Команда сезона Испанской Ла Лиги по количеству созданной угрозы воротам соперника
Sergio Herrera - Osasuna
Marcos Acuña - Sevilla
Clément Lenglet - Barcelona
Raúl Albiol - Villarreal
Kieran Trippier - Atletico
Sergio Busquets - Barcelona
Javi Galán - Huesca
Jordi Alba - Barcelona
Lionel Messi - Barcelona
Suso - Sevilla
Jesús Navas - Sevilla
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
Итого четыре представителя Барселоны, три Севильи и по одному из Атлетико, Уэски, Вильярреала и Осасуны
Игроки Реала Мадрид, которые были близки к попаданию в команду сезона:
Lucas Vázquez - RCM - 1.41 xT
Toni Kroos - CDM - 1.38 xT
@markstats | @markmatch
Sergio Herrera - Osasuna
Marcos Acuña - Sevilla
Clément Lenglet - Barcelona
Raúl Albiol - Villarreal
Kieran Trippier - Atletico
Sergio Busquets - Barcelona
Javi Galán - Huesca
Jordi Alba - Barcelona
Lionel Messi - Barcelona
Suso - Sevilla
Jesús Navas - Sevilla
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
Итого четыре представителя Барселоны, три Севильи и по одному из Атлетико, Уэски, Вильярреала и Осасуны
Игроки Реала Мадрид, которые были близки к попаданию в команду сезона:
Lucas Vázquez - RCM - 1.41 xT
Toni Kroos - CDM - 1.38 xT
@markstats | @markmatch
Одним из последствий проведения матчей при пустых трибунах является снижение среднего количества очков (points per game), набираемых хозяевами поля. Даже судьи стали чаще наказывать фолами игроков домашней команды
Особенно сильно эффект наблюдается в Английской и Французской лигах, слабее в Германии и Испании
Родные стены все еще помогают, однако их влияние сильно уменьшилось: после вынужденной паузы весной 2020 года, гости побеждают в 34% матчах, хозяева - в 40%. До пандемии было 29% и 45% соответственно
Сохранение небольшого преимущества хозяев объясняется факторами, никак не связанными с присутствием или отсутствием фанатов: усталостью гостей после перелетов и незнакомой обстановкой
Тезис "хозяева поля набирают меньше очков, если играют с пустыми трибунами” лишний раз подтверждает кривая РПЛ на нашем графике - единственный из рассмотренных турниров, в котором зрители, пусть и с ограничениями, но регулярно допускались к посещению матчей
@markstats
Особенно сильно эффект наблюдается в Английской и Французской лигах, слабее в Германии и Испании
Родные стены все еще помогают, однако их влияние сильно уменьшилось: после вынужденной паузы весной 2020 года, гости побеждают в 34% матчах, хозяева - в 40%. До пандемии было 29% и 45% соответственно
Сохранение небольшого преимущества хозяев объясняется факторами, никак не связанными с присутствием или отсутствием фанатов: усталостью гостей после перелетов и незнакомой обстановкой
Тезис "хозяева поля набирают меньше очков, если играют с пустыми трибунами” лишний раз подтверждает кривая РПЛ на нашем графике - единственный из рассмотренных турниров, в котором зрители, пусть и с ограничениями, но регулярно допускались к посещению матчей
@markstats
Команда сезона АПЛ основанная на количестве угрозы созданной воротам соперника
Aaron Ramsdale | Sheff Utd
Luke Ayling | Leeds
Joachim Andersen | Fulham
Jannik Vestergaard | Southampton
Aaron Cresswell | West Ham
Ashley Westwood | Burnley
Jack Grealish | Aston Villa
Mohamed Salah | Liverpool
Andrew Robertson | Liverpool
Bruno Fernandes | Man Utd
Trent Alexander-Arnold | Liverpool
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
Кевин Де Брейне сыграл значительно меньше минут чем Бруну и занял второе место в зоне FW (у бельгийца 1.01xT), а Рияд Махрез проиграл Салаху с разницей 0.1xT в зоне RCM
Символическая сборная Французской Лиги 1 опубликована в группе “Люди xG”
@markstats
Aaron Ramsdale | Sheff Utd
Luke Ayling | Leeds
Joachim Andersen | Fulham
Jannik Vestergaard | Southampton
Aaron Cresswell | West Ham
Ashley Westwood | Burnley
Jack Grealish | Aston Villa
Mohamed Salah | Liverpool
Andrew Robertson | Liverpool
Bruno Fernandes | Man Utd
Trent Alexander-Arnold | Liverpool
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
Кевин Де Брейне сыграл значительно меньше минут чем Бруну и занял второе место в зоне FW (у бельгийца 1.01xT), а Рияд Махрез проиграл Салаху с разницей 0.1xT в зоне RCM
Символическая сборная Французской Лиги 1 опубликована в группе “Люди xG”
@markstats
Продолжаем работать над нашей версией sequence framework. Ранее мы уже писали что понимается под “владением”, сегодня рассматриваем две новые метрики:
Ось Y - количество “продолжительных” владений (минимум 10 передач) за матч
Ось X - количество продолжительных владений, закончившихся ударом по воротам или касанием в радиусе 20 метров от ворот соперника (Opta использует касания в штрафной, мы писали почему предпочитаем полукруг прямоугольнику)
Барселона, Сити и Челси - лидеры сезона по количеству продолжительных sequences
Белая диагональ - линия тренда. Команды, находящиеся выше линии, реже доводят свои владения до опасных зон или ударов (Тоттенхэм, Арсенал, Дортмунд, Ювентус, Сити)
Хотя у Зенита и ЦСКА сравнительно мало владений с 10+ передачами, команды имеют самый высокий (среди рассмотренных) процент конверсии продолжительных sequences в удары или опасные проникновения (24%)
@markstats | @markmatch
Ось Y - количество “продолжительных” владений (минимум 10 передач) за матч
Ось X - количество продолжительных владений, закончившихся ударом по воротам или касанием в радиусе 20 метров от ворот соперника (Opta использует касания в штрафной, мы писали почему предпочитаем полукруг прямоугольнику)
Барселона, Сити и Челси - лидеры сезона по количеству продолжительных sequences
Белая диагональ - линия тренда. Команды, находящиеся выше линии, реже доводят свои владения до опасных зон или ударов (Тоттенхэм, Арсенал, Дортмунд, Ювентус, Сити)
Хотя у Зенита и ЦСКА сравнительно мало владений с 10+ передачами, команды имеют самый высокий (среди рассмотренных) процент конверсии продолжительных sequences в удары или опасные проникновения (24%)
@markstats | @markmatch
Мы обработали все матчи Лиги Чемпионов 2020/21 (включая групповой этап) и для каждого игрока посчитали две метрики
Deep completions - успешные передачи и кроссы оканчивающиеся в радиусе 20 метров от центра ворот соперника за 90 минут. Лидерами являются:
Lionel Messi | Barcelona - 5.0
Juan Cuadrado | Juventus - 4.82
Bruno Fernandes | Man Utd - 4.68
Joshua Kimmich | Bayern - 4.15
Papu Gómez | Atalanta - 4.15
Non-cross deep completions - успешные передачи (но не кроссы) оканчивающиеся в радиусе 20 метров за 90 минут:
Lionel Messi | Barcelona - 3.91
Jadon Sancho | Borussia Dortmund - 3.31
Jordi Alba | Barcelona - 3.3
Bruno Fernandes | Man Utd - 3.12
Kieran Trippier | Atletico - 2.54
…
Viktor Claesson | Krasnodar - 2.34
Первый график отсортирован по общему количеству deep completions p90, а второй - по non-cross deep completions p90
@markstats | @markmatch
Deep completions - успешные передачи и кроссы оканчивающиеся в радиусе 20 метров от центра ворот соперника за 90 минут. Лидерами являются:
Lionel Messi | Barcelona - 5.0
Juan Cuadrado | Juventus - 4.82
Bruno Fernandes | Man Utd - 4.68
Joshua Kimmich | Bayern - 4.15
Papu Gómez | Atalanta - 4.15
Non-cross deep completions - успешные передачи (но не кроссы) оканчивающиеся в радиусе 20 метров за 90 минут:
Lionel Messi | Barcelona - 3.91
Jadon Sancho | Borussia Dortmund - 3.31
Jordi Alba | Barcelona - 3.3
Bruno Fernandes | Man Utd - 3.12
Kieran Trippier | Atletico - 2.54
…
Viktor Claesson | Krasnodar - 2.34
Первый график отсортирован по общему количеству deep completions p90, а второй - по non-cross deep completions p90
@markstats | @markmatch
Команда сезона Бундеслиги основанная на количестве созданной угрозы (xThreat):
GK - Stefan Ortega Moreno | Arminia
RB - Cédric Brunner | Arminia
RCB - Jérôme Boateng | Bayern
LCB - Edmond Tapsoba | Leverkusen
LB - Raphael Guerreiro | Dortmund
CDM - Joshua Kimmich | Bayern
RCM - Thomas Müller | Bayern
LCM - Christian Günter | Freiburg
RW - Christopher Trimmel | Union
FW - Dani Olmo | RBL
LW - Filip Kostic | Eintracht
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
На самом деле, Томас Мюллер заработал больше всех очков xT не только в зоне RCM, но и в FW. Чтобы игроки в команде сезона не повторялись, для зоны FW мы выбрали игрока, занявшего второе место - Дани Ольмо из Лейпцига
@markstats
GK - Stefan Ortega Moreno | Arminia
RB - Cédric Brunner | Arminia
RCB - Jérôme Boateng | Bayern
LCB - Edmond Tapsoba | Leverkusen
LB - Raphael Guerreiro | Dortmund
CDM - Joshua Kimmich | Bayern
RCM - Thomas Müller | Bayern
LCM - Christian Günter | Freiburg
RW - Christopher Trimmel | Union
FW - Dani Olmo | RBL
LW - Filip Kostic | Eintracht
При составлении этой символической сборной мы пользовались моделью Expected Threat
Для каждой успешной передачи, модель рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
На самом деле, Томас Мюллер заработал больше всех очков xT не только в зоне RCM, но и в FW. Чтобы игроки в команде сезона не повторялись, для зоны FW мы выбрали игрока, занявшего второе место - Дани Ольмо из Лейпцига
@markstats
Высокая интенсивность прессинга не всегда означает высокую эффективность
На графике команды с лучшими показателями PPDA в этом сезоне (Passes Allowed per Defensive Action, интенсивность прессинга)
В качестве метрик эффективности мы предлагаем:
Ось X - процент переходов владения (high turnovers) от количества высоких прессинг действий (в радиусе 40 метров от ворот соперника)
Ось Y - процент переходов владения с ударом по воротам (high turnovers with shot) от количества высоких прессинг действий
Лидс часто обвиняют в “бесполезной беготне”, однако, их прессинг действия в 9% случаев приводят к удару по воротам соперника, что, например, чаще чем у Баварии или Ливерпуля
Из числа самых интенсивно прессингующих команд Европы, наиболее эффективные - Зенит (41% действий приводят к переходу, 9% завершаются ударом) и Дортмунд (40% и 9.7%)
Под прессинг действиями мы понимаем попытки отбора, перехваты, заблокированные пасы и подборы
@markstats
На графике команды с лучшими показателями PPDA в этом сезоне (Passes Allowed per Defensive Action, интенсивность прессинга)
В качестве метрик эффективности мы предлагаем:
Ось X - процент переходов владения (high turnovers) от количества высоких прессинг действий (в радиусе 40 метров от ворот соперника)
Ось Y - процент переходов владения с ударом по воротам (high turnovers with shot) от количества высоких прессинг действий
Лидс часто обвиняют в “бесполезной беготне”, однако, их прессинг действия в 9% случаев приводят к удару по воротам соперника, что, например, чаще чем у Баварии или Ливерпуля
Из числа самых интенсивно прессингующих команд Европы, наиболее эффективные - Зенит (41% действий приводят к переходу, 9% завершаются ударом) и Дортмунд (40% и 9.7%)
Под прессинг действиями мы понимаем попытки отбора, перехваты, заблокированные пасы и подборы
@markstats
Корреляция между количеством очков за матч (Points Per Game) и созданными/допущенными ожидаемыми голами. Коэффициент принимает значение от нуля (никак не связаны) до единицы (сильная связь)
Если рассматривать все команды из топ-5 (верхний график по центру), то в каждом из последних четырех сезонов, атака сильнее чем оборона коррелирует с PPG
Вопреки этому, в только что закончившимся сезоне Лиги 1, перформанс команд в обороне значительно сильнее влиял на количество набранных очков, чем игра в атаке. Ни в одном другом национальном первенстве такой большой разницы в пользу обороны еще не наблюдалось
Обратная ситуация произошла в АПЛ 20/21 и Ла Лиге 19/20 - серьезный перекос в сторону атаки. В целом, в Англии наблюдается тренд на снижение корреляции между малым числом допущенным моментов с количеством PPG, в Испании - наоборот - плавное увеличение
Обычное для таких исследований замечание, что корреляция не всегда означает причинно-следственную связь
@markstats
Если рассматривать все команды из топ-5 (верхний график по центру), то в каждом из последних четырех сезонов, атака сильнее чем оборона коррелирует с PPG
Вопреки этому, в только что закончившимся сезоне Лиги 1, перформанс команд в обороне значительно сильнее влиял на количество набранных очков, чем игра в атаке. Ни в одном другом национальном первенстве такой большой разницы в пользу обороны еще не наблюдалось
Обратная ситуация произошла в АПЛ 20/21 и Ла Лиге 19/20 - серьезный перекос в сторону атаки. В целом, в Англии наблюдается тренд на снижение корреляции между малым числом допущенным моментов с количеством PPG, в Испании - наоборот - плавное увеличение
Обычное для таких исследований замечание, что корреляция не всегда означает причинно-следственную связь
@markstats
The Big Six АПЛ постепенно превратилась в четверку - Ливерпуль, Сити, Юнайтед и Челси
Мы проверили увеличивается или сокращается разрыв между the Big Four и остальными клубами от сезона к сезону
К посту прикреплены два графика у которых по оси X - количество очков за матч (PPG) и разница между созданными и допущенными ожидаемыми голами (xGDiff) начиная с сезона 17/18
Разница между элитой АПЛ и “смертными” в этом году сократилась до 0.6 PPG, что необычно мало. В европе разница между “топ” и “остальными” командами составляет от 0.8 до 1.2 PPG (графики в комментариях):
Франция 19/20 (ПСЖ) +1.2 PPG
Испания 20/21 (Реал, Барса, Атлетико) +1
Германия 20/21 (Бавария) +1
Италия 19/20 (Аталанта, Интер, Юве) +0.8
Сложно сказать какой фактор оказал большее влияние на “аномально конкурентный” сезон в АПЛ: появление прослойки добротных команд второго эшелона (Брайтон, Лестер, Арсенал, Лидс, Астон Вилла) или естественный спад лидеров на фоне уменьшения количества дней отдыха
@markstats
Мы проверили увеличивается или сокращается разрыв между the Big Four и остальными клубами от сезона к сезону
К посту прикреплены два графика у которых по оси X - количество очков за матч (PPG) и разница между созданными и допущенными ожидаемыми голами (xGDiff) начиная с сезона 17/18
Разница между элитой АПЛ и “смертными” в этом году сократилась до 0.6 PPG, что необычно мало. В европе разница между “топ” и “остальными” командами составляет от 0.8 до 1.2 PPG (графики в комментариях):
Франция 19/20 (ПСЖ) +1.2 PPG
Испания 20/21 (Реал, Барса, Атлетико) +1
Германия 20/21 (Бавария) +1
Италия 19/20 (Аталанта, Интер, Юве) +0.8
Сложно сказать какой фактор оказал большее влияние на “аномально конкурентный” сезон в АПЛ: появление прослойки добротных команд второго эшелона (Брайтон, Лестер, Арсенал, Лидс, Астон Вилла) или естественный спад лидеров на фоне уменьшения количества дней отдыха
@markstats
Мы разработали модель для предсказания процента точности передач игрока. В качестве входных параметров используется пасовые профили игроков: процент передач с продвижением, доля кроссов, средняя длина, процент пасов под прессингом и еще 11 других характеристик
Использованная нами для расчетов линейная регрессия имеет Коэффициент Детерминации (R^2) равный 0.95. Чем ближе к единице, тем точнее модель объясняет зависимость результата от входных параметров
На графике сравнение ожидаемого и реального значения точности передач центральных полузащитников из топ-5 в сезоне 20/21
Модель считает, что из всех рассмотренных игроков, Йозуа Киммих предпринимает наиболее сложные для выполнения передачи, поэтому у него самый низкий ожидаемый процент точности (85.3%)
Пасовый профиль Марко Верратти и Френки Де Йонга проще чем у Киммиха, но игроки превышают ожидания на 1.7 и 1 процент соответственно
@markstats
Использованная нами для расчетов линейная регрессия имеет Коэффициент Детерминации (R^2) равный 0.95. Чем ближе к единице, тем точнее модель объясняет зависимость результата от входных параметров
На графике сравнение ожидаемого и реального значения точности передач центральных полузащитников из топ-5 в сезоне 20/21
Модель считает, что из всех рассмотренных игроков, Йозуа Киммих предпринимает наиболее сложные для выполнения передачи, поэтому у него самый низкий ожидаемый процент точности (85.3%)
Пасовый профиль Марко Верратти и Френки Де Йонга проще чем у Киммиха, но игроки превышают ожидания на 1.7 и 1 процент соответственно
@markstats
График слева демонстрирует важность первого забитого в матче гола
За рассмотренный период с 2014 по 2021 год, открывшая счет команда набирала в среднем 2.26 очка
В лигах с исторически низким количеством забитых голов (РПЛ, Ла Лига), этот показатель выше, чем в чемпионатах с высокой результативностью (Бундеслига)
Тем примечательнее достижение игроков Манчестер Юнайтед (график справа), набравших в этом сезоне рекордные 31 очко в матчах, когда соперник открывал счет. До этого года лидировали Лацио 2019/20 и Наполи 2017/18 (обе по 28)
Лучший результат среди клубов Российской Премьер-лиги - Спартак 2020/21, набравший 18 очков, пропуская первым
@markstats
За рассмотренный период с 2014 по 2021 год, открывшая счет команда набирала в среднем 2.26 очка
В лигах с исторически низким количеством забитых голов (РПЛ, Ла Лига), этот показатель выше, чем в чемпионатах с высокой результативностью (Бундеслига)
Тем примечательнее достижение игроков Манчестер Юнайтед (график справа), набравших в этом сезоне рекордные 31 очко в матчах, когда соперник открывал счет. До этого года лидировали Лацио 2019/20 и Наполи 2017/18 (обе по 28)
Лучший результат среди клубов Российской Премьер-лиги - Спартак 2020/21, набравший 18 очков, пропуская первым
@markstats
Мы рассмотрели 10 последних не товарищеских игр тех сборных, которые Opta считает главными претендентами на Европейский титул, и посчитали ожидаемую опасность от передач с игры (open-play xThreat)
Лучшая оборона (ось Y, чем выше тем меньше допущено)
Испания 0.52 xT/90
Англия 0.67
Нидерланды 0.79
Лучшая атака (ось X, чем правее тем больше создано)
Нидерланды 2.27 xT/90
Испания 1.75
Англия 1.58
На результат голландцев в атаке влияет матч против Гибралтара (создано 4.89 xThreat). Но даже без учета этой игры, команда все равно была бы на первой строчке, но с немного меньшим отрывом
Среди рассмотренных участников Евро, сборная Украины допускает больше всех передач в опасные зоны и меньше всех создает. Однако, в этом конкретном случае стоит учитывать высокий уровень соперников по группе в Лиге Наций
Напомним, что модель Expected Threat оценивает изменение вероятности забить гол в течение следующих N действий при перемещении мяча из одной точки поля в другую (успешные передачи с игры)
@markstats
Лучшая оборона (ось Y, чем выше тем меньше допущено)
Испания 0.52 xT/90
Англия 0.67
Нидерланды 0.79
Лучшая атака (ось X, чем правее тем больше создано)
Нидерланды 2.27 xT/90
Испания 1.75
Англия 1.58
На результат голландцев в атаке влияет матч против Гибралтара (создано 4.89 xThreat). Но даже без учета этой игры, команда все равно была бы на первой строчке, но с немного меньшим отрывом
Среди рассмотренных участников Евро, сборная Украины допускает больше всех передач в опасные зоны и меньше всех создает. Однако, в этом конкретном случае стоит учитывать высокий уровень соперников по группе в Лиге Наций
Напомним, что модель Expected Threat оценивает изменение вероятности забить гол в течение следующих N действий при перемещении мяча из одной точки поля в другую (успешные передачи с игры)
@markstats
Применяем наш sequence framework к национальным сборным
Ось Y - количество продолжительных владений (минимум 10 передач) за матч
Ось X - количество продолжительных владений, закончившихся ударом по воротам или успешным касанием в радиусе 20 метров от ворот соперника
Команды, находящиеся выше белой линии, реже доводят свои продолжительные sequences до опасных зон или ударов
Больше всех владений с 10+ пасами у Испании (34.7 за матч), меньше всех - у России (12.8)
Лучше других продолжительные атаки в опасные моменты конвертирует сборные Нидерландов (27% завершились ударом или deep completion) и Италии (23%), хуже всех - Бельгия (15.1%)
Во вчерашней игре Швеция позволила сборной Испании произвести 43 продолжительные атаки (т.е. на 8.3 больше, чем в среднем). Но самое интересное, что Испания лучше чем обычно трансформировала их в моменты - 23% владений с 10+ передачами привели к удару или deep completion (против 16.7% в предыдущих матчах)
@markstats | @markmatch
Ось Y - количество продолжительных владений (минимум 10 передач) за матч
Ось X - количество продолжительных владений, закончившихся ударом по воротам или успешным касанием в радиусе 20 метров от ворот соперника
Команды, находящиеся выше белой линии, реже доводят свои продолжительные sequences до опасных зон или ударов
Больше всех владений с 10+ пасами у Испании (34.7 за матч), меньше всех - у России (12.8)
Лучше других продолжительные атаки в опасные моменты конвертирует сборные Нидерландов (27% завершились ударом или deep completion) и Италии (23%), хуже всех - Бельгия (15.1%)
Во вчерашней игре Швеция позволила сборной Испании произвести 43 продолжительные атаки (т.е. на 8.3 больше, чем в среднем). Но самое интересное, что Испания лучше чем обычно трансформировала их в моменты - 23% владений с 10+ передачами привели к удару или deep completion (против 16.7% в предыдущих матчах)
@markstats | @markmatch
Александр Головин возглавляет список игроков с наибольшим количеством ожидаемой угрозы от передач (xThreat), набранной в одном отдельном матче Евро-2020
Все стандартные положения исключены из выборки, учитываются только передачи с игры. В скобках указан процент очков xT, набранных при помощи кроссов:
Александр Головин (с Финляндией) 0.69 xT (68%)
Марсель Забитцер (с Македонией) 0.62 xT (19%)
Эндрю Робертсон (с Чехией) 0.53 xT (87%)
Гарет Бэйл (с Турцией) 0.51 xT (0%)
Бруно Фернандеш (с Венгрией) 0.5 xT (73%)
Много это или мало можно понять сравнив с лучшими результатами сезона 2020/21 в топ лигах:
Сусо (Вильярреал - Севилья) 0.92 xT (75%)
Иличич (Беневенто - Аталанта) 0.92 xT (25%)
Мюллер (Вердер - Бавария) 0.88 xT (12%)
Рафинья (Вулвз - Лидс) 0.84 xT (83%)
* Модель Expected Threat оценивает изменение вероятности забить гол в течение следующих N действий при перемещении мяча из одной точки поля в другую
@markstats | @markmatch
Все стандартные положения исключены из выборки, учитываются только передачи с игры. В скобках указан процент очков xT, набранных при помощи кроссов:
Александр Головин (с Финляндией) 0.69 xT (68%)
Марсель Забитцер (с Македонией) 0.62 xT (19%)
Эндрю Робертсон (с Чехией) 0.53 xT (87%)
Гарет Бэйл (с Турцией) 0.51 xT (0%)
Бруно Фернандеш (с Венгрией) 0.5 xT (73%)
Много это или мало можно понять сравнив с лучшими результатами сезона 2020/21 в топ лигах:
Сусо (Вильярреал - Севилья) 0.92 xT (75%)
Иличич (Беневенто - Аталанта) 0.92 xT (25%)
Мюллер (Вердер - Бавария) 0.88 xT (12%)
Рафинья (Вулвз - Лидс) 0.84 xT (83%)
* Модель Expected Threat оценивает изменение вероятности забить гол в течение следующих N действий при перемещении мяча из одной точки поля в другую
@markstats | @markmatch
График демонстрирует высоту линий обороны участников Евро-2020
Чем дальше от своих ворот регистрируют оборонительные действия игроки, тем выше линия обороны команды
Самая низкая линия обороны у Украины (33.3 метра), самая высокая у Испании (47.5)
Чемпион мира и главный претендент на титул, сборная Франции, совершает оборонительные действия в среднем на полтора метра ниже, чем сборная России
Датчане делят со сборной Италии четвертое место, опережая Германию и Португалию
Высота линии обороны коррелирует с процентом владения и наклоном поля. Игроки команд, владеющих территорией, при потере мяча обычно уже находятся в высоких позициях и, стараясь вернуть его себе, регистрируют оборонительные действия в среднем выше, чем игроки команд предпочитающих низкий блок
Рассмотрены 10 последних официальных встреч, включая матчи Евро. Оборонительными действиями считаются поптыки отборов, перехваты, выносы, заблокированные удары и передачи, подборы и фолы
@markstats | @markmatch
Чем дальше от своих ворот регистрируют оборонительные действия игроки, тем выше линия обороны команды
Самая низкая линия обороны у Украины (33.3 метра), самая высокая у Испании (47.5)
Чемпион мира и главный претендент на титул, сборная Франции, совершает оборонительные действия в среднем на полтора метра ниже, чем сборная России
Датчане делят со сборной Италии четвертое место, опережая Германию и Португалию
Высота линии обороны коррелирует с процентом владения и наклоном поля. Игроки команд, владеющих территорией, при потере мяча обычно уже находятся в высоких позициях и, стараясь вернуть его себе, регистрируют оборонительные действия в среднем выше, чем игроки команд предпочитающих низкий блок
Рассмотрены 10 последних официальных встреч, включая матчи Евро. Оборонительными действиями считаются поптыки отборов, перехваты, выносы, заблокированные удары и передачи, подборы и фолы
@markstats | @markmatch
Сборная Италии чаще других команд-участниц Евро-2020 коротко вводит мяч в игру - 86.2% ударов от ворот адресованы внутрь полукруга радиусом 30 метров
Сборная России, наоборот, в основном пользуется лонгболами - за пределы “радиуса 30” были направлены 79.1% ударов от ворот
Кроме того, мы посчитали процент владений, которые начались вводом мяча от ворот и закончились ударом или успешной передачей в опасный радиус (20 метров от ворот соперника, т.е. Deep Completion). Результаты внутри цветных шестиугольников
Ни в одном из рассмотренных нами матчей, игрокам сборной России так не удалось разыграть мяч от ворот так, чтобы без потери совершить Deep Completion или нанести удар по воротам соперника
Самые успешные сборные (Нидерланды, Испания, Германия и Португалия) балансируют короткие и длинные розыгрыши и доводят до опасности примерно каждый десятый из них
@markstats | @markmatch
Сборная России, наоборот, в основном пользуется лонгболами - за пределы “радиуса 30” были направлены 79.1% ударов от ворот
Кроме того, мы посчитали процент владений, которые начались вводом мяча от ворот и закончились ударом или успешной передачей в опасный радиус (20 метров от ворот соперника, т.е. Deep Completion). Результаты внутри цветных шестиугольников
Ни в одном из рассмотренных нами матчей, игрокам сборной России так не удалось разыграть мяч от ворот так, чтобы без потери совершить Deep Completion или нанести удар по воротам соперника
Самые успешные сборные (Нидерланды, Испания, Германия и Португалия) балансируют короткие и длинные розыгрыши и доводят до опасности примерно каждый десятый из них
@markstats | @markmatch
Символическая сборная группового этапа Евро-2020 основанная на количестве созданной ожидаемой опасности (Expected Threat)
GK - Дэвид Маршалл (SCO)
RB - Стефан О’Доннелл (SCO)
RCB - Пепе (POR)
LCB - Дэйли Блинд (NED)
LB - Люк Шоу (ENG)
CDM - Тони Кроос (GER)
LCM - Марсель Забитцер (AUT)
RCM - Ремо Фройлер (SUI)
LW - Дэниел Джеймс (WAL)
FW - Александер Исак (SWE)
RW - Йозуа Киммих (GER)
Руслану Малиновскому не хватило пары опасных передач чтобы занять первое место в зоне LCM - у игрока сборной Украины 0.42 xT
Гарет Бэйл благодаря своим пасам из глубины в матче с Турцией находится на второй строчке в зоне CDM
Для каждой успешной передачи, модель Expected Threat рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
@markstats | @markmatch
GK - Дэвид Маршалл (SCO)
RB - Стефан О’Доннелл (SCO)
RCB - Пепе (POR)
LCB - Дэйли Блинд (NED)
LB - Люк Шоу (ENG)
CDM - Тони Кроос (GER)
LCM - Марсель Забитцер (AUT)
RCM - Ремо Фройлер (SUI)
LW - Дэниел Джеймс (WAL)
FW - Александер Исак (SWE)
RW - Йозуа Киммих (GER)
Руслану Малиновскому не хватило пары опасных передач чтобы занять первое место в зоне LCM - у игрока сборной Украины 0.42 xT
Гарет Бэйл благодаря своим пасам из глубины в матче с Турцией находится на второй строчке в зоне CDM
Для каждой успешной передачи, модель Expected Threat рассчитывает вероятность того, насколько пас приблизил текущее владение команды к голу. Далее футбольное поле было разбито на 11 зон и для каждой найден игрок, набравший наибольшее количество очков xThreat
@markstats | @markmatch
Самые популярные группы передач с продвижением команд-участниц группового этапа Евро
Учитываются не только успешные, но и неудачные попытки продвинуть мяч ближе к воротам соперника
О том, насколько сильно сборная Испании доминировала в своей группе, говорит тот факт, что 7 из 9 их наиболее частых кластеров начинаются уже на чужой трети поля и продвигают мяч еще глубже внутрь штрафной
Диагонали с правого фланга у Германии - это, в основном, попытки Йозуа Киммиха и Тони Крооса доставить мяч в штрафную
Сразу три популярные группы передач сборной России это выходы со своей трети через длинный пас (и это не удары от ворот, они исключены из выборки)
У Италии катбэки Берарди выделены в отдельный кластер
Нидерланды перегружают левую сторону поля - к Блинду для взаимодействия стягиваются Депай, Френки и Вейналдум. На графике этого нет (видимо происходит не так часто), но мы помним, что после этого может следовать опасная диагональ на правого латераля в разреженное пространство
@markstats | @markmatch
Учитываются не только успешные, но и неудачные попытки продвинуть мяч ближе к воротам соперника
О том, насколько сильно сборная Испании доминировала в своей группе, говорит тот факт, что 7 из 9 их наиболее частых кластеров начинаются уже на чужой трети поля и продвигают мяч еще глубже внутрь штрафной
Диагонали с правого фланга у Германии - это, в основном, попытки Йозуа Киммиха и Тони Крооса доставить мяч в штрафную
Сразу три популярные группы передач сборной России это выходы со своей трети через длинный пас (и это не удары от ворот, они исключены из выборки)
У Италии катбэки Берарди выделены в отдельный кластер
Нидерланды перегружают левую сторону поля - к Блинду для взаимодействия стягиваются Депай, Френки и Вейналдум. На графике этого нет (видимо происходит не так часто), но мы помним, что после этого может следовать опасная диагональ на правого латераля в разреженное пространство
@markstats | @markmatch