先说此部份数据仍未经过完整校正，
主要是暴投导致得分的部份尚未整体，
但考量到暴投的次数不多，应不致影响整体分析。
等到球季结束后，我会再整理一次。
Lamigo 得分矩阵 (至 2017-08-11)
Out/Base 0 1 2 3 12 13 23 123
0 0.709 1.040 1.267 1.667 1.667 1.821 1.857 2.538
1 0.408 0.699 0.680 1.375 1.010 1.538 1.500 1.265
2 0.169 0.293 0.392 0.544 0.514 0.608 0.649 0.738
另外同时附上全联盟的.
CPBL 得分矩阵 (至 2017-08-11)
Out/Base 0 1 2 3 12 13 23 123
0 0.648 1.025 1.337 1.385 1.768 1.971 2.491 3.049
1 0.350 0.661 0.755 1.189 1.066 1.427 1.504 1.667
2 0.140 0.300 0.426 0.524 0.577 0.727 0.674 0.791
首先得到的结论：
中职不愧是打者联盟，
各情况的得分期望值明显比其它联盟要高。
其次则是 LM 与联盟的比较，
大致以 3 垒有人为界，
也就是说，当垒包有两个人或以上时，
LM 的得分期望值反而低于联盟平均。
要怎么解释这个现象？
(1) 进攻能力好的都已经在垒包上，接下来上打线的进攻能力较差？
(2) 攻击型态不适合堆垒包，适合直接进攻？
(3) 垒包上有人跟没人时，对手的投球策略不同 (比方说变化球比例)，但未适时修正？
(4) 没什么原因，就是运气不好而已？
(5) 其实是数据统计错了...><

搞不好只是样本很小？

感觉很猛 先推再看

1跟2吗...米糕目前就像是硬干强攻的3A蝙蝠队啊！

满满的满垒残

这篇是写论文空档的娱乐吗 哈哈哈

样本小也有可能，LM 在满垒时完成的Play只有89个.联盟则是359个，也就是说LM占差不多 1/4.这不是论文啦，纯粹自己做兴趣的。会想做这个是因为我前阵子在这里发表一篇文章，有版友建议我去研究进阶数据。我在研究的时候读到wOBA，想知道这个公式是怎么来的，查了一下发现每年度wOBA中的各项权重，是由该年度的得分期望值去算加权平均后得来的，因此想试着套在中职上。不过可能要等到球季结束后才能弄。

89个已经是大样本啦

或许每个人对大样本的定义不同吧，有人觉得30个以上就够了也有人觉得越多越好。晚点再讨论. 我要出发去西晒了.

出名的满垒不会打

每个细项比，绝大多数都低于平均，赢的也只多一点，可是我们是全联盟得分最多。还是我的理解错误?

可能后面部份出现的次数比较少吧，所以对总得分的影响相对就没那么大。另外LM总得分最多好像也是下半季开始后几周才冲到的，上半季的得分少中信很多。

这也可以验证:把12垒短打推进到23垒,平均得分会下降可以再加做一个得分机率的吗?

12垒短打推进到23垒得分期望值会降, 好像 MLB 也是这样.得分机率的矩阵我应该是可以做, 但需要点时间, 我晚点再试看看.