Pinnacle

ブラックジャックのサイドベットとは? サイドベットとはブラックジャックのラウンドで行うボーナスベットであり、プレイヤーの勝ちまたはディーラーの勝ち以外の結果に賭けるものです。大部分のサイドベットは、ラウンドの始めでカードが配られる前に、通常のベットと一緒に賭けられます。多くのサイドベットには大抵、ディーラーに勝った場合の単純な2:1配当より払い出しの多い固定オッズがあります。 利用できるブラックジャックのサイドベットは? ブラックジャックで利用できるサイドベットには、何百とは言わないまでも何十もの種類があり、特に人気が高いのは次のようなものです。 インシュアランスベット ディーラーの表向きのカードがエースであり、ディーラーがブラックジャックになると考えられる場合、プレイヤーはインシュアランスベットを賭けることができます。ブラックジャックのインシュアランスベットに関する詳細はこちらをご覧ください。 21+3 21+3ベットは、プレイヤーの最初の2枚のカードと、ディーラーの表向きのカードが対象です。この3枚のカードが、ポーカーと同じような以下の組み合わせになるかどうかに賭けます。   フラッシュ：3枚のカードが同じスーツである場合(例：ダイヤの4、9、クイーン)。この配当は通常5:1です。 ストレート：3枚のカードがスーツ不問で連番の場合(例：スペードの5、クラブの6、ハートの7)。この配当は通常10:1です。 スリーカード：3枚のカードがスーツ不問で同じ数字の場合(例：キングが3枚)。この配当は通常30:1です。 ストレートフラッシュ：3枚のカードが同じスーツで連番の場合(例：スペードの6、7、8)。この配当は通常40:1です。 スーテッドトリップス：3枚のカードが同じスーツで同じ数字の場合(例：ハートの9が3枚)。この配当は通常100:1です。    パーフェクトペア パーフェクトペアのサイドベットは、最初の2枚の手札がミックスペア、カラーペア、またはパーフェクトペアのいずれかであることに賭けるものです。   ミックスペア：2枚のカードが、同じ数字で色が違う(赤と黒である)ペアになっている場合(例：ハートの7とスペードの7)。この配当は通常5:1です。 カラーペア：2枚のカードが、同じ数字かつ同じ色でスーツが違うペアになっている場合(例：クラブのクイーンとスペードのクイーン)。この配当は通常10:1です。 パーフェクトペア：2枚のカードが同じスーツで同じ数字のペアになっている場合(例：ダイヤの3が2枚)。この配当は通常30:1です。    イージーマッチ このサイドベットは、最初の手札2枚が同じスーツであることに賭けるものです。イージーマッチの配当は通常、シングルデッキゲームで3:1、マルチデッキゲームでは5:2です。 ロイヤルマッチ このサイドベットは、最初の手札2枚が同じスーツのキングとクイーンであることに賭けるものです。ロイヤルマッチの配当は通常、シングルデッキゲームで10:1、マルチデッキゲームでは25:1です。 オーバー/アンダー13 これは、最初の手札2枚の合計が13より大きいか小さいかに賭ける、わかりやすいベットです。エースは1として計算し、数が13の場合は一般的に負けとなります。この配当は通常10:1です。 スーパーセブン これは、手札に7が何枚含まれるかについてのベットです。最初のカードが7である場合、配当は通常3:1です。最初の2枚が7である場合、配当は通常、異なるスーツであれば50:1、同じスーツであれば100:1です。ヒットして配られた3枚目も7である場合、配当は通常、異なるスーツであれば500:1、同じスーツであれば5000:1です。 ラッキーレディー このベットでは、最初の手札2枚の合計が20になるかどうかに賭けます。カードの数字の合計が20である場合、配当は通常、異なるスーツであれば4:1、同じスーツであれば10:1、同じスーツの同じ数字であれば25:1です。 カードが2枚ともハートのクイーン(「ラッキーレディ」)である場合、配当は通常200:1 です。さらに、カードが2枚ともハートのクイーンであり、かつディーラーがブラックジャックとなった場合、配当は通常1000:1です。 ペアスクエア このサイドベットは、最初の手札2枚が同じ数字のペアであることに賭けるものです。異なるスーツのペア(例：ハートの7とスペードの7)である場合、配当は通常10:1ですが、同じスーツのペア(例：クラブの10が2枚)である場合、配当は通常15:1です。 ラッキーラッキー このベットでは、最初の2枚の手札とディーラーの表向きのカードが、以下の特定の数字または組み合わせになるかどうかに賭けます。 ラッキーラッキーの配当 

Pinnacleカジノでブラックジャックをプレイ

サイドベットを利用すると、刺激的な方法でブラックジャックのゲームがさらに面白くなると同時に、勝つための方法も大きく増えます。サイドベットとはどんなものでしょうか? 利用できるサイドベットは? サイドベットに価値はあるでしょうか? 詳しくは続きをお読みください。

ブラックジャックのサイドベットの解説

ベットではニッチマーケットに結構値打ちがあるものです。これはハンドボールベットの専門家による知識や、日本の野球でのベットでの幅広い経験から言えることです。ブックメーカーが持っていない知識を獲得できれば、お金を稼ぐチャンスが生まれます。 また興味を持っていて、利益を生む可能性があるベットもいいでしょう。一部のもっと人気のあるマーケットよりも少しは信頼できる予測がしやすいからです。  サッカーのベットについての最高のアドバイスと統計データを得る 最新の専門家の記事を読んでベットに活かす Pinnacleをフォロー  コーナーキックにベットする理由  サッカーのコーナーベッティングは近年ますます人気が高まってきています。ブックメーカーが十分な知識を持っていない、あるいは細部まで注意を払っていないようであれば、ベッターが優位に立てるチャンスがあります。さらに、ライブでのコーナーベッティングにおけるオッズの変動も、賢明なベッターがこの特殊なマーケットを選ぶ理由になっています。 サッカーのコーナーキックのベッティングは、1X2やハンディキャップなどのマーケットとは全く異なるのです。試合の結果は各チームのコーナーキックの回数と相関がある可能性がありますが、毎回そうとは限りません。サッカーはあまり点が入らないスポーツなので、他の競技と比べて引き分けや弱いチームが勝つことが多くなります。しかしコーナーキックの回数は得点よりずっと多いでしょうし、チームの実力をより正確に反映していそうです。 試合の結果は各チームのコーナーキックの回数と相関がある可能性がありますが、毎回そうとは限りません。 ゴールは滅多に決まりませんが、試合でのコーナーキックは平均すると10回から11回あります。また、いわゆる大番狂わせと言うか、非常に弱いチームが勝つことはあり得ますし、実際に起こりますが、コーナーキックの回数は前評判通りの場合が多いようです。 サッカーのプレミアリーグの2016/17から2020/21までの5シーズンでは、1,900試合のうち1,057試合(55.6%)で実力が上と目されるチームが勝ちましたが、1,208 (63.6%)試合で実力のあるチームがより多くコーナーキックのチャンスを得たのです。 試合でどちらのチームがより多くのコーナーキックを得るのかをストレートベットすることはできませんが、一般に手に入るデータを使って、開いているマーケットでベットに勝つ可能性を得ることはできます。  コーナーベッティングの方法  Pinnacleはヨーロッパの主要なサッカーリーグとChampionsリーグにおいて、コーナーベット用に2種類のマーケット、&nbsp;TotalとHandicapを用意しています。 Totalコーナーベッティングの説明 このマーケットでは、ブックメーカーは試合でのコーナーキックの総数を予想して設定し、ベッターはその数より多いか少ないかを選択してベットします。 Totalコーナーベッティングの例： Wolves対Arsenal戦、2022年2月10日 コーナーキックが10より多い(11以上)：1.909 コーナーキックが10より少ない(9以下)：1.917 今シーズンのWolvesの試合では、この試合前までは毎試合で平均10.0回のコーナーキックがあり、一方Arsenalの平均は10.3回でした。よってブックメーカーの選択は論理的で、ベッターは慎重に判断する必要がありました。この試合では11回のコーナーキックがあったので、ラインは程よく選択されていたと言え、結果はどちらにも簡単にころぶ可能性がありました。 ただ後ほど検討しますが、このマーケットでのベット選択の手引きとなるものを見出すことができます。 &nbsp; Handicapコーナーベッティングとは? このベットは他の種類のハンディキャップベットと同じ形式にならいます。実際には一方の不利なチームにアドバンテージを与えて可能性を五分五分にし、相手方のチームにもその逆を行い、オプションとオッズはスライド制になります。 Handicapコーナーベッティングの例を、同じWolves対Arsenalの試合で見てみましょう。 Wolves +0.5コーナーキック：1.961 Arsenal -0.5コーナーキック：1.869 この例では、Arsenalにベットして勝つにはWolvesより少なくとも1回以上多くコーナーキックのチャンスを得なければなりません。Wolvesに賭ける場合、少なくともArsenalと同数だけコーナーキックが得られればベットに勝つわけです。 この試合までの2021/22年のArsenalの平均コーナーキック数の1試合あたりの差異は0.4で、Wolvesは-1.5でした。それから考えると、Arsenalにベットするのが合理的な選択となります。 にもかかわらず、正解となったのはWolvesへのベットでした。彼らは7回のコーナーキックを得ましたが、Arsenalは4回でした。なぜこのような意外な結果が出たかについては、後ほど試合の統計データの関連性について考慮する際に見ていきます。 コーナーベッティングの分析  サッカーのコーナーキックは、さまざまなシナリオの中で生まれます。コーナーキックが何本かまとまって発生することは広く知られています。これはコーナーキックの後に必ず次のコーナーキックが続くというわけではありません。短時間のうちに2～3本、あるいはそれ以上のコーナーキックが続けて生まれる場合があるということです。   参考記事：正しいスコアベッティング&nbsp;   コーナーベッティングの方法がわかったら、次はどちらのチームがコーナーキックを獲得し、どちらのチームがコーナーキックを受ける可能性が高いかを予想します。コーナーキックを獲得するうえで、明らかに大きな要因となるのがシュートです。シュート本数の多さは攻撃を支配していることを示す指標であり、相手側にボールが当たってコースが変わったりして、コーナーキックとなることが多いのです。&nbsp; 以下の表はプレミアリーグチームの2014/15から2018/19シーズンまでの1試合あたりの平均シュート数を示しています。&nbsp;  

サッカーのオッズ

サッカーではどういうわけか、コーナーキックが最もエキサイティングな出来事のひとつとなっています。ゴールにつながる可能性はわずか3%ほどですが、攻撃側のチームのファンは、そのチャンスをものにすると間違いなく雄叫びを上げて喜び、チームを鼓舞します。 コーナーキックにベットする場合、どうすれば有利になるのか、よく読んで確かめてください。

サッカーのコーナーベッティング：知名度が低いマーケットの価値

ポアソン分布は、分布全体で平均値を変数結果の確率に換算する数学の概念です。例えばManchester Cityの1試合平均ゴール数が1.7ゴールだとした場合、この情報をポアソン分布の方程式に当てはめると、Manchester Cityが0ゴールになる確率は18.3%、1ゴールは31%、2ゴールは26.4%、3ゴールは15%になることがわかります。 ポアソン分布 - スコアラインの確率を計算する ポアソンを使って最も可能性が高い試合のスコアラインを計算する前に、各チームがその試合で得点しそうな平均ゴール数を計算する必要があります。これは、各チームの「攻撃力」と「守備力」を求めて比較することで計算できます。 結果の確率の算出方法がわかれば、自分で出した結果とブックメーカーのオッズを比較し、バリューを見出すことが可能です。 攻撃力および守備力を計算する時に、代表的なデータ範囲を選択することは極めて重要です。範囲が長すぎれば、データはチームの現在の強さと関連性がなくなり、短すぎれば異常値によってデータは偏ってしまう場合があります。2015/16年のEPLシーズンに各チームが戦った38試合なら、&nbsp;ポアソン分布を適用するのに十分なサイズのサンプルとなるでしょう。 攻撃力の計算方法 昨シーズンの結果に基づいて攻撃力を計算する第一歩は、1チーム、1ホームゲーム、および1アウェイゲームあたりで獲得した平均ゴール数を求めることです。 昨シーズンに獲得した合計ゴール数をプレーした試合数で割ることで、これを計算します。  ホームで獲得したシーズンゴール / 試合数（シーズン中） アウェイで獲得したシーズンゴール / 試合数（シーズン中）  2015/16年のEnglish Premier Leagueシーズンでは、ホームで567ゴール/380試合、アウェイで459ゴール/380試合で、1試合あたりの平均がホームで1.492ゴール、アウェイで1.207ゴールでした。  ホームで得点した平均ゴール数：1.492 アウェイで得点した平均ゴール数：1.207  チームの平均とリーグの平均との比率が、「攻撃力」になります。 守備力の計算方法  また平均的なチームが得点を許した平均ゴール数も必要になります。これは、上記の数字の逆数です（ホームチームが得点するゴール数はアウェイチームが得点を許した数と同じであるため）:  ホームで得点を許した平均ゴール数：1.207 アウェイで得点を許した平均ゴール数：1.492  チームの平均とリーグの平均との比率が、「防御力」になります。  では上記の数字を使って、Tottenham HotspurとEvertonの2017年3月1日現在の攻撃力と守備力を計算してみましょう。 Tottenham Hotspurの予想ゴール数   Tottenhamの攻撃力の計算:   ステップ1：ホームチームが昨シーズンにホームで獲得したゴール数（Tottenhamは35）をホームゲーム数で割ります（35/19）：1.842。 ステップ2：この値をシーズンの1ホームゲームあたりに得点した平均ゴール数で割り（1.842/1.492）、「攻撃力」を求めます: 1.235。

ポアソン分布と過去のデータを組み合わせることで、サッカーの試合における予想スコアを簡単かつ確実に計算し、ベッティングに役立てることができます。ここでは簡単な概説で、必要な攻撃力及び防御力を計算する方法と、手軽にポアソン分布のバリューを生み出す近道を紹介します。あなたはすぐに、ポアソン分布を使ってサッカーのスコア予測を立てるようになるでしょう。

ポアソン分布：サッカーベットのスコア予想

スポーツベッティングで賭けるべきか判断するときに、期待値（Expected Value, EV）が大きな判断材料の一つです。&nbsp;期待値とは「長期的に見たときに、1回のベットあたり平均でどれくらいの利益や損失があるか」を示す数値です。今回は初心者の方向けに、この期待値について詳しく解説していきます。参考：用語集期待値はどうやって求められる？計算式はとてもシンプル！期待値の計算方法は、とてもシンプルで分かりやすいです。勝利する確率を1ベットあたりに獲得できる金額でかけて、そして負ける確率を1ベットあたりの損失金額でかけたものから引くだけです。（勝つ確率 x 1ベットあたりの獲得可能金額） – （負ける確率 x 1ベットあたりの損失金額） = 期待値スポーツベッティングで期待値を計算するときは、上記の式にデシマルオッズ（例：1.263、13.500など）を代入します。各結果（勝ち、負け、引き分け）のデシマルオッズを確認する オッズは賭け金に対するリターンを示します。賭け金をオッズに掛けて、賭け金を引いた額で、各結果の獲得可能金額を計算する 例えば、オッズが13.500であれば、賭け金が10ドルの場合、10 × 13.500 − 10 = 125ドルが獲得可能な金額となります。オッズから確率を求める 確率はオッズの逆数（1 ÷ オッズ）で計算できます。 例えば、オッズが13.500の場合、確率は1 ÷ 13.500 = 0.074（7.4％）となります。計算した確率と獲得金額を式に代入して期待値を求める※補足：③でオッズから確率を求める際、単純に1 ÷ オッズで計算できますが、ブックメーカーはマージンを設定しているため、全ての確率を合計すると100%を超えることがあります。ここからは実際に、例としてマンチェスター・ユナイテッドFC（マンU）とウィガン・アスレティックFC（ウィガン）の試合を考えてみましょう。仮にデシマルオッズが、マンU（1.263）、ウィガン（13.500）、引き分け（6.500）となっていたとします。すると、ウィガンの勝利に10ドルを賭けた場合に獲得可能な賞金は125ドルで、それが発生する確率は0.074、つまり7.4%です。この結果が発生しない確率はマンU勝利と引き分けの合計、つまり0.792 + 0.154 = 0.946（94.6％）になります。1ベットあたりの損失金額は、最初の賭け金10ドルです。ここまでの内容を踏まえて、計算式は次のようになります。0.074 x 125ドル – 0.946 x 10ドル = −0.2ドルこのベットの期待値はマイナスであり、10ドル賭けるたびに平均して0.2ドルを失うことを意味します。業界トップクラスに高い期待値！スポーツベッティングならピナクルが最適今すぐピナクルで賭けるスポーツベッティングの期待値はどのように役立つのか?覚えておきたいポイントとして、マイナスの期待値はお金を失うという意味ではありません。スポーツベッティングのオッズは、プレイヤーの主観で決まっています。したがって、多くのプレイヤーの裏をかけば、利益を出せる可能性があります。先ほど例に挙げた期待値の計算では、ウィガンが勝つ確率はわずか7.4%と示していました。しかし、自分がウィガンの勝利する確率は10%あると（例えばポアソン分布のようなシステムを使用して）考えた場合、その期待値は3.5ドルに上昇します。0.1 x 125ドル – 0.9 x 10ドル = 3.5ドルまた、これはアービトラージベッティングでオッズを比較する最適な方法でもあります。詳細についてはアービトラージベッティング解説を参照してください。ここまで見てきた通り、ベットの期待値を計算することで、プレイヤーはスポーツベッティングをより戦略的に楽しめるようになるのです。ぜひ期待値の計算も活用して、スポーツベッティングを存分に楽しんでくださいね。高い期待値でスポーツベッティングを楽しむならピナクルピナクルでは高い期待値で、スポーツベッティングを楽しめます。なぜなら、業界トップクラスの高オッズを実現しているためです。ピナクルでは、他のブックメーカーでありがちなボーナスはありません。また、莫大な広告費も使っていません。その全ては高オッズの実現のためで、「勝者を歓迎する」というポリシーを守っています。高い期待値でスポーツベッティングを楽しみたいなら、ぜひピナクルをご検討ください。

スポーツベッティングに欠かせない「期待値」の考え方を解説。EVの計算方法と、賭け判断への活かし方を初心者向けに紹介します。

期待値の計算方法は？スポーツベッティングの基本を徹底解説！

Pinnacleでは&nbsp;編集者とライターのチームに加え、&nbsp;大学講師や著名作家、元トレーダー、定評あるスポーツ専門家など社外の寄稿者も参加。Pinnacleのチームは社外寄稿者と共同で、ベッティングリソースの教育コンテンツを制作しています。&nbsp;

サッカーの目的は、相手にゴールを許すことなく得点を挙げること。シンプルに聞こえますが、実際にはランダム性や運などの要素が絡んでくるため、チームが必ずしも「実力にふさわしい」結果を得られるとは限りません。
だからこそ、スポーツベッティングの世界ではデータ分析や、ゴール期待値のような指標が役立ちます。これらの数字を通じて、パフォーマンスをより統計的な観点から分析し、「負けたのは運がなかったから」という主張に確固たる根拠を与えることができるのです。
<blockquote>シュートは得点するための決定的な攻撃であり、よってシュートデータはあらゆるゴール期待値モデルにとっての要となります。</blockquote>
ゴール期待値（あるいは省略して「xG」）は、サッカーチームが活用するデータ分析の一形態であり、ベッターの間でも徐々に人気が高まっている指標です。ゴール期待値のデータはネット上で広く公開されていますが、その計算には異なるモデルが用いられるため、すべてが同じ数値になるとは限りません。
モデルには単純なものも複雑なものもあります。以下、異なるゴール期待値モデルの仕組みを説明していきます。それでは、これらのモデルを支えるメカニズムや、導かれる結果の違いを見ていきましょう。

<h3>基本的なシュートデータを活用する</h3>

Andrew Beasleyは以前の記事で、基本的なシュートデータのモデルを使って<a href="https://www.pinnacle.com/en/betting-articles/Soccer/how-to-calculate-expected-goals-for-soccer-matches/JESJH3RKXCMUF9TY">ゴール期待値を計算する方法</a>を説明しています。シュートは得点するための決定的な攻撃であり、よってシュートデータはあらゆるゴール期待値モデルにとっての要となります――サッカーの試合では得点を左右する事象が無数に存在しますが、ゴールの成功率という特定の結果を予想する上で、シュートがもっとも重要であることは疑いようがありません。
<img src="/sites/default/files/media-image/heat-map-inarticle.jpg" alt="heat-map-inarticle.jpg" width="700" height="350" loading="lazy">
このモデルでは、世界最大級のスポーツデータ企業Opta社が定義する「ビッグチャンス」――プレイヤーによる得点が合理的に期待される状況――の概念と、ペナルティエリア内外からのシュートデータを活用した、シンプルなアプローチが採られています。
過去5年間のPremier Leagueシーズンのシュート成功率に基づけば、ビッグチャンスでのxG値は0.387（38.7%の確率で得点が入る）、ペナルティエリア内からのシュートでの値は0.070、ペナルティエリア外からのシュートでの値は0.036となります。

<h3>シュートデータの詳細な分析</h3>

サッカーのピッチは広大であり、様々な角度からシュートが放たれます。こうしたアングルは得点の成功率を左右しますし、用いるモデルがシュート位置の詳細な分析を取り入れているかに関係なく、そのゴール期待値の結果に影響を及ぼします。&nbsp;
<img src="/sites/default/files/media-image/grid-inarticle.jpg" alt="grid-inarticle.jpg" width="700" height="350" loading="lazy">
Andrew Beasleyの基本的なゴール期待値モデルに似ていますが、この種のアプローチではシュートが蹴られた位置をより細かく分析して、各シュート位置のxG値を割り出します。手っ取り早いのは、ゴールまでのシュートレンジをグリッドで分割し、各シュートをグリッドに割り振っていくやり方です。
こうしたモデルを活用する利点は、プレイヤーがゴールの正面から直接シュートした場合（得点する可能性が極めて高い）と、鋭角なアングルからシュートした場合（得点する可能性はずっと低い）の差や、そのシュートがヘディング（より得点しにくい）によるものか、キック（より得点しやすい）によるものかという点を考慮しているということ。
<a href="https://differentgame.wordpress.com/2014/05/19/a-shooting-model-an-expglanation-and-application/">Paul Rileyのモデル</a>は、シュート位置データを多少高度なアプローチで分析し、xG値のモデルを構築している好例です。&nbsp;

<h3>攻撃プロセスを考慮する</h3>

もちろん、シュートが成功する確率は、単にそのシュートがどの場所から、体のどの部位を使って放たれたかによって決まるわけではありません。シュートへと至るプレーの過程も、そのチャンスの質に関係してきます。
いくつかのモデルでは、単純に蹴られた位置に基づいてシュートのxG値を割り出すのではなく、どうやってシュートチャンスが生まれたか（クロス、スルーパス、カウンターアタックなど）を考慮し、シュートが打たれた状況（ドリブルで突破したあとのシュートか、セーブ後のこぼれ球のシュートかなど）をより詳細に分析しています。
<img src="/sites/default/files/media-image/pass-inarticle.jpg" alt="pass-inarticle.jpg" width="700" height="350" loading="lazy">
言うまでもなく、この種のモデルの構築と維持には膨大なデータや情報が必要になります――サッカー分析コンサルタントの<a href="https://twitter.com/11tegen11">11tegen11</a>のxGモデルは、様々な攻撃プロセスを考慮した上で、シュートのxG値を割り出している、ゴール期待値モデルの一例と言えるでしょう。

<h3>ディフェンスがxG値に与える影響</h3>

ゴール期待値をモデル化する上述の3つの手法はいずれも、あるチームが1試合またはシーズン全体で、どのくらい得点を挙げられるのか概算を得るのに役立ちます。もっとも、得点機会を潜在的に左右する変数は他にも存在します。
<blockquote>いくつかのモデルでは、単純に蹴られた位置に基づいてシュートのxG値を割り出すのではなく、どうやってシュートチャンスが生まれたかを考慮し、シュートが打たれた状況をより詳細に分析しています。</blockquote>
サッカーは攻撃だけのスポーツではありません。守備側のポジショニングや、敵の得点機会を減らすことも、攻撃と同じくらい重要です――ディフェンダーはその守備によって相手のシュート方法を変化させ、最後の修正を余儀なくさせて、より得点するのが困難な状況を作り出せるのです。
全体的な攻撃プロセス（どうやってチャンスが作られ、どこでシュートが蹴られたのか）の分析に加え、敵ディフェンダーまでの距離や、それらがシュートの質に及ぼす影響を考慮に入れることで、いっそう精緻なゴール期待値モデルが完成します。
すなわち、キーパーやディフェンダーの位置と、シュートが蹴られた位置を照らし合わせて検討することにより、もっとも正確なゴール期待値モデルを作り出せるかもしれません。

<h3>もっとも正確なゴール期待値モデルとは？</h3>

異なるゴール期待値モデルの仕組みは分かったので、次はどのモデルがもっとも正確な結果を生んでいるのか分析していきましょう。下の表は、2016/17年のPremier Leagueシーズンにおける、各チームの実際の得失点差（GD）を、上述の異なるゴール期待値モデルの予想した得失点差（xGD）と比較したものです。
<div class="table-holder-article-content">
<div class="table-modal">
<div class="table-modal-head">
<div class="table-modal-head-inner">
<h2>実際の得失点差対予想の得失点差</h2>
</div>
</div>
<div class="table-modal-content">
<div class="article-table-content">
<table class=" article-table">
<tbody>
<tr>
<td>
チーム
</td>
<td>
実際のGD
</td>
<td>
モデル1のxGD
</td>
<td>
誤差
</td>
<td>
モデル2のxGD
</td>
<td>
誤差
</td>
<td>
モデル3のxGD
</td>
<td>
誤差
</td>
</tr>
<tr>
<td>
Arsenal
</td>
<td>
+33
</td>
<td>
+12.5
</td>
<td>
-20.5
</td>
<td>
+17
</td>
<td>
-16
</td>
<td>
+15.39
</td>
<td>
-17.61
</td>
</tr>
<tr>
<td>
Bournemouth
</td>
<td>
-12
</td>
<td>
-6.80
</td>
<td>
+5.20
</td>
<td>
-15
</td>
<td>
-3
</td>
<td>
-13.76
</td>
<td>
-1.76
</td>
</tr>
<tr>
<td>
Hull City
</td>
<td>
-43
</td>
<td>
-33.80
</td>
<td>
+9.20
</td>
<td>
-35
</td>
<td>
+8
</td>
<td>
-38.88
</td>
<td>
+4.12
</td>
</tr>
<tr>
<td>
Burnley
</td>
<td>
-16
</td>
<td>
-19.20
</td>
<td>
-3.20
</td>
<td>
-26
</td>
<td>
-10
</td>
<td>
-21.06
</td>
<td>
-5.06
</td>
</tr>
<tr>
<td>
Chelsea
</td>
<td>
+52
</td>
<td>
+25.90
</td>
<td>
-26.10
</td>
<td>
+31
</td>
<td>
-21
</td>
<td>
+31.91
</td>
<td>
-20.09
</td>
</tr>
<tr>
<td>
Crystal Palace
</td>
<td>
-13
</td>
<td>
-1.50
</td>
<td>
+11.50
</td>
<td>
-5
</td>
<td>
+8
</td>
<td>
-6.05
</td>
<td>
+6.95
</td>
</tr>
<tr>
<td>
Everton
</td>
<td>
+18
</td>
<td>
+5
</td>
<td>
-13
</td>
<td>
+1
</td>
<td>
-17
</td>
<td>
+1.82
</td>
<td>
-16.18
</td>
</tr>
<tr>
<td>
Sunderland
</td>
<td>
-40
</td>
<td>
-27.40
</td>
<td>
+12.60
</td>
<td>
-26
</td>
<td>
+14
</td>
<td>
-30.56
</td>
<td>
+9.44
</td>
</tr>
<tr>
<td>
Leicester City
</td>
<td>
-15
</td>
<td>
-7.60
</td>
<td>
+7.40
</td>
<td>
-7
</td>
<td>
+8
</td>
<td>
-6.65
</td>
<td>
+8.35
</td>
</tr>
<tr>
<td>
Liverpool
</td>
<td>
+36
</td>
<td>
+25.30
</td>
<td>
-10.7
</td>
<td>
+33
</td>
<td>
-3
</td>
<td>
+31.87
</td>
<td>
-4.13
</td>
</tr>
<tr>
<td>
Manchester City
</td>
<td>
+41
</td>
<td>
+41.80
</td>
<td>
+0.80
</td>
<td>
+44
</td>
<td>
+3
</td>
<td>
+51.13
</td>
<td>
+10.13
</td>
</tr>
<tr>
<td>
Manchester United
</td>
<td>
+25
</td>
<td>
+25
</td>
<td>
0
</td>
<td>
+24
</td>
<td>
-1
</td>
<td>
+29.48
</td>
<td>
+4.48
</td>
</tr>
<tr>
<td>
Middlesbrough
</td>
<td>
-26
</td>
<td>
-21
</td>
<td>
+5
</td>
<td>
-25
</td>
<td>
+1
</td>
<td>
-22.46
</td>
<td>
+3.54
</td>
</tr>
<tr>
<td>
Southampton
</td>
<td>
-7
</td>
<td>
+6.60
</td>
<td>
+13.60
</td>
<td>
+8
</td>
<td>
+15
</td>
<td>
+8.15
</td>
<td>
+15.15
</td>
</tr>
<tr>
<td>
Stoke City
</td>
<td>
-15
</td>
<td>
-0.60
</td>
<td>
+14.40
</td>
<td>
-2
</td>
<td>
+13
</td>
<td>
+0.45
</td>
<td>
+15.45
</td>
</tr>
<tr>
<td>
Swansea City
</td>
<td>
-25
</td>
<td>
-21.70
</td>
<td>
+3.30
</td>
<td>
-20
</td>
<td>
+5
</td>
<td>
-27.34
</td>
<td>
-2.34
</td>
</tr>
<tr>
<td>
Tottenham Hotspur
</td>
<td>
+60
</td>
<td>
+32.50
</td>
<td>
-27.50
</td>
<td>
+30
</td>
<td>
-30
</td>
<td>
+31.04
</td>
<td>
-28.96
</td>
</tr>
<tr>
<td>
Watford
</td>
<td>
-28
</td>
<td>
-12.20
</td>
<td>
+15.80
</td>
<td>
-13
</td>
<td>
+15
</td>
<td>
-16.14
</td>
<td>
+11.86
</td>
</tr>
<tr>
<td>
WBA
</td>
<td>
-8
</td>
<td>
-11.80
</td>
<td>
-3.80
</td>
<td>
-7
</td>
<td>
+1
</td>
<td>
-8.52
</td>
<td>
-0.52
</td>
</tr>
<tr>
<td>
West Ham United
</td>
<td>
-17
</td>
<td>
-11.10
</td>
<td>
+5.90
</td>
<td>
-7
</td>
<td>
+10
</td>
<td>
-9.83
</td>
<td>
+7.17
</td>
</tr>
</tbody>
</table>
</div>
</div>
</div>
</div>
ここで取り上げた各モデルの精度を評価するには、平均二乗誤差（RMSE）とも呼ばれる、平均平方根偏差（RMSD）を求めるのが最適でしょう。具体的には、各チームの実際の得失点差と予想の得失点差の誤差を二乗し、それらの誤差の平均値を計算した上で、その平均値の平方根を求めます。
<div class="table-holder-article-content">
<div class="table-modal">
<div class="table-modal-head">
<div class="table-modal-head-inner">
<h2>ゴール期待値モデルの精度</h2>
</div>
</div>
<div class="table-modal-content">
<div class="article-table-content">
<table class=" article-table">
<tbody>
<tr>
<td>

</td>
<td style="text-align: center;">
モデル1のxGD
</td>
<td style="text-align: center;">
モデル2のxGD
</td>
<td style="text-align: center;">
モデル3のxGD
</td>
</tr>
<tr>
<td>
RMSD
</td>
<td style="text-align: center;">
12.92
</td>
<td style="text-align: center;">
12.55
</td>
<td style="text-align: center;">
12.01
</td>
</tr>
</tbody>
</table>
</div>
</div>
</div>
</div>
見てお分かりのように、2016/17年のPremier Leagueシーズンの得失点差を予想するという点において、3つの異なるアプローチの結果は信じられないほど似通っています。様々なレベルのデータが使われたにもかかわらず、3つのモデルの精度の差はRMSDで見ると、わずか0.91の数値内に収まっているのです。
もっとも、1シーズン（380試合）というサンプル数は、特定のモデルの優劣を何らかの確信をもって断言するには、十分とは言えません。さらに1試合ごとのRMSDを計算すれば、各モデルの精度に関してさらなる知見が得られ、それらのモデルが1試合の得点数をどこまで正確に予想できるのか、見極められる可能性が高まりそうです。

<h3>ゴール期待値についてもっと知りたいですか？</h3>

ゴール期待値についてもっと知り、その知識をベッティングに応用したいという方は、Andrew Beasleyがこれらの指標を<a href="https://www.pinnacle.com/en/betting-articles/Soccer/exptected-goals-premier-league-prediction/4TL2ZUFYL8Y9YKV6">Premier Leagueベッティングに応用する</a>方法について執筆しています。&nbsp;&nbsp;
また、Twitterで<a href="https://twitter.com/footballfactman">Paul Riley</a>や<a href="https://twitter.com/11tegen11">11tegen11</a>をフォローし、2017年9月10日（地域による時差にご注意ください）に行われる、ゴール期待値をテーマにしたピナクルの「ディスカッションデー」に参加することもできます。
<img src="/sites/default/files/media-image/discussion-day-expected-goals-inarticle.jpg" alt="discussion-day-expected-goals-inarticle.jpg" width="700" height="350" loading="lazy">

様々なゴール期待値モデルの分析

ゴール期待値は、サッカーのあらゆる側面において徐々に人気が高まっている指標です。この記事ではゴール期待値とは何なのか説明し、その計算法や、3つの異なるゴール期待値モデルの精度を明らかにしていきます。

Article

以前は限られたスポーツデータコミュニティにしか知られていなかった、「ゴール期待値」の指標は今や、ポゼッション率、枠内シュート率、ファール数など、他の一般的なサッカー統計データと並んで語られるようになっています。もっとも、ゴール期待値には無数のアプローチが存在します。この記事では、実際に使用されている様々なモデルを検討し、それらの結果がどのくらい違ってくるものなのか検証します。