xG（期待得点）とは何か｜モデルの仕組みと数字の正しい読み方
xG0.40という数字は、その選手がそのシュートを40パーセントの確率で決められる、という主張ではない。過去についての主張だ。モデルが学習したデータベースのなかで、だいたいその位置から、その部位で、そういう組み立ての流れのなかで、その程度のプレッシャーを受けて放たれたシュートは、100本のうち約40本がネットを揺らした——そう言っているにすぎない。StatsBombは2017年、もっと露骨な言い方をしている。xGの値は「いま話題にしているこの一本のシュートについては、実のところほとんど何も語っていない。どちらかといえば『過去にはこうなった』に近い」。
この区別は、些細な言葉遊びに聞こえる。だが、話の核心はそこにしかない。エクスペクテッドゴールへの不満はほとんどすべて——運を測っているだけだ、どちらが勝つに値したかを勝手に決めている、あのストライカーが毎年数字を上回るのだからモデルが壊れているに違いない——過去の頻度を、たった一本のキックについての予言として読んでしまうところから生まれている。以下では、この数字が何であり、どうやって作られ、何を担うことができて、どこで静かに崩れるのかを順に見ていく。
0と1のあいだの数字
大半の放送局が採用しているOptaのモデルは、こう定義している。エクスペクテッドゴールとは「過去の類似したシュートの情報を用いて、そのシュートが決まる可能性を計算し、チャンスの質を測る」指標である。目盛りは0から1まで。0は決めようのなかったチャンス、1は誰がやっても毎回決まると期待されるチャンスだ。おもしろいことはすべて、その間で起きる。
Wyscoutはこれを「試合中に放たれたすべてのシュートについて得点の可能性を評価する、予測型の機械学習モデル」と呼ぶ。American Soccer Analysisはバスケットボールを引き合いに出し、フィールドゴール成功率になぞらえている。ただし決定的な違いがひとつある。xGが結びついているのは、シュートを放った選手が誰かではなく、そのシュートの位置と状況のほうだという点だ。これは意図的な設計であり、この数字がそもそも役に立つ理由でもある。
発想そのものは、テレビの図表よりずっと古い。Vic BarnettとSarah Hilditchは、イングランドサッカーの人工芝を扱った1993年の論文で「expected goals」という語を使っている。Richard PollardとCharles Reepは1997年、現代のモデルの祖先とはっきり分かる仕組みを組み立てた。距離、角度、ヘディングかどうか、守備のプレッシャーの強さでシュートに重みをつけるものだ。Jake Ensum、Pollard、Samuel Taylorは2002年ワールドカップの930本のシュートにロジスティック回帰をかけた。この指標をサッカー分析の主流に押し上げたのは、Sam Greenが2012年4月にOptaProへ寄せた記事であり、2017年8月にはMatch of the Dayがエクスペクテッドゴールをテレビに表示すると発表した。そのどの一歩も、単独でxGを発明したわけではない。
モデルが判断を下す前に見ているもの
現在のOptaのモデルは、2018-19シーズンから2021-22シーズンまでの40大会から集めた100万本近いシュートで学習させたXGBoost（勾配ブースティング）だ。評価するのは、インパクトのまさにその瞬間までの状況を記述する20を超える変数——ゴールまでの距離、ゴールに対する角度、GKの立ち位置、ゴールマウスがどれだけ見えているか、他の選手の位置、守備側がかけているプレッシャーの量、シュートの種類（どちらの足か、ボレーか、ヘディングか、1対1か）、そのシュートを生んだプレーの形（オープンプレー、速攻、フリーキック、コーナー、スローインのいずれか）、そして直前のアクションやアシストの種類である。規模の感覚をつかむために言えば、2022-23シーズンのプレミアリーグだけで9,609本のシュートがあり、同じシーズンの欧州5大リーグ全体では45,764本にのぼった。
プロバイダーが違えば選ぶ道も違うし、その違いは見た目だけの問題ではない。Wyscoutが公開している用語集に並ぶパラメーターはちょうど8つで、そのうちひとつは、シュートがどれだけ危険だったかという人間の記録者の判断だ。Understatは、それぞれ10以上のパラメーターを持つ10万本超のシュートでニューラルネットワークを学習させている。American Soccer Analysisはロジスティック回帰を係数まで含めて公開しており、クロスからのシュートには-0.380、スルーパスからのシュートには+0.909という重みがついている。サイドから体の前を横切って届くボールは、ライン間を割って通されたボールよりはるかに決めにくい——モデルはそう言っているわけだ。入力の豊かさで抜けているのはHudl StatsBombで、カメラの画角に映るすべての攻撃側・守備側選手とGKの位置を記録したコンピュータービジョンのフリーズフレームに加え、インパクトの瞬間のボールの高さまで持っている。膝の高さのボールは、頭の高さや地面を転がるボールより芯を食いやすいからだ。StatsBombによれば、無人のゴールというフラグひとつで、チャンスの価値は0.10から0.85まで動きうる。
おおよその数値感覚を、公式値ではなくあくまで目安として挙げておく。ゴールエリアの縁付近からのシュートは0.35を超えることが多く、25ヤードからの一撃はたいてい0.03を下回り、ペナルティーエリア外からの思い切ったミドルは0.02前後になる。Coaches' Voiceは、0.08と評価されたモハメド・サラーのシュートと、0.46と評価されたフィル・フォーデンのゴールを実例として解説している。同じ場所からでも、ヘディングは足で放つシュートより決定率が低い。逆足は利き足より低い。このリストに、サッカーをやったことのある人間が驚く要素はひとつもない。それはモデルにとって不利な事実ではなく、むしろ有利な事実である。
例外はPKだ。条件が標準化されている——12ヤード、守備者なし、モデル化するほどのプレッシャーもない——ため、各社はいっそう単純に定数を割り当てている。その定数は集計元によって約0.76から0.79で、トップレベルの成功率が70パーセント台の半ばから後半にあることを反映している。これは短期の合計値をひどく歪める。1か月に3本のPKを蹴れば、相手DFをひとりも抜かないまま2を優に超えるxGがストライカーの口座に積み上がる。ノンペナルティ・エクスペクテッドゴール、すなわちnpxGが別の列として存在するのはまさにこのためであり、選手同士を比べるときに見るべきなのもこちらの列だ。
すでに終わったシュートについて、モデルが考えを変えた日
2022年3月、Optaはモデルの新しいバージョンを投入した。入力から「ビッグチャンス」——試合を見ている人間のアナリストが付ける主観的なタグで、主観的であるうえにシュートが入ったかどうかに汚染されていると長く批判されてきた——を外し、代わりにGKの位置、守備のプレッシャー、シュートコースの見通しを加えたのである。
前後の比較は衝撃的だ。ウルヴス戦のリシャルリソンのチャンスは0.80のxGから約0.20まで落ちた。理由はただひとつ、新しいモデルにはジョゼ・サが立っていた位置が見えたからである。ワトフォード戦のロベルト・フィルミーノは0.81から0.96へ上がった。ブレントフォード戦のジェームズ・マディソンと、ニューカッスル戦のパトソン・ダカは、GKの位置と守備プレッシャーの不在が計算に入った結果、いずれも約0.47から0.87超へ跳ね上がった。報告されたなかで最も極端な例は、レスター戦のペドロ・ネトのシュートで、0.035から0.656へ、20倍近くになった。
これらのシュート自体には、何も起きていない。どれも数か月前、あるいは数年前に放たれ、止められ、あるいは決まっていたものだ。変わったのは、それらがどのカテゴリーに属するかというモデルの見解である。xGという数字が何であるかを、これほどきれいに示す例はない。出来事の測定ではなく、出来事の分類なのだ。
同時に、この指標に対する最も古い批判も役目を終えた。「モデルはGKがどこにいるか知らない」というのは初期のイベントデータ型モデルには当てはまったが、Optaについては2022年3月以降そうではないし、StatsBombのフリーズフレームには最初から当てはまらなかった。ビッグチャンスはいまもOptaのデータに残っていて、選手が決めて当然と考えられる状況——通常は1対1、あるいはゴールへの道筋がはっきりしていてプレッシャーが低〜中程度の至近距離のシュート——と定義されている。ただし、いまやそれはスタッツであって、モデルの入力ではない。Optaはさらに女子サッカー向けに完全に別のモデルを走らせている。過去の女子のシュートで学習させたもので、2023年のワールドカップから使われており、そこではゴールからの距離の比重がより大きい。
1試合のxGが教えてくれないこと
Optaは、エクスペクテッドゴールが測るのはチャンスの質であって「試合の予想される結果ではない」と明言している。理由は算数の問題であり、その最も鋭い例示はJonas Lindstromのものだ。
2つのチームを考える。コイン・チームのシュートは4本、いずれも50パーセントのチャンス。サイコロ・チームのシュートは12本、いずれも6分の1のチャンス。どちらも試合を終えた時点でxGはきっかり2.0だ。だが、勝っている可能性が同じというわけではない。コイン・チームの得点分布は2を中心に左右対称になる。サイコロ・チームの分布は右に裾を引く。つまり、得点が少なくなる確率のほうが多くなる確率より大きいということだ。試合を何度もやり直せば、勝つ回数が多いのはコイン・チームである。ハーフチャンス12本は、良いチャンス4本と同じ商品ではない。そしてxGの合計値には、その2つを見分ける力がない。
数字の役目はここで終わり、別の何かが始まらなければならない。xGの数字から結果へたどり着くには、シミュレーションが要る。1本1本のシュートを重みつきのコインとみなして試合を数千回投げ直すか、両チームの合計値を得点率のモデルに入れて同じことをするかだ。これが期待勝ち点の裏側にある仕掛けであり、xPTSは勝つ確率の3倍に、引き分ける確率の1倍を足したものになる。初めて気づいた人がたいてい戸惑う点も、これで説明がつく。1試合における両チームのxPTSを足しても3にならないのに、実際のリーグ戦の勝ち点は必ず3になるのはなぜか、という話だ。数千回のシミュレートされたシーズンがどうやって優勝確率に変わるのか、その仕組みについては、スーパーコンピューターの予測を扱った当サイトの記事がまさにそこを説明している。当サイトのリーグシミュレーターも、好きな順位表に対して同じ考え方を走らせる。エクスペクテッドゴールはその工程への入力であって、工程の代わりではない。
1試合について、さらに2つ注意しておきたい。Coaches' Voiceは率直に書いている。1試合単位ではエクスペクテッドゴールは「偏った見え方をもたらしうる」。3のxGを積み上げて試合を支配しながら、早い時間に先制してリードを守り切った相手に0-3で敗れることはあるし、その結果についてシュート数もxGラインも間違ってはいない。もうひとつ、ゴールに端数はない。合計1.0のxGは、誰かに1点を保証するものではない。同じチャンスのセットを何度も想像上でやり直したときの平均にすぎず、そのうちのかなりの回はスコアレスで終わる。
xGの数字が意味を持ちはじめるまでの試合数
正直な答えは、1試合より長く、1シーズンより短く、そして条件による、である。この点を最も丁寧に検証したのはAmerican Soccer Analysisで、2022年7月、2017-18シーズン以降の欧州5大リーグ14,608試合と、2018年以降のMLS 2,516試合を対象にした（2020年のパンデミック下のシーズンは除外）。結論の見出しはこうだ。「シーズンのどの時点においても、将来の勝ち点を最もよく予測するのはxGレシオである」。
ただし、見出しより中身のほうが重要だ。xGレシオが単純な得失点比を予測力で上回るのは、欧州5大リーグでおよそ8試合、MLSでおよそ7試合を過ぎてからである。2012-14年のデータで行われた2015年の元の研究では、その閾値は4試合だった。エクスペクテッドゴールと、より単純な指標との差は、この間に縮まっている。枠内シュート比も総シュート比も、かつてよりずっとxGに近い位置にいる。xGが他のあらゆる指標を圧倒する、という2015年当時の物言いをいまも繰り返している人は、別の時代のスポーツを引用している。ちなみに、検証されたどの指標で見ても、欧州5大リーグはMLSよりはるかに予測しやすかった。
一般の読者にとって、この分野で最も役に立つのはDavid Sumpterの実践的な指針だろう。1試合か2試合では、エクスペクテッドゴールはスコア以上のことをほとんど教えてくれない。3〜6試合では、傾向が一貫している場合にかぎって少しは意味がある。7〜16試合が一番おいしい区間で、チームのxGと実際の得点の食い違いを本気で調べる価値があるのは、この窓のなかだ。16試合を超えると、実際の得点のほうが信頼できる数字になり、そのシーズンを評価するうえでのxGの重みは下がる。予測精度が最も高いのは、おおむね10試合の移動平均である。
Sumpterは、この分野で最も謙虚にさせられる結果も出している。人間がサッカーを見て、それがビッグチャンスだったかどうかを判断するだけで作ったモデルが、決定係数R二乗0.159を記録し、複雑な多変数のxGモデルに並んだのだ。彼の結論は手元に置いておく価値がある。「エクスペクテッドゴールはサッカーの魔法の方程式ではない」。試合を見ることには、いまも意味がある。
モデルを上回り、そしてモデルへ引き戻される
選手もチームも、エクスペクテッドゴールを上回る得点を日常的に記録している。そこに神秘的なことは何もない。マンチェスター・シティは2021-22シーズン、約91のxGからリーグ99得点を挙げた。アーリング・ハーランドはブンデスリーガとチャンピオンズリーグでのある期間、57.76のnpxGから74のノンペナルティゴールを記録したと報告されている。同じチャンスを平均的なフィニッシャーが与えられた場合よりおよそ28パーセント良い数字であり、エリートのフィニッシュが実在する再現可能な技術だという、これまでで最も強い証拠だった。ところが2023-24シーズン、その同じ選手が約1.3点ぶん下回った。彼のどこかが悪くなったわけではない。
これが平均への回帰であり、決まって衰退の予告や、上振れへの罰として誤読される。どちらでもない。重みつきのコイン投げの短い連続が、そのまま続いたときに起きることだ。二次分析として報告されている持続性の数字が、この点を具体的にしてくれる。得点マイナスxGの年ごとの相関はおよそ0.12で、ほとんど無に近い。一方、シュートセレクションの指標——期待されるシュート数に対する超過シュート数——は0.63前後になる。0.8のxGが得られる位置に何度でも入り込むこと、それが持続する技術なのだ。0.8のチャンスを他の全員より高い率で決め続けていると、シーズンをまたいで証明するほうは、はるかに難しい。
レスター・シティの2015-16シーズンの優勝は、みんなが持ち出しては、たいてい読み違える事例だ。23勝12分3敗でリーグを制したが、期待得失点差では4位あたりに位置していた。その物差しで上位3チームを並べれば、アーセナル、マンチェスター・シティ、トッテナムになる。同時に彼らは、13.0パーセントというそのシーズン最高のシュート決定率も記録していた。それをフィニッシュの巧さと呼ぶか、運と呼ぶか、モデルが過小評価する種類のチャンスを生むよう設計された戦術システムと呼ぶか。正直な答えは、1シーズンぶんの得点とxGの差では、これらの説明を切り分けられない、である。
そもそも、この差を読むという行為自体に、最も根深い問題がある。得点マイナスxGは、フィニッシュの技術、相手側のGKの出来、純粋な運、そして単なるモデルの誤差を、区別のつかないひとつの数字に混ぜ込んでいる。エクスペクテッドゴール・モデルのバイアスに関する公表研究は、モデルのバイアスがフィニッシュ能力の推定を直接汚染することを示している。この差は答えではなく、問いである。
だからこそ、この指標を切り捨てる選手たちは、たいてい半分は正しい。当時アストン・ヴィラに在籍していたモーガン・ロジャースは、2026年1月、Sky Sportsのジェイミー・レドナップにこう語った。「xGなんてまったくのナンセンスだと思う」。その時点で彼は4.21のxGから7得点を挙げていた。「犯罪みたいな気分だ。こっちは決めているのに、xGが自分を低く見積もってくる」。モデルを上回って決めているという事実については、彼は正しい。間違っていたのは、モデルが何を主張していたかのほうだ。モデルは彼が4.21点取ると予測したことなど一度もない。彼のようなシュートは過去にそのくらいの頻度で決まってきた、と言っただけである。より的確な言い方を見つけたのはショーン・ダイチで、2023年8月、エヴァートンがホームでフラムに0-1で敗れた試合の後だった。この試合、エヴァートンは2.73のxGを作り、フラムは1.50だった。「うちのアナリストのひとりが、うちのxGは3くらいだったと言っていた。私はそこまで信じているわけではないが、それでも参照点にはなる。プレミアリーグでは高い数字だ」。そして正気な部分が続く。「パフォーマンス全体をxGで検証したりはしない……もうひとつの目印であって、感触を与えてくれるものだ」。
xGが破綻する場所と、それを埋めるために作られた数字
こぼれ球は、どの週末の試合でも読者自身が見つけられる欠陥だ。シュートは互いに独立した事象としてモデル化されるので、ゴール前の混戦——セーブ、こぼれ球、ブロック、またこぼれ球——ではシュートごとにエクスペクテッドゴールが積み上がっていく。Wyscoutは自社の用語集でそれを認めている。短い間に連続したシュートの列は「理論上、xGの値が1を超えることがありうる」。実際にはそのポゼッションで物理的に手に入るゴールは1点だけなのに、である。公表されている修正案のひとつは、後続のシュートを、それが発生する確率で割り引くというものだ。手前のチャンスがたいてい決まってしまうために4回に1回しか起きないこぼれ球が0.8の価値を持つなら、寄与は0.8×0.25で0.2になる。すべてのプロバイダーがこの種の補正をかけているわけではないし、ひとつのポゼッションのxGが1.0で頭打ちになると思い込まないほうがいい。
エクスペクテッドゴールは、実際に放たれたシュートしか採点しない。試合で最も危険だった局面——誰も飛び込まなかったマイナスの折り返し、トラップが大きくなって終わった3対1——の点数はきっかり0だ。この死角があるからこそ、ノンショットxGやポゼッション・バリューのモデルが存在する。ポゼッションごとに、シュートがあればそのシュートのxGを、なければそこで手に入りえた最良のxGを採るという発想である。ノンショットxGがxGを大きく上回っているチームは、良い位置には入り込んでいるのに、そこから撃つことを拒んでいるチームだ。
チームの合計値も、違うものどうしを比べてしまう。低い位置に構えたブロックは価値の高いゾーンを意図的に圧縮し、外から、あるいは角度のない位置からのシュートを強いる。1本あたり0.05をかなり下回る代物だ。したがって被エクスペクテッドゴールが低いことは、「守備がうまい」ではなく「深く守る」を意味しうる。カウンター主体のチームはシュート数がはるかに少ないが、整っていない、しかも数的に足りない守備に対して撃つので、1本あたりの価値は高くなる。ポゼッション型のチームとリトリート型のブロックのあいだで生のxGやxGDを比べるのは、2つの別々の商品を比べることである。
標準的なモデルは、意図的にシューターを見ない。答えているのは「この種のチャンスはどれくらいの頻度で決まるか」であって、「この選手がどれくらいの頻度で決めるか」ではない。フィニッシャーをモデルに組み込んでしまえば、そのモデルでフィニッシャーを評価することができなくなる。しかも1シーズンで30本程度のシュート、結果は毎回0か1の二値だから、ひとりの選手の得点マイナスxGが抱える不確実性は巨大だ。判決ではなく、目印として扱うべきである。
こうした穴を埋めるために、周辺の数字がいくつも用意されている。それらを混同してはいけない。npxGはPKを除いたもの。xGAはチームが浴びたシュートのエクスペクテッドゴールで、xGDはxGからxGAを引いたもの。エクスペクテッドアシスト（xA）は、通ったパスがゴールのアシストになる可能性を、パスの種類、長さ、終着点から測る。そして最も頻繁にxGと取り違えられるのが、枠内シュートの期待得点、すなわちxGOT（ポストショットxG）だ。エクスペクテッドゴールがカバーするのはインパクトの瞬間までのすべて、xGOTがカバーするのはその後のすべてで、もとのチャンスの質と、ボールが実際にゴールマウスのどこへ飛んだかを組み合わせる。枠内シュートにしか存在しないので、枠を外したシュートにはxGはあってもxGOTはない。ハリー・ケインの2019-20シーズンはxG 10.9に対してxGOT 14.5で、コースの選び方だけで約3.5点ぶんの価値があったことになる。同じシーズンにディーン・ヘンダーソンは39.4のxGOTを浴びて32失点だったので、7点前後を防いだ計算だ。この2つの差は、Shooting Goals Addedとして公表されることもある。
xGを出しているのは誰で、なぜ数字が一致しないのか
各プロバイダーは、自社のイベントデータで、自社の定義、自社の変数、自社の重みを使って、自社のモデルを学習させている。その帰結を、文献が落ち着いた素っ気ない要約で言えば、異なるプロバイダーの数値は「必ずしも直接比較できるものではない」。構造的な理由はすでに上に出そろっている。100万本近いシュートと20を超える変数を扱い、2022年に主観的なビッグチャンスのタグを捨てたOptaのXGBoost。カメラに映る全選手のフリーズフレームとボールの高さを持つStatsBomb。危険度についての人間の判断を含む8つのパラメーターのWyscout。そしてUnderstatのニューラルネットワーク。PKの定数でさえ、プロバイダーによって0.76、0.78、0.79と分かれる。同じシュートに対するばらつきは、xGでおおむね0.05から0.10程度と報告されることが多い。
シーズン単位での影響は小さくない。ソン・フンミンは2021-22シーズンにプレミアリーグで23得点を挙げ、モハメド・サラーと得点王を分け合った。アジア人選手として初の戴冠であり、しかもPKによるゴールはひとつもない。フィニッシュを論じるうえで格好の題材だ。そのシーズンの彼のエクスペクテッドゴールは、あるところでは13.95と公表され、別のところでは約16.0とされている。同じ23得点、同じシュートについて、どこまでがフィニッシュでどこまでがチャンスの質かという評価が、意味のある幅で2つに割れるということだ。プロバイダーはひとつ選んで、そこに留まったほうがいい。
数字がどこにあるかについても触れておく。OptaとStats Performは、大半のクラブと放送局の背後にある業務用の標準だ。Hudl StatsBombは最も情報量の多いデータを販売する一方で、女子の大会、男子の代表戦、いくつかの過去シーズンを収めた無料のオープンデータセットも公開している。同じくHudl傘下のWyscoutは、最大の試合ライブラリを備えたスカウティング業界の映像標準。Understatは、シュート単位の質の高いxGとnpxGが本当に無料で手に入る主要な情報源で、欧州5大リーグにロシア・プレミアリーグを加え、2014-15シーズンまでさかのぼれる。手軽に調べたいだけなら、FotMobがライブのxGを載せているし、Squawka、SofaScore、StatMuseも公開している。
定番のアドバイスがひとつ、いまや時代遅れになっている。しかも多くの記事がまだ追いついていない。2026年1月20日、Stats PerformはFBrefとのデータ契約を打ち切り、提供していた高度な統計——エクスペクテッドゴール、プログレッシブパス、シュートクリエイティングアクション、そのすべて——の即時削除を求めた。この変更を発表したのはSports Reference社長のSean Forman。Stats Perform側はFBrefが契約条件に違反したと述べたが、どう違反したのかは明らかにしていない。サイトにはスコア、得点、アシスト、出場数が残り、高度なデータのアーカイブは更新を止めた。打ち切りは、Stats Performが2026年ワールドカップのベッティングデータおよびストリーミング権の独占配信元に指名されてから8日後のことで、商業的な動機をめぐる憶測をおおいに呼んだ。FBrefは、これによって女子の高度なデータへのアクセスに「大きな後退が生じることをとりわけ残念に思う」と述べている。これが覆らないかぎり、予算のない読者が見るべき場所はUnderstatだ。
そして、エクスペクテッドゴールについて最後に理解しておくべきなのがこの点である。xGは、スコアや観客数のような、サッカーに関する公共の事実ではない。ひと握りの企業が独自データから作り上げた製品であり、その手法は改訂されうるし、実際に改訂されてきた。しかも、何年も前に放たれた一本のシュートがどう記憶されるかに、現実の影響を及ぼしながら。だから、あるがままに読めばいい。この種のチャンスが過去にどれくらいの頻度で決まってきたかについての、根拠のある推定値であり、次に何が起きるのかという問いに対して手に入るかぎり最良の出発点だ。次に何が起きるかは、やはりシミュレートしなければならないし、やはり見届けなければならない。
シミュレーションで、確率が結果に変わる瞬間を見る
xGがやっているのは、1本のシュートに0と1のあいだの数字を与えることだ。futsimulator.comのシミュレーターも、根っこは同じ考え方で動いている。両チームの力関係からチャンスの生まれやすさを見積もり、それを確率として1試合ずつゴールと勝ち点に変換していく。違うのは向きだけだ。xGが終わった試合を後ろから測るのに対して、シミュレーターはまだ行われていない試合を前に向かって回す。リーグなら全日程を消化して順位表を並べ替え、カップ戦ならブラケットを決勝まで進める。
何度か回してみると、本文で書いた「1試合のxGでは何も決まらない」という話が、頭ではなく感覚でわかる。1回目は独走で優勝したチームが、2回目は4位で終わる。チームの数字が変わったのではなく、試行回数がまだ足りないだけだ。順位表が落ち着くまでにどれだけの試合数が必要なのか、そのばらつきの幅を自分の目で確かめられる。
"xGは、そのシュートが入るべきだったかを教えてくれない。同じシュートが100回あれば何回入るかを教えてくれるだけだ。"
- リーグを1シーズン丸ごとシミュレートして、最終的な順位表がどう並ぶかを見る
- 同じリーグを続けて何回か回し、同じチームの順位がどこまで振れるかを比べる
- 1試合だけをシミュレートして、力の差があっても結果が一つに決まらないことを確かめる
- ノックアウトのブラケットを組み、一発勝負では試行回数の少なさがどれだけ結果を荒らすかを見る
"シュートが入るかどうかは、1回では決まらない。何度も繰り返して、確率ははじめて姿を現す。"