Day : 95
WPG - 2
UTA - 4
DAL - 3
OTT - 7
LOS - 4
BUF - 3
SJS - 3
CAR - 2
TOR - 3
TBL - 0
CLB - 4
WSH - 8
VAN - 4
PHI - 2
ANH - 3
NJD - 4
MIN - 2
NYR - 3
FLA - 3
PIT - 2
GRG - 2
SAR - 5
PRO - 6
NOR - 1
HAM - 3
GAT - 2
CTW - 6
SJS - 5
Day : 96
(20-23-1) - L2
(9-33-5) - L2
(34-10-2) - W2
(22-21-4) - L2
(27-16-3) - L2
(10-34-4) - L2
(23-20-4) - W4
(33-6-3) - W2
(19-23-3) - L2
(14-27-1) - L3
(15-23-7) - W3
(24-17-2) - W2
(25-15-7) - OTL1
(25-14-5) - W1
(24-19-3) - L1
(14-26-4) - L1
(25-17-3) - OTL1
(31-8-5) - W5
(24-18-6) - W3
(28-15-2) - W4
(26-12-1) - W1
(26-18-2) - L1
(25-11-5) - W1
(25-19-6) - L2
(26-19-2) - W3
(26-14-3) - W1
(31-6-6) - L1
(31-27-1) - L1
(26-10-6) - W2
(26-19-4) - W2
(31-7-4) - W8
(31-11-4) - L3
(27-12-1) - W2
(27-18-5) - OTL1
(16-26-4) - L1
(16-19-2) - L1
(15-22-4) - W1
(15-23-4) - L1
(16-20-5) - W1
(16-30-0) - W1
(14-26-4) - L1
(14-19-1) - W1

Lake Erie Monsters
GP: 44 | W: 14 | L: 26 | OTL: 4 | P: 32
GF: 162 | GA: 213 | PP%: 22.15% | PK%: 74.07%
DG: Alexandre Brabant | Morale : 50 | Moyenne d’équipe : N/A
Prochains matchs #716 vs Henderson Silver Knights
La résolution de votre navigateur est trop petite pour cette page. Plusieurs informations sont cachées pour garder la page lisible.

Centre de jeu
Lake Erie Monsters
14-26-4, 32pts
3
FINAL
4 Joliette Sportif
13-27-4, 30pts
Team Stats
L1SéquenceL2
8-13-0Fiche domicile7-11-3
6-13-4Fiche domicile6-16-1
2-6-2Derniers 10 matchs2-8-0
3.68Buts par match 3.25
4.84Buts contre par match 4.82
22.15%Pourcentage en avantage numérique22.06%
74.07%Pourcentage en désavantage numérique68.83%
San Antonio Rampage
29-9-4, 62pts
8
FINAL
3 Lake Erie Monsters
14-26-4, 32pts
Team Stats
W4SéquenceL1
15-5-2Fiche domicile8-13-0
14-4-2Fiche domicile6-13-4
6-1-3Derniers 10 matchs2-6-2
4.62Buts par match 3.68
3.17Buts contre par match 4.84
23.33%Pourcentage en avantage numérique22.15%
81.76%Pourcentage en désavantage numérique74.07%
Lake Erie Monsters
14-26-4, 32pts
Jour 96
Henderson Silver Knights
24-19-1, 49pts
Statistiques d’équipe
L1SéquenceW1
8-13-0Fiche domicile14-6-1
6-13-4Fiche visiteur10-13-0
2-6-210 derniers matchs6-4-0
3.68Buts par match 4.07
4.84Buts contre par match 4.07
22.15%Pourcentage en avantage numérique23.91%
74.07%Pourcentage en désavantage numérique77.12%
San Antonio Rampage
29-9-4, 62pts
Jour 97
Lake Erie Monsters
14-26-4, 32pts
Statistiques d’équipe
W4SéquenceL1
15-5-2Fiche domicile8-13-0
14-4-2Fiche visiteur6-13-4
6-1-310 derniers matchs2-6-2
4.62Buts par match 3.68
3.17Buts contre par match 3.68
23.33%Pourcentage en avantage numérique22.15%
81.76%Pourcentage en désavantage numérique74.07%
Lake Erie Monsters
14-26-4, 32pts
Jour 99
Binghamton Senators
19-19-4, 42pts
Statistiques d’équipe
L1SéquenceW2
8-13-0Fiche domicile12-8-1
6-13-4Fiche visiteur7-11-3
2-6-210 derniers matchs4-5-1
3.68Buts par match 3.57
4.84Buts contre par match 3.57
22.15%Pourcentage en avantage numérique16.06%
74.07%Pourcentage en désavantage numérique78.52%
Meneurs d'équipe
Buts
Saku Maenalanen
21
Passes
JC Lipon
25
Points
Saku Maenalanen
43
Plus/Moins
Matej Pekar
3
Victoires
Matej Tomek
9
Pourcentage d’arrêts
Matej Tomek
0.852

Statistiques d’équipe
Buts pour
162
3.68 GFG
Tirs pour
1385
31.48 Avg
Pourcentage en avantage numérique
22.1%
33 GF
Début de zone offensive
37.8%
Buts contre
213
4.84 GAA
Tirs contre
1381
31.39 Avg
Pourcentage en désavantage numérique
74.1%%
35 GA
Début de la zone défensive
33.3%
Informations de l'équipe

Directeur généralAlexandre Brabant
EntraîneurJeremy Colliton
DivisionGrands Lacs
ConférenceHamel
CapitaineJC Lipon
Assistant #1Kyle Palmieri
Assistant #2Tim Erixon


Informations de l’aréna

Capacité3,000
Assistance3,000
Billets de saison300


Informations de la formation

Équipe Pro25
Équipe Mineure21
Limite contact 46 / 50
Espoirs31


Astuces sur les filtres (anglais seulement)
PriorityTypeDescription
1| or  OR Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2 &&  or  AND Logical "and". Filter the column for content that matches text from either side of the operator.
3/\d/Add any regex to the query to use in the query ("mig" flags can be included /\w/mig)
4< <= >= >Find alphabetical or numerical values less than or greater than or equal to the filtered query
5! or !=Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (=), single (') or double quote (") to exactly not match a filter.
6" or =To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7 -  or  to Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8?Wildcard for a single, non-space character.
8*Wildcard for zero or more non-space characters.
9~Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10textAny text entered in the filter will match text found within the column
# Nom du joueur C L R D CON CK FG DI SK ST EN DU PH FO PA SC DF PS EX LD PO MO OV TA SPÂgeContratSalaire moyen
1Vinni LettieriXX100.008438838078848380727475707381741500N02931,500,000$
2Matej Pekar (R)XX100.0084408080798484797373726771707165000241850,000$
3Adam Mascherin (R)X100.0070358478848079786570716972747345000262900,000$
4Kyle Palmieri (A)XX100.0058329980798079806072736776969870500N03321,600,000$
5Jeremy BraccoXX100.00602597847086808066737065727472550002721,000,000$
6Brendan WarrenX100.0064358377777976756069676668727235000271750,000$
7Keegan IversonXX100.0088457678878378777471716968747535000281900,000$
8Ivan MorozovX100.0076477880798483797476746881737175000241900,000$
9Oskar Bäck (R)X100.0076389980837984807975747175707165000241900,000$
10JC Lipon (C)X100.008442848681858481687575698198961500N03121,800,000$
11Saku MaenalanenXX100.008035868579827482657675677793921500N03021,800,000$
12Ryan TesinkXX100.00914180788079787877737270748790150003111,000,000$
13Sam MileticX100.00683093807983777967737469726767550002721,000,000$
14Christian DjoosX100.007026968074817379507367886779851500N03021,500,000$
15Jérémy DaviesX100.008745798085857980507466876279926500N02831,200,000$
16Xavier Bernard (R)X100.0078438075828182735272628260666555000241750,000$
17Adam ClendeningX100.0090387877807876795276688471969615000323800,000$
18Hunter Drew (R)X100.0092487273888075755069668660666655000263750,000$
19Kyle CapobiancoX100.00763583838181798250757084647373650002721,200,000$
20Juuso VälimäkiX100.00843881848784748050746884697877650002611,500,000$
Rayé
1Yakov TreninXXX100.00723586838585808176747468738180550002711,500,000$
2Tim Erixon (A)X93.667140837975777282507671867199991500N03321,800,000$
3Matthew SpencerX97.0085418070857771715069628860686655000271750,000$
MOYENNE D’ÉQUIPE99.577838848081827879627370757079797500
Astuces sur les filtres (anglais seulement)
PriorityTypeDescription
1| or  OR Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2 &&  or  AND Logical "and". Filter the column for content that matches text from either side of the operator.
3/\d/Add any regex to the query to use in the query ("mig" flags can be included /\w/mig)
4< <= >= >Find alphabetical or numerical values less than or greater than or equal to the filtered query
5! or !=Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (=), single (') or double quote (") to exactly not match a filter.
6" or =To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7 -  or  to Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8?Wildcard for a single, non-space character.
8*Wildcard for zero or more non-space characters.
9~Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10textAny text entered in the filter will match text found within the column
# Nom du gardien CON SK DU EN SZ AG RB SC HS RT PH PS EX LD PO MO OV TA SPÂgeContratSalaire moyen
1Mitchell Gibson (R)100.008581828282818181818282626165000251800,000$
2Matej Tomek100.0084828385848282838284835958450002721,300,000$
Rayé
MOYENNE D’ÉQUIPE100.00858283848382828282838361605500
Nom de l’entraîneur PH DF OF PD EX LD PO CNT Âge Contrat Salaire
Jeremy Colliton81888687828470CAN3911,500,000$


Astuces sur les filtres (anglais seulement)
PriorityTypeDescription
1| or  OR Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2 &&  or  AND Logical "and". Filter the column for content that matches text from either side of the operator.
3/\d/Add any regex to the query to use in the query ("mig" flags can be included /\w/mig)
4< <= >= >Find alphabetical or numerical values less than or greater than or equal to the filtered query
5! or !=Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (=), single (') or double quote (") to exactly not match a filter.
6" or =To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7 -  or  to Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8?Wildcard for a single, non-space character.
8*Wildcard for zero or more non-space characters.
9~Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10textAny text entered in the filter will match text found within the column
# Nom du joueur POSGP G A P +/- PIM PIM5 HIT HTT SHT OSB OSM SHT% SB MP AMG PPG PPA PPP PPS PPM PKG PKA PKP PKS PKM GW GT FO% FOT GA TA EG HT P/20 PSG PSS FW FL FT S1 S2 S3
1Saku MaenalanenLW/RW44212243-3806427114407718.42%1281118.4378152513200081261032.56%43769021.0603000220
2JC LiponRW44162541-13807039114617814.04%2179418.05311142711200031143348.58%2127016011.0313000323
3Oskar BäckC441619351003339100377316.00%1360013.65000000000170050.13%383654001.1711000310
4Vinni LettieriC/RW44181331-191206452100316118.00%1669515.8054912610112661046.21%422446000.8923000113
5Kyle PalmieriLW/RW44112031-2120232198349311.22%1174416.91156131081013430039.39%33619000.8300000102
6Ivan MorozovC37151631-12120413276344119.74%757415.5387152391000000051.09%460456001.0800000121
7Jeremy BraccoLW/RW4481725-1700192310339687.77%965914.9924615108000001054.29%35737000.7600000100
8Kyle CapobiancoD4471825-6160507863293511.11%4186919.7512312102000191100.00%01244000.5800000002
9Ryan TesinkC/RW4481624-33240108458323569.64%1078217.79213171040000360048.87%266427000.6122000001
10Tim ErixonD4381422-15220618757272414.04%5191421.2628109106000197200.00%01240000.4800000200
11Keegan IversonC/LW4481321-17340673668264711.76%254212.3200000000001051.72%2613111000.7700000020
12Sam MileticLW4461420-100016298025447.50%948110.9500000000000053.85%135112000.8300000012
13Christian DjoosD4471118-27002310155201912.73%4776717.442131039011055110.00%01143000.4700000001
14Juuso VälimäkiD3221618-1730049514928204.08%4979924.9703311101000064000.00%0534000.4500000100
15Adam MascherinLW443811-68025355816255.17%951911.81000010001120035.00%20259000.4200000000
16Jérémy DaviesD3101010-1720053535519220.00%6177825.110227103000168000.00%0033000.2600000000
17Brendan WarrenLW421910212030322719233.70%1249811.8600001000020051.52%33711000.4001000001
18Matej PekarC/LW38369312045113612268.33%113268.59000000001190048.94%94214000.5500000001
19Xavier BernardD33055-162203745291180.00%4051915.7400000000028000.00%0518000.1900000000
20Hunter DrewD11145-3120272416546.25%1418717.0200001000006000.00%017000.5300000000
21Matthew SpencerD102352801418155413.33%1815515.5500001000118000.00%0110000.6400000010
22Adam ClendeningD10011-740242710640.00%919919.9900011500000000.00%039000.1000000000
23J.J. MoserD1000-120120100.00%21717.020000000000000.00%000000.0000000000
24Zach BensonC/LW3000000000000.00%010.580000000000000.00%000000.0000000000
Statistiques d’équipe totales ou en moyenne819161280441-2522680944907140654885211.45%4741323916.1733568918212051232287211448.92%2275661349030.67613000151217
Astuces sur les filtres (anglais seulement)
PriorityTypeDescription
1| or  OR Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2 &&  or  AND Logical "and". Filter the column for content that matches text from either side of the operator.
3/\d/Add any regex to the query to use in the query ("mig" flags can be included /\w/mig)
4< <= >= >Find alphabetical or numerical values less than or greater than or equal to the filtered query
5! or !=Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (=), single (') or double quote (") to exactly not match a filter.
6" or =To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7 -  or  to Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8?Wildcard for a single, non-space character.
8*Wildcard for zero or more non-space characters.
9~Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10textAny text entered in the filter will match text found within the column
# Nom du gardien Nom de l’équipeGP W L OTL PCT GAA MP PIM SO GA SA SAR A EG PS % PSA ST BG S1 S2 S3
1Matej TomekLake Erie Monsters (COL)3091510.8524.99141800118798464200.75042816030
2Mitchell GibsonLake Erie Monsters (COL)2851130.8374.5612492095583305000.75081628000
Statistiques d’équipe totales ou en moyenne58142640.8464.79266820213138176920124444030


Nom du joueur POS Âge Date de naissance Termes Contrat Cap % Année 2024Année 2025Année 2026Année 2027Année 2028Année 2029Année 2030
Attaquant
Adam MascherinLW261998-01-02TW 20.00%900,000$900,000$UFA [Age: 28]
Brendan WarrenLW271997-01-02TW 10.00%750,000$UFA [Age: 28]
Ivan MorozovC242000-01-02TW 10.00%900,000$RFA ( Groupe: 2 ) [Age: 25]
JC LiponRW311993-01-22NT TW 20.00%1,800,000$1,800,000$UFA [Age: 33]
Jeremy BraccoLW/RW271997-01-02TW 20.00%1,000,000$1,000,000$UFA [Age: 29]
Keegan IversonC/LW281996-01-02TW 10.00%900,000$UFA [Age: 29]
Kyle PalmieriLW/RW331991-01-22NT TW 20.00%1,600,000$1,600,000$UFA [Age: 35]
Matej PekarC/LW242000-01-02TW 10.00%850,000$RFA ( Groupe: 2 ) [Age: 25]
Oskar BäckC242000-01-21TW 10.00%900,000$RFA ( Groupe: 2 ) [Age: 25]
Ryan TesinkC/RW311993-01-22TW 10.00%1,000,000$UFA [Age: 32]
Saku MaenalanenLW/RW301994-01-22NT TW 20.00%1,800,000$1,800,000$UFA [Age: 32]
Sam MileticLW271997-01-22TW 20.00%1,000,000$1,000,000$UFA [Age: 29]
Vinni LettieriC/RW291995-01-02NT TW 30.00%1,500,000$1,500,000$1,500,000$UFA [Age: 32]
Yakov TreninC/LW/RW271997-01-02TW 11.69%1,500,000$UFA [Age: 28]
MOYENNE (14)27.711.69%1,500,000$9,600,000$1,500,000$0$0$0$0$
Défenseur
Adam ClendeningD321992-01-22TW 30.00%800,000$800,000$800,000$UFA [Age: 35]
Christian DjoosD301994-01-02NT TW 20.00%1,500,000$1,500,000$UFA [Age: 32]
Hunter DrewD261998-01-22TW 30.00%750,000$750,000$750,000$UFA [Age: 29]
Juuso VälimäkiD261998-01-22TW 10.00%1,500,000$RFA ( Groupe: 2 ) [Age: 27]
Jérémy DaviesD281996-01-02NT TW 30.00%1,200,000$1,200,000$1,200,000$UFA [Age: 31]
Kyle CapobiancoD271997-01-22TW 20.00%1,200,000$1,200,000$UFA [Age: 29]
Matthew SpencerD271997-01-22TW 10.00%750,000$UFA [Age: 28]
Tim ErixonD331991-01-22NT IN TW 20.00%1,800,000$1,800,000$UFA [Age: 35]
Xavier BernardD242000-01-02TW 10.00%750,000$RFA ( Groupe: 2 ) [Age: 25]
MOYENNE (9)28.110.00%0$7,250,000$2,750,000$0$0$0$0$
Gardiens
Matej TomekG271997-01-22TW 20.00%1,300,000$1,300,000$UFA [Age: 29]
Mitchell GibsonG251999-01-02TW 10.00%800,000$RFA ( Groupe: 2 ) [Age: 26]

Légendes des Termes : FV = Ballotage forcé / NT = Non-échange / IN = Blessure / TW = Contract Deux Côté ('Can Play Pro' + 'Can Play Farm')

Note: Les montants de cap salarial pour l’année courant et le % de cap salariale sont basé sur un calcul du plafond salariale simple (Salaire Moyen ou Salaire de l’année selon vos options). Si votre plafond salarial est basé sur la calcul complexe, les résultats de cette analyse pourrait être légèrement incorrects. Le plafond salarial professionnel de l’année en cours est : 89,000,050$.




Attaque à 5 contre 5
Ligne # Ailier gauche Centre Ailier droit % temps PHY DF OF
1Saku MaenalanenVinni LettieriJC Lipon25122
2Kyle PalmieriRyan TesinkJeremy Bracco25122
3Keegan IversonOskar BäckIvan Morozov25122
4Sam MileticIvan MorozovJC Lipon25122
Défense à 5 contre 5
Ligne # Défense Défense % temps PHY DF OF
1Jérémy DaviesChristian Djoos25122
2Kyle CapobiancoHunter Drew25122
3Adam ClendeningSam Miletic25122
4Juuso VälimäkiChristian Djoos25122
Attaque en avantage numérique
Ligne # Ailier gauche Centre Ailier droit % temps PHY DF OF
1Saku MaenalanenVinni LettieriJC Lipon60122
2Kyle PalmieriRyan TesinkJeremy Bracco40122
Défense en avantage numérique
Ligne # Défense Défense % temps PHY DF OF
1Jérémy DaviesChristian Djoos60122
2Kyle CapobiancoHunter Drew40122
Attaque à 4 en désavantage numérique
Ligne # Centre Ailier % temps PHY DF OF
1JC LiponSaku Maenalanen60122
2Vinni LettieriRyan Tesink40122
Défense à 4 en désavantage numérique
Ligne # Défense Défense % temps PHY DF OF
1Jérémy DaviesChristian Djoos60122
2Kyle CapobiancoHunter Drew40122
3 joueurs en désavantage numérique
Ligne # Ailier % temps PHY DF OF Défense Défense % temps PHY DF OF
1JC Lipon60122Adam ClendeningChristian Djoos60122
2Saku Maenalanen40122Kyle CapobiancoHunter Drew40122
Attaque à 4 contre 4
Ligne # Centre Ailier % temps PHY DF OF
1JC LiponSaku Maenalanen60122
2Vinni LettieriRyan Tesink40122
Défense à 4 contre 4
Ligne # Défense Défense % temps PHY DF OF
1Jérémy DaviesChristian Djoos60122
2Kyle CapobiancoHunter Drew40122
Attaque dernière minute
Ailier gauche Centre Ailier droit Défense Défense
Saku MaenalanenVinni LettieriJC LiponJérémy DaviesChristian Djoos
Défense dernière minute
Ailier gauche Centre Ailier droit Défense Défense
Saku MaenalanenVinni LettieriJC LiponJérémy DaviesChristian Djoos
Attaquants supplémentaires
Normal Avantage numérique Désavantage numérique
Matej Pekar, Adam Mascherin, Brendan WarrenMatej Pekar, Adam MascherinBrendan Warren
Défenseurs supplémentaires
Normal Avantage numérique Désavantage numérique
Christian Djoos, Kyle Capobianco, Hunter DrewKyle CapobiancoKyle Capobianco, Hunter Drew
Tirs de pénalité
JC Lipon, Saku Maenalanen, Vinni Lettieri, Ryan Tesink, Oskar Bäck
Gardien
#1 : Matej Tomek, #2 : Mitchell Gibson
Lignes d’attaque personnalisées en prolongation
JC Lipon, Saku Maenalanen, Vinni Lettieri, Ryan Tesink, Oskar Bäck, Ivan Morozov, Ivan Morozov, Kyle Palmieri, Keegan Iverson, Sam Miletic, Matej Pekar
Lignes de défense personnalisées en prolongation
Juuso Välimäki, Christian Djoos, Kyle Capobianco, Hunter Drew, Jérémy Davies


Astuces sur les filtres (anglais seulement)
PriorityTypeDescription
1| or  OR Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2 &&  or  AND Logical "and". Filter the column for content that matches text from either side of the operator.
3/\d/Add any regex to the query to use in the query ("mig" flags can be included /\w/mig)
4< <= >= >Find alphabetical or numerical values less than or greater than or equal to the filtered query
5! or !=Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (=), single (') or double quote (") to exactly not match a filter.
6" or =To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7 -  or  to Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8?Wildcard for a single, non-space character.
8*Wildcard for zero or more non-space characters.
9~Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10textAny text entered in the filter will match text found within the column
TotalDomicileVisiteur
# VS Équipe GP W L T OTW OTL SOW SOL GF GA Diff GP W L T OTW OTL SOW SOL GF GA Diff GP W L T OTW OTL SOW SOL GF GA Diff P PCT G A TP SO EG GP1 GP2 GP3 GP4 SHF SH1 SP2 SP3 SP4 SHA SHB Pim Hit PPA PPG PP% PKA PK GA PK% PK GF W OF FO T OF FO OF FO% W DF FO T DF FO DF FO% W NT FO T NT FO NT FO% PZ DF PZ OF PZ NT PC DF PC OF PC NT
1Binghamton Senators20101000910-120101000910-10000000000020.500913220054475597346843247225611516388225.00%8187.50%044384952.18%35774947.66%31364848.30%1001642987352682342
2Bridgeport Sound Tigers412000101414000000000000412000101414040.50014223600544755912246843247225106462410418316.67%12466.67%044384952.18%35774947.66%31364848.30%1001642987352682342
3Charlotte Checkers10001000431100010004310000000000021.0004711005447559264684324722540101415400.00%7185.71%044384952.18%35774947.66%31364848.30%1001642987352682342
4Chicago Wolves20100100613-71010000028-61000010045-110.250611170054475595046843247225591412576350.00%6350.00%044384952.18%35774947.66%31364848.30%1001642987352682342
5Chicoutimi Saguenéens11000000514000000000001100000051421.0005914005447559324684324722530106234250.00%3166.67%044384952.18%35774947.66%31364848.30%1001642987352682342
6Chisinau Pelicans10000010651100000106510000000000021.0006814005447559414684324722522710174125.00%5260.00%044384952.18%35774947.66%31364848.30%1001642987352682342
7Connecticut Whale20100100712-50000000000020100100712-510.250713200054475597846843247225552312458112.50%6183.33%044384952.18%35774947.66%31364848.30%1001642987352682342
8Danbury Trashers11000000642000000000001100000064221.00061016005447559314684324722526106226233.33%30100.00%144384952.18%35774947.66%31364848.30%1001642987352682342
9Grand Rapids Griffins412001001516-11100000085330200100711-430.3751527420054475591424684324722511747328310440.00%17570.59%044384952.18%35774947.66%31364848.30%1001642987352682342
10Hamilton Bulldogs1010000014-31010000014-30000000000000.00011200544755934468432472253314221200.00%10100.00%044384952.18%35774947.66%31364848.30%1001642987352682342
11Joliette Sportif2010010059-41010000025-31000010034-110.250510150054475595446843247225672412458112.50%6183.33%044384952.18%35774947.66%31364848.30%1001642987352682342
12Manitoba Moose1010000036-3000000000001010000036-300.00035800544755937468432472252482213133.33%110.00%044384952.18%35774947.66%31364848.30%1001642987352682342
13Milwaukee Admirals1010000056-1000000000001010000056-100.0005914005447559334684324722530120145120.00%000%044384952.18%35774947.66%31364848.30%1001642987352682342
14Norfolk Admirals11000000743110000007430000000000021.00071219005447559314684324722525122195240.00%10100.00%044384952.18%35774947.66%31364848.30%1001642987352682342
15Portland Crying Chiwawas2110000068-21010000036-31100000032120.50069150054475595746843247225692112428112.50%6266.67%044384952.18%35774947.66%31364848.30%1001642987352682342
16Providence Bruins20200000613-720200000613-70000000000000.0006101600544755968468432472256317845400.00%40100.00%044384952.18%35774947.66%31364848.30%1001642987352682342
17Roberval Dwarfs522000102627-142100010222111010000046-260.6002645710054475591534684324722517757349112216.67%17382.35%044384952.18%35774947.66%31364848.30%1001642987352682342
18Rochester Americans2020000048-41010000047-31010000001-100.0004711005447559494684324722570248359111.11%4250.00%044384952.18%35774947.66%31364848.30%1001642987352682342
19San Antonio Rampage20200000512-71010000038-51010000024-200.000510150054475596046843247225702012415120.00%6266.67%044384952.18%35774947.66%31364848.30%1001642987352682342
20San Jose Barracuda1010000034-11010000034-10000000000000.000347005447559344684324722536104163133.33%2150.00%044384952.18%35774947.66%31364848.30%1001642987352682342
21Springfield Falcons1010000026-4000000000001010000026-400.00024600544755934468432472253011420300.00%220.00%044384952.18%35774947.66%31364848.30%1001642987352682342
22The Nuuk Vikings302010001116-51010000015-4201010001011-120.3331119300054475599746843247225953320569222.22%10280.00%044384952.18%35774947.66%31364848.30%1001642987352682342
23Trois-Rivières Lions1010000048-4000000000001010000048-400.0004711005447559274684324722537134235240.00%2150.00%044384952.18%35774947.66%31364848.30%1001642987352682342
24Verdun Junior1010000024-21010000024-20000000000000.00024600544755922468432472253991225000%60100.00%044384952.18%35774947.66%31364848.30%1001642987352682342
Total4482603430162213-51214130202083112-29234130141079101-22320.36416227643800544755913854684324722513814672689181493322.15%1353574.07%144384952.18%35774947.66%31364848.30%1001642987352682342
_Since Last GM Reset4482603430162213-51214130202083112-29234130141079101-22320.36416227643800544755913854684324722513814672689181493322.15%1353574.07%144384952.18%35774947.66%31364848.30%1001642987352682342
_Vs Conference244130232095119-241337010205367-141116013004252-10190.3969516325800544755975846843247225767255160493732027.40%811976.54%044384952.18%35774947.66%31364848.30%1001642987352682342
_Vs Division1615012006683-171112010005163-12503002001520-560.188661131790054475594934684324722553316890315521223.08%451077.78%044384952.18%35774947.66%31364848.30%1001642987352682342

Total pour les joueurs
Matchs joués Points Séquence Buts Passes Points Tirs pour Tirs contre Tirs bloqués Minutes de pénalités Mises en échec Buts en filet désert Blanchissages
4432L11622764381385138146726891800
Tous les matchs
GP W L OTW OTL SOWSOL GF GA
448263430162213
Matchs locaux
GP W L OTW OTL SOWSOL GF GA
21413202083112
Matchs extérieurs
GP W L OTW OTL SOWSOL GF GA
23413141079101
Derniers 10 matchs
W L OTW OTL SOWSOL
260200
Tentatives en avantage numérique Buts en avantage numérique % en avantage numérique Tentatives en désavantage numérique Buts contre en désavantage numérique % en désavantage numérique Buts pour en désavantage numérique
1493322.15%1353574.07%1
Tirs en 1e période Tirs en 2e période Tirs en 3e période Tirs en 4e période Buts en 1e période Buts en 2e période Buts en 3e période Buts en 4e période
468432472255447559
Mises en jeu
Gagnées en zone offensive Total en zone offensive % gagnées en zone offensive Gagnées en zone défensive Total en zone défensive % gagnées en zone défensive Gagnées en zone neutre Total en zone neutre % gagnées en zone neutre
44384952.18%35774947.66%31364848.30%
Temps avec la rondelle
En zone offensive Contrôle en zone offensive En zone défensive Contrôle en zone défensive En zone neutre Contrôle en zone neutre
1001642987352682342


Derniers matchs joués
Astuces sur les filtres (anglais seulement)
PriorityTypeDescription
1| or  OR Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2 &&  or  AND Logical "and". Filter the column for content that matches text from either side of the operator.
3/\d/Add any regex to the query to use in the query ("mig" flags can be included /\w/mig)
4< <= >= >Find alphabetical or numerical values less than or greater than or equal to the filtered query
5! or !=Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (=), single (') or double quote (") to exactly not match a filter.
6" or =To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7 -  or  to Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8?Wildcard for a single, non-space character.
8*Wildcard for zero or more non-space characters.
9~Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10textAny text entered in the filter will match text found within the column
JourMatch Équipe visiteuse Score Équipe locale Score ST OT SO RI Lien
Jour:1
18Lake Erie Monsters6Bridgeport Sound Tigers3WSommaire du match
Jour:3
323Roberval Dwarfs4Lake Erie Monsters5WXXSommaire du match
Jour:6
643Binghamton Senators5Lake Erie Monsters6WXSommaire du match
Jour:8
859Lake Erie Monsters4Connecticut Whale5LXSommaire du match
Jour:10
1072Lake Erie Monsters1Bridgeport Sound Tigers2LSommaire du match
Jour:12
1277Lake Erie Monsters3Grand Rapids Griffins4LSommaire du match
Jour:15
1595Roberval Dwarfs8Lake Erie Monsters3LSommaire du match
Jour:17
17113Lake Erie Monsters1Grand Rapids Griffins3LSommaire du match
Jour:18
18125Binghamton Senators5Lake Erie Monsters3LSommaire du match
Jour:21
21151Hamilton Bulldogs4Lake Erie Monsters1LSommaire du match
Jour:22
22161Lake Erie Monsters6Bridgeport Sound Tigers5WXXSommaire du match
Jour:25
25179Lake Erie Monsters3Portland Crying Chiwawas2WSommaire du match
Jour:26
26191Roberval Dwarfs5Lake Erie Monsters6WSommaire du match
Jour:28
28214Lake Erie Monsters5Chicoutimi Saguenéens1WSommaire du match
Jour:29
29223Providence Bruins8Lake Erie Monsters5LSommaire du match
Jour:32
32243Lake Erie Monsters7The Nuuk Vikings6WXSommaire du match
Jour:34
34259Chicago Wolves8Lake Erie Monsters2LSommaire du match
Jour:38
38280Lake Erie Monsters2San Antonio Rampage4LSommaire du match
Jour:39
39290Lake Erie Monsters5Milwaukee Admirals6LSommaire du match
Jour:41
41298Chisinau Pelicans5Lake Erie Monsters6WXXSommaire du match
Jour:44
44322The Nuuk Vikings5Lake Erie Monsters1LSommaire du match
Jour:45
45341Lake Erie Monsters3The Nuuk Vikings5LSommaire du match
Jour:47
47357Joliette Sportif5Lake Erie Monsters2LSommaire du match
Jour:50
50375Lake Erie Monsters4Trois-Rivières Lions8LSommaire du match
Jour:51
51387Lake Erie Monsters4Roberval Dwarfs6LSommaire du match
Jour:53
53399Rochester Americans7Lake Erie Monsters4LSommaire du match
Jour:55
55416Lake Erie Monsters0Rochester Americans1LSommaire du match
Jour:56
56427Norfolk Admirals4Lake Erie Monsters7WSommaire du match
Jour:58
58450Lake Erie Monsters2Springfield Falcons6LSommaire du match
Jour:59
59458San Jose Barracuda4Lake Erie Monsters3LSommaire du match
Jour:63
63488Roberval Dwarfs4Lake Erie Monsters8WSommaire du match
Jour:66
66507Lake Erie Monsters4Chicago Wolves5LXSommaire du match
Jour:68
68521Providence Bruins5Lake Erie Monsters1LSommaire du match
Jour:71
71546Grand Rapids Griffins5Lake Erie Monsters8WSommaire du match
Jour:73
73562Lake Erie Monsters1Bridgeport Sound Tigers4LSommaire du match
Jour:75
75579Lake Erie Monsters3Grand Rapids Griffins4LXSommaire du match
Jour:76
76587Portland Crying Chiwawas6Lake Erie Monsters3LSommaire du match
Jour:79
79610Lake Erie Monsters6Danbury Trashers4WSommaire du match
Jour:81
81616Lake Erie Monsters3Connecticut Whale7LSommaire du match
Jour:82
82624Verdun Junior4Lake Erie Monsters2LSommaire du match
Jour:86
86653Charlotte Checkers3Lake Erie Monsters4WXSommaire du match
Jour:88
88662Lake Erie Monsters3Manitoba Moose6LSommaire du match
Jour:90
90678Lake Erie Monsters3Joliette Sportif4LXSommaire du match
Jour:93
93689San Antonio Rampage8Lake Erie Monsters3LSommaire du match
Jour:96
96716Lake Erie Monsters-Henderson Silver Knights-
Jour:97
97722San Antonio Rampage-Lake Erie Monsters-
Jour:99
99742Lake Erie Monsters-Binghamton Senators-
Jour:101
101757Chicoutimi Saguenéens-Lake Erie Monsters-
Jour:104
104779Lake Erie Monsters-Chicoutimi Saguenéens-
Jour:106
106789Binghamton Senators-Lake Erie Monsters-
Jour:108
108810Lake Erie Monsters-Milwaukee Admirals-
Jour:109
109820Quebec Stars-Lake Erie Monsters-
Jour:113
113849Blainville-Boisbriand Armada-Lake Erie Monsters-
Jour:115
115865Lake Erie Monsters-Wilkes-Barre/Scranton Penguins-
Jour:117
117880Lake Erie Monsters-Providence Bruins-
Jour:118
118888Trois-Rivières Lions-Lake Erie Monsters-
Jour:123
123915Laval Chiefs-Lake Erie Monsters-
Jour:125
125930Lake Erie Monsters-Gatineau Olympiques-
Jour:127
127945Lake Erie Monsters-Blainville-Boisbriand Armada-
Jour:128
128955Milwaukee Admirals-Lake Erie Monsters-
Jour:130
130978Lake Erie Monsters-Blainville-Boisbriand Armada-
Jour:131
131986Binghamton Senators-Lake Erie Monsters-
Jour:134
1341005Lake Erie Monsters-Portland Crying Chiwawas-
Jour:135
1351017Chicago Wolves-Lake Erie Monsters-
Jour:139
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
1391044Lake Erie Monsters-Albany Devils-
Jour:141
1411049Lake Erie Monsters-Verdun Junior-
Jour:142
1421058Springfield Falcons-Lake Erie Monsters-
Jour:146
1461084Hamilton Bulldogs-Lake Erie Monsters-
Jour:148
1481094Lake Erie Monsters-Danbury Trashers-
Jour:151
1511118Gatineau Olympiques-Lake Erie Monsters-
Jour:152
1521133Lake Erie Monsters-Connecticut Whale-
Jour:154
1541148Gatineau Olympiques-Lake Erie Monsters-
Jour:156
1561165Lake Erie Monsters-Laval Chiefs-
Jour:159
1591182Quebec Stars-Lake Erie Monsters-
Jour:163
1631214Houston Aeros-Lake Erie Monsters-
Jour:166
1661228Lake Erie Monsters-Hamilton Bulldogs-
Jour:168
1681248Henderson Silver Knights-Lake Erie Monsters-
Jour:171
1711263Lake Erie Monsters-Quebec Stars-
Jour:174
1741281Albany Devils-Lake Erie Monsters-
Jour:178
1781307Milwaukee Admirals-Lake Erie Monsters-
Jour:181
1811329Portland Crying Chiwawas-Lake Erie Monsters-
Jour:183
1831340Lake Erie Monsters-Chisinau Pelicans-



Capacité de l’aréna - Tendance du prix des billets - %
Niveau 1 Niveau 2

Revenu
Matchs à domicile restants Assistance moyenne - % Revenu moyen par match Revenu annuel à ce jour Capacité Popularité de l’équipe

Dépenses
Dépenses annuelles à ce jour Salaire total des joueurs Salaire total moyen des joueurs Salaire des entraineurs
Plafond salarial par jour Plafond salarial à ce jour Joueurs Inclus dans le plafond salarial Joueurs exclut du plafond Salarial

Estimation
Revenus de la saison estimés Jours restants de la saison Dépenses par jour Dépenses de la saison estimées




Lake Erie Monsters Leaders statistiques des joueurs (saison régulière)

# Nom du joueur GP G A P +/- PIM HIT HTT SHT SHT% SB MP AMG PPG PPA PPP PPS PKG PKA PKP PKS GW GT FO% HT P/20 PSG PSS

Lake Erie Monsters Leaders des statistiques des gardiens (saison régulière)

# Nom du gardien GP W L OTL PCT GAA MP PIM SO GA SA SAR A EG PS % PSA

Lake Erie Monsters Statistiques de l'Équipe de Carrière

Total Domicile Visiteur
Année GP W L T OTW OTL SOW SOL GF GA Diff GP W L T OTW OTL SOW SOL GF GA Diff GP W L T OTW OTL SOW SOL GF GA Diff P G A TP SO EG GP1 GP2 GP3 GP4 SHF SH1 SP2 SP3 SP4 SHA SHB Pim Hit PPA PPG PP% PKA PK GA PK% PK GF W OF FO T OF FO OF FO% W DF FO T DF FO DF FO% W NT FO T NT FO NT FO% PZ DF PZ OF PZ NT PC DF PC OF PC NT

Lake Erie Monsters Leaders statistiques des joueurs (séries éliminatoires)

# Nom du joueur GP G A P +/- PIM HIT HTT SHT SHT% SB MP AMG PPG PPA PPP PPS PKG PKA PKP PKS GW GT FO% HT P/20 PSG PSS

Lake Erie Monsters Leaders des statistiques des gardiens (séries éliminatoires)

# Nom du gardien GP W L OTL PCT GAA MP PIM SO GA SA SAR A EG PS % PSA