Desde o artigo inovador de Sam Green, em 2012, que introduziu os gols esperados, a métrica passou a ser uma das mais difundidas e perspicazes na análise do futebol.
Este blog serve como uma breve recapitulação e visão geral, procurando explicar a métrica no contexto e fornecer alguns exemplos mais recentes.
O Expected Goals (xG) mede quantitativamente a qualidade da chance, um conceito amplamente usado no esporte.
Ao assistir a um jogo, podemos intuitivamente distinguir boas chances de chances ruins com base em vários fatores. A que distância o chutador estava do gol? O chute foi feito de um bom ângulo em relação ao gol? Foi em um lance individual? Foi uma cabeçada?
O xG leva esses fatores - e outros - em consideração e calcula a probabilidade de uma determinada tacada ser pontuada. Por exemplo, se um chute com um conjunto específico de características tiver a probabilidade de ser marcado uma vez a cada 10, ele valerá 0,10 xG. Esses cálculos são baseados em dados históricos extensos de chutes (mais de 300.000 chutes do banco de dados Opta no momento em que este artigo foi escrito) e são ajustados para diferentes ligas.
*Consulte o apêndice para obter uma explicação mais detalhada do cálculo
A métrica reflete como analisamos os jogos; a equipe que cria as chances de maior qualidade geralmente é a que consideramos ter sido "a melhor equipe". Um modelo xG fornece uma medida quantitativa da qualidade das oportunidades de gol e acrescenta um contexto adicional aos chutes de um jogador ou equipe que vai além dos totais de chutes brutos e chutes no alvo.
Os gols esperados costumam ser uma medida de desempenho mais consistente do que os gols reais. Enquanto os gols são eventos relativamente raros que vêm e vão em intervalos, a produção de xG de uma equipe ou jogador tende a flutuar muito menos de uma partida para outra. É claro que os gols realmente marcados são os que ganham pontos, mas o xG nos dá mais contexto para avaliar o desempenho da equipe.
Compreender o desempenho subjacente de uma equipe
Considere o Arsenal no início da temporada 2015-16 da Premier League. Em seus primeiros seis jogos, marcou apenas cinco gols, com uma média de 0,83 gol por jogo. Esse é um número preocupantemente baixo para uma equipe que esperava disputar o título. No entanto, durante esse período, o Arsenal teve mais de 12 gols esperados, com uma média de 2,11 gols esperados por jogo.
No final da temporada, o Arsenal teve uma média de 1,71 gols por jogo, o que se aproxima da produção de gols esperados do início da temporada, em comparação com o total de gols abaixo do esperado nesse período.
Se analisássemos apenas os gols que o Arsenal marcou nas primeiras partidas da temporada, jamais esperaríamos que ele terminasse a temporada com tantos gols. No entanto, analisando o xG, podemos ter uma visão muito mais clara de como o Arsenal estava realmente jogando.
Compreender o desempenho subjacente de um jogador
Ao comparar os gols que um jogador marcou com as chances disponíveis para ele por meio do xG, podemos entender melhor o que está impulsionando o desempenho desse jogador. Se os números de xG estiverem significativamente abaixo da produção de gols do jogador, isso pode ser um sinal de uma série insustentável ou, pelo menos, merece um estudo mais aprofundado para entender por que esse desempenho excessivo - pelo menos em comparação com a média - está acontecendo.
Também podemos saber muito sobre a seleção de chutes de um jogador por meio do xG. Analisando a média de xG por chute de um jogador, podemos entender se ele está fazendo chutes de alta qualidade ou muitos chutes de áreas das quais é improvável que ele marque.
O círculo maior indica um valor xG mais alto na tacada
A expectativa de gols é uma ferramenta eficaz para avaliar a qualidade das chances e prever desempenhos futuros, tanto no nível do jogador quanto da equipe. Não há nada de novo no conceito de qualidade da chance; o Expected Goals atribui um valor quantitativo a cada chute para gerar uma análise mais aprofundada e significativa.
Apêndice
O modelo xG da Optaé calculado por meio de uma regressão logística em que a variável dependente é se o chute foi ou não um gol e as entradas da regressão são as seguintes:
- Passagem de jogo (jogo aberto, cobrança de falta direta, jogada de bola parada, cobrança de escanteio, assistência, arremesso)
- Tipo de assistência (bola longa, cruzamento, bola cruzada, passe na zona de perigo, recuo)
- Pós-jogo
- Rebote
- Cabeçada
- Distância até o gol
- Ângulo visível do gol
- 1 v 1
- Grande chance
- Ajustes de competição para um subconjunto de competições
