Proyecto de EP (Emerson Performance) — analítica de corrido de bases usando datos 100% reales y públicos de Baseball Savant, temporada 2026. Mismo enfoque metodológico que EP Swing Intelligence, aplicado a una habilidad distinta: velocidad y toma de decisiones en las bases.
¿Qué tan bien predice la velocidad física pura (Sprint Speed, tiempo Home-to-First) el valor real de corrido de bases que ya calcula Savant? Y, más interesante todavía: ¿la velocidad predice igual de bien distintas habilidades de corrido de bases, o hay diferencias grandes entre ellas?
Cinco descargas públicas de Baseball Savant (leaderboards de "Running"), temporada 2026, sin selección de jugadores de nuestra parte — población completa calificada:
| Archivo | n | Contenido |
|---|---|---|
data/sprint_speed.csv |
513 | Sprint Speed (ft/seg), Home-to-First (seg) — variables físicas |
data/baserunning_run_value.csv |
228 | Baserunning Run Value real de Savant (general) |
data/base_running.csv |
298 | Valor de avanzar extra bases (1ra→3ra, etc.) |
data/basestealing_running_game.csv |
420 | Valor de robo de bases, leads primario/secundario |
data/running_splits.csv |
482 | Splits de tiempo cada 5 pies desde el batazo hasta 90 pies |
Todos cruzados por player_id, sin transcripción manual — descarga
directa en CSV desde Savant.
Modelo de regresión lineal con validación cruzada de 10 folds
(sprint_speed + hp_to_1b → valor real, normalizado por oportunidades
para evitar sesgo por tiempo de juego):
| Habilidad | n | R² |
|---|---|---|
| Baserunning Run Value (general) | 227 | 0.41 |
| Extra bases tomadas (1ra→3ra, etc.) | 298 | 0.48 |
| Robo de bases exitoso | 406 | 0.04 |
La velocidad pura explica casi la mitad de la varianza en avance de extra bases — tiene sentido, es una decisión física directa: el corredor ve la pelota, corre, y la velocidad domina el resultado.
Pero para el robo de bases exitoso, la velocidad explica prácticamente nada (R²=0.04). Esto no es un error del modelo — es un hallazgo real: robar una base depende de la lectura del "jump" contra el pitcher, tendencias de conteo, el brazo del catcher rival, y timing — variables de decisión y anticipación que sprint speed no captura, aunque intuitivamente parezca que "el más rápido roba más bases".
Para contexto de coaching: esto separa dos habilidades entrenables de forma distinta. Sprint speed (mecánica lineal, fuerza, técnica de aceleración) es el terreno clásico de un S&C Coach. El robo de bases exitoso depende más de lectura de juego y timing — trabajo de scouting y repetición situacional, no solo de correr más rápido.
Capítulo 1 dejó una pregunta abierta: si la velocidad máxima no predice el robo de bases exitoso, ¿es porque ninguna parte de la carrera importa, o es específicamente porque el robo depende del arranque ("jump") y no de la velocidad de crucero?
Usamos running_splits.csv (tiempo cada 5 pies desde el batazo) para
descomponer la carrera en tres fases y medir la velocidad promedio
(ft/seg) de cada una:
- Burst (0-10 ft): primeros pasos, arranque/reacción
- Aceleración (10-45 ft): fase de aceleración
- Velocidad tope (45-90 ft): velocidad de crucero sostenida
Regresión lineal, validación cruzada de 10 folds, cada fase probada por separado y las tres juntas (n=179, jugadores con las tres fuentes de datos cruzadas y mínimo 3 intentos de robo):
| Habilidad | Burst (0-10ft) | Aceleración (10-45ft) | Vel. tope (45-90ft) | Las 3 fases juntas |
|---|---|---|---|---|
| Baserunning Run Value (total) | 0.12 | 0.32 | 0.29 | 0.33 |
| Extra bases (tasa de éxito) | 0.01 | 0.10 | 0.11 | 0.10 |
| Robo de bases (tasa de éxito) | 0.01 | 0.01 | 0.00 | -0.01 |
La hipótesis de este capítulo era que el robo de bases se explicaría por el burst (el "jump" inicial) aunque no por la velocidad tope. Esa hipótesis no se sostuvo. Ninguna fase de la carrera —ni arranque, ni aceleración, ni velocidad de crucero— predice el éxito en el robo de bases. El R² se mantiene prácticamente en cero en las tres fases y hasta se vuelve negativo al combinarlas.
Esto es un hallazgo más fuerte que el del capítulo 1, no más débil: no es que "la velocidad máxima no alcanza a explicarlo" — es que ninguna métrica de velocidad, medida en ningún punto de la carrera, explica el robo de bases exitoso. Refuerza que es una habilidad de lectura y decisión (timing contra el pitcher, tendencias de conteo, brazo del catcher) prácticamente independiente de qué tan rápido corre el jugador.
Para el valor general de corrido de bases y para extra bases, la fase de aceleración (10-45 ft) explica tanto o más que la velocidad tope — sugiere que gran parte del valor real viene de qué tan rápido el corredor alcanza velocidad útil, no solo de su techo de velocidad máxima.
Para contexto de coaching: si el objetivo es mejorar el corrido de bases general o el avance de extra bases, trabajar la fase de aceleración (los primeros 10-45 pies) tiene tanto o más impacto que perseguir velocidad máxima pura. Para robo de bases, ningún trabajo de velocidad va a mover la aguja — es terreno de scouting y repetición situacional.
pip install pandas scikit-learn matplotlib
python3 model/train_baserunning_model.py # capítulo 1
python3 model/train_baserunning_model_ch2.py # capítulo 2Capítulo 1 genera model/baserunning_model_metrics.json,
report/chart_baserunning_scatter.png, y
data/merged_baserunning_dataset_2026.csv.
Capítulo 2 genera model/baserunning_model_ch2_metrics.json,
report/chart_baserunning_ch2_phases.png, y
data/merged_baserunning_dataset_ch2_2026.csv.
Los capítulos 1 y 2 trataron a todos los corredores como una sola población. Pero, ¿la velocidad predice el valor de corrido de bases igual para un infielder que para un outfielder? Separamos por posición (infielders: 1B/2B/3B/SS; outfielders: LF/CF/RF; catchers y DH aparte) y repetimos ambos análisis dentro de cada grupo.
Catchers (n=11) y DH (n=13) quedaron con muestra insuficiente para regresión confiable tras el cruce con datos reales — se reportan solo de forma descriptiva, sin modelo.
| Posición | n | R² Sprint Speed → valor | Vel. promedio (ft/seg) |
|---|---|---|---|
| Infielders | 115 | 0.45 | 27.44 |
| Outfielders | 88 | 0.24 | 28.21 |
| Posición | n | R² Burst | R² Aceleración | R² Vel. tope |
|---|---|---|---|---|
| Infielders | 127 | 0.12 | 0.42 | 0.41 |
| Outfielders | 94 | 0.04 | 0.24 | 0.17 |
La velocidad explica casi el doble de la varianza del valor de corrido de bases en infielders que en outfielders — a pesar de que los outfielders son, en promedio, más rápidos. Esto no es contradictorio: entre outfielders casi todos ya corren rápido (el grupo es más homogéneo en velocidad), así que la velocidad deja de ser lo que distingue a un buen corredor de uno promedio dentro de ese grupo. Lo que probablemente marca la diferencia ahí es lectura de juego y toma de decisiones — coincide con el patrón que ya vimos en el capítulo 2 para el robo de bases.
Para infielders, en cambio, sprint speed y las fases de aceleración/tope explican una porción mucho mayor del valor real (R²=0.42-0.45) — el techo físico sigue siendo el factor dominante en este grupo.
Para contexto de coaching: invertir en trabajo de velocidad pura tiene mayor retorno esperado en infielders que en outfielders. Para outfielders, que ya suelen tener buena velocidad de base, el margen de mejora en corrido de bases probablemente está más en el trabajo de lectura y decisión situacional que en seguir puliendo velocidad.
pip install pandas scikit-learn matplotlib
python3 model/train_baserunning_model.py # capítulo 1
python3 model/train_baserunning_model_ch2.py # capítulo 2
python3 model/train_baserunning_model_ch3.py # capítulo 3Capítulo 1 genera model/baserunning_model_metrics.json,
report/chart_baserunning_scatter.png, y
data/merged_baserunning_dataset_2026.csv.
Capítulo 2 genera model/baserunning_model_ch2_metrics.json,
report/chart_baserunning_ch2_phases.png, y
data/merged_baserunning_dataset_ch2_2026.csv.
Capítulo 3 genera model/baserunning_model_ch3_metrics.json,
report/chart_baserunning_ch3_position.png, y
data/merged_baserunning_dataset_ch3_2026.csv.
- Aislar corredores de elite ("bolts", sprints por encima de un umbral) del resto
- Triangular con literatura de biomecánica de sprint (aceleración lineal vs. agilidad/cambio de dirección)
Parte del portafolio de Emerson Performance (EP) — metodología de analítica de rendimiento en béisbol que combina datos públicos de Savant, biomecánica, y trabajo de campo como Strength & Conditioning Coach.