O Que os Gols Esperados Realmente Medem (e o Que Não Medem)

Todo chute no futebol carrega uma probabilidade de terminar em gol, e essa probabilidade é o que o xG, ou gols esperados, tenta transformar em número. Uma finalização de dentro da pequena área com o gol vazio pode valer 0,9 de xG. Um chute de longe, de ângulo fechado e com um zagueiro fechando o espaço, pode valer 0,03. Some o xG de cada chute de um time ou jogador ao longo de uma partida, uma temporada ou uma carreira, e o total mostra, mais ou menos, quantos gols aquela qualidade de finalização deveria ter produzido.

O modelo por trás do número olha para milhares de chutes históricos e faz a mesma pergunta para cada chute novo: de todos os chutes batidos dessa distância, desse ângulo, sob esse tipo de pressão, depois desse tipo de passe, quantos viraram gol? Distância e ângulo até o gol fazem a maior parte do trabalho. Se o chute foi de cabeça ou de pé, conta. Se a bola chegou de um cruzamento, de um passe atrás ou de um lançamento em profundidade, muda o número. Pressão defensiva, posição do goleiro e se era um frente a frente também entram na conta, dependendo do quanto o modelo é detalhado.

O que o xG não é

O que o xG não é: uma previsão para aquele chute específico. Erling Haaland não converte 90% dos seus chutes de 0,9 de xG só porque é o Haaland. O modelo não sabe quem está chutando. Ele sabe como o chute se parecia geometricamente. Essa é a confusão mais comum sobre a estatística, e vale a pena entender bem, porque explica boa parte das discussões que as pessoas têm sobre ela.

Isso também explica por que alguns jogadores marcam sistematicamente mais gols do que seu xG sugere. Um atacante que supera seu total esperado por várias temporadas seguidas provavelmente está fazendo algo que o modelo não enxerga: finalização precisa, frieza fora do comum, ou simplesmente qualidade suficiente para que a taxa de conversão média não se aplique a ele. Um mês bom prova muito pouco. Várias temporadas de desempenho acima do esperado já começam a parecer uma habilidade real, não sorte.

Por que o número funciona no agregado

O número funciona melhor no agregado, olhando para uma sequência de partidas em vez de um único jogo. Um time pode perder de 1 a 0 tendo produzido 2,4 de xG contra 0,3 do adversário, e isso diz algo que o placar sozinho não conta: que o processo estava certo mesmo o resultado não tendo sido. Técnicos são demitidos depois de resultados que o xG sugere terem sido azar, e outros técnicos sobrevivem a resultados que o xG sugere terem sido sorte. Nenhuma das duas coisas muda a tabela, mas as duas mudam como você deveria ler as próximas partidas.

Os limites do modelo

O uso errado da estatística é tratá-la como veredito, não como descrição. "O time A mereceu vencer porque teve mais xG" ignora tudo o que realmente aconteceu em campo: um goleiro fazendo o jogo da vida, um time fechado no contra-ataque, uma expulsão que mudou o segundo tempo. O xG descreve a qualidade dos chutes. Ele não descreve esquemas táticos, e não sabe que um time jogou os últimos vinte minutos com dez jogadores, a menos que alguém ajuste o modelo para isso, e a maioria dos modelos públicos não ajusta.

Também há limites reais nos dados por trás do número. Provedores diferentes constroem seus modelos com amostras de chutes e variáveis diferentes, por isso dois sites podem discordar sobre o xG do mesmo jogo. Nenhum dos dois está mentindo; eles só dão pesos diferentes para distância, tipo de passe e pressão. Nenhum modelo lida bem com um chute batido um instante depois de um zagueiro encostar o pé na bola, ou um rebote que chega numa altura estranha. O modelo lê geometria. Ele não assiste ao jogo.

Usado com cuidado, o xG é uma das melhores ferramentas para separar o que um time realmente fez do que o placar diz que aconteceu. Usado sem cuidado, vira só mais um número que as pessoas citam para vencer uma discussão cujo resultado já tinham decidido antes de abrir a boca.

Métricas derivadas dos gols esperados

Para atacantes que cobram muitos pênaltis, o número mais útil é o xG sem pênaltis, que tira do total o valor praticamente garantido da cobrança. E nada disso diz respeito ao goleiro do outro lado do chute, que é exatamente o que o xG pós-chute foi criado para medir.

O xG também é a matéria-prima de outras medidas. Divida pelos chutes e você tem a qualidade da finalização, passe os totais dos dois times por uma simulação e você tem os pontos esperados, e compare qualquer uma delas com a classificação Elo, baseada em resultados, para ver onde desempenho e resultado discordam.

O xG é a forma padrão de avaliar um centroavante: quem recebe chances de xG alto está se movimentando bem mesmo sem marcar, e quem marca muito acima do xG pode estar finalizando de forma excepcional ou contando com a sorte.

O xG é um bom previsor do resultado de uma partida?

Sozinho, não, e muito menos numa única partida. O xG mede a qualidade das chances criadas e concedidas, não quem vence. Um time pode ter uma vantagem esmagadora de 2,8 a 0,7 de xG e mesmo assim perder para uma bola parada nos acréscimos, porque uma única partida é uma amostra pequena demais para que a qualidade das finalizações se converta em resultado de forma confiável. Ao longo de uma sequência de partidas, porém, a diferença de xG entre os dois lados se correlaciona muito mais com os pontos conquistados do que a maioria das outras estatísticas isoladas disponíveis ao público, e é por isso que os analistas tratam uma diferença persistente entre o xG de um time e seus resultados reais como um sinal que vale a pena investigar, não como ruído a ser descartado.

Como o xG é calculado?

O modelo de xG olha para milhares de chutes históricos e pergunta, para cada chute novo, quantos chutes parecidos viraram gol. Distância e ângulo até o gol fazem a maior parte do trabalho. Também contam se o chute foi de cabeça ou de pé, o tipo de passe que o originou e, nos modelos mais detalhados, a pressão defensiva, a posição do goleiro e se era um frente a frente.

Por que alguns jogadores marcam mais gols do que o xG indica?

O modelo de gols esperados não sabe quem está chutando, só como o chute se parecia geometricamente. Um atacante que supera o seu xG por várias temporadas seguidas provavelmente faz algo que o modelo não enxerga, como finalização precisa ou frieza fora do comum. Um mês bom prova muito pouco, mas várias temporadas acima do esperado já começam a parecer habilidade real.

Por que sites diferentes mostram xG diferentes para o mesmo jogo?

Porque cada provedor constrói o seu modelo de xG com amostras de chutes e variáveis diferentes. Ninguém está mentindo: eles só dão pesos diferentes para distância, tipo de passe e pressão. Além disso, nenhum modelo lida bem com um chute batido logo depois de um desvio ou com um rebote que chega numa altura estranha. O modelo lê geometria, não assiste ao jogo.