O que é xG (Gols Esperados) e por que essa métrica importa

O que o xG significa de verdade?

xG (Gols Esperados) é uma métrica de análise de dados que mede o quanto cada finalização de uma partida tem chance de terminar em gol. Toda finalização recebe um valor entre 0 e 1: um chute de 0,05 xG representa uma chance que vira gol cerca de cinco vezes a cada cem, enquanto um pênalti de aproximadamente 0,76 xG representa uma chance de gol de alta probabilidade.

Somando o xG de todas as finalizações de um time, você chega ao número de gols que aquele time deveria marcar considerando a qualidade das chances que criou. Um time que produz 1,9 xG, por exemplo, criou oportunidades boas o bastante para marcar quase dois gols em média — mesmo que, na prática, tenha feito zero ou três.

É por isso que o xG mostra a qualidade do jogo por trás do placar. O gol conta a história de um momento; o xG conta a história que a partida merecia.

Como o xG é calculado?

Os modelos de xG aprendem com dezenas de milhares de finalizações históricas, observando com que frequência chances parecidas terminaram em gol. O valor esperado de um chute é estimado a partir de suas características. As variáveis mais comuns são:

• Distância até o gol: quanto mais perto a finalização, maior a probabilidade de gol.
• Ângulo: chutes de ângulos fechados recebem um xG mais baixo.
• Parte do corpo: pé, cabeça ou um toque em meio à confusão mudam a probabilidade de conversão.
• Tipo de assistência: um cruzamento, um passe para trás ou um contra-ataque rápido definem a dificuldade da chance.
• Pressão defensiva e contexto do jogo: um mano a mano é muito diferente de uma área lotada.

O modelo combina essas variáveis para produzir uma probabilidade para cada finalização. Nenhum valor de xG significa certeza — ele é sempre uma estimativa e varia conforme o modelo, a qualidade dos dados e a liga.

Vamos ver um exemplo na prática

Imagine que o Time A vença uma partida por 1 a 0. Quem olha apenas para o placar enxerga uma vitória clara. Mas a tabela de xG pode contar uma história bem diferente:

Aqui o Time A aproveitou as poucas chances que teve e venceu, enquanto o Time B criou muito mais oportunidades — e de melhor qualidade — mas não conseguiu convertê-las. O xG nos diz que mesmo com o resultado favorecendo o Time A, o jogo foi controlado pelo Time B.

Por que isso importa? Porque, em uma única partida, a sorte pesa bastante. No longo prazo, os times tendem a performar perto do xG que geram. Um time que cria consistentemente mais xG do que os adversários pode obter resultados mais estáveis ao longo do tempo — trata-se de uma tendência estatística, não de uma garantia.

Por que o xG importa na análise de futebol

O xG virou um dos pilares da análise moderna de futebol porque expõe os momentos em que o placar puro engana. Seus principais benefícios:

• Separa sorte de desempenho: a vitória foi merecida ou foi só um dia de sorte? O xG dá uma base para responder a essa pergunta.
• Aprofunda a leitura de fase: um time que parece mal nos resultados pode, na verdade, estar gerando um xG forte e constante.
• Avalia jogadores e times: muitos gols com poucas finalizações, ou poucos gols com muitas? O xG revela a eficiência.
• Serve como entrada para modelos: em plataformas como o 11Stat, o xG é um dos sinais que alimentam os modelos de probabilidade.

Uma ressalva importante: o xG mede desempenho passado e qualidade das chances — ele não promete o futuro. Não se pode dizer que um time com xG alto vencerá a próxima partida; só é possível dizer que ele tende a criar chances de maior qualidade.

Como o 11Stat usa o xG

O 11Stat não é uma plataforma de seleções prontas nem de recomendações de jogo — é uma ferramenta de análise de dados de futebol e modelagem de probabilidades. O xG é apenas um entre vários sinais de dados que alimentam nossos modelos. Para nós, o xG serve para:

• Avaliar a real qualidade ofensiva e defensiva de um time sem depender apenas do placar.
• Fornecer entradas mais robustas aos nossos motores de probabilidade baseados em Poisson e Dixon-Coles.
• Reportar de forma transparente a concordância entre motores (quando modelos diferentes apontam na mesma direção) e o nível de incerteza.
• Medir honestamente o desempenho histórico do modelo por meio dos nossos processos de backtest e calibração.

Nossos resultados são sempre apresentados como probabilidade, concordância entre motores e nível de incerteza — nunca como desfechos certos ou promessas de ganho. Entender o xG ajuda você a interpretar a análise na tela com mais critério. Tudo o que compartilhamos aqui tem finalidade informativa e de simulação; não é instrução de ação nem promessa de resultado.