極論

β＝(センターライン付近の位置で奪わた事象)
γ＝(味方ゴール前の位置で奪わた事象)

そうすると、失点の数は以下でしかない。
(失点の数) ＝(事象αの回数)×(事象αが失点に繋がる確率)＋(事象βの回数)×(事象βが失点に繋がる確率)＋(事象γの回数)×(事象γが失点に繋がる確率)

当たり前だけど大事。

□“取られ方”という考え方
さてこれは“位置” という考え方よりも、事象の切り分けが複雑だからな分もっと難しい。

ちなみに“取られ方”と言っているのは、いわゆる“ターンオーバー”のこと。

ターンオーバー(wikipedia記)
意味：アメリカンフットボール、バスケットボール、ラグビーなどのスポーツで攻守が入れ替わること。

ターンオーバーを例えば以下で考えてみる。
A=(味方のシュートで終わる事象)
B＝(味方のミスでキックインとなった事象)
C=(インプレー中で相手と完全に体を入れ替えられて奪わる事象)
D=(インプレー中でC程じゃないけどがっちり奪わる事象)  

失点の数はさっきと同じ。
(失点の数) ＝(事象Aの回数)×(事象Aが失点に繋がる確率)＋(事象Bの回数)×(事象Bが失点に繋がる確率)＋(事象Cの回数)×(事象Cが失点に繋がる確率)＋(事象Dの回数)×(事象Dが失点に繋がる確率)

切り分けが複雑と書いたのは、実際にはもっと無数にパターンがあるから。
#いわゆるMECEという考え方が難しい。。。

□さて
ここまで書いてみて、結局言いたいのはひとつ。
自分のワンプレーがどの程度味方チームの失点に影響しうるのか。
それを理解することが大事かなって最近思う。

単純なミスでボールを奪われたとき。
でも失点に繋がらなかったとして、
それは確率の問題であって何回かやってたら失点に繋がる。
“失点に繋がらなかったけど、危なかったね”っていうやつ。

なんにも貢献できていないとか、
ゲームに影響していないとか、
一見そう思ってしまうある個人のワンプレーが、
チームの結果に影響してるんだと感じる。

これ以上書くと、
書き過ぎなのでやめておく。

□さらに考え方を広げると
例えば、この日の練習試合のビデオ解析すれば。。
どの時間帯で、取られた“位置”と“取られ方”が、
どのパターンで何回あったか数えてみれば。。。
失点との相関が見えるかも。

この日の試合だけじゃなくて、サンプル数を増やせば、
チームとして何をすればいいか見えてくるかも。。
いわゆるビッグデータの使い方かなって思います。
スポーツにそれを適用する方法はそういうところにあると考えてみたり。。。

□最後に
もう一回言うけど、極論での考え方です。

いじょー。