ピタゴラス勝率とは?得失点差から期待勝率を計算する基本式を解説

歴史的に語られる強豪チームの得失点を当てはめてみると、ピタゴラス勝率の便利さがよく分かります。たとえば2001年のシアトル・マリナーズはイチローを擁して927得点・627失点で116勝46敗を記録しました。

指数2のオリジナル式で計算すると、

期待勝率   = 927² / (927² + 627²) ≒ .686
期待勝利数 = 162 × .686 ≒ 111勝

となり、実際の勝利数は、この式による期待勝利数を約5勝上回りました。一方、固定指数1.83を用いるBaseball-Referenceでは、同年のPythagorean W-Lは109勝53敗と掲載されています。このように、使用する指数によって期待勝利数は多少変わります。実例を紹介するときは、指数2、指数1.83、Pythagenpatなど、どの式を使った数値なのかを明記することが重要です。

逆に、得失点差では高い勝率が期待されるにもかかわらず、実際の勝利数が期待勝利数を下回るチームもあります。Baseball Referenceのチーム年度別ページには「Pythagorean W-L」が併記されているので、好きなチームでぜひ眺めてみてください。具体例を比較する際は、チーム名・対象年度・得点・失点・実際の勝敗・期待勝敗・使用した指数・参照元を明記しましょう。

NPBで読み解くケース

NPBでも、得点と失点から期待勝率を考える方法は利用できます。1.02 Essence of Baseballでは、実際の順位表とあわせてピタゴラス予想成績を確認できます。

NPBの実例を計算するときは、対象チーム・対象年度・総得点・総失点・実際の勝敗と引き分け数・使用する指数・引き分けの扱い・参照元を必ず明記してください。NPBには引き分けがあるため、期待勝利数と実際の勝利数を比較する際には、引き分けを集計からどう扱うかを明確にしておくと、誤解のない比較ができます。

ピタゴラス勝率の使い方:3つの実用シーン

1. シーズン途中の「過大評価/過小評価」を見抜く

シーズン途中で実勝率と期待勝率が大きく離れているチームは、その後の成績を見るうえで注目に値します。得失点から見た期待勝率より多く勝っているチームでは、その差が今後縮まる可能性があります。反対に、期待勝率より勝てていないチームでは、今後結果が改善する可能性があります。

ただし、ピタゴラス勝率だけで失速や巻き返しを断定することはできません。選手の故障、補強、投手起用、得点の分布、対戦相手、パークファクターなども合わせて確認する必要があります。

2. 翌シーズンの順位予想のベースラインに

ピタゴラス勝率は、実際の勝率だけを見るよりも、今後のチーム成績を考える際の参考になることがあります。ただし、本格的なシーズン予測では、得点・失点だけでなく、選手ごとの成績予測、出場機会、年齢、故障、補強、守備、球場環境など、より多くの情報が使われます。ピタゴラス勝率は、予測の完成形ではなく、シンプルな出発点として理解するのが適切です。ZiPSやSteamerのようなプロジェクションシステムは、こうしたより多くの情報を用いる予測の例として位置づけられます。

3. 期待勝率とのズレの要因を掘り下げる入口に

実勝率と期待勝率の差が大きい場合は、その理由を掘り下げるきっかけになります。たとえば、接戦での成績、救援投手の内容、延長戦の結果、得点の偏り、選手起用などを追加で確認することで、なぜ実際の勝敗が得失点から見た期待値とずれたのかを考えられます。

ただし、ピタゴラス勝率の差だけを根拠に、「監督の采配で何勝増えた」「ブルペンのせいで何勝失った」と断定することはできません。差の背景を見るための入口として活用しましょう。

ピタゴラス勝率の限界と注意点

非常に便利な式ですが、当然限界もあります。

• 大差ゲームの影響:大勝や大敗が少数含まれるだけでも、得失点差は大きく動きます。そのため、特に短期間では期待勝率が一部の試合結果に強く影響される場合があります。
• 接戦と救援陣の影響:接戦での勝敗や救援陣の内容は、実勝率と期待勝率の差を考える際に確認したい要素の一つです。ただし、差の原因をピタゴラス勝率だけで特定することはできません。
• 球場・時代の補正は別途必要:得失点はクアーズ・フィールド(投手不利)とフェンウェイ・パーク(やや打高)では意味が違います。チーム同士を比べるならパークファクター込みの議論が必要です。詳しくはパークファクターとは?球場補正の計算方法と読み方を参照してください。
• 個別選手の評価には使わない:あくまでチーム単位の指標であり、選手評価にはWARなどを使いましょう。
• 差をすべて運とみなさない:実勝率と期待勝率の差には偶然性も含まれますが、差のすべてを運とみなすことはできません。また、大きな差があるからといって、その後必ず反動が起きるわけでもありません。

他指標との比較

ピタゴラス勝率はチーム単位の総合評価に使いますが、より深掘りするなら次の指標と組み合わせるのが定石です。

• OPS / wRC+:打者や打線の得点創出力を確認する。
• FIP:三振・四死球・被本塁打を中心に、投球内容をERAとは別の角度から確認する。
• WHIP:1イニングあたりにどれだけ走者を許したかを確認する。
• WAR:選手単位の総合的な貢献を推定する。
• パークファクター:球場環境による得点の出やすさの違いを考える。

ピタゴラス勝率は、得点と失点から見たチーム成績の整合性を確認する入口です。なぜ得点・失点がその水準になったのかを掘り下げるには、打撃指標、投手指標、守備指標、球場環境なども合わせて確認する必要があります。セイバーメトリクスの全体像についてはセイバーメトリクスとは?もあわせてどうぞ。

FAQ:よくある質問

Q1. 指数は2のままで本当に大丈夫ですか?

指数2のオリジナル式は、仕組みを理解したり、大まかな期待勝率を計算したりする用途では使いやすい式です。より公式サイトの表示値に合わせて確認したい場合は、Baseball-Referenceが採用する固定指数1.83の値を参照できます。また、得点環境に応じて指数を変えたい場合はPythagenpatを利用できます。どの式を使う場合でも、実例を比較するときは採用した指数を明記することが重要です。

Q2. シーズン途中でも計算できますか?

シーズン途中でも計算できます。ただし、序盤は数試合の大勝・大敗によって得失点差が大きく動き、期待勝率も不安定になりやすい点に注意が必要です。試合数が増えるほど参考にしやすくなりますが、途中時点の期待勝率だけで最終順位を断定するのではなく、選手の離脱・復帰、補強、日程、パークファクターなども合わせて確認しましょう。

Q3. なぜ「ピタゴラス」と呼ばれるのですか?

ビル・ジェームズが「RS² + RA² の形が直角三角形のa²+b²=c²に似ている」と感じて名付けたのが由来です。実際の数学的なピタゴラスの定理とは無関係で、あくまで愛称です。

Q4. NPBでもMLBと同じ指数で使えますか?

NPBでも、得点と失点から期待勝率を考える方法は利用できます。指数2の式は、考え方を理解するための簡易計算として使いやすい一方、より詳しく分析する場合は、対象年度の得点環境に合わせた指数や、1.02 Essence of Baseballに掲載されるピタゴラス予想成績を確認する方法があります。また、NPBでは引き分けがあるため、期待勝利数と実際の勝利数を比較する場合は、引き分けをどのように扱うかを明記する必要があります。

Q5. 個人の「勝率」は計算できますか?

投手の与えた得点・失点で擬似的に出すこともありますが、ピタゴラス勝率は本来チーム単位の指標です。投手個人を評価するならFIPやxFIP、打者個人ならwOBAやwRC+を使うほうが目的に合っています。

まとめ

ピタゴラス勝率は、チームの得点と失点から期待勝率を計算し、実際の勝敗が得失点から見た成績とどの程度ずれていたかを確認する指標です。

• オリジナルの基本式は RS² / (RS² + RA²)
• Baseball-Referenceでは固定指数1.83の値が確認できる
• Pythagenpatでは得点環境に応じて指数を計算する
• 実勝率と期待勝率の差は、接戦の結果や偶然性などを考える入口になる
• ただし、差をすべて運とみなしたり、期待勝率を真の実力そのものと考えたりしてはいけない
• 将来成績を考える材料にはなるが、本格的な予測には選手情報や球場環境など追加データも必要

順位表の勝敗数だけでなく、得点と失点から見た期待勝率も確認すると、チーム成績を別の角度から楽しめます。応援しているチームについて、実際の勝率と期待勝率がなぜ違ったのかを考えてみると、野球分析の面白さがさらに広がります。

参考リンク

• FanGraphs – チームスタッツや解説記事が豊富
• Baseball Reference – チーム年度別ページに「Pythagorean W-L」が併記
• Baseball Savant – StatcastベースのMLB公式データ
• 1.02 – DELTA Inc. – NPBのセイバーメトリクス指標を網羅

関連記事

• 打率・打点・勝利数の限界|なぜ伝統的指標では選手を正しく評価できないのか – ピタゴラス勝率が必要になる背景がよく分かります
• セイバーメトリクスとは?従来の野球統計との違いと誕生の歴史 – 入門記事として最初に読みたい1本
• ビル・ジェームズとマネー・ボール:セイバーメトリクスがMLBを変えた物語 – ピタゴラス勝率の生みの親の物語
• WAR(Wins Above Replacement)とは? – 選手単位の「勝利貢献度」を測る指標
• パークファクターとは?球場補正の計算方法と読み方 – 球場環境による得点の違いを考える指標
• FIPとは?ERAとは別の角度から投球内容を見る指標 – 投手内容を別の角度から確認する指標

はじめに:勝率は「運」なのか「実力」なのか?

「あのチーム、得失点差はマイナスなのに勝率5割を超えてるよね」「あのチームは点をたくさん取って失点も少ないのに、なんでこんなに負けてるの?」——野球を見ているとよく感じる素朴な疑問です。シーズンが終わってみると、得失点差と勝敗数がきれいに一致しているチームもあれば、大きくズレているチームもあります。

このズレを定量的に確認できるのが、セイバーメトリクスの父ビル・ジェームズが考案したピタゴラス勝率(Pythagorean Expectation)です。チームの総得点と総失点から、得失点のバランスに見合った期待勝率を計算する指標で、実際の勝率と比べることで「得失点から見ると、実際の勝敗はどの程度上振れ・下振れしていたか」を確認できます。

ただし、その差をすべて運と考えたり、期待勝率をチームの真の実力そのものとみなしたりすることはできません。接戦での結果、得点の入り方、救援陣の働き、延長戦、選手起用、偶然性など、複数の要因が関わり得ます。

この記事では、ピタゴラス勝率の計算方法から、実際のMLB・NPBチームでの読み方、改良版であるPythagenpat、そして限界までを、計算指標に詳しくない方でも追えるようにやさしく解説していきます。読み終わるころには、応援チームの実勝率と期待勝率を自分で電卓で計算できるようになるはずです。

従来の「勝率」だけで強さを測る限界

プロ野球やMLBの順位表で最初に目に飛び込んでくるのは、勝敗数と勝率です。ただし、大勝しても1勝、1点差で勝っても1勝であるため、勝敗数だけでは、シーズンを通じてどれだけ相手を上回る得失点を積み重ねたかは分かりません。

たとえば、10-0で5回大勝したチームと、3-2で5回辛勝したチームは、勝ち数は同じ5でも、得失点差は大きく違います。接戦での勝敗には偶然性も関わりますが、救援陣の構成、守備、選手起用、得点の分布なども影響し得ます。ピタゴラス勝率は、こうした要因を個別に説明するものではなく、得点と失点から見た期待勝率を確認するための入口となる指標です。

この「勝利数」のもろさについては打率・打点・勝利数の限界|なぜ伝統的指標では選手を正しく評価できないのかでも詳しく扱っています。ピタゴラス勝率を使えば、得点と失点の総量から、実際の勝敗とは別の観点でチーム成績を確認できます。

ピタゴラス勝率の計算式

基本の式(指数2バージョン)

ビル・ジェームズが最初に提案したオリジナルの式は次の通りです。この式は、得点と失点から計算した期待勝率を表します。式の形がピタゴラスの定理(a²+b²=c²)に似ていることから、こう名付けられました。

期待勝率 = 得点² ÷ (得点² + 失点²)

  記号で書くと:
  W% = RS² / (RS² + RA²)

  RS = Runs Scored(チームの総得点)
  RA = Runs Allowed(チームの総失点)

たったこれだけです。得点と失点の年間合計さえあれば、誰でも電卓で計算できます。

簡単な数字で手計算してみる

仮にあるチームが「シーズン700得点・600失点」だったとしましょう。

W% = 700² / (700² + 600²)
   = 490,000 / (490,000 + 360,000)
   = 490,000 / 850,000
   ≒ 0.5765(57.6%)

143試合制なら、期待勝利数 = 143 × 0.5765 ≒ 82.4勝

143試合すべてに勝敗がつくと仮定するなら、期待成績は約82勝61敗です。実際に90勝53敗だった場合、実際の勝利数は、得点と失点から計算した期待勝利数を約7.6勝上回っています。

ただし、この差をすべて「運」と断定することはできません。接戦での結果、救援陣、得点の分布、延長戦など、差が生じた理由を追加で確認する必要があります。また、NPBのように引き分けがあるリーグへ応用する場合は、期待勝利数と実際の勝利数を比較するときに、引き分けをどのように扱うかを明記する必要があります。

固定指数1.83とPythagenpat

ビル・ジェームズのオリジナル式では指数2を使いますが、その後、得点環境に応じて指数を調整する改良式が提案されました。Baseball-Referenceでは、固定指数として1.83を使ったPythagorean W-Lが掲載されています。

一方、Pythagenpat(David Smythらが提案)では、1試合あたりの総得失点から指数を計算します。

Pythagenpat の指数 x:
  x = ((RS + RA) / G) ^ 0.287

  RS = 総得点
  RA = 総失点
  G  = 試合数

期待勝率 = RS^x / (RS^x + RA^x)

Pythagenpatでは、得点の多い環境ほど指数が高く、得点の少ない環境ほど指数が低くなります。そのため、指数はリーグ、年度、チームの得点環境によって変わります。指数2のオリジナル式・固定指数1.83・Pythagenpatのいずれを使うかによって、計算される期待勝率は多少変化します。

実例で読み解いてみよう

MLBの伝説的シーズンで確認

歴史的に語られる強豪チームの得失点を当てはめてみると、ピタゴラス勝率の便利さがよく分かります。たとえば2001年のシアトル・マリナーズはイチローを擁して927得点・627失点で116勝46敗を記録しました。

指数2のオリジナル式で計算すると、

期待勝率   = 927² / (927² + 627²) ≒ .686
期待勝利数 = 162 × .686 ≒ 111勝

となり、実際の勝利数は、この式による期待勝利数を約5勝上回りました。一方、固定指数1.83を用いるBaseball-Referenceでは、同年のPythagorean W-Lは109勝53敗と掲載されています。このように、使用する指数によって期待勝利数は多少変わります。実例を紹介するときは、指数2、指数1.83、Pythagenpatなど、どの式を使った数値なのかを明記することが重要です。

逆に、得失点差では高い勝率が期待されるにもかかわらず、実際の勝利数が期待勝利数を下回るチームもあります。Baseball Referenceのチーム年度別ページには「Pythagorean W-L」が併記されているので、好きなチームでぜひ眺めてみてください。具体例を比較する際は、チーム名・対象年度・得点・失点・実際の勝敗・期待勝敗・使用した指数・参照元を明記しましょう。

NPBで読み解くケース

NPBでも、得点と失点から期待勝率を考える方法は利用できます。1.02 Essence of Baseballでは、実際の順位表とあわせてピタゴラス予想成績を確認できます。

NPBの実例を計算するときは、対象チーム・対象年度・総得点・総失点・実際の勝敗と引き分け数・使用する指数・引き分けの扱い・参照元を必ず明記してください。NPBには引き分けがあるため、期待勝利数と実際の勝利数を比較する際には、引き分けを集計からどう扱うかを明確にしておくと、誤解のない比較ができます。

ピタゴラス勝率の使い方:3つの実用シーン

1. シーズン途中の「過大評価/過小評価」を見抜く

シーズン途中で実勝率と期待勝率が大きく離れているチームは、その後の成績を見るうえで注目に値します。得失点から見た期待勝率より多く勝っているチームでは、その差が今後縮まる可能性があります。反対に、期待勝率より勝てていないチームでは、今後結果が改善する可能性があります。

ただし、ピタゴラス勝率だけで失速や巻き返しを断定することはできません。選手の故障、補強、投手起用、得点の分布、対戦相手、パークファクターなども合わせて確認する必要があります。

2. 翌シーズンの順位予想のベースラインに

ピタゴラス勝率は、実際の勝率だけを見るよりも、今後のチーム成績を考える際の参考になることがあります。ただし、本格的なシーズン予測では、得点・失点だけでなく、選手ごとの成績予測、出場機会、年齢、故障、補強、守備、球場環境など、より多くの情報が使われます。ピタゴラス勝率は、予測の完成形ではなく、シンプルな出発点として理解するのが適切です。ZiPSやSteamerのようなプロジェクションシステムは、こうしたより多くの情報を用いる予測の例として位置づけられます。

3. 期待勝率とのズレの要因を掘り下げる入口に

実勝率と期待勝率の差が大きい場合は、その理由を掘り下げるきっかけになります。たとえば、接戦での成績、救援投手の内容、延長戦の結果、得点の偏り、選手起用などを追加で確認することで、なぜ実際の勝敗が得失点から見た期待値とずれたのかを考えられます。

ただし、ピタゴラス勝率の差だけを根拠に、「監督の采配で何勝増えた」「ブルペンのせいで何勝失った」と断定することはできません。差の背景を見るための入口として活用しましょう。

ピタゴラス勝率の限界と注意点

非常に便利な式ですが、当然限界もあります。

• 大差ゲームの影響:大勝や大敗が少数含まれるだけでも、得失点差は大きく動きます。そのため、特に短期間では期待勝率が一部の試合結果に強く影響される場合があります。
• 接戦と救援陣の影響:接戦での勝敗や救援陣の内容は、実勝率と期待勝率の差を考える際に確認したい要素の一つです。ただし、差の原因をピタゴラス勝率だけで特定することはできません。
• 球場・時代の補正は別途必要:得失点はクアーズ・フィールド(投手不利)とフェンウェイ・パーク(やや打高)では意味が違います。チーム同士を比べるならパークファクター込みの議論が必要です。詳しくはパークファクターとは?球場補正の計算方法と読み方を参照してください。
• 個別選手の評価には使わない:あくまでチーム単位の指標であり、選手評価にはWARなどを使いましょう。
• 差をすべて運とみなさない:実勝率と期待勝率の差には偶然性も含まれますが、差のすべてを運とみなすことはできません。また、大きな差があるからといって、その後必ず反動が起きるわけでもありません。

他指標との比較

ピタゴラス勝率はチーム単位の総合評価に使いますが、より深掘りするなら次の指標と組み合わせるのが定石です。

• OPS / wRC+:打者や打線の得点創出力を確認する。
• FIP:三振・四死球・被本塁打を中心に、投球内容をERAとは別の角度から確認する。
• WHIP:1イニングあたりにどれだけ走者を許したかを確認する。
• WAR:選手単位の総合的な貢献を推定する。
• パークファクター:球場環境による得点の出やすさの違いを考える。

ピタゴラス勝率は、得点と失点から見たチーム成績の整合性を確認する入口です。なぜ得点・失点がその水準になったのかを掘り下げるには、打撃指標、投手指標、守備指標、球場環境なども合わせて確認する必要があります。セイバーメトリクスの全体像についてはセイバーメトリクスとは?もあわせてどうぞ。

FAQ:よくある質問

Q1. 指数は2のままで本当に大丈夫ですか?

指数2のオリジナル式は、仕組みを理解したり、大まかな期待勝率を計算したりする用途では使いやすい式です。より公式サイトの表示値に合わせて確認したい場合は、Baseball-Referenceが採用する固定指数1.83の値を参照できます。また、得点環境に応じて指数を変えたい場合はPythagenpatを利用できます。どの式を使う場合でも、実例を比較するときは採用した指数を明記することが重要です。

Q2. シーズン途中でも計算できますか?

シーズン途中でも計算できます。ただし、序盤は数試合の大勝・大敗によって得失点差が大きく動き、期待勝率も不安定になりやすい点に注意が必要です。試合数が増えるほど参考にしやすくなりますが、途中時点の期待勝率だけで最終順位を断定するのではなく、選手の離脱・復帰、補強、日程、パークファクターなども合わせて確認しましょう。

Q3. なぜ「ピタゴラス」と呼ばれるのですか?

ビル・ジェームズが「RS² + RA² の形が直角三角形のa²+b²=c²に似ている」と感じて名付けたのが由来です。実際の数学的なピタゴラスの定理とは無関係で、あくまで愛称です。

Q4. NPBでもMLBと同じ指数で使えますか?

NPBでも、得点と失点から期待勝率を考える方法は利用できます。指数2の式は、考え方を理解するための簡易計算として使いやすい一方、より詳しく分析する場合は、対象年度の得点環境に合わせた指数や、1.02 Essence of Baseballに掲載されるピタゴラス予想成績を確認する方法があります。また、NPBでは引き分けがあるため、期待勝利数と実際の勝利数を比較する場合は、引き分けをどのように扱うかを明記する必要があります。

Q5. 個人の「勝率」は計算できますか?

投手の与えた得点・失点で擬似的に出すこともありますが、ピタゴラス勝率は本来チーム単位の指標です。投手個人を評価するならFIPやxFIP、打者個人ならwOBAやwRC+を使うほうが目的に合っています。

まとめ

ピタゴラス勝率は、チームの得点と失点から期待勝率を計算し、実際の勝敗が得失点から見た成績とどの程度ずれていたかを確認する指標です。

• オリジナルの基本式は RS² / (RS² + RA²)
• Baseball-Referenceでは固定指数1.83の値が確認できる
• Pythagenpatでは得点環境に応じて指数を計算する
• 実勝率と期待勝率の差は、接戦の結果や偶然性などを考える入口になる
• ただし、差をすべて運とみなしたり、期待勝率を真の実力そのものと考えたりしてはいけない
• 将来成績を考える材料にはなるが、本格的な予測には選手情報や球場環境など追加データも必要

順位表の勝敗数だけでなく、得点と失点から見た期待勝率も確認すると、チーム成績を別の角度から楽しめます。応援しているチームについて、実際の勝率と期待勝率がなぜ違ったのかを考えてみると、野球分析の面白さがさらに広がります。

参考リンク

• FanGraphs – チームスタッツや解説記事が豊富
• Baseball Reference – チーム年度別ページに「Pythagorean W-L」が併記
• Baseball Savant – StatcastベースのMLB公式データ
• 1.02 – DELTA Inc. – NPBのセイバーメトリクス指標を網羅

関連記事

• 打率・打点・勝利数の限界|なぜ伝統的指標では選手を正しく評価できないのか – ピタゴラス勝率が必要になる背景がよく分かります
• セイバーメトリクスとは?従来の野球統計との違いと誕生の歴史 – 入門記事として最初に読みたい1本
• ビル・ジェームズとマネー・ボール:セイバーメトリクスがMLBを変えた物語 – ピタゴラス勝率の生みの親の物語
• WAR(Wins Above Replacement)とは? – 選手単位の「勝利貢献度」を測る指標
• パークファクターとは?球場補正の計算方法と読み方 – 球場環境による得点の違いを考える指標
• FIPとは?ERAとは別の角度から投球内容を見る指標 – 投手内容を別の角度から確認する指標