在英超過去五個賽季，每場比賽平均只踢進 2.73 球，在足球比賽中進球相對來說並不常見。如同熱門足球資料集《The Numbers Game》所述，將近 50% 的比賽結果和運氣有關，例如球的彈跳或裁判的判決。
因此在預測中使用更多資料樣本非常重要。所以與其在預測模型中使用 2015/16 年英超的每場比賽平均進球數 2.73 球，我們還可以使用 8.49 的「射正次數」，或是 25.7 的總射門次數。
問題在於雖然所有進球的價值都相等，但每次射門成功進球的機率大不相同，這裡就需要用到進球期望值（或射門的「xG」）。平均而言，在英超過去五個賽季中，9.7% 的射門能成功進球，但如果把射門分門別類，就會發現進球機率有極大差異。
我們可以透過檢視歷史資料來計算每次射門的平均進球機率，也可以自行決定考量的因素多寡。部分深入的模型會考量射門是踢進或頭錘進球、什麼情況會導致射門等等。這需要進階的資料收集和統計分析 技巧，但使用更為簡單的進球期望值系統仍然可能提供深入的資訊。現在我會解釋我使用的方法。
計算不同進球類型的期望值
讓我們從罰球開始。在英超 2011/12 年到 2015/16 年賽季中共有 443 次罰球，其中有 347 次進球 - 這表示 78.3% 的罰球可以 成功進球。因此我們設定罰球的進球期望值為 0.783。
在 Opta 的分類中，極佳的進球機會稱為「大好機會」，定義為「合理預期球員會進球的情況（通常是一對一的情況或極近的距離）」。
在英超過去五個賽季中，6,213 次「大好機會」共有 2,579 次進球。不過我們要記住，此數據包含罰球，不含罰球的「大好機會」進球率則是 38.7%，即為這些射門的 xG 數值為 0.387。
考量此部分之後，剩下的就是其他禁區內的射門。在過去五年當中，禁區內共有 22,822 次「非大好機會」射門，其中有 1,587 次進球 - 所以平均進球期望值為 0.070。
最後，還有禁區外射門。從 2011 年 8 月到 2016 年 5 月，英超有 22,318 次禁區外射門，其中有 809 次進球，所以平均進球率為 3.6%。因此禁區外射門的進球期望值為 0.036。其中還會有一些差異，因為直接自由球的進球率約為 5 到 6%，但此簡單系統使用 3.6% 的數據就可以了。
如何計算各隊的進球期望值
各種足球網站和應用程式都會提供射門資料，只要利用這些知識，您就可以快速建立各隊在比賽中的 xG 記錄。根據本賽季的比賽（截至 2017 年 3 月 12 日），就能看出上述資料比簡單的射門資料更能為您帶來優勢。在 211 場有隊伍「獲勝」（不包括烏龍球）的英超比賽中，其中有 151 (71.6%) 場是射門次數較高的隊伍獲勝，而其中有 170 (80.6%) 場是 xG 數值較高的隊伍獲勝。
我使用 2016/17 年賽季的 xG 資料和卜氏分布，預測英超第 29 週的比賽結果和賠率如下。
根據 xG 數值預測分數
我們可以從「預測結果」欄看到一個正確分數和其他四個準確的結果選項（主場獲勝、和局或客場獲勝）。利用我的系統計算的賠率，可以看到十場比賽中有六場是熱門隊伍「贏得」投注，但您顯然必須比較您的賠率和 Pinnacle（畢諾克）提供的賠率，再決定如何投注。要瞭解如何計算，請從我們的熱門文章投注賠率代表的意義開始。
xG 預測模型的限制
要謹記任何模型都有其限制。不論您的系統有多棒，它不會知道明星前鋒受傷、俱樂部更換經理之後似乎重獲新生，或是隊伍可能在征戰歐洲錦標賽後疲憊不已。
這種系統也無法預測分數特別高的比賽。這並不讓人意外，因為系統是根據平均值，而約一半的比賽進球數少於 2.5 球。
雖然所有射門平均來說都有 0.097 的進球期望值，使用此簡單系統可以發現，曼徹斯特城目前的射門平均進球期望值是 0.113，而赫爾城只有 0.083。
使用進球期望值的統計資料，能幫助您準確地量化隊伍的防守和進攻實力。只要將以上資料配合卜氏分布，就能嘗試準確預測足球比賽的分數。