睇足球數據，十居其九會遇到 xG（expected goals，預期入球）。賽後報告話「xG 2.1 對 0.8，但比分 0-1」——到底 xG 計緊乜？同我哋成日講嘅 Poisson λ 又有咩關係？
呢篇文一次過拆清楚，數字全部用公開模型嘅常見範圍如實標注。
xG 嘅基本單位：一腳射門值幾多
xG 嘅思想好直接：唔係每腳射門都一樣。門前兩碼撞射同三十碼窩利，入球機會差成百倍。xG 模型按每腳射門嘅情境（位置、角度、腳法、助攻方式、防守壓力等）賦予一個 0 到 1 嘅入球概率：
| 射門情境 | 常見 xG 範圍 | 點理解 |
|---|---|---|
| 十二碼 | 約 0.76–0.79 | 歷史轉化率約七成八 |
| 禁區中央無人干擾起腳 | 約 0.30–0.40 | 黃金機會 |
| 禁區邊緣順腳抽射 | 約 0.03–0.06 | 有威脅但難入 |
| 三十碼外遠射 | 約 0.01–0.03 | 一百腳先入一兩球 |
一隊全場嘅 xG，就係佢所有射門嘅 xG 加總。xG 2.1 嘅意思：「以呢場創造出嚟嘅射門質素計，呢隊波平均應該入到約 2.1 球」。
xG 同 Poisson λ 嘅銜接
大細球篇 講過：Poisson 模型嘅輸入係預期入球 λ。問題係 λ 點估？
常見做法係用歷史賽果（近 N 場平均入球，加時間衰減）。而 xG 提供咗一條更貼近過程嘅路：
- 賽果會講大話，過程唔會。 一隊連續三場 1-0 贏，可能係統治級表現，亦可能係三場 xG 0.7 對 1.5 嘅僥倖。用 xG 加總代替實際入球嚟估 λ，等於用「創造機會嘅能力」取代「把握到嘅結果」。
- 實證上 xG 更穩定。 入球係低頻事件，方差大；xG 樣本係每場十幾二十腳射門，訊噪比高得多。
- 我哋嘅做法：λ 估計同時參考實際入球同 xG 數據（有 xG 覆蓋嘅聯賽），再經 Dixon-Coles 低比分修正 同每晚復盤校準。
xG vs 實際入球：長期回歸，單場唔算數
xG 最常被問嘅問題：「xG 贏 2.1 對 0.8 都輸 0-1，係咪 xG 冇用？」
啱啱相反——呢個正正係概率嘅樣：
- 如果兩隊真實強度令 λ = 2.1 vs 0.8，用 Poisson 計，xG 弱隊贏波嘅概率仍然有約 13%（和局再佔約 19%）。即係話七、八場咁嘅對決就會出現一次「爆冷」——唔係 xG 錯，係你撞啱嗰一場。
- 拉長到二三十場，實際入球同 xG 會明顯回歸。長期大幅「贏 xG」嘅球隊（連續幾季）先值得研究係咪有真・把握力技能；單季偏差絕大部分係噪音。
- 所以呢，xG 係評估過程嘅尺，唔係預言單場嘅水晶球。
三個已知限制（講明先算誠實）
- 口徑唔統一。 唔同數據商（Opta、StatsBomb 等）嘅 xG 模型各自訓練，同一腳射門可以差幾個百分點。引用 xG 必須講明邊家口徑。
- 唔計個人質素。 基礎 xG 只睇射門情境，唔分美斯定後衛起腳——post-shot xG（計埋射門質量）先部分處理呢點。
- 睇唔到冇射門嘅機會。 一腳橫傳穿咗防線但前鋒差半步——xG 係零，威脅係真。所以呢，xG 係強力工具，唔係全部真相。
結論
- xG = 每腳射門嘅入球概率加總，係「過程質素」嘅量化
- 全場 xG 加總係估 Poisson λ 嘅高訊噪比路徑，同實際入球互補
- 單場 xG 與比分背離係常態；長期回歸先係訊號
- 口徑、個人質素、無射門威脅係三大已知邊界
- 所有數值為公開模型常見範圍，僅供研究與教育，非投注建議
本文為統計科普與教育內容。不構成任何投注建議。未滿 18 歲人士不得投注。如你或你認識的人受到賭博問題困擾，請尋求專業協助（平和基金：1834 633）。