一场比赛预期进球领先却输了球，常被说成"数据不准"。火狐官网入口反过来论证：真正的问题通常是读法——这个指标估的不是结果，而是机会质量的可比基准。
1、它在估什么：把每次射门换算成历史进球概率
模型用海量历史射门训练，输入通常包括射门位置与角度、来球方式（脚下传中、头球摆渡、射门反弹后的二次处理）、身体部位、以及此前带球与传球的过程，输出是这类射门历史上进球的频率。把一场比赛所有射门的概率相加，就得到该场的预期进球。它是一条基准线，用来衡量"这些机会平均应该进几个"。
2、偏差一：训练样本里包含大量一边倒的比赛
弱队被压着打时形成的射门，位置分布往往很差（远射、角度小的补射）。这些样本拉低了远距离射门的估值，使模型给出的低值区间过于平滑。对强队来说，它们在对手收缩时制造的很多中距离机会，实际进球概率可能高于模型给出的平均，因为它们面对的防守组织并不等同于样本里的平均水平。
3、偏差二：点球被单独赋权，抹掉了制造能力的差别
点球在模型里通常给一个接近固定的高概率（约每三次进两次这一量级），这意味着只要获得点球，就能给本场指标一次性大幅加分。问题是"赢得点球的能力"本身并不在模型里：有的球队通过压迫与跑动持续制造定位球与手球接触，这部分价值不会在预期进球里体现，只在点球发生的那一刻以固定分值出现。
4、偏差三：比赛状态与主客场不进模型
射门发生时的比分与剩余时间对质量影响很大：落后一方在末段的射门常常来自更冒险的阵型与更高的压迫强度，这类机会的真实价值与顺境下的同类射门不同。多数模型只描述射门本身，不描述比赛处境，于是在控场型强队与追赶型球队之间会出现不对称的比较结果。
5、球员层面：它衡量的是机会供给，不是射术
一名前锋的预期进球高，主要说明他的位置与跑动能持续换来好机会；把实际进球与预期进球相减，才能粗略观察射术与运气。但球员层面的样本更碎：位置变化、队友质量、球队战术都会影响机会结构，用它给射手排名需要同时交代每九十分钟的出场时间。
6、什么时候应该干脆弃用这个指标
三种场合不合适：一是样本极小的单场评价，二是比较防守策略差异极大的两支球队，三是分析以定位球为主要得分手段的队伍。此时用禁区内射门次数、真实射正质量与比分结构一起看更诚实。指标本身没错，错在被拿去做它并不承担的推断。
另一个容易被忽略的细节是时间分布：「偏差一：训练样本里包含大量一边倒的比赛」的成效通常在下半场前十几分钟最先显现，而「偏差三：比赛状态与主客场不进模型」往往要到最后阶段才见分晓。把这两段时间的表现放在一起比较，比笼统统计全场数据更能说明问题，也更接近教练组赛后复盘的顺序。
如果把「偏差三：比赛状态与主客场不进模型」单独拿出来看，它更像一面镜子：球队在没有球时的选择，往往比有球时更能说明训练质量。因为跑位可以临时提醒，而丢球后的第一反应只能靠长期训练建立，这也是为什么同一支球队在不同阶段的表现会差距明显。
把「犯规战术账」近几期的同类内容连起来看，会发现真正反复出现的矛盾只有两个：控制风险与制造威胁难以同时最大化。本栏目之所以坚持逐场拆解而不是只报结论，就是希望读者能把这些片段拼成一套自己的判断方法。
三个偏差可以被理解，不能被消除
样本构成、点球赋权与比赛状态这三处偏差不属于"算法不够好"，而是指标定义使然。火狐官网入口建议在比较强队时同时给出禁区内射门与实际进球，三者一起看，结论会比单看一条曲线可靠得多。
