Opponent-Adjusted Evaluation of NFL Pass Blocking and Pass Rushing Performance

Este artículo presenta un marco interpretable basado en modelos de Bradley-Terry regularizados que, utilizando datos de seguimiento de Hudl de la temporada 2021, evalúa el rendimiento de los lineros ofensivos y los pasadores de la NFL ajustado al oponente, demostrando mejoras sobre líneas base y una fuerte alineación con los reconocimientos expertos.

Lo esencial

Imagina que el fútbol americano es como un gran torneo de ajedrez, pero en lugar de piezas de madera, tienes jugadores reales corriendo por un campo de césped. El problema es que, cuando un jugador ofensivo (el "bloqueador") intenta proteger a su quarterback (el "rey"), y un jugador defensivo (el "atacante") intenta derribarlo, es muy difícil saber quién es realmente el mejor.

¿Por qué? Porque a veces el atacante es tan rápido que gana, no porque el bloqueador sea malo, sino porque el atacante es un genio. Y a veces el bloqueador hace un trabajo perfecto, pero el quarterback lanza la pelota demasiado rápido, así que nadie ve su esfuerzo. Es como intentar juzgar a un portero de fútbol solo por los goles que recibe, sin saber si el delantero que le lanzó el balón era el mejor del mundo o un principiante.

Los autores de este estudio, un grupo de expertos de la Universidad de Pensilvania, decidieron arreglar este problema usando una herramienta estadística muy inteligente. Aquí te explico cómo lo hicieron, paso a paso, con analogías sencillas:

1. El Gran Registro de Enfrentamientos (Los Datos)

En lugar de mirar solo el marcador final (quién ganó el partido), los investigadores miraron cada pelea individual que ocurrió durante la temporada 2021.

• Imagina que grabas cada vez que un bloqueador y un atacante se miran a los ojos en el campo.
• Usaron cámaras de alta tecnología (datos de rastreo) para ver quién se acercó más al "rey" (el quarterback) en menos de 2.5 segundos.
• Recopilaron más de 153,000 de estas "peleas". Es como tener un registro de cada mano de póker que se jugó en un casino durante un año entero.

2. Las Dos Maneras de Medir la Victoria

Los autores crearon dos formas diferentes de evaluar quién ganó cada pelea, como si tuvieras dos reglas de juego distintas:

• La Regla del "Sí/No" (Modelo Binario): Es como un semáforo. ¿El atacante logró acercarse lo suficiente en 2.5 segundos? Si sí, es un "Ganó". Si no, es "Perdió". Esto es similar a la métrica que ya usan muchos, pero ellos la ajustaron para tener en cuenta a quién se enfrentó el jugador.
• La Regla de la "Gravedad del Daño" (Modelo de Severidad): Aquí es donde se pone interesante. No todos los golpes son iguales. Imagina una escala de gravedad:
  1. Pérdida (Loss): El atacante no logró nada. (Puntaje: 0)
  2. Victoria (Win): El atacante puso presión, pero no tocó al quarterback. (Puntaje: 0.1)
  3. Golpe (Hit): El atacante tocó al quarterback, pero no lo derribó. (Puntaje: 0.2)
  4. Sac (Sack): El atacante derribó al quarterback. (Puntaje: 1.0 - ¡El desastre total!)

Al usar esta escala, pueden diferenciar a un atacante que solo hace "ruido" de uno que realmente causa estragos.

3. El Truco Mágico: Ajustar por el Oponente

Aquí está la parte genial. Imagina que eres un jugador de baloncesto. Si juegas contra un equipo de niños de 10 años, anotarás muchos puntos. Si juegas contra los Lakers, anotarás pocos. ¿Quién es mejor?

El modelo de los autores usa una fórmula matemática (llamada Bradley-Terry) que actúa como un traductor de nivel.

• Si un bloqueador pierde contra un atacante famoso y rápido, el modelo dice: "Bueno, perdiste contra un gigante, así que tu nivel sigue siendo alto".
• Si un atacante gana contra un bloqueador novato, el modelo dice: "Ganaste, pero fue fácil, así que no te damos tantos puntos".

Es como un sistema de puntuación de videojuegos que ajusta tu rango (ELO) basándose en la fuerza de tus rivales, no solo en si ganaste o perdiste.

4. ¿Funcionó? (Los Resultados)

Los investigadores probaron su sistema contra otros métodos tradicionales y contra lo que los expertos humanos (los que eligen a los "Mejores del Año" o All-Pro) pensaban.

• El hallazgo: Su sistema fue capaz de predecir mejor quién ganaría la próxima pelea que los métodos antiguos.
• La validación: Cuando compararon sus listas de "mejores jugadores" con la lista oficial de la prensa (AP All-Pro), el modelo que usaba la escala de gravedad (el de los 4 niveles) coincidió mucho más con la opinión de los expertos.
  • Analogía: Fue como si un juez de cocina, que solo probaba si la comida estaba salada o no, fuera reemplazado por un crítico gastronómico que probaba la textura, el aroma y el sabor. El crítico (el modelo de gravedad) acertó más a la hora de elegir a los mejores chefs.

5. Conclusión: ¿Para qué sirve esto?

Este estudio no es solo matemáticas aburridas; es una herramienta para que los equipos de fútbol americano tomen mejores decisiones.

• Para los entrenadores: Ahora pueden ver quién es realmente bueno protegiendo al quarterback, incluso si juega en un equipo con muchos problemas.
• Para los analistas: Pueden decir con más certeza: "Este jugador es un héroe, aunque su equipo perdió", o "Este jugador tiene suerte, pero no es tan bueno como parece".

En resumen, los autores crearon un sistema de puntuación justo que elimina el "ruido" de los rivales fuertes o débiles, permitiéndonos ver el verdadero talento de los jugadores de la línea, ya sea que estén atacando o defendiendo. Es como poner gafas de realidad aumentada que muestran la verdadera habilidad de cada jugador, más allá de lo que dice el marcador.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los componentes solicitados:

Título: Evaluación Ajustada al Oponente del Bloqueo de Pases y la Presión en la NFL

1. Planteamiento del Problema

La evaluación individual de los jugadores de la línea ofensiva (bloqueadores) y defensiva (pasadores o rushers) en la NFL es inherentemente difícil debido a tres factores principales:

• Escasez de datos observables: Los resultados directos (como capturas o sacks) son eventos raros.
• Dependencia del oponente: El rendimiento de un jugador está fuertemente mediado por la calidad del rival con el que interactúa.
• Contexto ambiental: Factores como el tiempo de lanzamiento del quarterback, la cobertura defensiva y la situación del juego distorsionan las métricas tradicionales.

Las métricas agregadas actuales (como la tasa de victoria en bloqueo de ESPN o las medidas de rastreo STRAIN) no logran separar completamente la habilidad individual del jugador de la calidad del oponente ni generan calificaciones conjuntas ajustadas para ambos roles.

2. Metodología

Los autores utilizan datos de seguimiento de jugadores de la temporada regular 2021 proporcionados por Hudl (10 Hz) para construir un conjunto de datos de interacciones bloqueador-pasador.

• Definición de Interacciones:

  • Unidad de análisis: Cada encuentro entre un bloqueador y un pasador dentro de una jugada.
  • Ventana temporal: Se analiza si el pasador se acerca más al quarterback que el bloqueador dentro de los primeros 2.5 segundos tras el snap.
  • Indicador de "Doble Equipo" (Double-team): Se registra cuando múltiples bloqueadores asumen al mismo pasador, tratándose como una covariable observada y no como un efecto de jugador.

• Definición de Resultados (Outcomes):

  • Objetivo Binario (Ganar/Perder): Basado en la definición de 2.5 segundos (éxito del pasador vs. éxito del bloqueador).
  • Objetivo de Severidad (4 clases): Una jerarquía desde la perspectiva del pasador:
    1. Sack (más severo).
    2. Hit (contacto sin sack).
    3. Win (presión sin contacto).
    4. Loss (sin evento).
  • Se asigna solo la etiqueta más severa ocurrida en la interacción.

• Modelado Estadístico:
  Se emplean dos modelos Bradley-Terry (BT) con regularización Ridge (regresión logística penalizada L2) para estimar la habilidad relativa:

  1. Modelo Binario: Predice la probabilidad de victoria del pasador.
  2. Modelo Multiclase: Predice la distribución de probabilidad sobre las 4 clases de severidad.
  • Regularización: La penalización Ridge estabiliza las estimaciones cuando la exposición (número de interacciones) es desigual o incompleta, evitando el sobreajuste en jugadores con pocos datos.
  • Escalado: Para el modelo de severidad, las clases se mapean a una escala unidimensional basada en las diferencias de EPA (Expected Points Added) reportadas en la literatura.

• Validación:

  • División de datos: Split ordenado 80/20 (basado en ID de juego) para evitar fugas de datos temporales.
  • Líneas base (Baselines): Se comparan contra un modelo global (ignora identidad del jugador) y un modelo de "emparejamiento" (matchup) que usa frecuencias históricas de entrenamiento suavizadas.
  • Incertidumbre: Se utiliza bootstrap a nivel de juego (resampling) para generar intervalos de confianza y evaluar la estabilidad de las ganancias.

3. Contribuciones Clave

1. Marco de comparación emparejada ajustado al oponente: Evalúa bloqueadores y pasadores simultáneamente, preservando la interpretación específica de cada rol.
2. Modelos separados para diferentes objetivos: Implementación de modelos BT regularizados tanto para resultados binarios como para la severidad multinomial, permitiendo resúmenes escalares derivados.
3. Validación rigurosa: Validación externa contra las selecciones de AP All-Pro (mejores jugadores de la temporada) utilizando métricas de AUC y Enrichment@K, superando a las líneas base de frecuencia cruda.
4. Tablas de clasificación y trayectoria: Generación de rankings finales de temporada y resúmenes de incertidumbre a lo largo de las semanas para interpretación longitudinal.

4. Resultados

• Rendimiento Predictivo:

  • Ambos modelos mejoraron significativamente sobre las líneas base globales en términos de pérdida de logaritmo (log-loss).
  • Frente a las líneas base de "emparejamiento" (más fuertes), los modelos mostraron mejoras modestas pero consistentes (reducciones relativas de log-loss de ~0.24% a 1.21%).
  • El modelo de severidad mostró una mayor estabilidad y alineación con las selecciones de expertos que el modelo binario.

• Validación Externa (All-Pro):

  • El modelo de severidad logró los mejores resultados en la alineación con las selecciones de AP All-Pro (tanto primer equipo como primer+segundo equipo).
  • En la métrica Enrichment@K (precisión en los top K normalizada por la tasa base), el modelo de severidad mostró mejoras sustanciales, especialmente para bloqueadores (ej. +10.44% en primer equipo).
  • Esto indica que el modelo de severidad es superior para identificar a los jugadores de élite que generan impactos de alto valor (sacks, hits) en comparación con métricas simples de victoria/derrota.

• Rankings Destacados:

  • Pasadores (Rushers): En el modelo de severidad, Robert Quinn y T.J. Watt lideraron las clasificaciones.
  • Bloqueadores: Joe Thuney y Corey Linsley destacaron en el modelo de severidad.
  • Las trayectorias semanales mostraron que la incertidumbre es mayor al inicio de la temporada, estabilizándose a medida que aumenta la exposición.

5. Significado y Conclusión

El estudio demuestra que los modelos Bradley-Terry con regularización Ridge proporcionan un marco interpretable y robusto para evaluar el juego de línea en la NFL.

• Valor Principal: No se trata de un salto predictivo masivo, sino de una mejora consistente y significativa en un entorno ruidoso. La capacidad de ajustar por la calidad del oponente permite aislar mejor la habilidad individual.
• Aplicación Práctica: Estas calificaciones ajustadas pueden informar directamente el escaneo (scouting) y la evaluación de personal para los equipos, ofreciendo una base estadística transparente que complementa la información contextual del fútbol.
• Limitaciones Futuras: El modelo actual no captura completamente la geometría del bolsillo, la ayuda de otros compañeros (como tight ends o running backs en bloqueos de ayuda) ni la especialización de roles más allá de la línea, sugiriendo que modelos jerárquicos y de múltiples temporadas son el siguiente paso lógico.

En resumen, este trabajo establece una nueva metodología estándar para la evaluación de líneas ofensivas y defensivas, demostrando que modelar la severidad de los resultados (más allá de un simple sí/no) ofrece una visión más rica y alineada con el reconocimiento experto de la NFL.