1. Las limitaciones de los xG y la génesis del concepto xT
Aunque los goles esperados (xG) han revolucionado la evaluación de las ocasiones claras, adolecen de un sesgo fundamental: solo consideran el instante final de la acción. Un pase brillante que elimina a cinco defensores pero cuyo control falla el atacante no genera ningún tiro y, por lo tanto, 0,00 xG en el registro estadístico.
Para llenar este enorme vacío, los investigadores en ciencia de datos deportivos (especialmente Karun Singh en 2019) desarrollaron el Expected Threat (xT), un modelo estocástico basado en las cadenas de Markov. El objetivo es claro: cuantificar en cada milisegundo la probabilidad de que un equipo marque un gol en las próximas N acciones en función de la posición exacta del balón en el campo.
2. Modelización matemática: ¿Cómo se calcula el Expected Threat?
Cuando un jugador tiene el balón en la celda \((x, y)\), dispone de tres opciones de acción:
- Intentar un tiro directo: con una probabilidad \(p_{shot}\) de tirar y una probabilidad de convertir en gol igual a su \(xG(x, y)\).
- Mover el balón hacia otra celda \((z, w)\): ya sea mediante un pase o una conducción de balón (carry), con una probabilidad de éxito \(p_{move}\).
- Conservar o perder el balón: reiniciando la cadena de probabilidad.
El valor de amenaza añadido (delta xT) de una acción exitosa se define por la fórmula:
\(\Delta xT = xT(\text{zona de llegada}) - xT(\text{zona de partida})\)
Si un centrocampista central recibe el balón en el círculo central (valor xT de 0,012) y realiza un pase vertical fuerte entre líneas hacia la Zona 14 (valor xT de 0,085), su pase genera una ganancia bruta de +0,073 xT. Por el contrario, un pase hacia atrás a su portero produce un \(\Delta xT\) negativo.
3. Tabla comparativa: xG, xA, xT y Pases Progresivos
Para comprender la complementariedad de estas herramientas dentro de un equipo de scouting o un cuerpo técnico de analistas, aquí está la tabla de comparación operativa:
| Métrica | Evento medido | Zona de impacto clave | Sesgo o límite principal |
|---|---|---|---|
| xG (goles esperados) | Probabilidad de gol en cada disparo | Área de penalti | Ignora completamente los pases previos sin tiro |
| xA (asistencias esperadas) | Probabilidad de gol en el último pase | Último tercio rival | Depende de la decisión del delantero de probar suerte |
| xT (Expected Threat) | Ganancia neta de peligro espacial (pases y conducciones) | Todo el campo (Zonas 1 a 96) | Modelo inicialmente ciego a la presión defensiva directa |
| Pases Progresivos | Pase hacia adelante ≥ 10m (o hacia los 16m50) | Mediocampo y bandas hacia el eje | Cuantifica el volumen espacial sin ponderar la densidad de oponentes |
4. El impacto concreto en el scouting y la táctica de élite
¿Por qué los clubes europeos más grandes (Manchester City, Real Madrid, Paris Saint-Germain) invierten masivamente en estos indicadores? Porque permiten descubrir a los «creadores en la sombra».
Perfiles como Toni Kroos durante su carrera, Rodri o Vitinha rara vez registran más de 5 goles y 5 asistencias por temporada. Sin embargo, los modelos de progresión espacial y xT revelan que figuran sistemáticamente en el top 1% mundial en la creación de peligro neto. Son ellos quienes inician los desequilibrios estructurales en los últimos 40 metros.
5. Preguntar a Gemini Live o ChatGPT Voice durante tus partidos
¿Estás viendo un partido ajustado donde uno de los dos equipos mueve el balón sin parecer peligroso? Utiliza nuestro Prompt Vocal optimizado en FOOTB para obtener una lectura quirúrgica de la circulación del balón: