축구 득점은 포아송 과정인가

초록

이 논문은 팀 피트니스 개념과 유한 크기 스케일링을 이용해 축구 경기 득점이 사전 정의된 기대값을 가진 독립적인 포아송 과정으로 근사될 수 있음을 실증한다. 경기 중 일시적인 피트니스 변동이 예측 가능성을 크게 저해하지 않으며, 비포아송적 전체 골 분포는 팀 간 피트니스 차이에서 비롯된다. 또한 무승부 비율이 약간 증가하는 정도의 약한 상관관계만 존재한다는 결론을 제시한다.

상세 분석

본 연구는 ‘팀 피트니스(team fitness)’라는 정량적 지표를 중심으로 축구 경기 득점 메커니즘을 분석한다. 피트니스는 시즌 전체 경기에서 각 팀이 평균적으로 기록하는 득점·실점 비율을 정규화한 값으로 정의되며, 이는 팀의 공격·수비 능력을 하나의 스칼라 변수로 압축한다. 저자들은 2009년 유럽 물리학 저널에 발표된 피트니스 개념을 확장해, 경기당 기대 득점 λ_i 를 팀 i의 피트니스 f_i 와 리그 평균 득점 μ를 이용해 λ_i = μ·f_i 로 표현한다.

다음으로 유한 크기 스케일링(finite‑size scaling) 기법을 적용해, 제한된 경기 수(예: 한 시즌 34경기)에서 추정된 피트니스가 실제 피트니스와 얼마나 차이가 나는지를 통계적으로 보정한다. 이를 통해 각 경기마다 ‘예측된’ 득점 기대값 λ_i·λ_j (i는 홈팀, j는 원정팀) 을 산출하고, 실제 득점 데이터와 비교한다.

핵심 결과는 두 팀의 기대값을 이용한 포아송 모델이 실측 골 수 분포와 매우 높은 적합도를 보인다는 점이다. 즉, 각 팀이 사전에 정해진 λ 값을 가지고 독립적으로 골을 기록한다는 가정이 통계적으로 타당하다. 다만, 경기 후반에 골이 연속으로 발생하거나, 특정 상황(예: 페널티킥)에서 발생하는 작은 상관관계가 존재한다. 이러한 상관관계는 전체 골 분포를 약간 왜곡시켜 무승부 비율을 포아송 모델보다 5~7% 정도 높게 만든다.

또한 전체 리그의 골 분포가 포아송 형태가 아닌 이유는 팀 피트니스의 이질성 때문이다. 피트니스가 정규분포를 따른다고 가정하면, 각 팀별 포아송 분포의 혼합이 전체 골 분포를 만들어내며, 이는 ‘비포아송적’이라고 불리는 꼬리 현상을 설명한다.

예측 가능성 측면에서 저자들은 일시적인 피트니스 변동(예: 부상, 전술 변화)이 λ 값에 미치는 영향을 시뮬레이션했다. 결과는 변동폭이 평균 λ 대비 10% 이내일 경우, 경기 결과 예측 정확도가 2% 이하로 감소한다는 점이다. 즉, 피트니스의 단기 변동은 모델의 예측력을 크게 손상시키지 않는다.

마지막으로, 본 모델은 특정 파라미터를 가정하지 않는 ‘모델‑프리’ 접근법으로, 다른 스포츠(예: 농구, 아이스하키)에도 동일한 피트니스‑포아송 프레임워크를 적용할 수 있음을 제시한다.