野球を数学でハックする！「マルコフ連鎖」が解き明かす最強の打順と勝利の法則
野球は「統計のスポーツ」と言われます。打率、本塁打数、防御率……。
しかし、単なる数字の羅列を超えて、「ある打者がヒットを打ったとき、次に何が起こるか」を完全にシミュレーションできたらどうでしょうか？
1997年、Bruce Bukiet, Elliotte Rusty Harold and José Luis Palaciosによって発表された論文「A Markov Chain Approach to Baseball」は、数学の「マルコフ連鎖」という手法を用いて、野球というゲームを一つの巨大な数式として定義しました。
この記事では、この画期的な論文がどのように野球の「得点期待値」を算出し、最適な打順やトレードの是非を導き出したのか、そのエッセンスをわかりやすく解説します。
目次
野球は「状態」の遷移である：マルコフ連鎖の基礎
25の状態が描く、野球の数学的モデル
36万通りのシミュレーション！最強の打順はどう決まる？
データが変えるフロント業務：トレードと順位予想
まとめ：データサイエンスが解き明かす野球の真理
1. 野球は「状態」の遷移である：マルコフ連鎖の基礎
多くの数学的モデルは、全プレイヤーが同じ能力を持っていると仮定したり、走者の進塁ルールを簡略化したりしてきましたが、この論文は違います。
ブキエット教授らが活用したのは「マルコフ連鎖（Markov Chain）」です。
マルコフ連鎖とは？
マルコフ連鎖とは、「現在の状態」だけが「次の状態」への確率を決定する、という数学的なモデルです。
野球に当てはめると、「ノーアウト一塁」という今の状況（状態）から、バッターが打つことで「ワンアウト二塁」や「ノーアウト一・三塁」といった次の状況へどう移行するかを確率で計算する手法です。
このモデルの素晴らしい点は、個々の打者の特性（単打が多い、四球を選べる等）をそのまま「状態が移動する確率」に反映できる点にあります。
2. 25の状態が描く、野球の数学的モデル
論文では、野球のハーフイニング（表または裏の攻撃）を25の「状態」で定義しました。
状態の内訳
野球の状況は、「アウトカウント（0, 1, 2）」と「ランナーの状況（8パターン）」の組み合わせで決まります。
ランナーの状況（8通り）: 1.なし、2.一塁、3.二塁、4.三塁、5.一・二塁、6.一・三塁、7.二・三塁、8.満塁
アウトカウント（3通り）: 0アウト、1アウト、2アウト
計算: 8パターン × 3アウト = 24の状態
終了状態: 3アウト（イニング終了）
これに「3アウト」という最終的な状態を加えて、合計25個の状態が存在します。バッターが登場するたびに、これらの状態の間を確率的に移動していきます。
遷移確率の計算
例えば、打者がシングルヒットを打つ確率はどれくらいか？ アウトになる確率は？ 論文では、打者の安打（単打・二塁打・三塁打・本塁打）、四球、アウトといった実際の統計データを用いて、「行列（Matrix）」と呼ばれる数学的な表を作成しました。この行列こそが、そのバッターがイニングをどう動かすかを示す「設計図」になります。
3. 36万通りのシミュレーション！最強の打順はどう決まる？
このモデルの最もエキサイティングな応用例は、「打順の最適化」です。
打順の組み合わせは無限大？
9人の打者の並べ方は 9!（9の階乗）、つまり362,880通り存在します。
例えば、人間が経験則で「足の速い人を1番に」「強打者を3、4番に」と決めるのではなく、コンピュータですべての組み合わせの得点期待値を計算しました。
論文が導き出した意外な結論
シミュレーションの結果、興味深い事実が判明しました。
最強の打順と最悪の打順の差: 打順を最適化するだけで、1試合あたりの平均得点は大きく変わります。年間で見れば、数試合の勝利を上積みできるほどの差が生まれます。
常識への挑戦: 伝統的な「1番：俊足、2番：送りバント」というスタイルよりも、出塁率の高い打者を上位に並べることの重要性が数学的に裏付けられました。
個人の能力の組み合わせ: 「出塁は得意だが長打がない打者」と「長打はあるが三振も多い打者」をどう並べるか。マルコフ連鎖は、それぞれの打者が持つ確率の連鎖反応を計算し、最も効率よく「3アウト」になる前に「ホームイン」させる順序を導き出しました。
4. データが変えるフロント業務：トレードと順位予想
このマルコフ連鎖アプローチは、単なる試合中の作戦にとどまりません。チーム全体の運営（フロント業務）にも革命をもたらしました。
トレードの是非を「得点数」で判断する
もし自チームの主力打者Aを、他チームの投手Bと交換したらどうなるか？ 論文では、トレード後の新しいラインナップでの得点期待値と、失点期待値の変化を計算することで、そのトレードが年間で何勝分プラスになるか（あるいはマイナスになるか）を予測できることを示しました。
1989年ナ・リーグ西地区の順位予想
Bukiet教授らは、このモデルを使って1989年のナショナルリーグ西地区の勝敗を予想しました。
結果は驚くべきもので、ほとんどのチームの勝敗数をわずかな誤差で言い当てたのです。これは、個々の選手の過去のパフォーマンスデータさえあれば、野球というゲームの結末をかなりの精度で「数学的に予言できる」ことを証明しました。
5. まとめ：データサイエンスが解き明かす野球の真理
ブキエット教授らの「マルコフ連鎖によるアプローチ」は、現代の野球界で当たり前となった「セイバーメトリクス」の重要な先駆けとなりました。
本記事のポイントをまとめます：
野球は25の状態を遷移する確率ゲームとして定義できる。
マルコフ連鎖を用いることで、打者ごとの「得点への貢献度」を精密に算出できる。
打順の最適化により、年間数勝分ものアドバンテージを得られる可能性がある。
数学的モデルはトレードの評価やシーズン順位予想において、極めて高い精度を発揮する。
今日、私たちが大谷翔平選手のデータや、各球団の複雑なシフト戦略を楽しめるのは、こうした数学者たちが「野球というカオス」を数式で解き明かそうとした努力の結果です。次にスタジアムやテレビで試合を観るときは、バッターボックスに立つ選手を「次の状態を切り拓く確率の保持者」として見てみると、新しい面白さが見えてくるかもしれません。
【参考文献】
Bukiet, B., Harold, E. R., & Palacios, J. L. (1997). A Markov Chain Approach to Baseball. Operations Research, 45(1), 14-23.
