Михаил Бородастов: комментарии

Спасибо!
Очень много букв. Получилось нечитаемо. Понимаю все минусы формата и подачи.

Об этом же говорит статистика по xT, которую я приводил в последней статье. Барселона на первом месте в ЛаЛиге по эффективности создаваемых моментов через передачи и продвижения с игры.
Также у Барсы лучшая разница между созданными и допущенными моментами. (xT diff: 2.18 и 1.91)

1) Opta (поставщик event данных) определяет успешность передачи специальным полем/флагом ’outcomeType’, который принимает два значения - Successful или Unsuccessful. Если в результате передачи принимающий игрок успешно принял мяч (т.е. владение команды сохранилось), то передача считается успешной, иначе неуспешной.
Модель = матрица переходов строится на основе трех типов данных и соответствующей статистике за некоторый исторический период времени:
а) действия перемещающие мяч (passes и carries), только успешные !
б) удары по воротам
в) голы
Зная как часто из каждой зоны футбольного поля совершается УСПЕШНЫЙ пас в любую другую зону поля, можно рассчитать вероятность УСПЕШНОГО паса для всех возможных зон соответственно.
Аналогично для ударов и голов, можно для каждой зоны футбольного поля рассчитать на исторических данных, что из данной зоны может быть нанесен удар и может быть забит гол в результате удара.
Получается для каждой точки поля мы можем рассчитать вероятность следующего действия, которая распадается на вероятность перейти в другую зону И вероятность нанести удар из текущей, для которого считают вероятность гола.
Цепи Маркова, лежащие в основе модели xT, позволяют считать такую вероятность через N следующих действий (обычно в модели xT используют N=5). Получается, что для каждой зоны мы считаем в какие другие зоны игрок может перейти за 5 действий и нанести удар с определенной вероятностью забить гол.
Возвращаясь к вашему примеру. Если в истории был пример, когда один игрок из зоны А отдал передачу в зону Б, но второй игрок не коснулся/не смог обработать мяч, но в результате отскока третий игрок совершил удар из зоны Б и забил гол. То тогда
а) При расчете вероятности успешного паса из зоны А в зону Б не будет учитываться данный пример. Следовательно общая вероятность перехода из зоны А в зону Б будет немного ниже, чем могла бы быть, в случае успешного паса. Полученная модель (матрица перехода) будет иметь чуть более низкие значения итоговой вероятности забить гол из данной зоны.
б) данный пример будет независимо учитываться для расчета вероятности нанести удар из зоны Б и забить гол из зоны Б
2) Простейшие модели xT, также как и xG не учитывают положение корпуса игрока, высоту мяча и другие очень важные в жизни детали, которые влияют на сложность приема и последующего удара.
Однако современные модели уже используют данные характеристики, так же как и игровой контекст - положение игроков без мяча, что кажется совершенно логичным. В жизни из одной и той же зоны футбольного поля будет сложнее забить, если игрока плотно встречаю при приеме спиной в рамках позиционной атаки, нежели при выходе 1 на 1 лицом к воротам в отсутствие давления.
Вы задаете правильные вопросы. Модель, использованная в данной статье довольно примитивна, но даже такая модель дает дополнительную инфу и позволяет направить свой фокус на тех или иных игроков для более детального анализа.
Можете почитать подробнее про цепи Маркова здесь - www.sports.ru/tribuna/blogs/footsci/2890716.html

+ обновил рейтинг по передачам, в нем по дефолту должен был быть Илкай с xT = 0.3. Также в рейтинге отсутствовали Коке, Иско и Блинд. На моей стороне ошибка была при фильтрации.

Добавил рейтинг ТОП30 в конце статьи. Гюндоган на 26 месте. У него больше всех сыгранных минут, на которые нормируется xT.

Согласен. Вернусь завтра с комментариями и пояснениями + дополнительно приложу статистику Илкая.

Спасибо за отзыв! Супер, что заметили ошибку! Исправил.

Спасибо за замечание! Дополнил.

Спасибо за отзыв! Исправил.

Такие метрики как xT, VAEP, OBV по своей сути и являются "лупой" для обнаружения деталий и поиска класса там, где его очень сложно разглядеть. Понятно, что финальные критерии класса - это победы, вклад в которые измеряются через голы и ассисты. Однако сегодня уже почти повсеместно используются такие метрики как xG, но опять же это очень узконаправленный инструмент. Дальше все большее количество действий будет оцениваться количественно, на очереди эффективные метрики для оценки оборонительных действий, особенно без мяча.
Что же касается Челси или любой другой команды, игра которой не достигает ожидаемого уровня по итоговому перформансу. То у таких команд часто можно выделить игровые компоненты или определенные роли, которые демонстрируют высокий уровень эффективности/качества (но это может не конвертироваться в голы, тк футбол - это игра с большим количеством степеней свободы).
Более того, признаки класса можно найти и у игроков из средней или нижней части турнирной таблицы, у команд без особых амбиций на попадание в ТОП4-8. Например Виллиан из Фулхема сильно выделятся визуально почти в каждой игре и попадает в ТОП7 игроков, создающих опасность через пас по xT. Примере Огбене и Синистерра также были рассмотрены в статье.
xT не является самой сильной метрикой среди конкурентов, однако позволяет оценить игроков относительно того, насколько часто они успешно доставляют мяч из менее опасных участков поля в зоны, с повышенной вероятность гола. Что в свою очередь позволяет получить чуть более широкую оптику в сравнении с оценками xG и других базовых метрик.