Yhteenveto
✓Tarkistanut Jari Hämäläinen Miten xG lasketaan jalkapallossa on kysymys, joka nousee esiin aina kun analyytikot, toimittajat tai fantasialiigan pelaajat törmäävät lukukiin kuten "0,34 xG" otteluraportissa. xG eli expected goals – suomeksi maaliodottama – on todennäköisyysluku, joka kertoo kuinka suurella varmuudella...
Sisällysluettelo
- 1 xG:n perusidea: todennäköisyys, ei ennustus
- 2 xG:n historia: mistä laskentamalli on peräisin?
- 3 Miten xG lasketaan jalkapallossa: laskentamallin muuttujat
- 3.1 Logistinen regressio laskentamenetelmänä
- 3.2 Miksi eri sivustojen xG-luvut poikkeavat toisistaan?
- 4 xG:n laskenta vakiotilanteissa: kulmapotkut ja vapaapotkut
- 5 Miten xG summataan joukkue- ja pelaajatasolla?
- 6 xG-mallien rajoitteet – mitä luku ei kerro
- 7 xG käytännössä: miten lukea Valioliigan tilastoja
- 8 xG vs. muut edistyneet mittarit – miten ne eroavat?
- 9 Usein kysytyt kysymykset
- 9.1 Mikä on xG:n arvo rangaistuspot kussa?
- 9.2 Voiko xG olla yli yhden?
- 9.3 Miksi joukkue voi hävitä, vaikka sen xG on parempi?
- 9.4 Miten xG eroaa pelkistä laukausmääristä?
- 9.5 Mikä datatoimittaja käyttää parasta xG-mallia?
- 9.6 Miten xG:tä käytetään fantasialiigassa?
- 10 Yhteenveto – xG:n laskenta pähkinänkuoressa
- 11 Lähteet
Miten xG lasketaan jalkapallossa on kysymys, joka nousee esiin aina kun analyytikot, toimittajat tai fantasialiigan pelaajat törmäävät lukukiin kuten ”0,34 xG” otteluraportissa. xG eli expected goals – suomeksi maaliodottama – on todennäköisyysluku, joka kertoo kuinka suurella varmuudella yksittäinen laukaus olisi pitänyt päätyä maaliin. Luku ei synny taikatempusta: taustalla on tilastollinen malli, joka on koulutettu kymmenillä tuhansilla historiallisilla laukauksilla.
xG:n perusidea: todennäköisyys, ei ennustus
BBC Sportin selityksen mukaan jokaiselle laukaukselle annetaan arvo nollan ja yhden väliltä, jossa suurempi luku tarkoittaa suurempaa todennäköisyyttä maalille. Kyse ei siis ole ennustuksesta – xG kertoo jälkikäteen, kuinka laadukas mahdollisuus tilastollisesti oli ennen laukaisua. Jos pelaajan laukauksen xG-arvo on 0,20, se tarkoittaa noin 20 prosentin todennäköisyyttä: vastaavanlaisesta paikasta tehdään maali keskimäärin joka viidennestä yrityksestä.
Tämä ero on tärkeä ymmärtää: xG ei arvioi pelaajan taitoa laukaisuvaiheessa, vaan paikan arvoa ennen laukausta. Huippuveikkaus maaliin ei nosta jo tehtyä xG-arvoa – se näkyy sen sijaan ns. xGOT-mittarissa (expected goals on target), jossa huomioidaan myös laukauksen täsmällisyys.
xG:n historia: mistä laskentamalli on peräisin?
Maaliodottaman käsite syntyi jalkapalloanalytiikan varhaisessa vaiheessa 2000-luvun alussa, mutta se saavutti laajemman yleisön vasta 2010-luvun puolivälissä, kun Opta, StatsBomb ja muut datatoimittajat alkoivat julkaista xG-lukuja avoimemmin. Wikipedian artikkelin mukaan mittarin suosio kasvoi merkittävästi, kun useat Englannin Valioliigan seurat omaksuivat sen osaksi skautausta ja taktiikkasuunnittelua 2010-luvun loppupuolella. Tänä päivänä, elokuussa 2026, xG on vakiintunut osa lähes kaikkien Euroopan huippuliigojen ottelulähetyksiä ja tilastosivustoja.
Miten xG lasketaan jalkapallossa: laskentamallin muuttujat
Kysymykseen miten xG lasketaan jalkapallossa on käytännöllinen vastaus: malli vertaa jokaista laukausta historialliseen aineistoon vastaavanlaisista laukauksista ja laskee, kuinka suuri osuus niistä päättyi maaliin. Sky Sportsin edistyneiden tilastojen selityksen mukaan xG-mallit huomioivat tyypillisesti seuraavat tekijät:
- Etäisyys maalista – lähempää otetut laukaukset saavat korkeamman xG-arvon
- Laukaisukulma maalin suhteen – suoraan edestä on parempi kuin sivukulmasta
- Laukauksen tyyppi – jalalla vai päällä, suoraan syötöstä vai kontrollin jälkeen
- Edeltävä syöttötapa – risteyssyötöstä vai eteenpäin syötöstä
- Puolustajien sijainti – paljonko puolustajia on laukaisijan ja maalin välissä
- Pelitilanteen konteksti – avoimesta pelistä vai vakiotilanteesta (kulmapotkut, vapaapotkut)
Cardiffin yliopiston tutkimuksessa (Franklin Open -julkaisu) todetaan, että xG:n arvo pysyy aina välillä 0–1, muttei koskaan eksakteissa ääripäissä: malli tunnustaa, että jalkapallossa mikään laukaus ei ole täysin varma maali tai täysin varma ohilaukaus.
Logistinen regressio laskentamenetelmänä
Suurin osa xG-malleista perustuu logistiseen regressioon tai kehittyneempiin koneoppimismenetelmiin. Logistinen regressio tuottaa todennäköisyysluvun, kun sille syötetään useita selittäviä muuttujia – esimerkiksi etäisyys ja kulma. Malli koulutetaan syöttämällä sille historiallista laukausaineistoa, jossa tiedetään jokaisen laukauksen lopputulos. American Soccer Analysis kuvaa prosessia näin: malli oppii, minkä tyyppiset laukaukset päätyvät maaliin useimmin, ja siirtää tämän tiedon uusiin laukauksiin todennäköisyysarvon muodossa.
Miksi eri sivustojen xG-luvut poikkeavat toisistaan?
Yleinen hämmennyksen aihe on se, että Opta, StatsBomb ja FBref voivat antaa samalle ottelulle eri xG-luvun. Syy on yksinkertainen: kukin toimija käyttää omaa malliaan, eri historiallista aineistoa ja erilaisia selittäviä muuttujia. FBref selittää metodiikkansa avoimesti: heidän mallissaan huomioidaan laukaisupaikka, ruumiinosat ja tilanteen tyyppi, mutta ei esimerkiksi puolustajien tarkkaa sijaintia, koska se vaatisi kehittyneempää seurantadataa. StatsBombin malli puolestaan hyödyntää kameraseurantadataa ja voi ottaa huomioon useampia muuttujia.
xG:n laskenta vakiotilanteissa: kulmapotkut ja vapaapotkut
Vakiotilanteet käsitellään usein omana kategorianaan xG-malleissa. Suoran vapaapotkun xG lasketaan eri tavalla kuin avoimen pelin laukauksen, koska muuttujat eroavat olennaisesti: muurin korkeus, etäisyys ja kulma ovat erityiset parametrit. Kulmapotkujen kohdalla malli arvioi erikseen jokaisen päätyperän tai jatkolaukauksen erikseen eikä anna yhtä xG-lukua koko pallonsyötölle.
Valioliigan tilastoissa kannattaa seurata, merkitäänkö vakiotilanteesta syntyvä maaliodottama erikseen. Valioliigan laukaisukarttojen ja xG-laadun analyysissä nähdään selvästi, miten vakiotilanteet korostuvat tiettyjen joukkueiden xG-profiilissa.
Miten xG summataan joukkue- ja pelaajatasolla?
Yksittäisen ottelun joukkueen xG saadaan yksinkertaisesti laskemalla yhteen kaikkien laukauksien xG-arvot. Jos Arsenal ampuu kymmenen laukausta, joiden arvot ovat 0,05, 0,12, 0,30, 0,08, 0,45, 0,03, 0,18, 0,07, 0,22 ja 0,10, joukkueen ottelukohtainen xG on 1,60. Tämä tarkoittaa, että Arsenalin olisi pitänyt tilastollisesti tehdä noin 1,6 maalia – riippumatta siitä, miten monta maalia todellisuudessa syntyi.
Pelaajatason xG kertyy samalla tavalla kauden mittaan: lasketaan yhteen kaikki pelaajan laukauksien xG-arvot. Valioliigan xG vs. maalit -tilastossa näkyy, ketkä pelaajat viimeistelevät paremmin tai huonommin kuin heidän xG-arvonsa ennustaa.
Joukkueen xG kertoo enemmän kuin lopputulos: se paljastaa, oliko voitto ansaittu vai perustuiko se maalivahdin loistavaan päivään tai vastustajan epäonneen.
xG-mallien rajoitteet – mitä luku ei kerro
xG on tehokas työkalu, mutta sillä on tunnettuja rajoitteita. Sky Sportsin analyysissa jalkapalloasiantuntija Colin Campbell toteaa, että xG mittaa ”toistettavissa olevaa laadukasta pelaamista” – ei kaikkea, mitä kentällä tapahtuu. Tärkeimmät rajoitteet ovat:
- Malli ei tunne maalivahdin taitotasoa laukaisuvaiheessa
- Pelaajan yksilöllinen viimeistelytaito ei näy xG:ssä vaan vasta xG:n ylittämisessä (ns. xG-overperformance)
- Yksittäinen ottelu on liian pieni otos: sattumanvaraisuus on suuri, kun laukauksia on vain 5–15
- Pelaajakohtainen laatu – kuten Erling Haalandin poikkeuksellinen maalintekijän asemointi – ei välttämättä näy pelkässä xG-arvossa
Juuri näistä syistä xG:tä kannattaa tarkastella pidemmän aikavälin aineistolla. Kauden xG on luotettavampi mittari kuin yhden ottelun luku, koska sattumanvaraisuus tasoittuu ajan myötä.
xG käytännössä: miten lukea Valioliigan tilastoja
Valioliigan otteluraporteissa xG ilmoitetaan tyypillisesti muodossa ”Arsenal 1,8 – 0,6 Chelsea”, mikä kertoo enemmän ottelun luonteesta kuin pelkkä 1–0-tulos. Arsenalilla oli selvästi laadukkaammat mahdollisuudet, vaikka voitto olisi tullut ainoasta maalista. Tästä syystä xG on erityisen hyödyllinen työkalu pitkän kauden analyysiin: Valioliigan joukkuekohtaisessa xG vs. xGA -vertailussa näkyy, mitkä joukkueet pelasivat todellista tasoaan paremmilla ja mitkä heikkommilla tuloksilla kauden aikana.
| Tilanne | Tyypillinen xG-arvo | Lähde |
|---|---|---|
| Rangaistuspotku | noin 0,76 | Wikipedia / Expected goals |
| Lähietäisyys, suora syöttö (alle 6 m) | 0,40–0,70 | Coaches’ Voice / Sky Sports |
| Kulmapotkusta päällä (maalin edessä) | 0,10–0,20 | Sky Sports Advanced Stats |
| Kaukolaukaus (yli 25 m) | 0,02–0,05 | FBref / American Soccer Analysis |
| Sivukulmasta jalalla (lähietäisyys) | 0,05–0,15 | Coaches’ Voice |
xG vs. muut edistyneet mittarit – miten ne eroavat?
xG ei toimi tyhjiössä vaan on osa laajempaa analytiikkakokonaisuutta. Kun haluat ymmärtää, miten xG lasketaan jalkapallossa suhteessa muihin mittareihin, keskeisimmät vertailukohdat ovat:
| Mittari | Mitä mittaa | Ero xG:hen |
|---|---|---|
| xG (Expected Goals) | Laukauksen maalitodennäköisyys | Perusmittari |
| xA (Expected Assists) | Syötön todennäköisyys johtaa maaliin | Mittaa syöttäjän roolia, ei laukaista |
| xGOT (xG on Target) | Maaliin osuneen laukauksen laatu | Huomioi myös laukauksen täsmällisyyden |
| xGA (Expected Goals Against) | Puolustajan maaliodottama vastustajalle | Kääntää xG:n puolustuksen näkökulmaan |
| PPDA | Puristusteho (prässin intensiteetti) | Ei mittaa laukauksia vaan pressausta |
Näistä mittareista lisää löydät esimerkiksi xG:n ja xA:n yhteisestä selityksestä, jossa käydään läpi, miten nämä kaksi mittaria täydentävät toisiaan Valioliigan analyysissa.
xG ei yksin riitä kuvaamaan pelin kaikkia ulottuvuuksia – se on paras, kun sitä tarkastellaan yhdessä xA:n, PPDA:n ja muiden mittareiden kanssa.
Usein kysytyt kysymykset
Mikä on xG:n arvo rangaistuspot kussa?
Rangaistuspotkun xG-arvo on Wikipedian Expected goals -artikkelin mukaan yleisesti noin 0,76. Tämä tarkoittaa, että tilastollisesti noin kolme neljästä rangaistuspotkusta päättyy maaliin. Luku vaihtelee hieman eri mallien välillä, mutta se on vakiintunut viitearvoksi.
Voiko xG olla yli yhden?
Yksittäisen laukauksen xG ei voi ylittää arvoa 1,0, koska kyse on todennäköisyydestä. Joukkueen ottelukohtainen xG sen sijaan voi olla esimerkiksi 2,8 tai 3,5, koska se on kaikkien laukauksien arvojen summa, ei yksittäinen todennäköisyys.
Miksi joukkue voi hävitä, vaikka sen xG on parempi?
xG kuvaa todennäköistä lopputulosta, ei varmaa. Jalkapallo sisältää aina sattumanvaraisuutta: maalivahtien poikkeukselliset torjunnat, tolppaosumat ja yksittäiset virheet voivat kääntää ottelun toiseen suuntaan kuin xG ennustaisi. Pitkällä aikavälillä xG:n ero joukkueiden välillä kuitenkin korreloi vahvasti sarjataulukon kanssa.
Miten xG eroaa pelkistä laukausmääristä?
Laukausmäärä kertoo vain, kuinka monta kertaa lauottiin – ei mistä tai millaisesta paikasta. xG ottaa huomioon laukauksen laadun: yksi lähietäisyyden suora laukaus voi olla xG-arvoltaan 0,45, kun taas kymmenen kaukolaukausta voivat yhteensä jäädä alle 0,30:n. xG on siksi paljon tarkempi mittari mahdollisuuksien laadun arvioimiseen.
Mikä datatoimittaja käyttää parasta xG-mallia?
Ei ole yhtä ”parasta” mallia. StatsBomb käyttää kehittyneintä kameraseurantadataa ja ottaa huomioon eniten muuttujia, mutta se on maksullinen. Opta on laajimmin käytetty ammattilaisseuroissa. FBref tarjoaa ilmaisen pääsyn Optaan pohjautuvaan dataan. Ammattianalyytikot suosittelevat useimmiten vertailemaan lukuja johdonmukaisesti saman lähteen sisällä.
Miten xG:tä käytetään fantasialiigassa?
Fantasialiigan pelaajille xG on arvokas työkalu pelaajien todellisen tuotantopotentiaalin arvioimiseen. Jos pelaajan xG on ollut korkea mutta maalit jääneet tulematta, hän on tilastollisesti alisuoriutunut ja saattaa olla alihinnoiteltu. Vastaavasti pelaaja, joka on tehnyt paljon maaleja matalalla xG:llä, voi olla ylihinnoiteltu – viimeistelylukema todennäköisesti korjaantuu myöhemmin.
Yhteenveto – xG:n laskenta pähkinänkuoressa
Miten xG lasketaan jalkapallossa tiivistyy kolmeen vaiheeseen: ensin malli koulutetaan historiallisella laukausaineistolla, sitten jokainen uusi laukaus sijoitetaan malliin sen ominaisuuksien perusteella, ja lopuksi malli tuottaa todennäköisyysarvon väliltä 0–1. Joukkueen tai pelaajan xG saadaan summaamalla kaikki laukauskohtaiset arvot yhteen.
Luku on parhaimmillaan pitkän aikavälin analyysissä ja heikoimmillaan yksittäisten otteluiden tulkinnassa. Eri datatoimittajien mallit voivat antaa eri tuloksen samalle laukaukselle, joten johdonmukainen lähteen käyttö on tärkeää. xG ei korvaa katsomiskokemusta tai taktista analyysia – se täydentää niitä tarjoamalla määrällisen perustan laadulliselle tulkinnalle.
Lähteet
- Expected goals – Wikipedia — haettu August 25, 2026
- Expected goals: What is xG in football and how does it work? – BBC Sport — haettu August 25, 2026
- Expected goals, expected assists, pressures, carries – Sky Sports — haettu August 25, 2026
- Expected goals explained: The analysis that is changing the game – Sky Sports — haettu August 25, 2026
- xG Explained – FBref.com — haettu August 25, 2026
- What are Expected Goals (xG)? – American Soccer Analysis — haettu August 25, 2026
- Franklin Open – Expected goals tutkimus – Cardiff University / ORCA — haettu August 25, 2026
