本文目录导读：
这是一个非常有趣且专业的问题,需要先明确一点：“开源项目”本身不会直接给出一个固定的概率值，因为直接任意球得分概率受距离、角度、人墙高度、门将水平、天气、比赛级别（如英超或业余）等多种变量影响。
在体育数据科学和足球分析的开源社区（如 StatsBombR、Python 的 socceranalysis 库、以及各种基于 xG（预期进球值）模型的开源项目）中，确实有经过大数据统计得出的基准参考值。
基于开源数据模型（如 Opta、StatsBomb 的公开数据）的普遍共识，直接任意球（射门瞬间）的得分概率（xG 值）大致如下：
总体平均水平（基准值）
- 约 3% - 6%：这是所有直接任意球射门（排除战术短传）的综合平均概率。
- 特定范围：大多数主流 xG 模型给直接任意球设定的基准值在 04 - 0.06 之间（即 4% - 6%）。
按距离细分（开源模型的典型区间）
开源项目（如 xGmap、R 语言足球包）通常会将任意球按距离切片：
- 禁区弧顶附近（16.5 - 20 米）：得分概率最高。约 8% - 12%（xG 0.08-0.12），这个距离力量大、角度好，能有效越过人墙下坠。
- 稍远距离（20 - 25 米）：约 6% - 8%（xG 0.06-0.08），这是直接任意球最“甜蜜”的区域。
- 远距离（25 - 30 米）：约 3% - 5%（xG 0.03-0.05），需要很大的力量和精准度。
- 超远距离（超过 30 米）：低于 2%（xG 0.01-0.02），通常缺乏威胁。
影响概率的关键变量（开源模型眼中的“修正值”）
开源项目（如 Soccermatics 或 Kaggle 上的足球分析公开项目）会通过以下变量调整概率：
- 角度（横向偏移）：如果在左/右路 45 度角，概率会下降 2-3 个百分点；在正对球门的中路，概率最高。
- 人墙高度/站位：如果对方人墙是额外高的球员（如高中卫），且无防守漏洞，概率会下调。
- 球员射门/任意球能力属性：在 FIFA 系列数据或基于 Wyscout 的开源数据中，如果主罚球员任意球评分在 85 以上（世界级），其实际得分概率会比平均水平高出 1.5 到 2 倍（即从 5% 跃升至 8-10%）。
经典开源文献的结论
在足球数据最著名的开源分析（如 “The Numbers Game” 或 “soccermetrics” 项目）中，有一个常被引用的结论：
“直接任意球是足球中最被高估的得分方式之一，大部分球员职业生涯中任意球得分率甚至不到 5%。”
总结回答
如果你问的是“开源项目普遍认为的得分概率”，答案是：
一个普通水平的职业球员，在 20-25 米正对球门的位置主罚直接任意球，得分概率约为 5%（即 1/20）。
如果是顶级任意球手（如梅西、B费、阿诺德等），在理想位置，该概率可提升至 10% 左右。
如果针对你正在开发的开源项目进行建模,建议将基础 xG 值设为 0.05，并叠加距离、角度、触球能力三个权重系数，这样更符合真实赛事数据。
