O que é xG e por que você deve se importar
Imagine um termômetro que mede a qualidade de cada finalização, não só a quantidade. Essa é a essência do Expected Goals (xG). Se você ainda acha que gols são sorte, está vivendo no passado.
Como calcular xG na prática
Primeiro, coleta-se dados de posição, ângulo, tipo de chute e pressão defensiva. Depois, alimenta-se um modelo de regressão logística que entrega um número entre 0 e 1 para cada tentativa. Resultado? Um valor que indica a probabilidade esperada de marcar.
Interpretando o número
Um xG de 0,30 significa que, em média, a jogada deveria gerar 0,3 gols. Se um time converte 0,6, tem eficiência de 200 %. Se converte 0,1, está desperdiçando chances como quem joga dardo no escuro.
Aplicações táticas
Treinadores usam xG para ajustar estratégias: se o time tem xG alto mas poucos gols, talvez seja hora de treinar finalizações sob pressão. Se o xG adversário está baixo, pode-se arriscar mais no ataque.
Uso em apostas
Os apostadores inteligentes não olham só para o placar final. Aqui entra a análise estatística com xG. Se o mercado de over/under está desalinhado com o xG acumulado, há oportunidade de lucro.
Erros comuns
Confundir xG com gols reais. Ignorar contextos como lesões ou mudanças de técnico. Aplicar o modelo sem validar a qualidade dos dados. Cada um desses deslizes transforma um insight valioso em ruído.
Ferramentas recomendadas
Python com libraries como scikit-learn, R com glm, ou plataformas prontas como StatsBomb. Não adianta ter a melhor teoria se a sua planilha trava a cada linha.
O que fazer agora
Comece a registrar cada finalização do seu time favorito, alimente o modelo, compare xG com resultados reais e ajuste suas previsões. Não espere o próximo campeonato para testar – pratique já, e veja a diferença.