Con respecto a otras teorías físicas, pienso que el caos, a través de las teorías de movimiento browniano pudiera servir, ya que se utiliza para la predicción de diferencias de rendimientos diarios en la bolsa de valores, algo que puede asemejarse a la diferencia en porcentaje de embasado día a día en un bateador. Es una teoría interesante que no pude desarrollar porque cambié de tutor.

Exacto con lo de la distribución normal, no lo dije porque no sabia que tanto de estadística te era cómoda.

La función que escoges entonces la tomas no lineal y que trasforme de la manera apropiada para resaltar un rasgo o zona particular de la gráfica. Eso ya es respuesta para mi porque en física y metrología se usa también, total, es análisis de datos en el fondo.

En cambio lo de los pesos no me convence… Justificarlo solo por correlaciones con alguna variable (existiendo tantas) es pobre. Por regresión lineal tampoco me parece suficiente porque ya la naturaleza a demostrado que la linealidad existe, pero no es la mayoría de los casos para ajustes confiables.

En realidad muy interesante todo el asunto, has pensado en ver si existen otras teorías físicas que puedan ser aplicadas?

El caos a demostrado ser útil en casos de muchas variables, pero no se me ocurre como introducirla acá. Creo que es mas fácil introducir algunos términos no lineales y ya.

Has encontrado algo correlacionado (aparte del cansancio) con el hecho de que algunos jugadores les va excelente en algunos meses y fatal en otros?

Temperatura, luminosidad, humedad, solsticio?

Bueno, he hablado mucha gramínea, nos vemos luego que tengo unas termoresistencias de platino esperando por mí!
Bye!

Ya que trabajas en metrología y eres físico, seguro que manejas bien la estadística. Esa distribución de datos corresponde a una normal ordenando los datos. Mientras la “S” sea más pareja, es decir, mientras los extremos sean más parecidos, más cerca de la campana de Gauss tradicional estarán los datos. Por eso es que te la encuentras en todos lados.

En este caso la fuzzyficación corresponde a una renormalización a cero-uno, pero no siempre es así. Ya lo verás en la siguiente entrega. Esta función de fuzzyficación de Derringer-Suich no altera los datos (salvo un poco en los extremos), por lo que es muy adecuada para revisar la diferencia porcentual de los datos reales.

Renormalizar linealmente es una opción valida, pero que simplificaría en exceso la esructura interna de los datos. En estos casos (aunque todavía estoy investigando) siempre es preferible algún tipo de función no lineal que capture en detalle ciertas características inherentes de los datos. En este caso, aparte de no transformar (practicamente nada) los datos, no estoy haciendo nada más.

Los pesos, son generalmente obtenidos mediante regresiones lineales (mínimos cuadrados) simples y sencillos. Algo demasiado burdo como para aducir que puedan capturar la complejidad con algo de certeza. Los creadores de las fórmulas mágicas aducen que sus resultados tienen una buena correlación con una u otra variable importante, por lo que la gente se convence y no pregunta más. Por ejemplo, yo tengo Win Shares, el libro de Bill James donde se introduce el concepto homónimo. En ningún lugar del libro se explica el proceso para la obtención de los pesos, ni por qué unas variables se incluyen en unos cálculos y en otros no. Sólo es una receta de cocina con una tabla de resultados al final.

En lógica borrosa, difusa o fuzzy, siempre se confía en los expertos para poner escoger las variables y poner los pesos. Pero este hecho no se oculta, se establece a priori que el diseño del método es de esta manera y no de otra. En béisbol hay gran cantidad de expertos, como los mánagers, gerentes generales, scouts, coaches y médicos. El experto lo es porque se dedica desde hace un montón de años a lo mismo y rara vez se le escapa algo. Por qué fallan entonces? Porque no tienen coherencia en la realización de su tarea y su subjetividad y sus esquemas mentales los hace, a veces, tomar una decisión que normalmente no tomarían. Son las llamadas corazonadas. El método borroso lo que establece es un marco para garantizar que las corazonadas no tenga (mucha) cabida en la decisión. Es más difícil incluirlas cuando el análisis se hace sobre una base de muchas variables.

Un placer responder a tus preguntas!!!

¿Con respecto a la fusificación, no es una simple renormalización con corrimiento de cero?

Porque si veo la gráfica original, el mejor tiene 10 y el segundo tiene 8, directamente se ve que la diferencia entre ambos es del 20%, se lograría lo mismo con una renormalización lineal?

No es que no este de acuerdo, solo me parece curioso la elección, debe ser porque no conozco mucho de fussy logic y me intriga.

Felicitaciones por la tónica sabermetrica, apenas ahora, gracias a Daniel y Gabriel es que estoy aprendiendo sobre las mismas.

Veo que respondes una pregunta sobre los pesos que yo le hacia a Daniel: esencialmente se los sacan de la manga los expertos y están basados en la experiencia? Siempre es así?

Cuando yo hago análisis de incertidumbre de las mediciones los pesos se basan en modelos físicos aunque muy de vez en cuando se agregan términos basados en el conocimiento de expertos internacionales. Existe en béisbol algo como expertos internacionales?

Perdón por las preguntas, pero como Físico soy algo curioso.