畢氏期望勝率是什麼?用得分失分看出哪隊運氣好指南 · 棒球 · 數據知識

重點摘要
- 用總得分與總失分,估計球隊應有的勝率
- 棒球指數約 1.83,籃球約 13.91~14
- 靠一分差險勝的戰績,較容易往下修
1一句話說明
畢氏期望勝率(Pythagorean expectation)是用一隊的「總得分」和「總失分」去估計它「應該」有多少勝率。棒球統計學者比爾・詹姆斯(Bill James)提出這個想法,因為公式長得很像畢氏定理,所以叫這個名字。
它的價值在於:得失分比勝敗場更穩定。一支球隊如果很多場一分差險勝,勝場數會好看,但得失分差不大;畢氏期望勝率會提醒你,這種戰績之後比較容易往下修。
2公式
期望勝率 = 得分^x ÷(得分^x + 失分^x)
x 是指數。最原始的版本 x 用 2;後來研究發現棒球用 1.83 左右更貼近實際(Baseball-Reference 採用這個數字),籃球因為得分多、單場差距相對小,指數要大得多,常見的是 13.91(由達瑞・莫雷 Daryl Morey 整理出的數字)。Basketball-Reference 的詞彙表則用四捨五入的 14,所以你在不同網站看到的數字會有一點出入。不同研究會給出略有差異的指數,但量級就是這樣。
算出期望勝率之後,乘上已賽場數就是「期望勝場」。實際勝場減掉期望勝場,常被拿來當作「運氣值」。
3棒球的例子
假設一隊打了 162 場,得 780 分、失 700 分,用 x=1.83:
- 780 的 1.83 次方約 196,100;700 的 1.83 次方約 160,900(四捨五入後的近似值)。
- 期望勝率 ≈ 196,100 ÷(196,100 + 160,900)≈ 0.549。
- 期望勝場 ≈ 0.549 × 162 ≈ 89 勝。
如果這隊實際上拿了 95 勝,就比期望多了大約 6 勝。常見的原因是一分差比賽贏特別多、牛棚關鍵局表現特別好。這些不一定是假的實力,但歷史上這種「超額勝場」隔年多半會縮小。
真實的例子是 2018 年的西雅圖水手。MLB 官網指出,他們打出 89 勝 73 敗,看起來是不錯的成績,但全季失分比得分多了 34 分,畢氏戰績只有 77 勝 85 敗。表面戰績和得失分的落差有 12 勝,這就是「戰績看起來比實力好」的典型。
4籃球怎麼看
NBA 一季 82 場,每場得分一百多分,用 13.91 次方算出來的期望勝率對分差非常敏感。平均每場淨勝 5 分左右的球隊,期望勝率大約落在六成多;淨勝 10 分以上,多半是聯盟頂尖的戰績。
所以看 NBA 時,「場均淨勝分」幾乎可以直接當作實力指標。一支球隊勝率很高、但淨勝分普通,代表很多場是驚險過關;反過來勝率普通、淨勝分卻很漂亮,代表輸的多是小分差,戰績有機會往上追。
5怎麼用在看球上
- 打開MLB 戰績或 NBA 戰績,找出實際勝率和得失分看起來不太相符的球隊。
- 實際勝場明顯高於期望:不代表一定會崩,但要多看他們是不是靠很多一分差、延長賽贏球。
- 實際勝場明顯低於期望:常是牛棚或關鍵時刻不順,之後往往會回升。
這跟足球的 xG 是同一個思路:用比較穩定的數字,檢查戰績裡有多少運氣成分。它不是預測工具,也沒有考慮傷兵、交易與賽程強弱,當成「戰績健康檢查」最合適。
6常見問題
13.91、14、16.5,到底該用哪一個?
13.91 是 Daryl Morey 整理的數字,Basketball-Reference 用四捨五入的 14,另外也有人(約翰・霍林傑 John Hollinger)用 16.5。Basketball-Reference 的說明是 16.5 是另一種常見選擇,但誤差比較大。這幾個數字差別很小,重點是比較不同球隊時用同一個指數。
棒球的指數用 2 和 1.83,差很多嗎?
差得不多。用上面的例子(得 780 分、失 700 分)算,指數 2 的期望勝率約 0.554,期望勝場約 89.7;指數 1.83 約 89.0。差不到 1 勝,所以最原始的版本拿來快速估算也夠用。
其他聯盟也能用嗎?
可以,公式一樣,但指數要換。Basketball-Reference 的詞彙表中,NBA 用 14,WNBA 用 10。每個項目的得分環境不同,所以最貼近實際的指數也不一樣。
有比 1.83 更精細的做法嗎?
有。一種叫 Pythagenpat 的進階做法,讓指數依兩隊每場的總得分調整:得分環境越高,指數越大。一般看球用固定指數就夠了。