是什么 Expected Goals (xG) Calculator?
▾
在 2022-23 赛季英超联赛中，曼城累计打进 94.6 个预期进球（这是英格兰顶级联赛单赛季的最高进球记录），但仍然未能抓住每一个机会，凸显了最终进球的概率性。预期进球 (xG) 是过去十年进入主流足球分析领域的最具变革性的指标。它根据相似情况下相似位置的射门历史转化率，为每次射门分配一个进球概率（范围从 0 到 1）。在 xG 出现之前，分析师仅依赖原始射门数和进球数；他们无法区分接球和 30 码投机性射门。 StatsBomb 和 Opta 在 2010 年代初期开创了大规模 xG 建模，如今每个顶级职业俱乐部和广播网络都在使用它。该模型经过数百万次历史射门训练，通常包含：射门位置（距球门的距离和角度）、使用的身体部位（脚与头）、射门类型（空战、定位球、点球）、助攻类型（直塞球、传中、回切）、守门员位置以及球员是否处于压力之下。例如，点球的 xG 约为 0.76，而 18 码处头球的平均 xG 接近 0.09。俱乐部使用xG来评估攻击者（前锋的表现是否优于或低于他们的机会？）、后卫（他们是否允许高质量或低质量的机会？）和守门员（他们是否应该扑救射门？）。它为招募、战术调整和赛后分析提供信息。 xG 的主要限制是它描述了总体的射门质量；它无法解释单个守门员在特定射门中的位置、球门线上的后卫或异常熟练的终结者的技术。在小样本（例如 10 场比赛）中，xG 可能与实际目标存在很大差异；在整个赛季中，大多数球队的两者都趋于一致。
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
公式
▾
每次射击的 xG = f(位置、身体部位、射击类型、辅助类型、压力、...)
赛季 xG = xG_i 之和，其中 i = 1 到 N 个镜头
工作示例：
埃尔林·哈兰德接到距球门8码处低传中，中路右脚，无压力。
相同情况下的历史转化率约为 38%，因此 xG = 0.38
在一场比赛中，他出手 6 次：0.38 + 0.12 + 0.05 + 0.61 + 0.09 + 0.22 = 1.47 xG
他进了 2 个球，因此那场比赛的 xG 超额表现为 +0.53。变量说明
▾
| 符号 | 名称 | 单位 | 描述 |
|---|---|---|---|
| xG_i | 预期进球（单球） | probability (0–1) | 射门 i 进球的概率是由模型根据上下文特征估计的。 |
| N | 总射门数 | count | 所分析期间内球员或球队的射门总数。 |
| xGD | 预期净胜球 | goals | 赛季 xG 减去赛季 xG 反对；衡量球队对对手的预期统治力。 |
| PSxG | 射门后的预期进球 | probability (0–1) | 射门后计算的精确 xG 值，结合球在框架内的位置来评估守门员的表现。 |
| npxG | 非点球预期进球 | goals | 累计 xG（不包括罚球）；比较不同联赛前锋射门质量的首选指标。 |
如何 Expected Goals (xG) Calculator
▾
- 1历史数据中的每个镜头都标记有数十个上下文变量，例如 x/y 坐标、身体部位和辅助类型。
- 2根据这些数据训练逻辑回归或梯度增强模型，并以二元结果（目标/无目标）作为目标变量。
- 3对于任何新的射门，模型都会输出 0 到 1 之间的概率，表示进球的可能性。
- 4单次击球 xG 值将所有尝试相加，得出球员、球队或比赛的总 xG。
- 5分析师将累积的预期目标与实际得分进行比较，以识别表现是否出色，从而指导球探和战术决策。
- 6多个赛季的滚动 xG 趋势有助于区分真正的质量和差异，特别是对于样本量较小的前锋而言。
例题解析
▾
哈兰德以 33.1 的预期目标攻入 36 粒进球，展示了在创造精英机会的基础上的精英终结能力——这是推动曼城夺冠的罕见组合。
在压力下远距离射门很少能命中；这个值正确地反映了统计上的尝试几乎是徒劳的。
在欧洲顶级足球比赛中，点球的发生率约为 76%，这使得点球成为乌龙球之外最高的单次射门预期进球数。
曼城2023-24赛季的xGD为+44.3，是英超历史上最高的，反映了曼城在进攻质量和防守稳定性方面的统治力。
实际应用
▾
球探报告：俱乐部根据每 90 的 npxG 和 npxG 超表现对前锋候选者进行排名，以在转会窗口之前识别精英终结者。这代表了 Xg 计算器在专业和分析环境中的重要应用领域，其中准确的 xg 计算器计算直接支持明智的决策、战略规划和性能优化
比赛分析：教练组使用实时 xG 仪表板来评估领先是否“当之无愧”以及战术转换是否提高了机会质量。这代表了 Xg 计算器在专业和分析环境中的重要应用领域，其中准确的 xG 计算器计算直接支持明智的决策、战略规划和绩效优化
守门员评估：PSxG 减去失球数 (PSxG-GA) 是利物浦和布伦特福德等分析驱动型俱乐部的守门员表现的黄金标准。代表了 Xg 计算器在专业和分析环境中的重要应用领域，其中准确的 xg 计算器计算直接支持明智的决策、战略规划和表现优化
广播丰富化：天空体育、BT 体育和 ESPN 在比赛期间显示实时 xG，为休闲观众提供有关比赛基本故事的背景信息。这代表了 Xg 计算器在专业和分析环境中的重要应用领域，其中准确的 xg 计算器计算直接支持明智的决策、战略规划和性能优化
特殊情况
▾
由于没有外场球员，乌龙球不包含在个人预期进球计算中
由于没有外场球员有意射门，因此乌龙球不计入个人预期进球计算中；它们分别作为 OG 进行跟踪。在 Xg 计算器中，这种情况在解释 xg 计算器结果时需要格外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析以及当 xg ulator 计算落入非标准范围时使用替代方法交叉引用结果。
偏转的射击使 xG 建模变得复杂，因为偏转会改变
偏转的击球使 xG 建模变得复杂，因为偏转会改变球在飞行中的轨迹，从而使原始击球更难使用标准的基于位置的模型进行评估。在 Xg 计算器中，这种情况在解释 xg 计算器结果时需要格外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析以及当 xg ulator 计算落入非标准范围时使用替代方法交叉引用结果。
点球大战不计入赛季预期进球总数，因为它们发生在室外
点球大战不包括在赛季 xG 总数中，因为它们发生在常规比赛时间之外，并且与开放比赛情况有本质上的不同。. 在 Xg 计算器中，这种情况在解释 xg 计算器结果时需要格外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析以及当 xg ulator 计算落入非标准范围时使用替代方法交叉引用结果。
英超球队 xG 基准（2023-24 赛季）
▾
| 俱乐部 | xG 为 | xG 对抗 | xGD | 实际目标 | 位置 |
|---|---|---|---|---|---|
| 曼城 | 77.2 | 30.1 | +47.1 | 96 | 1st |
| 兵工厂 | 71.8 | 33.4 | +38.4 | 91 | 2nd |
| 利物浦 | 68.5 | 35.2 | +33.3 | 86 | 3rd |
| 阿斯顿维拉 | 61.4 | 42.1 | +19.3 | 76 | 4th |
| 切尔西 | 55.3 | 52.7 | +2.6 | 77 | 6th |
| 谢菲尔德联队 | 28.9 | 88.3 | -59.4 | 35 | 20日 |
常见问题
▾
英超联赛中每场比赛的最佳预期进球是多少？
顶级进攻球队通常每场比赛能产生 1.8-2.4 的 xG。每场比赛平均得分超过 2.0 xG 的球队被认为是创造机会的精英球队。面临降级威胁的球队的场均预期进球数通常低于 0.9。这在 xg 计算器计算的背景下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的 xg 计算器计算来验证假设、优化流程并确保符合适用标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
xG可以大于1吗？
单次射击的 xG 上限为 1.0，因为概率不能超过 100%。然而，一支球队在一场比赛中的总预期进球数可以是任何正数——曼城的单场总预期进球数超过 4.5。这在 xg 计算器计算的背景下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的 xg 计算器计算来验证假设、优化流程并确保符合适用标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
为什么有些球员的表现始终优于 xG？
像罗伯特·莱万多夫斯基和埃尔林·哈兰德这样的精英终结者通过卓越的技术、禁区内的决策以及在球门低概率区域射门的能力，不断击败 xG。经过数千次拍摄后，这种差异在统计上是显着的。这在 xg 计算器计算的背景下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的 xg 计算器计算来验证假设、优化流程并确保符合适用标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
xG 是否考虑了守门员？
大多数 xG 模型不会考虑每次射门时特定守门员的位置 - 它们使用人口平均守门员。射门后 xG (PSxG) 通过考虑射门位置来完善这一点，从而更公平地衡量守门员的表现。这在 xg 计算器计算的背景下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的 xg 计算器计算来验证假设、优化流程并确保符合适用标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
xG 与射中目标有何不同？
射中目标对每次射中目标一视同仁，无论是轻击还是 20 码外的投机头球。 xG 根据实际难度对每个机会进行加权，从而提供更准确的攻击输出图。这在 xg 计算器计算的背景下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的 xg 计算器计算来验证假设、优化流程并确保符合适用标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
xG 需要多少次射击才能可靠？
xG 有意义地稳定在一支球队（大约整个赛季）的 150-200 次射门或单个球员的 80-100 次射门。对于较小的样本，偶然完成的方差可以主导信号。这在 xg 计算器计算的背景下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的 xg 计算器计算来验证假设、优化流程并确保符合适用标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
什么是非罚球 xG (npxG)？
非罚球 xG 会从总数中消除罚球，因为罚球是根据具体情况而定的，并且可能会扭曲玩家的基本创造指标。 npxG 是评估前锋空战射门质量的首选指标。这在 xg 计算器计算的背景下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的 xg 计算器计算来验证假设、优化流程并确保符合适用标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
常见错误注意事项
▾
- !仅在 5-10 场比赛后根据预期进球来评判一名球员；完成短样本的方差可以使精英前锋和普通前锋看起来相同或互换。
- !将 xG（射门质量模型）与 xA（预期助攻）混淆 — xA 衡量创造机会的传球质量，而不是射门本身。
- !假设一支始终表现优于 xG 的球队将继续这样做，那么持续表现出色的情况很少见，而且通常会在整个赛季中回归平均值。
专业提示
始终将守门员的预期进球数与射门后预期进球数 (PSxG) 进行比较。面对 1.8 PSxG 但仅失 1 个进球的守门员表现高于模型； PSxG 考虑了镜头在画面内的放置位置，给出了比原始 xG 更清晰的评估。
你知道吗？
根据 StatsBomb 公开数据分析，莱昂内尔·梅西 (Lionel Messi) 职业生涯在西甲联赛中的 npxG 表现预计超过 80 个进球，这意味着他在相同射门位置上比普通终结者多进约 80 个非点球进球。
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
获取每周数学提示
加入 12,000+ 订阅者，每周都会获得计算器提示。