Você já se perguntou por que uma equipe que domina o jogo pode perder para outra que finaliza menos? A resposta pode estar nos gols esperados, ou Expected Goals (xG). Essa métrica, cada vez mais presente no universo do futebol, quantifica a probabilidade de um chute resultar em gol, oferecendo dados valiosos sobre o desempenho de equipes e jogadores.
O que é o Expected Goals (xG)?
xG é a sigla para Expected Goals, que significa Expectativa de Gols, e representa a probabilidade de um chute de uma equipe terminar em gol. Essa probabilidade é calculada com base em uma grande quantidade de dados históricos e modelos estatísticos que consideram os seguintes fatores:
- Distância do chute: Quanto menor a distância do local do chute até o gol, maior a probabilidade de resultar em gol;
- Ângulo do chute: Quanto mais frontal for o chute, maior a probabilidade de resultar em gol;
- Parte do corpo utilizada: Se o chute foi feito com o pé, com a cabeça ou com outra parte do corpo;
- Presença de adversários entre o chute e o gol: Quanto mais adversários na trajetória da bola, menor a probabilidade de resultar em gol;
- Força do chute: Quanto mais rápido for a bola, maior a probabilidade de resultar em gol;
- Pé dominante;
- Posição do goleiro;
- Tipo de assistência;
- Local onde a bola entrou no gol.
Como o Expected Goals (XG) é calculado?
A base do cálculo do xG é a regressão logística, um modelo estatístico que permite estimar a probabilidade de um evento binário ocorrer. Isso significa que a regressão logística estima a probabilidade de um chute terminar em gol ou não. De forma resumida, são coletados os dados de chutes em jogos de futebol, que podem ser de uma competição específica. Esses dados são tratados e passam por um processo de seleção de variáveis para construir o modelo. Dessa forma, o xG atribui um valor numérico de 0 (não gol) até 1 (gol) para cada finalização nessa competição, indicando sua qualidade.
Além da regressão logística, outros modelos de machine learning (aprendizado de máquina) também são utilizados, como as redes neurais, que são capazes de identificar padrões complexos nos dados e oferecer previsões mais precisas.
Por que o Expected Goals (xG) é usado no Futebol?
O Expected Goals (xG) oferece uma visão mais precisa e objetiva do desempenho de uma equipe ou jogador, complementando as estatísticas tradicionais como posse de bola e número de finalizações. Algumas das aplicações do xG incluem:
- Avaliação de desempenho: Identificar jogadores que criam chances de alta qualidade e aqueles que são mais eficientes na finalização.
- Análise tática: Avaliar a eficácia de diferentes estratégias de jogo e identificar as áreas onde uma equipe precisa melhorar.
- Mercado de transferências: Identificar jogadores com potencial de alto desempenho.
- Apostas esportivas: Tomar decisões mais informadas ao apostar em jogos de futebol.
Quais são os Tipos de Expected Goals (xG)
Além do Expected Goals tradicional, existem outras métricas derivadas do xG que oferecem informações mais específicas:
- xG open play (Expectativa de gols em jogo aberto ou bola rolando): Considera apenas as chances criadas em jogo aberto, excluindo bolas paradas;
- xG on target (Expectativa de gols em chutes no alvo): Avalia a qualidade das finalizações que acertaram o alvo, considerando a posição do goleiro e o ponto de entrada da bola;
- xA (Expectativa de assistências): Similar ao xG, mas focado na probabilidade de um passe resultar em uma assistência.
Expected Goals (xG) na prática
Ter maiores índices de Gols Esperados é uma métrica interessante sobre a partida, mas nem sempre é sinônimo de que a equipe com mais xG realmente será a vencedora.
Para melhor entendimento, vamos analisar o exemplo do jogo entre Girona e Barcelona. Na imagem abaixo, podemos observar que o Barcelona obteve maior volume de posse de bola e criou um xG (Gols Esperados) superior ao do Girona, 2.51 contra 1.99. Porém, o Barcelona perdeu a partida por 4×2.
Apesar de ter obtido melhores índices de desempenho, o Barcelona não conseguiu converter as chances que criou em gol, enquanto o Girona foi eficaz em suas oportunidades, superando inclusive as expectativas de gols criadas.
Como posso usar o Expected Goals (xG) na minha análise?
Através do xG, é possível medir a qualidade das chances criadas por uma equipe, ou seja, a probabilidade de essas chances se converterem em gol.
- Análise de equipes: Ao comparar o xG de uma equipe com o número de gols marcados, podemos identificar se ela está sendo eficiente na finalização. Além disso, o xG permite avaliar o desempenho de diferentes formações e estratégias, ajudando os treinadores a tomar decisões mais assertivas.
- Análise individual: Na avaliação de jogadores, o xG por 90 minutos (xG/90) é um indicador fundamental para medir a capacidade de finalização de um atacante. Um jogador com um xG/90 alto, mas poucos gols marcados, pode estar passando por uma fase de má sorte. Por outro lado, um jogador com um xG/90 muito superior à média da liga é considerado um finalizador acima da média.
É importante ressaltar que o xG é apenas uma das muitas métricas utilizadas na análise de futebol e que outros fatores, como a qualidade da equipe adversária e a sorte, também influenciam os resultados. No entanto, o xG oferece uma base sólida para entender o desempenho de equipes e jogadores.
Texto produzido por Fábio Antunes
Contato do autor:
Instagram: @fabio.analista
LinkedIn: @fabio-antunes91
Referências e Links Úteis:
Gols esperados: explicação – The Coaches Voice
Expected Goals (xG): Exemplos e como usar a estatística dos ‘gols esperados’ – PL BR
