Glossário de xG: termos de análise de futebol explicados

A análise de futebol tem um dialeto próprio. Uma vez que você passa do xG, as siglas se acumulam depressa: xA, xT, PSxG, SHAP, ROC-AUC. Este glossário reúne os termos que você encontra no simulador, nos artigos deste site e na maioria dos trabalhos acadêmicos sobre expected goals. Cada verbete é propositalmente curto, com indicações de leituras mais longas onde isso ajuda.

Métricas principais

xG — Expected Goals

Probabilidade de um chute virar gol, de 0 a 1. Veja o guia completo.

xA — Expected Assists

Número esperado de assistências que um jogador gera, normalmente calculado como a soma do xG de cada chute criado pelos passes de um jogador.

xT — Expected Threat

Valor atribuído a cada ação (passe, condução, drible) com base em quanto ela aumenta a probabilidade de gol nos próximos segundos. Construído a partir de uma grade do campo, e não diretamente dos chutes.

PSxG — Post-Shot xG

Expected goals condicionado a o chute ter ido no gol. Usa apenas chutes que exigiram defesa, o que o torna útil para avaliar goleiros (gols sofridos vs PSxG enfrentado).

Mapa de chutes

Visualização que plota cada chute de um time ou jogador, em geral com tamanho proporcional ao xG. Revela padrões de escolha de chute: quem pega boas oportunidades, quem arrisca de longe.

Variáveis por chute

Distância

Distância em linha reta da bola ao centro da linha do gol no momento do chute.

Ângulo

Ângulo no finalizador, medido entre as duas traves. Ângulo pequeno = chance apertada; ângulo amplo = chance central.

Kos Angle

Introduzido por Karim & Marwane (2023). É o ângulo do finalizador menos os ângulos bloqueados por defensores dentro do triângulo bola-traves. Captura quanto do gol está efetivamente exposto.

Primeiro toque

Indica que o chute foi dado sem dominar a bola antes. Tende a surpreender o goleiro e se correlaciona com xG ligeiramente maior, mantidos os outros fatores.

Sob pressão

Se um defensor estava muito próximo do finalizador no momento do contato.

Parte do corpo

Pé direito, pé esquerdo, cabeça ou outra (ombro, joelho, peito). Cabeceios historicamente convertem menos do que pés numa mesma posição.

Técnica

Normal, voleio, meio voleio, bicicleta, cabeceio mergulhado, chute de calcanhar, cavadinha. Cada técnica tem taxa empírica de conversão diferente.

Vocabulário de aprendizado de máquina

Regressão logística

O classificador mais simples usado em xG: uma soma ponderada das variáveis passada por uma sigmoide para virar probabilidade.

Árvore de decisão / Random Forest

Uma árvore faz uma sequência de perguntas sim/não sobre as variáveis para chegar à previsão. Uma random forest faz a média de muitas dessas árvores treinadas em subconjuntos aleatórios dos dados, o que reduz overfitting.

Gradient Boosting / AdaBoost

Métodos de ensemble que treinam árvores em sequência, cada uma corrigindo os erros das anteriores. Árvores com Gradient Boosting são o “cavalo de tração” dos modelos modernos de xG.

CNN — rede neural convolucional

Arquitetura de aprendizado profundo projetada para imagens. Em xG, permite que o modelo leia uma representação em tensor do campo (bola em um canal, defensores em outro) e aprenda padrões espaciais diretamente, sem variáveis construídas à mão.

Valor SHAP

Número que expressa quanto cada variável contribuiu para uma previsão específica. Em pesquisa de xG, gráficos SHAP são usados para ranquear variáveis por importância; o Kos Angle, por exemplo, aparece perto do topo em modelos de xG baseados em árvores.

Métricas de avaliação

Precisão / Recall

Métricas de classificação. Precisão mede que fração das previsões positivas estavam corretas; Recall mede que fração dos positivos reais o modelo pegou.

ROC-AUC

Área sob a curva ROC. Um único número entre 0,5 (aleatório) e 1,0 (perfeito) que resume o quanto o modelo separa gols de não-gols em todos os limiares.

Brier score

O erro quadrático médio entre a probabilidade prevista e o desfecho real (0 ou 1). Quanto menor, melhor. Premia probabilidades bem calibradas, não apenas rankings corretos.

MAE e RMSE

Mean Absolute Error e Root Mean Squared Error entre o xG do modelo e um xG de referência, como o da StatsBomb. O RMSE pune mais erros grandes.

Correlação de Pearson

Valor entre -1 e 1 que indica quão alinhadas estão duas séries de xG. Usada para comparar um modelo local com um modelo de referência sobre os mesmos chutes.

Provedores de dados que você verá citados

StatsBomb

Provedor de dados de futebol amplamente usado. Publica uma amostra gratuita de event data detalhado, que é a base de treino por trás de muitos dos modelos acadêmicos de xG implementados aqui.

mplsoccer

Biblioteca open-source em Python que encapsula a API da StatsBomb e simplifica a plotagem de campos — comumente citada em códigos de pesquisa de xG.