世界杯比赛谁夺冠的次数最多？ 知乎

同样，我们可以把XGOT看作是衡量守门员表现的好方法。 这可以更准确地反映守门员的表现，因为它可以根据守门员面对的射门质量来预测他们会丢多少球。 另一方面，莱斯特城的瓦尔迪在机会和执行机会之间的差距最大，他的表现差3.4个球，这是由于他在命中球门的技术太差。 其他的国际性赛事如奥运会足球比赛则是奥林匹克运动会的比赛项目中历史较悠久的项目之一。

这些细小的射手多数倚仗速度接应直线传送，而不会像柱趸般背对龙门控球。 因为这个称呼读音太长，因此民间按照当时牛津大学的截音习惯将其中的第一个辅音节“-soc-”附加了后缀“-er”后创造了一个简化的新词“soccer”。 这个词也成为了橄榄球类运动比较流行的地区（比如美国、加拿大、澳大利亚、新西兰、南非）以及受美国文化影响较深的国家（比如日本）对足球的称呼。

1970年起，世界杯专用球指定由德国的愛迪達公司提供设计。 足球协会也称“足球联合会”，一般是管理足球球员纪律，球员转会还有比赛筹办，联赛组织的机构。 現時管理全球各地足球運動的組織是国际足球联合会(FIFA)，總部設於瑞士蘇黎世。 并且每四年举办一届世界杯足球赛，是世界球壇盛事之一。 他们通常倚靠头錘顶入传中球得分，或使用身体和力量护球以制造攻门机会。

射术对进球次数的影响也在长久的时间积累中体现了出来。 从数据来看，虽然梅西的期望进球数比C罗要少6.4球，但五个赛季下来，C罗的进球数反而要比梅西少20球。 另外与进球相反地则是助攻数据，虽然C罗期望助攻次数接近39次，但他的实际助攻却达到了46次，而梅西的期望助攻达到77，但实际助攻却只有67次。

但它进一步增加了背景，将射向球门上角的射门与射向球门中间的射门的区分开来。 正如你所想象的，这个XGOT模型只计算命中目标的数值，所以依赖于球员至少要让守门员做出相应举动–当然，如果射门偏离目标，你进球的机会就是零（除非出现不可能的反弹）。 边后卫（Fullback），是负责球场两侧防守的球员。

预期进球是比射门次数和射正更接近真相的一项射门统计，这项统计数据会考察射门距离、角度、方式、防守球员的干扰等一系列因素，最终判定这次射门得分的难易程度，最终赋予一个期望值。 需要注意地是，在榜单中梅西的传中次数是所有球员中最少的，而直塞次数则是所有球员中最多的。 这在一定程度上说明了他比较喜欢通过直塞而非传中来制造威胁，这与我们的观赛感受相符。 而另外一个极端是卡索拉，他的直塞球数据为0.1，但他拥有1.3次传中4次长传的最高数据，这在一定程度上说明了卡索拉更乐意用高球的方式来制造威胁。 当然，在更多时间中，这些榜单上的球员奉献关键传球的方式都是短传，我们可以看看球员制造关键传球的方式统计。 而在那个赛季以后，C罗的进球数一直没有追上他的预期，因此综合而言C罗的射术并不如想象中要好。

在运用一个数据以前，我们首先得了解数据的评判标准。 在数据统计中，关键传球指的是形成射门的传球，也就是说，只要你的传球产生了射门就能算成关键传球。 但片面和错误地认知会让足球比赛的数据变成“欺骗”，那么如何才能科学地通过足球比赛的数据来认识一名球员呢？ 今天我们就通过进攻端数据的举例，来告诉大家如何正确运动足球比赛的数据。 XA可以为那些有创造力的球员提供信用，并给出一个更清晰的概念，即考虑到他们的攻击输出质量，一个球员应该有多少助攻。

很多国家每年在本国内还有各种足球俱乐部之间的足球联赛。 其中意甲、英超、西甲、德甲、法甲由于开办时间久，有上百年历史，球队引进外国球员没有较多的限制，从而吸引了各国顶级球员加盟，有“五大联赛”之称。 俱乐部对阵最为精彩的要属同城德比，在同一座城市下，有两支不同球队竞争，比赛的激烈程度非常高。

在他在禁区外射门之前，他的xG是0.03，是一个很低数值的机会，预计100次射门中只有3次会成为一个进球。 当然，当我们有更大的样本，在更长的时间内，从这些信息中得出的结论是更可靠的。 当我们这样做时，我们可以使用XG来探索某个球员或球队在门前的表现与他们的预期相比是不足还是过高。

举个简单粗暴的例子，当一名前锋获得了300次单刀机会，假设他的预期进球值就是100（此数值仅为举例）。 如果他的进球次数比100要少，那么我们就可以说这名前锋脚头不太准，但如果这名前锋的进球数大于100，或者远超100，那么我们就可以得出这名前锋射术精湛的结论。 前锋获得的每一次机会都会根据射门得分的难易进行数值的衡量，例如一次空门，那么预期值会达到1，而如果是三人包夹下的射门机会，数值可能会低到0.1。 通过大样本的期望值和进球数的对比，我们就能大体了解到这名进攻球员的终结能力。