Omkring mitten av säsongen 2015, något konstigt började hända i Major League Baseball (MLB):Hemmakörningarna ökade. De steg igen 2016, från föregående års 4, 909 till 5, 610, och sedan igen 2017 till en all-time high på 6, 105.

Vad hände? För en statistiskt galen sport, mysteriet var oemotståndligt. Det fanns teorin om "Juiced Ball". Några subtila, möjligen oavsiktlig förändring i tillverkningsprocessen hade gett bollar precis tillräckligt med extra studs för att ändra historia. Sedan fanns det teori om smörgåsinriktning, som spekulerade i att bara lite mer av en uppercut swing - kanske delvis på grund av defensiva skift - gav bollen extra lyft. Kanske var det bara att slå slagarna så hårt som de kunde och gå på hemmaplan med tanke på detta skift till starkare defensiv taktik?

Och sedan var det en massiv utredning som begärts av MLB -kommissionären, som bad 10 forskare att ta reda på vad som hände. De testade många bollar och drog slutsatsen att det rörde sig om minskad dragkraft i kombination med att bollens startvinkel kom från slagträet.

Men Jason Wilson, statistiker vid Biola University i södra Kalifornien, har en annan förklaring. Ju sämre tonhöjd, desto lättare är det att slå en hemmakörning - och kvaliteten på pitching mellan 2015 och 2017 hade blivit sämre om du bryter ned en pitch till mätbara komponenter och sedan mäter pitchingkvaliteten med tiden. Wilson kallade denna åtgärd för "Quality of Pitch" (QOP).

Idén för att mäta tonhöjdskvalitet började 2010, med Jarvis Greiner, en av Wilsons studenter. Greiner kombinerade ett intresse för statistik med att vara en storfilm och en kanna i college -basebollaget. "Han hade tanken att vi kunde kvantifiera kvaliteten på en kurvkula, säger Wilson, "och för hans klassprojekt, han filmade kurvbollar mot måttband. Data visade sig vara bra, och vi slutade publicera den som en akademisk uppsats. Sedan hans far, Wayne Greiner, som arbetar för ett sportdistributionsföretag och brinner absolut för basebollstatistik, frågade, 'Kan detta skalas upp för att analysera alla typer av platser i MLB?' Tack vare införandet av kameror på arenor 2008, vi hade tillgång till massor av PITCHf/x -data, och - ja - vår ursprungliga modell generaliserade ganska bra. "

Med Greiner senior, Wilson förädlade QOP -statistiken. På det enklaste, QOP beskriver hur svårt en tonhöjd skulle vara att slå på en skala från noll till 10. "Det första vi gjorde [var] att dela upp en tonhöjd i sex komponenter, "säger Wilson." Den första komponenten är stigning på planen. Om det blir någon ökning, det är ett tecken på att det förmodligen är en kurvkula, och det räknas mot kvaliteten på planen.

"Sedan är det avståndet tills bollen börjar gå sönder och gå ner. Ju längre ut, desto bättre. Tredje är den totala vertikala brytningen; på nytt, desto mer paus, desto bättre. Fjärde är den horisontella brytningen, och desto mer bryts horisontellt, desto bättre. Vi använder också hastighet, så ju snabbare tonhöjd, desto bättre. Och den sista komponenten är plats, strejkens zon. Hörnet är den bästa platsen, mitten är dålig, och om du befinner dig långt utanför strejkens zon, det är uppenbarligen dåligt, för. Vi kombinerar alla dessa till ett enda nummer, vilket är QOP -värdet. "

Wilson och Greiner började sedan modellera vad som hände på planen mellan 2016 och 2017. Från de sex komponenterna i QOP, vertikal brytning var den viktigaste prediktiva variabeln - och den hade sjunkit kraftigt. Vad det innebar i praktiken var att efter att ha tittat på mer än 700, 000 platser per säsong, de upptäckte att bollarna kastades mer direkt än tidigare vid smeten. De var högre i zonen; det var mindre variation i var de korsade.

Wilson är snabb att tillägga att med mer än 700 kannor per säsong, en enda faktor kan inte förklara hela ökningen. Men fallet i vertikal brytning är meningsfullt om du tänker på det som ett sätt att bekämpa smetens svängning uppåt - att kasta högre upp skulle göra det svårare att dra av en hemmalopp.

Självklart, Wilsons analys visar att om detta verkligen var en pitchingstrategi, det fungerade inte. QOP säger att Wilson kan förklara mellan två till fyra procent av förändringen i hemmakörningsnumret (113 till 226 hemmalöpningar) baserat på pitching, vilket visar sig vara 23 procent till 46 procent av hemmakörningsökningen mellan 2016 och 2017.

Den stora nyheten för 2018? Hemkörningarna är nere - och om du tittar på data genom Wilsons modell, kvaliteten på pitchingen är uppe.