il campo di gioco possa influenzare la partita. Tutti siamo coscenti dell’influenza che ha lo stadio sugli home runs, date le differenti dimensioni, altezze sul livello del mare e temperature. Altri aspetti difficili da comprendere sono l’abbassamento o l’aumento delle medie strikeout, oppure l’aumento del valore di un singolo punto portato a casa con una linea. Alcuni di questi effetti si possono spieggare attraverso la fisica (i lanci hanno meno break in climi secchi, diminuendo quindi gli effetti delle curve e delle sliders), mentre altre sono probabilmente di derivazione psicologica (i pitchers possono essere influenzati a lanciare nella zona alta della strike-zone quando giocano in stadi con un outfield molto profondo, cercando di provocare più fly ball o K). Ma, indifferentemente dalla causa, i park effects sono reali (o comunque ce lo fanno credere bìmolto bene). Ciò vuol dire che dobbiamo sempre considerarli, altrimenti le nostre analisi sono incomplete.

Come possiamo annullare i park effects dalla valutazione dei giocatori? La prima cosa da fare è misurare questo effetto. Questo è più difficile di quanto si possa pensare, soprattutto perché abbiamo bisogno di separare ciò che è causato direttamente dal campo e ciò che invece deriva dal talento dei giocatori di casa (e solitamente sono più gli effetti che derivano direttamente dai giocatori). Perciò prenderemo un sample-size di parecchie stagioni, elaboreremo delle funzioni in grado di isolare i vari fattori ed applicheremo una grande regressione, ottenendo quindi un numero che denomineremo park factor. Quindi applicheremo questo numero a tutti i giocatori presi in esame.

Applicazioni

Ci sono due buone ragioni per cui dobbiamo avere dei buoni park fatcors quando esaminiamo dei giocatori. Innanzitutto per stimare bene il “peso” di un giocatore in un certo contesto di partita, poi perché si deve misurare bene il vero talento del giocatore, estraniandolo dalla partita (per esempio il vero talento del giocatore se si spostasse in un’altra squadra). Possiamo usare i park effects – in particolare il “run factor” – per capire quale fattore usare per la conversione run-win, oppure possiamo usare la scorciatoia della divisione fra runs segnate dal giocatore ed il run factor dello stadio dove gioca. Questo procedimento ci indica quale sia il peso del giocatore nella squadra, non il vero talento dello stesso.

Uno dei più grandi problemi dell’analisi sabermetrica è che lo stadio causa effetti differenti fra battitori destri e mancini e fra differenti stili di lancio. Abbiamo appena parlato di park factors “generici”, penso che abbiate compreso che il processo per ottenerli e molto complicato. Immaginate di aggiungere difficoltà al nostro procedimento aggiungendo la separazione fra destri e mancini e non saremo mai sicuri di aver ottenuto dei park factors affidabili. Avete appena scoperto perché questo tipo di analisi non ha ancora molto seguito fra i fans! Però, è sicuro che è un campo della sabermetrica molto utile per capire l’influenza futura di un giocatore in contesti differenti.

I miei park factors preferiti sono quelli di The Hardball Times, elaborati parecchi anni fa. Tuttavia sono park factors generici; permettono un aggiustamento delle statistiche individuali abbastanza (ma non del tutto) approssimativo.

“Rate vs Counting stats” (Lookout Landing, 21/2/2010)

“Rate stats” e “Counting Stats”

Esiste una divisione fondamentale che sta alla base delle statistiche di baseball. Da un lato troviamo le “counting stats”, mentre dall’altro si trovano le “rate stats”. Dove sta la differenza? Le prime esprimono un numero. Home runs, Hits, Wins, per dirne alcune sono comprese in questo gruppo. Le seconde si esprimono sempre in numeri, ma sono poi sottoposte ad una divisione: la media battuta, per esempio, equivale al numero di valide battute diviso per il numero di AB, e così via. Come già accennato in qualche puntata precedente, ogni squadra danno valore soprattutto alle vittorie, che sono chiaramente una “counting stat”. Ciò significa che potremmo sempre ricavare una statistica di questo tipo (in runs) per valutare più o meno ogni evento nel gioco.

Casi particolari

Ci sono però alcuni casi particolari, che riguardano sia le “rate stats” che le “counting stats”, di cui dobbiamo tenere conto. Partiremo dalle prime, che è più semplice. Quando ci troviamo di fronte ad una “rate stat”, spesso è utile capire come si relazione con la media. Quindi convertiamo quella che abbiamo a nostra disposizione in una “rate stat normalizzata” attraverso un processo che essenzialmente consiste nel dividere il valore che abbiamo per la media della lega per poi moltiplicarne il risultato per 100 (è un po’ più complicato di come spiegato qui ed il calcolo necessario varia a seconda della statistica, ma questa definizione ha una valenza generale utile per capire il senso di questo processo). Questo calcolo è utile perché non abbiamo bisogno di sapere quale sia l’aspetto di quello che noi stiamo studiando: è semplicemente un raffronto rispetto alla media; tutto ciò che dobbiamo capire è che un valore di 105 vuol dire 5% sopra la media della lega e 95 significa 5% sotto la media. Normalizzare una statistica non ci porta ancora delle informazioni chiare sul talento di un giocatore, dunque un valore di 110 in una statistica non significa necessariamente che sia più rilevante di un 105 in un’altra.

Per quanto riguarda le “counting stats”, la normalizzazione consiste nello stabilire un valore-target (un “benchmark”) e nella conversione in “rate stat”. Immaginiamo una media battuta di lega che si stabilizza su un valore di .270; abbiamo dunque un battitore che ottiene una media di .275 in 400 AB. Detto battitore ha totalizzato 110 valide, mentre il battitore medio del campionato ne dovrebbe battere 108 nello stesso numero di AB. Perciò potremmo dire che il nostro battitore è di 2 valide superiore alla media. Questo metodo non è molto utile per le valide, ma se dovessimo convertire le valide in runs, potremmo avere molte informazioni aggiuntive sul valore del nostro battitore. Comunque, c’è un problema. Sebbene il confronto con la media di lega sia utile da un punto di vista matematico, ciò potrebbe portarci verso strade sbagliate. Per tornare all’esempio precedente, un battitore potrebbe rimanere 1 valida sopra la media di lega battendo .273 in 400 AB oppure battendo .278 in sole 100 AB; peggio ancora, un battitore che sia 1 valida sotto la media della MLB e che non vi ha mai giocato, di nuovo, potrebbe essere valutato meglio di un battitore leggermente sotto la media che invece vi gioca sempre. Queste statistiche quindi hanno il problema di non considerare correttamente il tempo di permanenza in MLB.

The Environment Changes the Game (Lookout Landing, 18/2/2010)

Il contesto in cui si gioca conta. Istintivamente lo comprendiamo (la crociata per avere ogni singola statistica non influenzata dagli anni degli steroidi balza alla mente), ma nessuno ha l’esatta misura di quanto possa influenzare. Qual è la differenza fra una partita giocata al Coors Field ed una al Fenway Park? Qual è la differenza fra una partita di AA ed una della Nippon League oppure con una delle majors degli anni ’30? Sono domande a cui è difficile trovare delle risposte, quindi puntiamo l’attenzione sul fine per cui ci si pone questa domanda e lasciamo la soluzione ad un’altra occasione.

Ci sono due grandi settori dove si riscontrano le influenze del contesto. C’è una differenza nel talento, che è la più semplice da intuire. La MLB (soprattutto l’American League, grazie alla presenza di Yankees e Red Sox) mette in mostra i migliori giocatori del mondo, al contrario della Short Season del Rookie Level. Far bene nelle majors ha sicuramente più valore rispetto a buone prestazioni a livelli più bassi. Semplice, giusto? Se nel contesto generale si riscontra un livello basso dei giocatori, un singolo giocatore ha più possibilità di dimostrarsi più bravo se comparato ad un altro.

C’è anche una differenza di livello data dal tipo di gioco in sé. Il baseball non è giocato allo stesso modo fra stadi diversi, leghe diverse o anche singoli mesi diversi. Nella NPB, la lega professionistica giapponese è più semplice battere un homer; questo per una serie di motivi fra cui la differenza di livello generale dei giocatori fra NPB e la MLB. Tutti sappiamo che le dimensioni dello stadio, l’umidità, il vento e la temperatura sono tutti fattori che incidono su quello che avviene in campo; giocare al PETCO Park è radicalmente diverso dal giocare una partita nello stadio dei Rangers, ad Arlington. Ciò che si nota di meno è la differenza nel modo di giocare anno dopo anno; è importante notare, infatti, che ci sono grandi differenze fra le statistiche di 2 periodi storici diversi (o meglio, esiste una grande differenza che si riscontra nel interpretare correttamente le statistiche).

L’effetto dell’influenza di questi contesti nel gioco attuale significa che è difficile carpire il vero talento ed il valore di un giocatore dalla semplice lettura delle statistiche. Ecco perché c’è un gran bisogno di “league factors”, “park factors” e di capire, prima di trarre conclusioni errate, le differenze di contesti. Il modo con cui si elaborano i “park factors” ed i “league factors” è molto tecnico e per il fine della nostra introduzione alla sabermetrica. Il dato che comunque dobbiamo tenere sempre a mente è che il livello di gioco è un fattore da tenere a mente quando si analizzano le statistiche. Se non lo dovessimo fare, potremmo attribuire dei pregi o dei difetti ad un giocatore che non si merita.

Building a better broadcast (Baseball Prospectus, Jon Sciambi, 23/2/2010)

Jon Sciambi, telecronista delle partite MLB per ESPN, ha scritto questo pezzo per Baseball Prospectus come ospite del sito.

Permettetemi di parlare su di una discussione avuta da me con Chipper Jones. L’anno scorso mi sono imbattuto in un articolo apparso su Fangraphs nel quale si diceva che, dopo Albert Pujols, Jones è il 2°battitore nelle majors a vedere meno strike nel primo lancio di un AB. Chipper è una persona molto aperta quando si discute della battuta, anche se è in disaccordo, così ho deciso di fargli presente questo fatto prima di una partita. Era veramente sorpreso. Non ci credeva, anche se i dati erano indiscutibili. Ovvero, meglio, credeva in quello che sapeva di suo e non credeva a quello che gli poteva dire uno stupido come me che non ha mai giocato.

Chipper fu talmente stupito che riferì la mia “notizia” a chiunque gli si avvicinasse durante il riscaldamento, chiedendogli se erano sorpresi anche loro. Nessuno di loro lo era. Tutti lo avevano notato da un pezzo, tranne lui che aveva le migliori possibilità per accorgersene. Chipper ha degli occhi molto attenti ed ha anche una grande fede in essi, ma anche quegli occhi possono, in qualche occasione, nascondere una verità (anche se sono gli occhi di uno dei migliori battitori della lega).

Così sono andato oltre, chiedendogli il motivo per cui gira la mazza al primo lancio di ogni sua battuta così spesso, dato che (i numeri lo dicono) non è così conveniente. Chipper mi ha risposto che il primo lancio è quasi sempre una fastball e che “quella” fastball spesso è l’unica che vede in tutto il suo turno di battuta. “Ok,” gli risposi, “ma, matematicamente, non conviene dato che non vedi tantissimi strike al primo lancio”. Siamo andati avanti per un po’ di tempo concedendo l’uno all’altro un po’ di ragioni, fino a quando la partita stava per cominciare e mi sono accomodato nella mia solita postazione di cronaca.

E così si è arrivati al primo inning, parte alta. Il pitcher dei Padres sul monte di lancio è Tim Stauffer. Chipper Jones non gira… e si becca uno strike con una fastball a 91 mph nella parte bassa della strike-zone. Fa qualche passo fuori dal box di battuta, trova con lo sguardo la nostra posizione.

Chipper Jones 1 – Statistiche 0. Ma Chipper, non ti arrabbiare; il sample-size è troppo piccolo!!!!

L’articolo di Will Carroll “Be Stupider” della rubrica “Unfiltered” di Baseball Prospectus, mi ha fatto pensare: i telecronisti, come possono migliorare il loro modo di lavorare per introdurre la nuova sabermetrica a tutti i telespettatori? E, cosa più importante, come possiamo riuscire a “illuminare” i telespettatori invece di mandarli in coma? E inoltre, come posso convincere Chipper Jones che non sono un idiota?

Come diceva Will nell’articolo sopra citato, ho qualche problema con la matematica e trovo Baseball Prospectus, Fangraphs, Tom Tango, ecc… difficili da digerire. Sono sicuramente tentato di inserire degli argomenti di sabermetrica durante le mie telecronache, ma non riesco a farlo per il già citato rischio di mandare in coma i telespettatori che seguono la partita. Questa non è una scusa, è realtà. Ma è anche per me uno sprone a fare meglio il mio lavoro. Durante i miei anni di telecronaca delle partite dei Braves, ho avuto la straordinaria fortuna di lavorare con dei collaboratori molto aperti alle nuove idee. La striscia di statistiche che appaiono sotto al giocatore in battuta comprendono la OBP (non è forse una cosa sensazionale) e la maggior parte dei grafici che mostriamo e che usiamo per le nostre cronache utilizzano il “rate-format” tanto ben visto dai sabermetrici. Ma il fattore più importante è la presenza al mio fianco del commentatore al mio fianco, Joe Simpson. Un amante del baseball “vecchia scuola”, ma affascinato (e studioso) del nuovo modo di vedere, studiare, interpretare e giocare il baseball moderno.

Quindi come potremmo migliorare le nostre telecronache? Per rendere il nostro lavoro più divertente per noi, ma soprattutto per i telespettatori?

Come iniziare? Innanzitutto, faremo un gran lavoro se eliminassimo certe statistiche dal nostro lessico, per aggiungerne delle altre. Come se dovessimo eliminare un fruscio, un rumore. Smettere di menzionare nelle nostre grafiche statistiche come RBI e W, perché queste statistiche non danno nuove informazioni utili agli spettatori.

Mai dimenticarsi che la sabermetrica è “la ricerca della conoscenza obbiettiva del baseball”. L’obbiettivo non è semplicemente quello di aggiungere ed aggiornare nuove statistiche; è quello di dare ai nostri telespettatori i mezzi per capire le idee ed i concetti base. Per riuscirci, non possiamo semplicemente sbattere in faccia queste nuove statistiche e poi spiegarle. L’apprendimento deve arrivare da un processo di analisi. Dobbiamo usarle e poi spiegarle.

Se Ryan Howard è alla battuta, posso parlare delle RBI e spiegare il motivo per cui le “counting stats” non riescono a far capire a fondo il valore di una performance individuale; non sono le RBI di Howard a riflettere il suo valore, semmai la sua SLG. Posso anche menzionare il fatto che il gran numero di RBI totalizzate da Howard potrebbe derivare dal fatto che nessun giocatore batte con così tanti uomini in base come Howard dal lontano 1492 (credo che ciò sia incontestabile); detto questo, anche un morto potrebbe totalizzare 80 RBI battendo quarto nel lineup dei Phillies. (OK, non lo direi mai in onda.)

Però le nuove statistiche sono così elaborate che c’è il pericolo di allontanarsi dal pubblico, invece di avvicinarlo. Noi, come telecronisti, dobbiamo trovare un modo migliore e più divertente di spiegare la matematica con termini semplici. Per fare un esempio, dobbiamo far capire al pubblico che uno dei problemi in cui incorre la Batting Average, al contrario della SLG, è che la prima valuta sullo stesso piano un singolo ed un HR. Non possiamo però credere che sia capito dai telespettatori solo perché lo abbiamo capito noi. L’unico modo per fare inculcare nella mente delle persone questo concetto è il continuare a ripeterlo, come si è riusciti un po’ a sminuire il valore della ERA, anche se questa è stata ed è tuttora in fase di miglioramento. Fare questo e possibilmente vestirci tutti di blu con una scritta nella maglia “OBP is life”.

Credo anche che, per come mi dicono anche alcuni telespettatori, che dovremmo contenere le nostre analisi durante le telecronache; inoltre la gente sentirà sempre più credibili i vecchi giocatori, mentre la platea di un sito come Baseball Prospectus è più aperta alle giovani leve.

L’appassionato di baseball medio vuole le analisi da un Tim McCarver. Joe Morgan non è magari popolare, ma lo scorso hanno ho lavorato con lui durante un Tigers-Angels ad Anaheim. Ad un certo punto, ho menzionato la UZR, la UZR/150 ed altre statistiche difensive. Una volta partita la pubblicità, Joe mi ha chiesto se avevo piacere di parlare di queste statistiche difensive una volta tornati in onda. Ne è nata una discussione e digressione dalla partita interessante.

Un altro modo per arrivare al nostro obbiettivo. Abbiamo un ex-giocatore che guarda fisso nella telecamera e spiega perché un giocatore con una striscia offensiva di

.250/.380/.475

è stato un miglior battitore di quest’altro giocatore con una strisca di

.300/.320/.475

Abbiamo fondamentalmente bisogno di andare a parare dove la gente capisce che non c’è scelta. Non è soggettivo. Valutare un battitore con OBP e SLG mentre un’altra persona preferisce farlo con gli RBI e le Runs Scored non è come dire “A me piace la fragola, a te la vaniglia”. Qui è come dire “la fragola è meglio della vaniglia”. Analisi più accurata e, inoltre, più gustosa. Per essere chiari, non parlo a nome di ESPN, parlo a nome mio, ma penso che noi telecronisti abbiamo una grande responsabilità nell’informare correttamente. Se la maggioranza delle squadre sta usando le statistiche sabermetriche per poi prendere delle decisioni, noi possiamo benissimo usare quelle statistiche per poi valutare quelle stesse decisioni.

Nel 2008 Dick Cheney è stato informato che i 2/3 degli americani pensavano che non valesse più la pena combattere la guerra in Iraq. Volete sapere come ha risposto Cheney? “Embè?” Avremmo più bisogno di questa “grezzaggine”. Con questo non voglio dire che sono a favore di questa politica, o della guerra. Perché siamo ancora lì? Andiamocene!!

Mi piacerebbe arrivare al punto in cui il The New York Times lavora. Il Times mette gli articoli che ritiene più importanti nella parte alta della prima pagina e sulla destra. La maggior parte degli altri giornali inserisce in quegli spazi quello che noi lettori pensiamo sia importante. Il nostro compito è quello di essere come il Times. Se riusciamo ad eliminare il “rumore” di RBI, RS, ecc… rimanendo sull’essenziale ed utilizzando le “rate stats” credo che, lentamente, riusciremmo ad ottenere quello che vorremmo: un pubblico sportivo molto più informato e cosciente di quello che vede. I lettori di Baseball Prospectus dovrebbero capirlo: VORP, EqA, e WAR sono ancora statistiche poco conosciute. Ma non lo saranno per molto. Può solo aiutare a far andare avanti questo processo più velocemente se i telecronisti insieme (magari senza le magliette blu sopra dette) riuscissero a tenere aperta la porta a queste nuove statistiche.

Sherlock Holmes, The Sabermetrician (Steve Slowinski, DRaysBay, 30/1/2010)

Per una serie concatenata di eventi l’uno slegato all’altro, da poco tempo ho incominciato a leggere qualche racconto di Sherlock Holmes. Sono storie brevi e molto divertenti, ma (e non so cosa possa dire di me) soprattutto sono arrivato alla conclusione che Holmes sarebbe stato un ottimo sabermetrico. Ignorando il fatto che è un presuntuoso – Holmes non è mai esistito, era inglese e le sue storie sono ambientate nel tardo ‘800 – ognuno di noi può prendere molte sue frasi ed applicarle facilmente alle statistiche di baseball. Sono forse pazzo? Forse, ma ecco a voi 3 esempi:

“Non c’è niente di più ingannevole che un fatto ovvio.”

“E’ un errore madornale formulare teorie prima di avere qualche dato. Sono incoscienti coloro che mescolano i fatti per adattarli ad una teoria, invece di adattare le teorie ai fatti.”

“I problemi possono essere risolti nello studio di ciò che ha perplesso tutti quelli che ne hanno visto la soluzione con l’aiuto dei propri sensi. Ma per riuscire nella risoluzione del caso al livello più alto è necessario che il ricercatore della verità sia abile ad utilizzare tutti i dati a disposizione della sua conoscenza; e questo, di per sé, implica il possesso di tutta la conoscenza che, anche in questi giorni di educazione libera e di enciclopedie, è un qualcosa veramente difficile e raro.”

Se solo potessimo far leggere queste citazioni di Sherlock Holmes ai telecronisti, eh? Ovviamente Holmes non parlava di baseball, ma è la logica che si trova in queste frasi che ci interessa. Ed è per questo che la sabermetrica, nella sua più semplice e concisa definizione, può essere definita con la domanda “Perché?” Per lungo tempo si è pensato che la ERA e la Batting Average fossero una misura precisa del talento di un giocatore….ma perché? Perché alcuni giocatori alternano dei periodi stratosferici a periodi di calo mostruoso? Perché la ERA fluttua in maniera così vistosa? Una persona potrebbe dire che Jeter è il miglior giocatore in attività… ma perché?

Mentre Holmes cerca di risolvere un caso, si sta chiedendo la stessa identica domanda. Perché è avvenuto l’omicidio? Quale potrebbe essere il movente di esso? Potrei risolvere il caso con i soli dati che ho già a mia disposizione? Ma potremmo sbagliarci nel rispondere ai nostri “perché” ed è per questo che ci si trova di fronte a parecchie argomentazioni non logiche, provenienti dai media o dai fans. Una qualsiasi persona potrebbe scrivere un pezzo sul fatto che Jeter è il miglior giocatore di baseball in attività per poi trovare le statistiche a supporto della sua tesi. Un altro potrebbe cercare di spiegare il perché un giocatore riesca a battere 70 HR in una stagione, ma senza avere dati sufficienti a dimostrarlo.

Ma possiamo sinceramente criticare una personasoltanto per il fatto di non sapere tutto ciò di cui bisogna sapere sul baseball? Holmes aveva un’intelligenza ed una logica sopraffina, ma doveva comunque trovare aiuto da qualcuno per risolvere i suoi casi. Non possiamo certamente aspettarci che un comune fan di baseball (oppure un “comune” giornalista sportivo) possano capire il baseball ai livelli di Dave Cameron o di Tom Tango; quindi ci saranno in giro molte teorie sbagliate e molte argomentazioni non fondate sulla logica. Quello che però possiamo chiedere alla gente è di ascoltare.

Questo mi porta alla mente un’altra citazione di Sherlock Holmes. Nella storia “L’uomo con il labbro spaccato”, Holmes incontra una donna che è certa del fatto che suo marito non è stato assassinato, anche se gli indizi a disposizione fanno presumere l’esatto contrario; comunque sia, Holmes, molto gentilmente, dice: “Non avevo ancora visto abbastanza per capire che l’impressione di una donna può essere molto più utile del responso di un giudizio obbiettivo.” No, con questo non vorrei dire che la donna è più intelligente di un sabermetrico come Tom Tango. Bè…forse sì; ma questa citazione mi fa ritornare in mente un episodio.

Un paio di giorni prima delle nomine per la Hall of Fame dello scorso anno, stavo discutendo con mio padre e mio fratello su chi avrebbe dovuto entrarci. Mio padre non riusciva a capire perché Tim Raines meritava la nomina (non aveva passato il suo “test-simpatia”), quindi sia io che mio fratello cercavamo di spiegargli concetti come la OBP, l’efficienza nelle SB ed il contesto storico in cui giocò. Stava lentamente concedendoci attenzione ed era in procinto di ammettere che le nostre teorie erano valide, quando mia madre (che non è sicuramente una appassionata di sports) è entrata nella stanza, ha ascoltato la discussione per un paio di minuti per poi dire: “Comunque, non riesco a capire come fate a comparare le statistiche dei giocatori; tutti i campi hanno differenti misure fra loro!”

Si poteva chiedere di meglio per poter introdurre un’altra argomentazione sabermetrica? Mi sono dovuto contenere dal non voler abbracciare violentemente mia madre urlandogli “Siiiiiiiiii”! Hai proprio ragione!!” Già, gli stadi hanno misure differenti e quindi, un HR battuto al Fenway Park è diverso da un homer battuto al PETCO Park. Ho cercato di rimanere calmo senza farmi trasportare troppo, mentre mi sono ritrovato a parlare di park effects, di DIPS e di BABIP,… Mi sono ripreso circa dieci minuti dopo.

Mia madre ha seguito bene tutto il mio ragionamento e fortunatamente senza che si annoiasse. La nostra conversazione mi ha piacevolmente sorpreso: se mia madre, che segue il baseball saltuariamente, è riuscita a capire da sola che la dimensione degli stadi influenza le statistiche, perché non potremmo cercare di far capire questi concetti alla gente comune? Perché giornalisti, telecronisti, giocatori ed anche una parte degli appassionati comuni sono contrari a tutto ciò? E’ una questione importante, a cui però non ho intenzione di rispondere in questo articolo; da una parte c’è la storia e la tradizione, dall’altra la difficoltà (presunta) della materia per i neofiti…e tante altre ragioni che sono troppo numerose per essere elencate. Possiamo però cercare di aiutare la gente a capire che ci sono altri modi per capire il baseball, a dispetto dei luoghi comuni su questo sport.

Se volete incominciare, la prossima volta che sentite qualcuno usare statistiche come RBI o BA per valutare un giocatore, chiedetegli semplicemente perché: perché aver battuto 100 RBI in una stagione fa sì che un giocatore venga valutato positivamente? Perché una media battuta di .300 è ottima? E’ più importante il fatto di fare outs oppure il modo con cui si creano? Guardate come rispondono e cercate di fargli capire che non è così semplice e scontato il baseball; potrebbe essere divertente. E se citerete Sherlock Holmes, ci farete probabilmente un figurone.

Un’ultima citazione di Holmes, riguardante l’importanza di essere dei buoni osservatori.

“Quando ti ascolto mentre esponi le tue ragioni” replicai [sta parlando in prima persona Watson] “in un primo momento mi appare semplicissima, che potrei arrivarci da solo, ma alla seconda frase del tuo ragionamento sono sconcertato perché ridiventa di nuovo tutto complicato. Anche se penso che i miei occhi siano buoni quanto i tuoi”

“Esattamente” rispose [Sherlock Holmes], accendendosi una sigaretta e sprofondando in una poltrona. “Tu vedi, ma non osservi. La differenza fra il mio modo di ragionare ed il tuo è proprio qui. Per esempio, tante volte ti è capitato di guardare le scale che portano alla porta di questa stanza?”

“Molto spesso.”

“Quanto spesso?”

“Bè, forse un centinaio di volte.”

“Bene, quanti gradini sono?”

“Il numero? Bè, non lo so proprio.”

“Proprio così! Tu non le hai osservate. Nonostante le abbia viste. E’ qui che sta il punto del mio ragionamento. Ora, io so che sono 17 gradini, perché le ho sia viste che osservate.”