Chelsea - Manchester United: Over 0,5 Rasmus Højlund skud på mål

Fedt spot, har været lidt i tvivl og tilbageholdende med at pull the trigger - Jeg er med :D

Tak for opbakning, så er jeg lidt mere rolig. ;)
Har også kigget på Bruno Fernandes, hvor hans lidt mere fremtrædende rolle kan blive spændende til dette opgør.

Er faktisk allerede på Bruno for det ikke skal være løgn :D

Så kan vi sammen. Jeg var meget i tvivl om man også skulle gå ud på, over 1,5 skud på mål for Bruno i odds 4,50. Det er i min optik højt, men hvordan ser du på det. :)

Har både over 1,5 skud og over 0,5 skud på mål som kombi. Og over 1,5 skud på mål til 4,5 er imo også for højt. Håber Man U har to kampe med masser skud mod Chelsea og Liverpool :)

Hvis nogle skulle være interesseret i, hvordan man matematisk kan beregne odds for spilleres antal skud på mål, så er her en kort gennemgang med udgangspunkt i Højlunds kamp kom Chelsea. Det skal siges, at man kan gøre det på flere forskellige måder, men grundprincipperne er som regel de samme.

Selvom man ikke skulle have en interesse i at gøre tingene matematisk, så er det stadig nyttigt at kende principperne bag. Det skyldes, at bookmakerne oddssætter de her spillerspecials på den matematiske måde. Og hvis man forstår faldgruberne ved bookmakernes tilgang, så er det nemmere at gennemskue, hvor værdien potentielt kan opstå.

Indledningsvist finder vi Højlunds antal skud på mål per 90 min for sæsonen. Hvis dette var starten af sæsonen, så ville man typisk inkludere stats fra sidste sæson. Vi har dog en nogenlunde sample af kampe fra denne sæson, og Højlund ankom først til United i sommers. Det viser sig, at Højlund har haft 0,92 skud på mål per 90 min.

Her er det vigtigt at bide mærke i kilden, da skud på mål ikke nødvendigvis er identificeret ens hos alle statsfirmaer. Jeg har i dette tilfælde benyttet fbref.com, som har Opta som dataleverandør.

Hvis den pågældende bookmaker (i dette tilfælde Bet365) benytter en anden dataleverandør til at afgøre væddemålet, så ville det være optimalt at benytte skudstats fra denne. Herved undgår man situationer, hvor ens model beregner noget andet end det som bettet afgøres ud fra.

Eftersom Højlund ikke nødvendigvis spiller de fulde 90 minutter, så skal de 0,92 skud på mål per 90 min nedjusteres en anelse. Det fremgår af analysen, at Højlund snitter 74 min per kamp, så lad os benytte dette. Det vil sige, at Højlund ved en gennemsnits kamp kan forventes at have 0,76 skud på mål (beregning: 0,92 / 90 * 74).

Tallet på 0,76 skud på mål per kamp ville man i den optimale verden justere for diverse ting. Det kunne fx være, at Højlund havde spillet en del kampe på midtbanen, hvilket ville have forværret hans skudsstats for sæsonen. Et andet eksempel kunne være, at Højlunds formkurve var opgående, så hans stats fra starten af sæsonen var mindre retvisende. Det kunne også være, at Højlund normalt var højre back, men i denne kamp startede som højre kant, hvorfor han ville forventes at skyde mere end normalt. Et mere teknisk eksempel ville være, at Højlund havde langt flere skud på mål for sæsonen end man ville estimere ud fra hans generelle skudstats (dvs man justerer for om spilleren har været heldig/uheldig med, hvor stor en andel af hans skud som ramte målet).

Det er denne slags ting, som bookmakerne potentielt ikke tager højde for i deres odds. Det er nemlig langt mere tidskrævende og kompliceret ift. bare at benytte det simple gennemsnit for sæsonen. Så det er ofte her, at man skal finde sin edge. Jeg vælger at holde tingene simpelt, hvorfor vi fastholder de 0,76 skud på mål per kamp.


Nu skal vi beregne, hvordan United indtil videre i sæsonen har præsteret rent offensivt. Hvis vi igen tager udgangspunkt i stats fra fbref, så har United scoret 40 mål og xG er på 43,8 for sæsonens 29 kampe. Hvis vi tager et gennemsnit af disse stats, så viser det sig, at United offensivt har præsteret 41,9 mål (beregning: 0,5 * 43,8 + 0,5 * 40). Dette svarer til omtrent 1,44 mål per kamp (beregning: 43,8 / 29).

Det kan diskuteres om denne præstation er retvisende for Uniteds sande niveau, men det er egentlig en lille smule underordnet for modellen vi anvender i dette tilfælde. Uniteds præstation i sæsonen benyttes alene som et pejlemærke for Højlunds skudstats. Så hvis United fremadrettet forventes at præstere bedre, så vil modellen tilsvarende forbedre Højlunds skudstats.


Det næste skridt er at finde, hvor mange mål United forventes at score i den konkrete kamp mod Chelsea. Her er det oplagt at tage udgangspunkt i bookmakernes odds, da disse giver et nogenlunde præcist estimat. Det er en smule kompliceret at forklare, hvordan man beregner holdenes forventede mål ud fra odds. Jeg kan dog oplyse, at United forventes at score cirka 1,50 mål mod Chelsea.


Hermed har vi fundet de tre væsentlige tal:
Højlunds skud på mål per kamp = 0,76
Uniteds offensive præstation per kamp = 1,44
Uniteds forventede antal scorede mål mod Chelsea = 1,5

Disse tal bruges til at estimere Højlunds forventede antal skud i kampen, hvilket i dette tilfælde beregnes til at være 0,79 (beregning: 0,76 / 1,44 * 1,5).

Eftersom skud på mål per kamp for den enkelte spiller umiddelbart følger poissonfordeling, så kan vi undersøge, hvad chancen er for, at Højlund har over 0,5 skud på mål mod Chelsea.

Dette kan man let gøre ved at skrive følgende i et felt i Excel:
=1-POISSON.FORDELING(0;0,79;SAND)

Dette giver et resultat på 0,546 hvilket svarer til 54,6%. Dette vil sige, at modellen giver Højlund omkring 55% chance for, at han har over 0,5 skud på mål mod Chelsea.

Hvis man vil finde sandsynligheden for, at Højlund har mere end 1,5 skud på mål mod Chelsea, så skriver man følgende i Excel:
=1-POISSON.FORDELING(1;0,79;SAND)

Dette giver 0,188 hvilket svarer til 18,8%. Det vil sige, at modellen giver Højlund omkring 19% chance for, at han har over 1,5 skud på mål mod Chelsea.

Det skal siges, at poissonfordeling muligvis ikke fungerer perfekt ved skud på mål for spillere. Det skyldes, at de enkelte skud næppe er helt uafhængige af hinanden. Det er lidt teknisk, men det er meget muligt, at det øger en spillers chance for at tage endnu et skud, hvis de allerede har taget et i forvejen. Og den her slags momentum bryder lidt ved grundreglerne ved poissonfordeling.

Så det er muligt, at modellen undervurderer chancen for 0 skud på mål samt mange skud på mål. Omvendt ville sandsynligheden for præcist 1 skud på mål måske blive overvurderet en anelse. Dette er dog noget man kunne undersøge, hvis man var lidt nørdet.

Jeg kan dog se ud fra Unibets odds på de her markeder, at de øjensynligt anvender poissonfordeling. Deres odds for antal skud på mål ved spillere med både linjerne O/U 0,5 og O/U 1,5 er i hvert fald i overensstemmelse med poissonfordeling.

zAAz nu har jeg læst dit skrev igennem et par gange, og har leget lidt med den model du præsenterer, og dit eksempel er super godt forklaret og illustrativt for mig. Så et kæmpe tak herfra.

Modellen tager, som jeg læser det hele, ikke højde for de defensive stats hos Chelsea, som jeg forstår den. Er det fordi det ikke er relevant, og man dermed kun kigger på Man. Utd. og Højlunds stats?
Grunden til jeg spørger, er at du har gjort mig lidt nysgerrig på den tilgang du præsenterer. Så kan du gøre mig klogere på, hvordan modellen forholde sig til Højlunds præstationer overfor top 5 holdene. Her vil hans stats se anderledes ud, og dermed vil chancen for et skud på mål også ændre sig.

Jeg kunne godt tænke mig, for sjov skyld, at se hvordan det vil se ud med et Højlund skud på mål til Uniteds næste kamp hjemme mod Liverpool. Her er oddset på 1,90 hos bet365.
I min optik er spillet med Højlund til at få et skud på mål imod Chelsea til odds 1,80 markant bedre end odds 1,90 imod Liverpool, men jeg vil gerne hører hvad du tænker zAAz , hvis du har tid.

Modstander holdets defensive tal er indregnet i man utds forventede antal mål for kampen. Da det alt andet lige vil være lavere mod (defensivt) bedre hold

Det er sjovt nok 1:1 samme metode jeg brugte, da jeg en kort overgang delte målscorerspil

@Weberen

Det er som Sredna siger. Uniteds forventede mål i kampen (baseret på kampoddsene) indeholder information omkring modstanderens styrke. Således vil oddsene udtrykke, at United forventes at score færre mål mod Arsenal end mod Burnley.

Denne metode tager vel at mærke også højde for hjemmebane/udebane og alt muligt andet som måtte påvirke Uniteds præstation i kampen. Dette er selvfølgelig under den forudsætning, at bookmakernes odds har taget højde for de her ting. Det kan man dog godt forvente er tilfældet på Premier League. Det skal dog siges, at metoden vil være mere præcis omkring kampstart, hvor oddsene er mest effektive.

Jeg kan for god ordens skyld lige gennemgå Højlunds chancer for at have et skud på mål mod Liverpool her i weekenden.

I kampen mod Liverpool forventes United at score omkring 1,37 mål, hvis man tager udgangspunkt i de nuværende kampodds. Disse odds kan sagtens nå at ændre sig inden kampstart, men det er bedste bud på nuværende tidspunkt.

United spillede egentlig en fin kamp rent offensivt mod Chelsea, hvorfor deres stats for sæsonen er forbedret siden seneste kamp. De har således scoret 43 mål og xG er på 45,4 i sæsonens 30 kampe. Dette giver en samlet præstation på 44,2 mål, hvis vi tager et simpelt gennemsnit (beregning: 0,5 * 43 + 0,5 * 45,4). Dette svarer til 1,47 mål per kamp (beregning: 44,2 / 30).

Højlund havde ikke nogen skud på mål mod Chelsea, hvorfor hans stats for sæsonen er faldet til 0,89 skud på mål per 90 min. Vi nedjusterer dette tal for at tage højde for, at Højlund kun spiller 74 minutter per kamp i snit, hvorfor hans skud på mål per kamp er 0,73 (beregning; 0,89 / 90 * 74).

Dette er hermed de væsentlige tal for kampen mod Liverpool:

Højlunds skud på mål per kamp = 0,73
Uniteds offensive præstation per kamp = 1,47
Uniteds forventede antal scorede mål mod Chelsea = 1,37

Det vil sige, at Højlund forventes at have 0,68 skud på mål i kampen mod Liverpool (beregning: 0,73 / 1,47 * 1,37).

Dette tal putter vi herfter ind i formlen i Excel:
=1-POISSON.FORDELING(0;0,68;SAND)

Dette giver 0,493 hvilket svarer til en sandsynlighed på 49,3%. Højlund har hermed omkring 49% for over 0,5 skud på mål mod Liverpool.

Det skal siges, at forskellen på de 6%-point mellem kampene mod Chelsea og Liverpool (55% vs 49%) kun delvist skyldes, at Liverpool er en sværere modstander. Det har således sænket Højlunds chancer i kampen mod Liverpool, at han ikke fik nogle skud på mål mod Chelsea sammenholdt med at United spillede en fin kamp offensivt.

Hvis man ignorede stats fra kampen mod Chelsea, så ville Højlund have 51% for over 0,5 skud på mål mod Liverpool. Det vil sige, at forskellen i modstanderens styrke påvirker Højlunds chancer med omkring 4%-point ift. Chelsea (A) vs Liverpool (H).

@Sredna (aka min navnebror)

Jeg var ikke klar over, at du havde benyttet en lignende metode ved målscorertips herinde. Jeg vil gerne beklage, hvis det har virket som om, at jeg har forsøgt at gøre mig til ophavsmand af en metode, du har fremvist tidligere.

Jeg ville faktisk have justeret metoden en anelse, hvis det omhandlede målscorerspil. I så fald ville jeg forsøge at estimere Højlunds andel af Uniteds samlede antal mål ved at kigge underliggende stats. Det vil i hovedtræk ligne den samme metode, men jeg ville fx lægge mere vægt på Højlunds xG data fremfor hans antal scorede mål. Højlunds antal scorede mål indeholder selvfølgelig stadig noget information, men det er nok mere retvisende at læne sig op af xG.

Jeg tror, at du misforstod det lidt, men det er altid svært på skrift :D

Jeg synes egentlig bare, at det var sjovt, at den metode som jeg selv benyttede også var den som de matematiske modeller brugte :)

Det var en super fed gennemgang at læse, da det pludseligt gik op for mig halvvejs igennem, at det var identisk til den måde jeg selv gjorde det dengang jeg gjorde det. Skal siges, at din opfølgningsbesked også matcher med den metode jeg bruger. Jeg lægger næsten 100% vægten på xG medmindre det er en spiller, der har et voldsomt stort grundlag for at underperforme eller overperforme. Heraf Braithwaite kontra Messi fx.

Braithwaite har underperformet i 9/10 sæsoner jeg har stats for og den sæson han har overperformet er kun 4 kampe...

Messi lige modsat indtil han kom til PSG sjovt nok

Så intet galt her fra!

@Sredna

Jeg er glad for at høre du fandt mit indlæg interessant. Det er pudsigt, at vi begge tilgik problemet på samme måde. Jeg vil gerne pointere, at jeg ikke ved om bookmakere gør det på helt samme måde. Der er dog ingen tvivl om, at ovenstående metode er det oplagte valg, da det er forholdsvist simpelt, men samtidig rimelig præcist.

Det skal siges, at Pinnacle ikke selv oddssætter spillerspecials på fodbold. Målscorerspil udbydes i meget lille skala hos Pinnacle, men det er leveret af en oddsleverandør med speciale i de her markeder. Eller det var i hvert fald tilfældet, da jeg sad i fodboldafdelingen.

Jeg var faktisk imponeret over den her oddsleverandør. De tog højde for alverdens ting såsom forventede lineups, xG osv. Det var ikke min umiddelbare fornemmelse, at det ville være nemt at slå deres odds ved 93% TBP.


Det er pudsigt, at du nævner Messi vs Braithwaite. Jeg læste for nogle år siden en analyse af spilleres afslutningsfærdigheder. Analysen kom frem til, at Messi sandsynligvis var den næstbedste afslutter af alle spillere i de store ligaer.

Analysen er fra 2017 og kan læses her:
https://statsbomb.com/articles…

Det fremgår ikke af artiklen, men forfatteren har engang oplyst på twitter, at Braithwaite var den værste afslutter af alle. Og Braithwaite har ikke ligefrem modbevist den påstand sidenhen :-)

Man kan sagtens argumentere for, at Braithwaite er så dårlig en afslutter, at det er uforsvarligt, at han har spillet så mange kampe på landsholdet. Selv hvis han skulle være forrygende i alle andre facetter af spillet, så vil en underpræstation på 20% ved afslutninger have større negativ betydning samlet set.

Fede pointer :)

I forhold til skud på mål af spiller - model. Her jeg i mine model inkorporeret forventede skud på mål af et hold. Her kan linjen dog godt være 10-15% off i sjældent tilfælde på åbningslinjen 20%. Her kan de værste 5-10% fjernes ved at tage gennemsnittet af 3 bookies :)