1. As limitações dos xG e a génese do conceito xT
Embora os Gols Esperados (xG) tenham revolucionado a avaliação das oportunidades claras, eles sofrem de um viés fundamental: consideram apenas o momento final da ação. Um passe brilhante que elimina cinco defensores, mas cujo avançado falha o controlo, não gera nenhum remate e, portanto, 0,00 xG na tabela estatística.
Para preencher esta lacuna gritante, os investigadores em data science desportiva (nomeadamente Karun Singh em 2019) desenvolveram o Expected Threat (xT), um modelo estocástico baseado em cadeias de Markov. O objetivo é claro: quantificar a cada milissegundo a probabilidade de uma equipa marcar um golo nas N ações futuras, em função da posição exata da bola no campo.
2. Modelação matemática: Como se calcula o Expected Threat?
Quando um jogador tem a bola na célula \((x, y)\), ele tem três opções de ações:
- Tentar um remate direto: com uma probabilidade \(p_{shot}\) de rematar e uma probabilidade de converter em golo igual ao seu \(xG(x, y)\).
- Mover a bola para outra célula \((z, w)\): seja por um passe ou uma condução de bola (carry), com uma probabilidade de sucesso \(p_{move}\).
- Manter ou perder a bola: reiniciando a cadeia de probabilidade.
O valor de ameaça adicionada (delta xT) de uma ação bem-sucedida é definida pela fórmula:
\(\Delta xT = xT(\text{zona de chegada}) - xT(\text{zona de partida})\)
Se um médio axial recebe a bola no círculo central (valor xT de 0,012) e faz um passe vertical entre as linhas na Zona 14 (valor xT de 0,085), o seu passe gera um ganho bruto de +0,073 xT. Inversamente, um passe para trás para o seu guarda-redes produz um \(\Delta xT\) negativo.
3. Tabela comparativa: xG, xA, xT e Passes Progressivas
Para compreender a complementaridade destas ferramentas dentro de uma célula de recrutamento ou de uma equipa de analistas, aqui está a grelha de comparação operacional:
| Métrica | Evento medido | Zona de impacto chave | Viés ou limite principal |
|---|---|---|---|
| xG (Gols Esperados) | Probabilidade de golo em cada remate | Área de grande penalidade | Ignora totalmente os passes anteriores sem remate |
| xA (Expected Assists) | Probabilidade de golo no último passe | Último terço adversário | Depende da escolha do avançado de tentar a sorte |
| xT (Expected Threat) | Ganho líquido de perigo espacial (passes & conduções) | Todo o campo (Zonas 1 a 96) | Modelo inicialmente cego à pressão defensiva direta |
| Passes Progressivas | Passe para a frente ≥ 10m (ou para os 16m50) | Meio-campo e alas para o eixo | Quantifica o volume espacial sem ponderar a densidade de adversários |
4. O impacto concreto no scouting e na tática de elite
Por que os maiores clubes europeus (Manchester City, Real Madrid, Paris Saint-Germain) investem massivamente nestes indicadores? Porque permitem descobrir "criadores de perigo ocultos".
Perfis como Toni Kroos durante a sua carreira, Rodri ou Vitinha raramente registam mais de 5 golos e 5 assistências por temporada. No entanto, os modelos de progressão espacial e de xT revelam que eles figuram sistematicamente no top 1% mundial da criação de perigo líquido. São eles que iniciam os desequilíbrios estruturais nos últimos 40 metros.
5. Perguntar ao Gemini Live ou ChatGPT Voice durante os seus jogos
Está a assistir a um jogo apertado onde uma das equipas troca a bola sem parecer perigosa? Utilize o nosso Prompt de Voz otimizado no FOOTB para obter uma leitura cirúrgica da circulação da bola: