Les expected goals expliqués simplement
Ce que mesurent les xG, pourquoi ils racontent un match mieux que le résultat et comment les lire dans la page d'une équipe.
Lire →Des buts attendus aux probabilités de 1X2, Over/Under, BTTS et du score exact, pas à pas.
Le modèle de Poisson est la façon la plus répandue de transformer les buts attendus d'un match en probabilités. Ce n'est pas la seule et elle a des limites, mais elle est simple, transparente et fonctionne étonnamment bien. Voyons cela avec un exemple.
Supposons que, en combinant l'attaque et la défense des deux équipes et l'avantage du terrain, le modèle estime 1,6 buts attendus pour l'équipe à domicile et 1,1 pour l'équipe visiteuse.
La distribution de Poisson indique la probabilité qu'une équipe marque 0, 1, 2, 3… buts, étant donné ses buts attendus. Avec 1,6 buts attendus, l'équipe à domicile a environ 20% de probabilité de ne pas marquer, 32% d'en marquer 1, 26% d'en marquer 2 et 14% d'en marquer 3. L'équipe visiteuse, avec 1,1, a 33% de rester à zéro, 37% d'en marquer 1 et 20% d'en marquer 2.
En multipliant les probabilités des deux équipes, on obtient la probabilité de chaque score exact. Dans notre exemple, les plus probables sont 1-1 (environ 11,8%), 1-0 (10,8%), 2-1 (9,5%) et 2-0 (8,6%). Notez que même le résultat le plus probable n'atteint pas 12%.
En additionnant les bons résultats, on obtient toutes les autres probabilités :
Le modèle traite les buts des deux équipes comme indépendants et ne connaît pas les motivations, la fatigue ou les actualités de dernière minute. C'est pourquoi les buts attendus doivent être corrigés avec les actualités, et c'est ce que fait le Radar. Lisez-en plus dans la page Méthode, où vous pouvez aussi essayer le calculateur.