O que é o xG (gols esperados) e como ele melhora as previsões?

Um time ganha de 1 a 0 com seu único chute da partida enquanto o rival acerta três bolas na trave e perde um mano a mano. Na súmula diz "vitória merecida de quem marcou", mas qualquer um que viu a partida sabe que o resultado mentiu. O xG (gols esperados) é a métrica que coloca número nessa intuição: mede quantos gols cada time deveria ter marcado segundo a qualidade de suas chances, não segundo o que entrou.

Entender o xG é entender por que os gols, esse dado que parece tão definitivo, são na verdade um sinal ruidoso para prever o futuro. Vamos destrinchá-lo.

O que é o xG, em uma frase

O xG (expected goals) atribui a cada chute uma probabilidade de terminar em gol, entre 0 e 1, segundo as características da chance. A soma de todos os chutes de um time em uma partida é seu xG total: o número de gols que um time médio teria marcado com essas mesmas oportunidades.

Um chute com xG de 0,76 é um mano a mano claríssimo; um de 0,03 é um disparo de longe de um ângulo impossível. Se um time acumula 2,4 de xG e marca 1, gerou para mais; se marca 3 com 0,8 de xG, foi eficiente... ou teve sorte.

Como se calcula: a qualidade de cada chance

O xG não sai do nada. Ele é calculado com modelos estatísticos treinados sobre centenas de milhares de chutes históricos, que aprendem que porcentagem termina em gol segundo variáveis como:

• Distância do gol — o fator mais determinante.
• Ângulo do chute — quanto do gol o finalizador vê.
• Parte do corpo — pé, cabeça, etc.
• Tipo de jogada — jogada aberta, contra-ataque, escanteio, pênalti, falta direta.
• Pressão defensiva — número de rivais entre a bola e o gol.

O modelo cruza essas variáveis e devolve a probabilidade de gol daquele chute concreto. Um pênalti, por exemplo, gira sempre em torno de um xG de 0,76 porque historicamente se marcam três em cada quatro.

Por que prevê melhor que os gols reais

Aqui está a ideia central. Os gols são um evento escasso e muito aleatório: em uma partida caem dois ou três, e um rebote, uma trave ou uma defesa espetacular podem mudar tudo. Um único gol de sorte distorce por completo o que parece uma partida.

O xG, por outro lado, se constrói sobre muito mais dados: cada chute soma informação. Isso o torna muito mais estável e, sobretudo, mais preditivo do desempenho futuro. A estatística por trás é a regressão à média: um time que marca muito acima do seu xG durante várias rodadas tende a cair, e um que marca muito abaixo tende a subir.

Os gols te dizem o que aconteceu. O xG te diz o que o time é capaz de fazer de forma repetível. Para prever, o segundo vale muito mais.

Um exemplo concreto

Dois times chegam à rodada 10 ambos com 14 pontos:

• Time A: marcou 15 gols com um xG acumulado de 9. Superdesempenho de +6.
• Time B: marcou 9 gols com um xG de 15. Subdesempenho de -6.

A tabela os iguala, mas o xG conta outra história: o Time A teve uma sequência de finalização que dificilmente se sustenta, enquanto o Time B gera muito mais do que concretiza e está "devendo" gols. Apostar contra o Time A e a favor do Time B nas próximas rodadas costuma ter value, precisamente porque o mercado do torcedor olha a tabela e não o xG. Isso se conecta com ganhar do acaso vs ganhar do mercado: o xG ajuda a separar a sorte do desempenho real.

Os limites do xG (honestidade obrigatória)

O xG é potente, mas não é uma bola de cristal. Convém conhecer suas fronteiras:

• Não mede a qualidade do finalizador. O xG assume um finalizador médio. Um atacante de elite pode bater seu xG de forma sustentada porque finaliza melhor que a média; aí o modelo fica aquém.
• Ignora o que acontece antes do chute. Uma jogada brilhante que não termina em finalização aporta 0 de xG, ainda que tenha sido perigosíssima.
• Precisa de volume. Em uma única partida o xG pode ser enganoso; ele brilha quando você o acumula sobre muitos jogos.
• Nem todos os modelos de xG são iguais. Diferentes fornecedores usam dados e variáveis diferentes, então os números nem sempre coincidem.

Um bom modelo não toma o xG como verdade absoluta, mas como uma camada a mais que se combina com outros sinais.

Como se usa o xG para modelar

O xG raramente é usado sozinho. Em modelos de previsão sérios ele alimenta estimativas de força ofensiva e defensiva de cada time, que depois são introduzidas em sistemas como ELO e Poisson para tirar probabilidades de resultado, over/under e demais mercados.

Na EDGE o xG é um dos ingredientes dos nossos modelos: ele nos ajuda a estimar a probabilidade real de uma partida com menos ruído que os gols, e a detectar quando o mercado ficou ancorado em um placar enganoso. Essa diferença entre a probabilidade real e a odd é justamente onde aparece o value bet. O xG não garante nada; simplesmente nos dá uma leitura mais limpa da realidade sobre a qual apostar.

Em resumo

• O xG mede a qualidade das chances, não os gols que entraram.
• Ele é calculado com modelos treinados em centenas de milhares de chutes, usando distância, ângulo, tipo de jogada e pressão.
• Prevê melhor o desempenho futuro porque usa mais dados e é menos aleatório que os gols.
• Tem limites: não capta o finalizador de elite, ignora jogadas sem chute e precisa de volume.
• Se combina com outros modelos para estimar probabilidades reais e encontrar value.

Olhe o xG quando o placar te gritar uma conclusão: muitas vezes a realidade estava escondida nas chances, não na súmula.

A EDGE é uma ferramenta de análise, não uma casa de apostas. Apostar envolve risco. +18. Jogue com responsabilidade.