※ 引述《morikawablue (morikawablue)》之铭言：
: : Base Runs 基本公式：Runs = A*B/(B+C)+D
: : A = H + BB - HR
: : B = [1.4*TB -.6*H -3*HR +.1*BB] *1.02
: : C = AB - H
: : D = HR
: 坦白说我从来没有真实去算过，不过以一个 run estimation 来看可以在如此
: 微小的事件里做到 perfectly matched 让我有点讶异，在这个例子里，也许这
: 个 Base Runs 或许应该叫 "run equation" 而不只是 estimation 而已。
Base Runs 的算法是：
得分 ＝ 跑者数目 * 得分率 + 全垒打数目
A 是跑者的数目，这点没有问题，D 是全垒打的数目也没有问题，
那么得分率如何计算？B 指的是推进成功，C 则是推进失败（出局），
用 B / (B + C) 这个比率来模拟得分率。
如果把 B 项展开，会变成 0.8 * 1B + 2.2 * 2B + 3.6 * 3B + 2 * HR + 0.1 * BB
这些系数当然是一种推估。
: 另一点，可能因为是 expected runs 的观念影响，我一向认为除了 solo homer
: 是结结实实的 1 分 以外，其余像 2-run、3-run homer 或是 grand slam 都
: 不应该是帐面上的分数，有的时候 homer 可能成为 "rally-killer"，也就是
: 帐面分数的 "价值" 其实有被高估的可能，这个差异会否因为 Base Runs 所翻
: 译的只是一个真实的现象而不是一种 regress to mean 的结果？也就是说我不该
: 拿 Base Runs 与 expected value 的观念一起看？
我看不懂你上面这段的意思。
: 还有一件事就是 Base Run 的使用时机在 A 的部份会否应该做些限制？
: 好比说我们讨论一个 4 consecutive singles 的事件时，用 Base Run 会得到
: 很奇妙的结果 ( Base Run = 4 !? )，但其实这里忽略的事就是：
: 以 A 当成 Baserunners 的数量的话，4 consectuive singles 的小事件在
: Base Run 的式子里就 out of reach 了，因为在棒球的事件里不可能有 4 个
: baserunners。
不知道为什么你觉得 A 项需要受到“同时最多只能有三位跑者”的限制？
事实上，如果连续击出四支一垒安打，应该会有两人回来得分，两人在垒，
并不会同时有四人在垒。实际状况得 2 分，而 Base Runs 是 4 分，并不 match，
但各种 run estimation 本来的用处就不是在推估这些微小状况下的得分。
Base Runs 的好处是他的公式真正模拟了分数是怎么得的
（上垒然后推进，外加一定把自己打回来的全垒打）
比起 RC、XR、Linear Weights 等其他 run estimation，
Base Runs 在极端状况下的表现更接近真实，在正常状况下也不逊色。
http://gosu02.tripod.com/id8.html 可以参考这里的例子，还有 RMSE 的计算结果。
: 这种看法不晓得是不是也表示 sample size 对于 Base Run 的重要性？Or
: I do miss something？
连续四支一垒安打的状况，BsR = 4，而实际得分 = 2，感觉差很多，
但如果连续 100 支一垒安打呢？BsR = 100，实际得分 ＝ 98，其实是差不多的。
要在微小状况下正好 match 很难，先前那个一支安打加一支全垒打的例子是恰好。
补充一点，在我之前的回应中，直接套 Base Runs 去计算这位打击率一成，
上垒率两成的假想打者的贡献，其实是不恰当的作法，
因为上场打击的并不是九个相同的打者，而是这位假想的打者加上八位队友，
所以在 apply 到个人身上时，应该用 Marginal Lineup Value 的方式，
或者要像新版的 RC 那样，做必要的改变。