足球比赛充满随机性，预期进球数统计有间接参考作用

我们举一个假设的例子，比如曼城对阵伯恩茅斯，从实力上来说，两支球队根本不在一个层次上，曼城实力远强于对手。

然而比赛当天，天空下起了大雨，场地条件特别恶劣，球员们不得不在雨中比赛，这对曼城来说是一个巨大的考验。不幸的是，比赛开始5分钟，罗德里就因大腿肌肉拉伤离场，球队失去了后卫中场，立刻失去了主心骨。

场地湿滑，曼城无法通过短传破门，中场也缺少一名强力球员，进攻变得困难，最终一球未进，却被对手抓住机会，最终以0:1的比分不敌对手。

一支优秀的球队最后却没有获得胜利，这就是足球的魅力。

但这也带来一个难点，那就是如何判断“球队实力”，既然足球比赛充满了太多的未知数，各种各样的情况都可能导致强队无法取胜，那么如何才能客观地判断球队的水平呢？

这时候预期进球数的统计结果就很重要了，它会根据球队球员的进球转化率来判断球队及球员的进攻威胁程度。

所谓预期进球，简单来说就是射门换算成积分的概念，球员射门的时候，结果有两种，要么进球，要么丢球，这时候统计模型就会根据这个场景推导出进球的概率。

这里，数据统计模型还需要参考以下情况。

例如足球比赛进球最多，射门越近，进球数越高；射门越远，进球数越低。

还有对射门位置的分析，无论是用左脚还是右脚射门，是头球，还是用屁股意外击中，是点球还是远射。

更详细的流程还包括进球的方式，是阵地战进球还是反击进球，是带球后射门还是无停球射门。这些都会有一个模型，根据球员在90分钟比赛后的表现，总结出一个预期进球概率。

通过将预期进球率与射门次数、实际进球数进行比较，我们可以统计分析出差值与转化率之间的关系。

在网上，我找到了一张20199-2020赛季球员数据分析的截图。

这张图说明了什么呢？通过数据分析，可以大致看出一个球员的射门效率如何。通常射门和进球的比例接近，那么他的效率就相当高。

比如多特蒙德的桑乔就非常高效，52次射门打进17球，结合他7.7的预期进球数据以及射门转化率，你会发现他在球队中的地位非常重要。

虽然他不是前锋，而是边锋，但是他能够把握进球效率，进球期望值不是很高，但是贡献值很高，这一点差距非常明显。

如果一名球员能在球队中打出如此表现，并且能在数据上给球队提供帮助，超出预期，那么说明这名球员本赛季发挥出了极高的效率。

对于球队来说也是如此。可以通过比较预期进球统计数据来衡量他们在赛季中的表现。

比如多特蒙德的实际进球数是84个，预期进球数是59.2个，差距是24.8个，当你最终算出失球数和实际净胜球的差距时，可以发现他们那个赛季的表现超出了预期，超出了赛季初大家的预测。

这个预期进球数统计的目的很简单，其实就是提供一个“平均水平”，通过合理、科学的统计模型，更加精准的衡量球队和球员在各种状况和情况下，能够达到的水平。

然后通过实际的表现，进行前后对比，更加准确的衡量球员的具体表现。

它越准确，实际表现就越有可能符合或超过预测统计数据，并且你越能了解球员的潜力和实际能力。

当然，预期进球统计并非完美无缺。无论预期进球统计多么详细，它们都无法涵盖球场上发生的所有事情。

比如红黄牌比赛，如果某队一开始就有两名球员被罚下，而某名球员一共拿到两张红牌，比赛赛制就会发生改变，该队可能在场上进很多球，七八个球都有可能，但你不能说这些球都是有实际价值的，不如强强对话中1：0的比分真实，更能体现含金量；

再就是伤病，如果一个球员带伤上场，拼搏，在防守端付出很大努力，但是因为伤病导致投篮效率降低，一场丢掉七八个必进球，你不能说这个球员一无是处；

预期进球统计还是太过笼统足球比赛进球最多，有时候会比较片面，而且也不是很准确。你可以用这个数据作为参考，但绝不能用它来判断一名球员在球队中的价值和作用。

总之，预期进球数可以作为参考足球比赛进球最多，为教练和球队提供评判球员的依据，结合场上实际表现，体现球员的实际价值，给予球队一定的指导。

大致就是这个效果。