フットボール統計学 “期待点”(ExpG)
フットボール統計学 “期待点モデル”(ExpG Model)
フットボール統計学 “攻防率”(PDO)と“期待攻防率”(xPDO)
フットボール統計学 “期待アシスト”(ExpA)と“期待点関与”(ExpGChain)
フットボール統計学 期待点関与(ExpGChain)とパスネットワーク(Passing Network)
フットボール統計学 期待点(ExpG)と運(Luck)
フットボール統計学 期待点とビッグチャンス
フットボール統計学 PK期待点(xPG)による分析と傾向
フットボール統計学 パスの能力を評価する追加期待点(xG added)
フットボール統計学 追加期待点(xG added)を向上させるポゼッションベースのモデル
フットボール統計学 ポアソン分布の信頼区間から考える得点とxGの比較



xG(期待点)について



xG(期待点)はチャンスの質を測定する指標である。Optaは30万を超えるシュートを分析し、特定の位置で特定のプレー状況から放たれるシュートが決まる可能性を計算した。この数理モデルは様々な変数を考慮して、それらがどのように影響を与えるのかを調べる。それぞれのシュートはパーセンテージで表すことができる期待点の値を持つ。

Expected goals is a measure of chance quality. Opta have analyzed over 300,000 shot to calculate the likelihood of a shot being scored from a particular position on the pitch during a particular phase of play. The model takes into account several variables and looks at how these affect the chance of a specific shot going in. Each shot has an expected goals value which is the percentage chance of that shot resulting in a goal.



xG(期待点)は、チームが生み出したチャンスの質を判断する方法である。

xGモデルは、単にシュートの位置座標を使用することを超えている。例えば、レスター・シティがリーグ優勝したとき、多くの多くのカウンターアタックを行ったが、速攻は得点率が高い(得点になりやすい)。またアシストの種類では、スルーパスの方がクロスよりも得点率が高い。これらのような変数が、チャンスの質を評価するモデルの能力を高める。

ここまでは数学だが、例えば枠内シュート数と比べてxGの方が良いのはなぜか。xGは実際の得点や失点などと比べて、将来の得点の可能性を予測する非常に良い指標である。

Expected goal is a method for judging the quality of chances that a football team creates.

Expected goal model can go beyond using just shot location. Variables like speed of the attack led to the chance. So for instance, Leicester City when they won the league, counter-attacked a lot, and had fast attacks that were converted at a higher rate. Or the type of pass that assisted it. For example, through balls are converted at higher rate than crosses. These sort of variables can help boost the ability of the model to evaluate chance quality.

So that's the maths, but why is xG a better stat than shots on-target, for example? Well expected goal is actually a very good indicator of future goal scoring potential better than goals scored or goals conceded, in fact. 



xA(期待アシスト)とxG Asst(期待点アシスト)を区別する


おそらくxGを聞いたことがあるだろう。 今シーズンは主流メディアで多く紹介されており、特定のチャンスから得点を得られる可能性に基づいてチャンスの質を測る指標となる。

同様の方法を使用して期待アシストを計算することができる。期待アシストはxAとして表示される。 ご存知のように、アシストはチームメイトの得点につながる最終的なパスである。 しかし、その選手はパスがストライカーによって得点されたかに頼っている。 あるプレーヤーは6回の良いパスを出したが、どれもチームメイトがシュートを決められなかった。 一方、他のプレーヤーは、ペナルティーエリアの外でかなり基本的な横向きのパスを行い、ゴールを決める機会を作ったことで報いを得るかもしれない。 これは、選手が作るチャンスの質を真に反映していない。従ってOptaは、誰が一貫性のある創造的選手であるかを本当に反映させるためのxA(期待アシスト)を作成した。

Optaはデータベース内の数千のゲームから何百万回ものパスを分析することで、成功した各パスにアシストになる可能性となる値を割り当てた。つまり、アシストとなりうる可能性の平均値を決定した。このモデルはパスの終了位置やパスの種類、およびその他の様々な要因に基づいている。このモデルは、このパスからシュートが放たれたかどうかに依存せず、全てのパスに値が割り当てられる。もし選手が素晴らしいパスを送りストライカーに1対1の状況を作ったが、ストライカーがシュートを放つことができなかった時、それでもパスを出した選手はパスの質によって値を割り当てられる。

期待アシストが何を示しているのか。それは実際の期待値よりも多くのチャンスを生み出している選手や、その反対を示すことができる。これにより、予想を上回ったり下回ったりしている選手を見ることができ、またさらにxA以上のパフォーマンスを見せる選手は将来のある時点で平均的なものに回帰することがわかる。

You've probably heard of expected goals or xG by now. It's been featured in the mainstream media a lot this season, and is a measure of chance quality based on the likelihood of a goal being scored from a particular chance.

We can use a similar methodology to calculate expected assists, which you might see represented as xA. As you know, an assist is the final pass that leads to a teammate scoring. However, that player is reliant on the pass he made being converted by the striker. One player could make six good passes, yet see none of them turned into shots by his teammates. On the other hand, a second player might make a fairly basic sideways pass outside the 18-yard box, and get rewarded for creating goalscoring opportunity. This doesn't truly reflect the quality of chances created by a player. So Opta has created expected assists to truly reflect who are the consistent createve players.

By analyzing millions of passes from thousands of games in our database, Opta has been able to assign a value to each completed pass, determining the likelihood of it becoming an assist. This means that we can determine how many assists a player should have if his chances were converted at an average rate. The model is based on the finishing location of the pass, what type of pass it was, and a variety of other factors. It's important to note that this model is not reliant on whether a shot was taken from this pass, it credits all passes whether or not they end in a shot. If a player threads a great pass through to leave a striker one-on-one yet the striker doesn't get a shot away, the passing player still get credit for quality of his pass.

So what can expected assists show us? Well it can tell us players who have been creating more chances than are being converted and vice versa. This allows us to see players who are outperforming or underperforming against expectation, but also allows us to realize that a player who is perfoming above xA may regress to the mean at some point in the future.


以前ブログで紹介したxAやxGChainだが、これはxGの値をアシストした選手や一連のポゼッションに参加した選手に割り当てたものである。従って今回のビデオを受けて、xAからxGAsstに名称を変更することをツイートしている。

最後まで読んでいただきありがとうございました。
コメントもたくさんお待ちしております。
Twitterのほうもよければフォローしてください。(@tenchan433)