mar 23, 2017
mar 23, 2017

Att beräkna förväntat antal mål i fotbollsmatcher

Hur man förutsäger antalet mål i en fotbollsmatch

Detaljerad granskning av en förutsägelsemodell för antal mål

Vilka begränsningar har modellen?

Att beräkna förväntat antal mål i fotbollsmatcher
För att kunna förutspå hur många mål det sannolikt kommer att bli i en fotbollsmatch behöver man två saker: information och en modell. Hur många mål görs i genomsnitt per match? Hur ofta resulterar skott i mål? Och viktigast av allt: hur kan man utnyttja historiska data till att förutspå antalet mål och därmed placera vinnande spel? Den här artikeln förklarar hur du kan förutspå antalet mål i en fotbollsmatch med hjälp av en modell. Läs vidare för att få reda på hur.

I fotboll är mål relativt sällsynta – det gjordes i genomsnitt endast 2,73 mål per match under de senaste fem Premier League-säsongerna. Enligt den populära fotbollsdataboken The Numbers Game kan upp till 50 % av ett matchresultat bero på tur, slump eller ett domarbeslut.

Därför är det nödvändigt att använda sig av ett större urval när man ska förutspå framtida resultat. Snarare än att använda målsnittet 2,73 per match under Premier League-säsongen 2015–2016 kan vi använda snittet för skott på mål (8,49) eller kanske totalt antal skott (25,7).

Problemet är att trots att alla mål är värda lika mycket kan sannolikheten för att ett skott blir mål variera kraftigt, och det är där förväntade antal mål (även kallat "xG") kommer in i bilden. I Englands högstadivision blev det i genomsnitt mål på 9,7 % av skotten de fem senaste säsongerna, men om man delar in de skotten i kategorier blir det uppenbart hur mycket den procentsatsen kan variera.

Genom att titta på historiska data kan vi beräkna den genomsnittliga sannolikheten för att ett skott blir mål genom att beräkna in så många eller så få faktorer vi vill. Vissa djupgående modeller tar hänsyn till vilka mål som gjorts med fötterna eller på nick, vilken spelsekvens som ledde fram till skottet och så vidare. Detta kräver avancerade färdigheter inom datainsamling och statistikanalys, men det är fortfarande möjligt att få en inblick med hjälp av ett mycket simplare system för förväntat antal mål. Här tänker jag förklara vilken jag använder.

Att beräkna värdet för olika typer av mål

Låt oss börja med straffar. Under säsongerna 2011/12 fram till 2015/16 blev det 443 straffar i Premier League och av dem gick 347 in i mål – det innebär att i genomsnitt gick 78,3 % av straffarna i mål. Därmed kan vi tilldela en straff ett förväntat målvärde på 0,783.

Opta klassificerar högkvalitativa målchanser som "stora målchanser", alltså en målchans som enligt Opta är "en situation som en spelare rimligtvis bör göra mål på (vanligtvis friläge eller skott från mycket nära håll)".

Under de fem senaste säsongerna i Premier League blev det mål på 2 579 av de 6 213 stora målchanserna. Vi får emellertid inte glömma bort att straffar ingår i dessa siffror. Av de stora målchanser som inte var straffar blev det mål på 38,7 % vilket motsvarar ett xG-värde på 0,387.

Sedan är det dags att titta på skotten som gjordes innanför straffområdet men som inte var stora målchanser. Under de fem senaste åren blev det 22 822 mindre målchanser i straffområdet varav 1 587 gick i nät – det motsvarar ett genomsnittligt förväntat målvärde på 0,070.

Slutligen har vi skotten utanför straffområdet. Det gjordes 22 318 sådana skott i Premier League mellan augusti 2011 och maj 2016. Det blev mål på 809 av dem, alltså 3,6 %. Skott utanför straffområdet har alltså ett förväntat målvärde på 0,036. Denna siffra rymmer viss varians med tanke på att frisparkar har ett målsnitt på omkring 5-6 %, men för ett enkelt system som detta räcker det bra med siffran 3,6 %.

Hur man beräknar förväntat antal mål per lag

Dessa skottdata kan hämtas fritt från olika fotbollssajter och -appar. Beväpnad med ovanstående kunskaper kan du alltså snabbt räkna ut xG-värdena för varje lag i en match. Genom att titta på matcher från nuvarande säsong (till och med den 12 mars 2017) kan detta ge dig mer kött på benen än vanliga skottdata. Av de 211 Premier League-matcher som "vanns" (självmål borträknade) vann laget som gjorde flest skott 151 (71,6%) av dem, medan laget som hade högst xG-värde vann 170 (80,6 %).

Med hjälp av xG-data för säsongen 2016/17 i kombination med Poisson-fördelning gjorde jag följande förutsägelser beträffande resultat och odds för Premier League-matcherna under vecka 29.

Att förutspå resultat med xG-värden

Modell för förväntade mål i fotboll

Av kolumnen "förväntat resultat" framgår att det fanns ett korrekt resultat och fyra övriga resultatval (i fråga om hemmavinst, bortavinst eller oavgjort) som stämde. Med hjälp av de odds som mitt system fick fram ser vi att favoriten "vann" i sex av de tio matcherna, men för att bedöma hur man ska spela måste man så klart först jämföra sina egna odds med Pinnacles. För att ta reda på hur du kan börja tillämpa detta kan du läsa vår populära artikel om vad oddsen representerar.

xG-modellens begränsningar

Alla modeller har begränsningar som är viktiga att ta hänsyn till. Oavsett hur bra ditt system är kan det inte veta om en stjärnspelare är skadad, om en klubb verkar vara på uppsving efter ett tränarbyte eller om ett lag är slitet efter att ha spelat i Europa.  

Ett sådant här system kan heller inte förutspå ovanligt målrika matcher. Det beror på att systemet är baserat på genomsnitt och att omkring hälften av alla matcher har färre än 2,5 mål.

Men trots att ett genomsnittligt skott är värt 0,097 mål avslöjar detta system att Manchester Citys skott för närvarande är värda 0,113 och att Hulls bara är värda 0,083.

Med hjälp av statistiska data kring förväntade antal mål kan du bättre kvantifiera ett lags försvars- och anfallsspel. Om du använder ovanstående system tillsammans med Poisson-fördelning är du på god väg mot att kunna göra träffsäkra förutsägelser om fotbollsmatcher. 

Oddsresurser: Bli en bättre spelare

Pinnacles avdelning Oddsresurser är en av nätets mest omfattande artikelsamlingar med spelråd från experter. Vi tillgodoser behoven hos både nybörjare och proffs – vårt mål är helt enkelt att öka våra spelares kunskaper.