Este estudio desarrolla un marco de simulación Monte Carlo para estimar la producción ofensiva en béisbol utilizando probabilidades de eventos derivadas empíricamente de datos jugada por jugada. El modelo simula entradas y partidos completos para predecir distribuciones de carreras, contribuciones de jugadores y eficiencias de alineación. El marco propuesto incorpora probabilidades situacionales de carrera en bases estratificadas por categorías de velocidad de sprint, intentos de robo de base, tendencias de doble play y resultados a nivel de lanzamiento, proporcionando una representación estocástica integral de los eventos ofensivos. Este enfoque integra de manera única las transiciones en las bases condicionadas por la velocidad de sprint y la optimización Monte Carlo a nivel de alineación, alcanzando una fidelidad estatal no capturada en simuladores previos de Markov o agregados. Aplicaciones a múltiples equipos de la Major League Baseball (MLB) demuestran la interpretabilidad del modelo y su potencial para la optimización de alineaciones. La validación contra datos empíricos de múltiples temporadas confirma una fuerte concordancia entre las distribuciones de carreras simuladas y observadas.
Surya Tallavarjula (jue,) estudió esta pregunta.