– گل های مورد انتظار و ارتباط آن با شرط بندی چیست؟
– کاوش در یک مدل پیش بینی کننده از گل پیش بینی شده با جزئیات
– محدودیت های مدل گل مورد انتظار چیست؟

برای پیش بینی موفقیت آمیز امتیاز یک مسابقه فوتبال، شرط بندان به دو چیز نیاز دارند. اطلاعات و یک مدل. به طور متوسط ​​در هر مسابقه چند گل به ثمر می رسد؟ هر چند وقت یک ضربه به گل تبدیل می شود؟ و از همه مهمتر، شرط بندان چگونه می توانند از داده های گذشته برای پیش بینی تعداد گل ها برای بستن شرط های برنده استفاده کنند؟ در این مقاله نحوه استفاده از یک مدل گل های مورد انتظار برای پیش بینی امتیاز در یک مسابقه فوتبال توضیح داده شده است. بخوانید تا بدانید چگونه.

با میانگین تنها 2.73 گل در هر بازی ​​در طی 5 فصل گذشته لیگ برتر، گل در فوتبال یک اتفاق نسبتاً نادر است. همانطور که کتاب محبوب داده فوتبال ” بازی شماره ها” می گوید، حداکثر 50 درصد از نتیجه هر مسابقه ای می تواند بسته به شانس، حرکت توپ یا تصمیم داور باشد.

بنابراین استفاده از یک نمونه بزرگتر از داده ها برای پیش بینی های شما ضروری است. بنابراین به جای استفاده از 2.73 گل در هر بازی در لیگ برتر 2015/16 برای یک مدل پیش بینی، می توانستیم از 8.49 شوت در چارچوب دروازه یا شاید 25.7 کل شوت ها استفاده کنیم.

مسئله اینجاست که با وجود این که تمام گل ها به همان اندازه ارزش دارند، احتمال اینکه یک ضربه به ثمر برسد به طرز وحشتناکی متفاوت است، و این جایی است که گل های مورد انتظار (یا ‘xG’ به طور خلاصه) وارد می شود. به طور متوسط​​، یک شوت در لیگ جزیره در 5 فصل گذشته 9.7٪ از زمان تبدیل به گل شده است، اما تقسیم آن شوتها به دسته‌ها نشان می دهد که نرخ تبدیل چقدر می تواند متفاوت باشد.

 گل های مورد انتظار
تعداد گل هایی که یک تیم (یا تیم ها) انتظار دارند در یک مسابقه به ثمر برسد. این با اختصاص یک مقدار به شوت های در چارچوب، تعداد شوت، محل شوت، وضعیت بازی و نزدیکی مدافعان تیم مقابل تعیین می شود.

با نگاهی به داده های تاریخی می توان میانگین گل شدن هر شوت را با فاکتورسازی در همان تعداد یا چند فاکتور که دوست داریم به ثمر رساند. برخی از مدل های عمیق شامل این است که آیا این گل با پا و یا با سر آنها بوده است، وضعیتی که منجر به شوت شده و غیره. این امر به مهارت های پیشرفته جمع آوری داده ها و تجزیه و تحلیل آماری نیاز دارد، اما هنوز هم می توان با استفاده از یک سیستم گل های بسیار مورد انتظار بسیار ساده، بینش کسب کرد. در اینجا قصد دارم موردی که استفاده میکنم را توضیح دهم.

محاسبه ارزش انواع مختلف شوت

بیایید با پنالتی ها شروع کنیم. بین سال های 2011/12 و 2015/16 ، 443 پنالتی در لیگ برتر وجود داشته و از این ها 347 گل به ثمر رسیده است – بدین معنی که به طور متوسط ​​78.3 درصد پنالتی ها منجر به گل شده است. بنابراین ما به یک پنالتی یک ارزش گل مورد انتظار 0.783 اختصاص می دهیم.

Opta آنچه را که آن ها از فرصت های با کیفیت بالا می دانند به عنوان “شانس های بزرگ” طبقه بندی می کند، که آن ها را اینگونه تعریف می کنند: “وضعیتی که انتظار می رود بازیکن به طور منطقی از آن امتیاز بگیرد (معمولا در یک سناریوی یک بر یک یا از فاصله بسیار نزدیک).”

هر چقدر هم که سیستم شما خوب باشد، نمی‌داند که یک مهاجم ستاره مصدوم شده است، که یک باشگاه پس از تغییر مدیر جان دوباره ای گرفته، یا ممکن است که تیمی خسته شده باشد.

در پنج فصل گذشته در لیگ یک انگلیس 2579 از مجموع 6213 شانس بزرگ به ثمر رسیده است. باید بخاطر داشته باشیم که پنالتی ها در این ارقام گنجانده شده است، بنابراین شانس بزرگ غیر پنالتی با نرخ 38.7٪ تبدیل شده است که به این شوت ها مقدار xG 0.387 می دهد.

با نگه داشتن این موارد در یک طرف، بقیه شوت هایی که در چهارچوب گرفته شده برای ما می‎ماند. در پنج سال گذشته، 22822 شانس غیر بزرگ در چهارچوب بود که 1.587 از آن ها به تور رسید – با ارزش گل ​​مورد انتظار 0.070.

سرانجام شوت هایی که بیرون از محوطه جریمه بوده است. در لیگ جزیره بین اوت 2011 و مه 2016 ، 22318 شوت وجود داشته و 809 مورد از آن ها به ثمر رسیده است که به طور متوسط ​​3.6٪ شانس رسیدن به یک گل را به دست می‌دهد. بنابراین این امر به شوت خارج از محوطه جریمه ارزش گل مورد انتظار 0.036 را می دهد. تغییراتی در این آمار ایجاد خواهد شد، زیرا شوت های ضربات آزاد با نرخ حدود 5-6٪ تبدیل (به گل) می شوند، اما برای یک سیستم ساده مانند این رقم 3.6٪ کافی خواهد بود.

نحوه محاسبه گل های مورد انتظار هر تیم

این داده های شوت به طور گسترده ای در وب سایت ها و برنامه های مختلف فوتبال در دسترس است، بنابراین با مسلح شدن به اطلاعات فوق می توانید به سرعت نرخ xG را برای هر تیم در یک مسابقه بدست آورید. با نگاهی به مسابقات مربوط به این فصل (حداکثر تا 12 مارس 2017) نشان می دهد که چگونه این امر می تواند نسبت به داده های شوت ساده به شما لبه دهد. از 211 بازی لیگ جزیره که به پیروزی انجامید (وقتی گل به خودی ها را حذف می کنند)، تیمی که بیشترین شوت را از آن خود کرده بود، در 151 بازی (71.6٪) از آن ها پیروز شد، در حالی که تیمی که امتیاز xG بالاتری داشت، 170 بار موفق به کسب پیروزی شد. (80.6٪ از اوقات).

با استفاده از داده های xG برای فصل 2016/17 و توزیع پواسون، پیش بینی های زیر را برای نتایج و ضریب مسابقات در هفته 29 لیگ جزیره را انجام دادم.

پیش بینی نمره بر اساس مقادیر xG

از ستون “نتیجه پیش بینی شده” می توان دریافت که یک نمره درست و چهار انتخاب نتیجه دیگر (از نظر پیروزی در خانه، تساوی یا برد خارج از خانه) دقیق بودند. با استفاده از ضریبی که سیستم من محاسبه کرد، می بینیم که تیم محبوب در شش مورد از ده مسابقه شرط بندی را برنده شد، اما بدیهی است که شما باید ضریب خود را با مواردی که توسط پیناکل ارائه شده است مقایسه کنید و تصمیم بگیرید که کجا باید شرط بندی کنید. برای فهمیدن چگونگی انجام این مهم، با خواندن مقاله محبوب ما “ضرایب شرط بندی چه چیزی القا می کنند؟” شروع کنید.

محدودیت های مدل پیش بینی xG

یادآوری محدودیت های هر مدل مهم است. هر چقدر هم که سیستم شما خوب باشد، نمی‌داند که یک مهاجم ستاره مصدوم شده است، که یک باشگاه پس از تغییر مدیر جان دوباره ای گرفته، یا ممکن است تیمی بعد از بازی در اروپا خسته شده باشد.

سیستمی مانند این همچنین در پیش بینی یک بازی به خصوص با گلزنی بالا ناکام خواهد بود. از آنجایی که براساس میانگین ها انجام می شود و تقریبا نیمی از مسابقات با کمتر از 2.5 گل همراه هستند، انتظار می رود این اتفاق بیفتد.

با این وجود، در حالی که تمام شوت ها با استفاده از یک سیستم ساده مانند این، 0.097 گل به ارزش دارند، نشان می دهد که شوت های منچسترسیتی در حال حاضر 0.113 ارزش دارد، در حالی که برای هال تنها 0.083 ارزش دارد.

استفاده از داده های آماری برای گل های مورد انتظار می تواند به شما کمک کند تا به دقت کیفیت دفاع و حمله تیم را تعیین کنید. از موارد فوق همراه با توزیع پواسون استفاده کنید و حالا شما در راه پیش بینی دقیق امتیاز برای مسابقات فوتبال هستید.


منبع مقاله: پیناکل

ترجمه اختصاصی از فوتبالی