Double machine learning for pitcher management in baseball

Resumo

Este estudo aplica Double Machine Learning (DML) para avaliar estratégias de substituição de arremessadores na Major League Baseball (MLB). Com dados das temporadas de 2020 a 2024, o modelo trata a troca de arremessador como uma intervenção binária e estima seu impacto na produção ofensiva do adversário, medida pela Média Ponderada em Base (wOBA). O modelo incorpora 169 variáveis, agrupadas em: desempenho histórico, indicadores de cansaço, contexto do jogo e estilo do arremessador. Para evitar o viés observacional, a metodologia integra a ponderação de probabilidade inversa através de escores de propensão. O R-Learner foi aplicado, possibilitando uma estimativa flexível do Efeito de Tratamento Médio Condicional (CATE), o que permite uma análise granular do valor da substituição em cada cenário de jogo. Os resultados corroboram diversas teorias estabelecidas de gestão de arremessadores, incluindo o efeito de passagens pela ordem ofensiva adversária e as substituições baseadas em momentos criticos. Além disso, os escores gerados pelo modelo se mostram mais eficientes para a tomada de decisão do que os indicadores tradicionais, oferecendo insights acionáveis que superam as heurísticas convencionais. O estudo também avalia um caso emblemático — a substituição de Blake Snell na World Series de 2020 — demonstrando a capacidade do modelo de avaliar decisões de alto impacto. Em suma, a abordagem fornece insights orientados por dados para otimizar o gerenciamento de arremessadores e expande a fronteira analítica da estratégia no beisebol.

Ficha do documento

Tipo

Dissertação

Ano

2025

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Inglês

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/37517

Temas

EconomiaDados

Palavras-chave

Causal inferenceDouble Machine LearningBaseballPitching managementSports analyticsInferência causalBeisebolGestão de arremessadoresEstatísticas esportivasEconomiaCausalidadeEstatística matemáticaAprendizado do computadorBeisebol - Métodos estatísticosEsportes - Estatística