Today
Alle artikelen

Clean sheet kans berekenen: xGA en Poisson-model uitgelegd

10 okt 2026·12 min leestijd

Handgetekende voetbalillustraties rondom de titel

De betrouwbaarste manier om een clean sheet kans in te schatten, is via expected goals against (xGA) en het Poisson-model. De formule is simpel: P(0) = e^-λ, waarbij λ de verwachte tegendoelpunten voorstelt. Bij een xGA van 0,80 komt de kans op een clean sheet uit op ongeveer 44,9%. Thuisvoordeel, opstelling en vorm verschuiven dat percentage nog, dus een ruwe schatting is altijd het startpunt, niet het eindoordeel.

Kort samengevat:

  • Gebruik voor λ de xGA die is aangepast aan de aanvalskracht van de tegenstander; seizoensgemiddelden alleen geven geen wedstrijdspecifieke inschatting.
  • Controleer vlak voor aftrap de basisopstelling, blessures en recente xGA; een ontbrekende centrale verdediger of keeper kan de verwachte tegendoelpunten verhogen.
  • Vergelijk het percentage wedstrijden zonder tegendoelpunt met de xGA van hetzelfde team; trainerswissels, transfers en blessures maken oudere cijfers minder bruikbaar.
  • Kies je fantasykeeper op basis van de puntentelling: bij punten voor reddingen kan een keeper die veel schoten krijgt meer opleveren dan een keeper bij een dominante ploeg.
  • Het basismodel onderschat nul tegen nul en één tegen nul; een correctie voor lage uitslagen verbetert de schatting, maar zekerheid biedt geen model.
Betsyscore
Volg wedstrijden met meer context
BetsyScore combineert live scores met AI-voorspellingen, wedstrijdstatistieken en een momentumweergave voor voetbalwedstrijden.
Bekijk live voetbalscores

Inhoudsopgave

Wat is een clean sheet precies?

Een clean sheet betekent dat een team een volledige wedstrijd speelt zonder een tegendoelpunt toe te laten. Dat klinkt eenvoudig, maar de term wordt vaak verward met een simpele telling van tegendoelpunten per seizoen, terwijl die twee dingen iets anders meten.

Een ruwe telling van tegendoelpunten houdt geen rekening met de kwaliteit van de kansen die een defensie weggaf. Expected goals against (xGA) doet dat wel: het meet hoeveel doelpunten een team statistisch gezien had moeten incasseren op basis van de locatie, hoek en druk bij elk schot. Een team dat weinig doelpunten tegen kreeg, maar hoge xGA-cijfers optekende, speelt waarschijnlijk met een portie geluk of een uitstekende keeper, niet per se met een sterke defensie.

  • Clean sheet: geen enkel tegendoelpunt gedurende negentig minuten, ongeacht het aantal gevaarlijke kansen tegen.
  • Tegendoelpuntentelling: telt alleen daadwerkelijke goals, zonder context over de kwaliteit van de kansen.
  • xGA: schat de verwachte tegendoelpunten op basis van schotkwaliteit en levert zo een realistischer beeld van defensieve sterkte.

Historische tellingen kunnen daarom misleidend zijn wanneer je ze gebruikt zonder exposure, dus het aantal wedstrijden waarin die cijfers zijn opgebouwd, en zonder de onderliggende xGA. Een team met vijf clean sheets in tien wedstrijden oogt sterk, maar als die cijfers tegen zwakke tegenstanders zijn behaald, zegt dat weinig over de volgende wedstrijd tegen een topploeg.

Zo bereken je een clean sheet kans stap voor stap

Het Poisson-model is de meest gebruikte methode in voetbalanalytics om de kans op nul tegendoelpunten te berekenen. De kernformule is P(0) = e^-λ, waarbij λ staat voor het verwachte aantal tegendoelpunten in die specifieke wedstrijd. In de praktijk vul je λ in met de xGA van een team, eventueel aangepast voor de sterkte van de tegenstander en thuisvoordeel.

Pro-tip: Gebruik altijd een λ die al gecorrigeerd is voor de aanvalskracht van de tegenstander, niet de ruwe seizoensgemiddelde xGA.

Een voorbeeld maakt het concreet. Stel dat een team een gecorrigeerde λ van 0,80 heeft voor de komende wedstrijd. De berekening wordt dan:

Bij een λ rond 0,80 ligt de clean sheet kans op ongeveer 44,9%, zoals de Poisson-verdeling voorschrijft. De uitkomst is gevoelig voor de kwaliteit van de input.

Het kale Poisson-model heeft wel een bekende zwakte: het onderschat de kans op zeer laag scorende uitslagen zoals 0-0 en 1-0. De Dixon-Coles correctie lost dat op door een extra aanpassing toe te passen op precies die lage scorelines, zodat de voorspelling realistischer wordt. Praktische implementaties bouwen λ vaak op uit de verdedigingssterkte van een team, vermenigvuldigd met de aanvalssterkte van de tegenstander, een basisratio en een thuisvoordeel-term, allemaal op logschaal voordat ze worden omgezet naar een Poisson-kans. Academisch onderzoek bevestigt dat Poisson-regressiemodellen met geschikte voorspellers redelijk goed presteren bij het schatten van doelpunten en scorelines, al blijven verrassingen en 0-0-uitslagen lastige punten.

Zo bereken je een clean sheet kans stap voor stap — overview diagram

Welke factoren de kans op korte termijn bijstellen

Een berekende λ op basis van seizoensgemiddelden is een goed startpunt, maar wedstrijdspecifieke factoren kunnen de werkelijke kans flink laten afwijken. Wie die factoren negeert, werkt met een verouderd getal tegen de tijd dat de bal aftrapt.

  • Thuisvoordeel verlaagt λ meestal met een vaste factor, omdat thuisploegen gemiddeld minder doelpunten incasseren dan op bezoek.
  • Een gewijzigde opstelling, zeker bij blessures aan centrale verdedigers of de vaste keeper, kan de verdedigingssterkte van een team merkbaar verzwakken.
  • Recente xGA-trends en het aantal schoten tegen per wedstrijd geven een actueler beeld dan een seizoensgemiddelde dat weken oud is.
  • Matchday-variabelen zoals natte velden, schorsingen door kaarten en late wissels in de basisopstelling kunnen λ nog vlak voor aftrap verschuiven.

Pro-tip: Check de basisopstelling pas vlak voor aftrap: een vervangende centrale verdediger of reservekeeper kan de clean sheet kans met tien tot twintig procentpunt laten zakken.

Vorm is lastiger te kwantificeren dan opstelling, maar een team dat de laatste vijf wedstrijden een dalende xGA-trend laat zien, verdient een lagere λ dan het seizoensgemiddelde suggereert. Omgekeerd geldt dat een team met veel afwezigheden in de verdediging structureel hogere tegendoelpuntenkansen loopt, ongeacht wat de tabel aan het begin van het seizoen liet zien.

Clubtabellen met clean sheets juist interpreteren

Een tabel met clean sheets per club oogt overzichtelijk, maar ruwe seizoenstotalen zonder context leiden snel tot verkeerde conclusies. Een team met twaalf clean sheets in dertig wedstrijden heeft een ander profiel dan een team met twaalf clean sheets in vijftien wedstrijden, ook al staat hetzelfde getal in de tabel.

  • Zet seizoenstotalen altijd om naar een percentage per wedstrijd, dus clean sheets gedeeld door gespeelde wedstrijden, voordat je ze vergelijkt tussen teams.
  • Historische data heeft sterke signaalwaarde wanneer de steekproef groot genoeg is en de samenstelling van het team stabiel bleef.
  • Historische data verliest waarde na een trainerswissel, een drukke transferperiode of een reeks blessures in de defensie.
  • Vergelijk clean sheet percentages altijd naast de xGA van hetzelfde team om te zien of het cijfer op structurele sterkte berust of op geluk.

Een voorbeeld: een team staat bovenaan een clean sheet tabel met veertig procent van de wedstrijden zonder tegendoelpunt, maar de xGA ligt op 1,3 per wedstrijd. Dat wijst op een keeper die boven verwachting presteert of op een reeks zwakke tegenstanders, niet op een uitzonderlijk sterke defensielinie. Voor een diepere duiding van wat xG-cijfers per competitie precies vertellen, is onze analyse van Champions League xG-cijfers een nuttig vervolg, en wie Eredivisie-tabellen wil raadplegen vindt een overzicht via onze pagina over Eredivisie statistieken.

Fantasy-keeperstrategie: clean sheets jagen of niet

Keeperkeuzes in fantasy-competities draaien om een afweging tussen clean sheet punten en punten voor reddingen. Die afweging hangt sterk af van het puntensysteem dat een competitie hanteert.

  1. Kies een keeper met lage xGA en een gunstig schema wanneer het puntensysteem clean sheets zwaar beloont.
  2. Kies een keeper bij een zwakkere ploeg met veel schoten tegen wanneer saves per redding punten opleveren, ongeacht het resultaat.
  3. Vergelijk altijd de xGA van de komende tegenstander, niet alleen het seizoensgemiddelde van de eigen ploeg.
  4. Check de opstelling en eventuele blessures in de verdediging minder dan een uur voor aftrap.
  5. Controleer het specifieke puntensysteem van je competitie, aangezien puntentelling voor saves en clean sheets sterk kan verschillen tussen platforms.

Pro-tip: Een keeper bij een team met hoge xGA maar veel balbezit tegen kan in puntensystemen met savesbonus soms meer opleveren dan een “veilige” keeper bij een topploeg die amper schoten hoeft te keren.

Expected goals modellen tonen dat sommige keepers structureel meer reddingen verrichten dan hun xGA doet vermoeden, en dat verschil is precies waar fantasy-waarde zit die clean sheet tabellen alleen niet laten zien. Voor keuzes rond specifieke speelronden is het ook praktisch om voorspellingen per wedstrijd te raadplegen, zoals in onze Premier League voorspellingen voor deze speelronde.

Live data gebruiken om λ vlak voor aftrap bij te stellen

Realtime informatie verandert een statische λ in een actuele inschatting. Live scores, AI-gestuurde wedstrijdvoorspellingen op basis van expected goals en vorm, en een momentum-meter per minuut geven een beeld van hoe een wedstrijd zich daadwerkelijk ontwikkelt, naast de live opstellingen en spelersprofielen die vóór aftrap al zichtbaar zijn.

Een praktische workflow: vijftien minuten voor aftrap check je de bevestigde basisopstelling en pas je λ aan wanneer een vaste verdediger ontbreekt. Tijdens de wedstrijd houd je de momentum-indicator in de gaten: een team dat domineert in balbezit en kansen zonder dat de score verandert, zag zijn werkelijke clean sheet kans al verschuiven voordat het scorebord dat laat zien. Live opstelling- en momentumgegevens kunnen een berekende kans op korte termijn flink veranderen, dus wie alleen op seizoensgemiddelden vertrouwt, mist die beweging. Gebruik dit soort data als aanvulling op de Poisson-berekening, niet als vervanging ervan: de combinatie van beide geeft het scherpste beeld.

Workflow om λ live bij te stellen

Wat modellen wel en niet kunnen vertellen

Een Poisson-berekening of een xGA-cijfer geeft een gefundeerde schatting, geen zekerheid. Wie met sportdataplatforms werkt, merkt al snel dat modellen uitstekend zijn in het ordenen van waarschijnlijkheden, maar dat voetbal zich nooit volledig in een formule laat vangen: een offday van een verdediger of een onverwachte wissel verandert in een paar minuten meer dan een heel seizoen aan cijfers.

Mijn advies is daarom simpel: gebruik de berekening als basis, niet als eindoordeel, en toets ze altijd tegen wat je op dat moment ziet gebeuren. Wie data en gezond verstand combineert, neemt betere beslissingen dan wie blind op een percentage vaart.

— Aria

Clean sheetkansen live volgen met BetsyScore

Betsyscore

Wie de in dit artikel beschreven workflow wil toepassen, vindt op BetsyScore realtime scores die elke paar seconden verversen, AI-gestuurde wedstrijdvoorspellingen op basis van expected goals en vorm, en een momentum-meter per minuut, naast live opstellingen en spelersprofielen voor meer dan 200 competities. Dat maakt het mogelijk om een berekende λ vlak voor aftrap nog bij te stellen op basis van de daadwerkelijke basisopstelling. Zie onze gegevens als een extra hulpmiddel naast je eigen inschatting, nooit als garantie voor een uitkomst. Bekijk de actuele cijfers en voorspellingen op Betsyscore voordat je je volgende keuze maakt.

Veelgestelde vragen

Wat zijn clean sheets in voetbal?

Een clean sheet betekent dat een team een volledige wedstrijd afsluit zonder een tegendoelpunt toe te laten. De term wordt gebruikt voor zowel het team als de keeper, en komt los te staan van het eindresultaat van de wedstrijd zelf.

Wat is het verschil tussen xG en xGA?

xG (expected goals) meet de kans dat de eigen schoten tot doelpunten leiden, terwijl xGA (expected goals against) hetzelfde meet voor de schoten van de tegenstander. xGA geeft daarmee een realistischer beeld van defensieve sterkte dan het aantal daadwerkelijk tegen gekregen doelpunten.

Hoe bereken ik een clean sheet kans met de Poisson-formule?

Je vult de formule P(0) = e^-λ in, waarbij λ de verwachte tegendoelpunten voorstelt op basis van xGA. Bij een λ van 0,80 komt de kans op een clean sheet uit op ongeveer 44,9%, en een lagere λ door bijvoorbeeld thuisvoordeel verhoogt dat percentage verder.

Waarom onderschat het basis-Poissonmodel lage scorelines?

Het standaard Poisson-model gaat uit van onafhankelijke kansen voor beide teams, wat de kans op zeer laag scorende uitslagen zoals 0-0 en 1-0 lichtjes onderschat. De Dixon-Coles correctie past dit bij door een extra aanpassing toe te voegen op precies die scorelines.

Is een clean sheet statistiek belangrijker voor een verdediger of een keeper in fantasy?

Dat hangt af van het puntensysteem: sommige competities belonen clean sheets gelijk voor verdedigers en keepers, terwijl keepers vaak extra punten krijgen voor reddingen, ongeacht het eindresultaat. Een keeper bij een team met veel schoten tegen kan daardoor soms meer fantasy-waarde opleveren dan een clean sheet bij een dominant team zou doen vermoeden.

Bronnen

Aanbevelingen

Clean sheet kans berekenen: xGA en Poisson-model uitgelegd