Un mal Kicker Profile picture
Aug 25, 2019 9 tweets 5 min read Read on X
Andrew Luck se retira. Es una historia triste, pero más si piensas en todo lo que podrían haber hecho los Colts (y Grigson en concreto) para evitarlo. Aquí va nuestro pequeño homenaje como lo hacemos por aquí, con números.
La carrera de Luck duró seis temporadas. La 2017 la pasó en blanco recuperándose de su operación de hombro. En 2015 tan solo jugo 7 partidos (lesiones de hombro y de riñón). Aquí el Epa / dropback medio por temporada. 2018 fue su mejor temporada, a nivel élite (0,17 por dropback)
Mérito especial las tres primeras temporadas, donde, solo (y luego hablaremos de esto), consigió llevar a su equipo a PO. Sus numeros de 2014 y 2016 también son muy destacables. Siempre en ascensión (pese a sus lesiones)
Gráficas de aDOT (Average deep of target), es decir, a que distancia lanzaba sus pases, y el % de completos en función de la distancia. Un Qb seguro, brillando en pases profundos, y unidos al Play Action con Hilton, espectaculares. Fuente: airyard.com de @friscojosh
Repetimos que sus cuatro años de contrato rookie fueron meritorios, porque estuvo solo. Muy solo. Y aquí entran los Colts y Grigson (GM de 2012 a 2016). Gráfica de sacks permitidos. Comparad con 2018.
Ratio de presiones que recibió (vía @PFF):

2012 -> 38.1%
2013 -> 37.5%
2014 -> 36.2%
2015 -> 40.2%
2016 -> 44.3%
...
2018 -> 29.5% 😳😳
En los años de Grigson, apenas se invirtió en la línea, 2013 eran 10th de la liga, pero en los siguientes años 29th, 24th, 15th, 22th y 20th. El salary invertido puede engañar, porque puedes tener rookies a bajo coste. No fue el caso.
Hasta 2016, solo tres elecciones por debajo de la ronda 7. Todos desaparecidos. Solo desde la elección de Ryan Kelly y Quenton Nelson en este 2018 se le ha dado armas para protegerle. Y desafortunadamente, ha llegado tarde.
Luck ha sido un QB excepcional maltratado por su equipo, que no ha sabido protegerle. Aún y con esas, nos ha hecho disfrutar mucho. Que sirva este hilo como pequeño homenaje a su carrera y como recordatorio: si tienes un gran QB, cuidale dándole una gran OL. Hasta la vista, Luck!

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Un mal Kicker

Un mal Kicker Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @Unmalkicker

Feb 18, 2021
#semiofftopic He leido varias reflexiones sobre la abstención en las elecciones como argumento para desligitimarlas. No voy a entrar en cuestiones ideológicas, solo quiero lanzar una reflexión estadística. Para eso hemos de entender los conceptos de muestra y población. Turra va.
Población es todo el conjunto que quieres caracterizar. Si quieres medir la media de horas que dedica un(a) joven español a los videojuegos, tu población serán todos esos jovenes menores de 30 años que viven en el pais. Pero claro, no puedes entrevistarlos a todos.
Ahí entra la muestra. Seleccionas una serie de jovenes representativos, lo suficientemente heterogénea como para que "represente" a tu población. Les entrevistas, les preguntas las horas que juegan y sacas una media (2 horas). Si tu muestra es buena, puedes decir...
Read 10 tweets
Jan 29, 2020
Analizada a fondo la SB. (Desde el punto de vista de las stats avanzadas, claro). Entre en el análisis pensando que SF era mejor equipo, a mitad me fui a KC y ahora he vuelto a SF pero sin tenerlo demasiado claro. Resumen: Ni idea. Algunas ideas y datos sueltos.
- SF ha usado mucho personal 21 (un 35%) de las veces con un Success Rate del 54%.
- KC ha usado principalmente personal 11 (47%) con un Success Rate del 50%.
- Ambos han usado de forma similar el PA, con mejores resultado (medido en ypa) para SF.

Datos de @SharpFootball
KC es muy brillante en el pase. MUCHO. Algo que todos sabemos. 2º mejor ataque en RS tanto en EPA/play como en DVOA de @fboutsiders. En cambio, SF es más estable en todas las facetas. Es más equipo.
Read 18 tweets
Jun 27, 2019
¡Comienzan las clases de estadística básica para amantes de las Analytics! Para ello vamos a utilizar los salarios de los 15 Centers mejor pagados. ¿Por qué Centers? Porque es la posición más olvidada y mi favorita, sin más. A gustos, colores.
Empezamos por lo básico: cada fila es una observación, cada columna es una variable y lo que hay dentro de la columna es el valor. Puedes mirar esta tabla y hacerte una idea de los salarios de los centers. Pero ¿y si os digo que hay otras formas visuales para ver esta variable?
Una de ellas es el boxplot. Es una de las formas más útiles para visualizar una muestra. Aquí el boxplot de los 15 centers mejor pagados. El rectángulo es donde se encuentran los valores situados entre el 25% y el 75% (o entre el primer y tercer cuartil).
Read 13 tweets
Jun 10, 2019
PON UNA OL EN TU VIDA. Es más o menos lo que dice este artículo de ESPN, que va de analytics y está muy bien explicado. Parece que el bloqueo de pase es más importante que el pass rushing.
espn.com/nfl/story/_/id…
ESPN trabaja con dos métricas que miden la efectividad en la trinchera. Pass Block Win Rating (PBWR) y Pass Rush Win Rating (PRWR). Se mide el enfrentamiento entre cada unidad de las líneas durante 2.5s (el tiempo promedio que tarda un QB en lanzar) y anotan quién vence.
Esto no lo hacen de forma manual, si no a partir del tracking de los jugadores facilitado por NFL Gen Stats (Y al que el resto de mortales no tenemos acceso).
Read 7 tweets
Jun 5, 2019
Hoy en @Pepebrasin se ha hablado de Analytics con @Catanovski. Me voy a erigir como portavoz de los Nerds del mundo (y sin legitimidad alguna) que no han podido defenderse. ¡HILAZO!
Primero, todo tiene sesgo. Tanto las Analytics, como las opiniones o el vídeo. Así nos acercamos al conocimiento, enfocando una parte y dejando de un lado otras. Las Analytics no buscan dar la respuesta definitiva, ni tener la verdad. Es una pata más del juego.
El proceso sería el siguiente: Formulamos una pregunta o hipótesis, miramos los datos, los trabajamos, observamos vídeos y escuchamos opiniones. Con eso formulamos una respuesta. La presentamos y discutimos y planteamos nuevas dudas para volver al primer paso.
Read 9 tweets
May 29, 2019
Vamos con el WIN PROBABILITY (WP), otro concepto ligado al EPA (Expected Points Added). Para los nuevos, tenéis una explicación del EPA aquí: ).
Hay varios modelos de WP, pero el único abierto es el proporcionado en @nflscrapR, y, aunque mejorable, nos sirve. El WP parte del EP. En cada situación de partido, y a partir del histórico de situaciones similares, cálcula la probabilidad de ganar.
Es otra forma de analizar un partido. EPA nos da el valor de la jugada, WP nos que probabilidades tenemos de ganar en cada situacion de partido. Con el WP podemos hacer las Win Probability Charts. Aquí un ejemplo que acabo de programar, la última Superbowl entre Rams y Patriots.
Read 6 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Don't want to be a Premium member but still want to support us?

Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal

Or Donate anonymously using crypto!

Ethereum

0xfe58350B80634f60Fa6Dc149a72b4DFbc17D341E copy

Bitcoin

3ATGMxNzCUFzxpMCHL5sWSt4DVtS8UqXpi copy

Thank you for your support!

Follow Us!

:(