Precificação via expected Goals (xG)

A estatística de expectativa de gols é uma ferramenta de previsão popular. Os apostadores podem usar a expectativa de gols para determinar um resultado com precisão? O analista de apostas Joseph Buchdahl processa dados e determina se a expectativa de gols pode prever resultados de futebol.

As apostas esportivas, pelo menos para aqueles que aspiram a tratá-las como mais do que uma atividade recreacional, estão familiarizadas há algum tempo com o conceito de expectativa e, especificamente, com a ideia de valor esperado.

Apostas podem ser ganhadoras e perdedoras, mas muito do que acontece é meramente uma consequência do acaso.

No entanto, saber o valor esperado de algo, a longo prazo, permite ao apostador ter uma estimativa de quanto pode esperar ganhar ao longo de uma amostra maior de apostas. “Expectativa” é apenas outra palavra para “média aritmética” ou “média”.

Mais recentemente, o conceito de expectativa se fez presente no futebol por meio da noção de expectativa de gols ou xG. A expectativa de gols é usada como uma métrica de desempenho para avaliar um time de futebol ou o desempenho de um jogador através da atribuição de uma probabilidade à oportunidade de marcação que pode resultar em um gol.

Esse cálculo é feito por meio do uso do histórico de dados para oportunidades equivalentes e da taxa de conversão de gol. Portanto, a xG para uma oportunidade de marcação estará entre 1 e 0.

Além disso, somar a xG em um jogo com várias oportunidades de gols resultará na xG para o próprio jogo ou, mais comumente, em uma xG para cada time em um jogo.

Em teoria, a xG fornece uma representação mais verdadeira da qualidade de jogo das equipes em um jogo e da superioridade de uma equipe em relação ao adversário do que os dados dos gols em si.

Os gols são marcados com um nível razoável de acaso (o que os especialistas chamam de “ruído”) e o uso de um placar real para prever o que uma equipe poderá fazer no seu próximo jogo pode ser menos confiável do que usar a xG dessa equipe.

De certa forma, os gols são como vitórias e derrotas em uma aposta, enquanto a expectativa de gols é como o valor esperado. Se for esse o caso, podemos usar a xG ao invés de gols para prever o resultado de partidas de futebol para ganho em apostas?

Gols x Expectativa de gols

David Sumpter, matemático e autor de Soccermatics: Mathematical Adventures in the Beautiful Game, deu um direcionamento sobre a utilidade relativa de gols versus xG quando se tenta prever o resultado de jogos futuros. Sumpter ilustra a dificuldade de encontrar um sinal de previsão a partir dos dados de gols de forma sucinta.

“De um ponto de vista estatístico, o resultado de uma partida de futebol é quase tanto ruído quanto é sinal. Uma explicação matemática para isso pode ser encontrada diretamente na distribuição de Poisson. No futebol, os gols seguem a distribuição de Poisson e as equipes marcam, em média, 1,4 gols. O desvio e a média são iguais na distribuição de Poisson. Sendo assim, o desvio padrão é a raiz quadrada de 1,4, ou seja, 1,18. Consequentemente, o ruído (1,18) é apenas ligeiramente menor do que o sinal (1,4).”

A xG, ao contrário, é uma medida de probabilidades criadas e, assim, proporciona uma medida melhor da qualidade de uma equipe durante um único jogo em comparação ao número de gols.

Normalmente, ela apresenta menor ruído e mais sinal. Tanto para gols quanto para xG, a quantidade de ruído nos resultados das partidas diminui à medida que o número de jogos sendo analisados aumenta. No entanto, o índice de diminuição é inicialmente mais acentuado para a xG do que para os gols.

Sumpter usa essa informação para recomendar qual o tipo de dados que deve ser nosso foco quando tentamos fazer previsões para jogos futuros. Para uma ou duas partidas, é o próprio relatório da partida que fornece as informações mais úteis.

Por outro lado, para amostras superiores a 15 partidas, ou para a melhor parte da metade de uma temporada, os dados de gols serão tão confiáveis quanto as xG.

O ruído ainda será um pouco maior, mas a diferença é menor. Além disso, os gols representam a realidade – o que aconteceu – enquanto a xG é um modelo probabilístico de chances de marcação. Se não for precisa, poderá inclusive ser menos confiável do que os dados de gols.

Entre esses extremos está uma área empolgante da perspectiva de utilização da xG como uma ferramente de previsão. Sumpter argumenta que o relatório da xG será mais útil entre três e seis jogos, enquanto que para sete a 15 partidas será, possivelmente, mais apropriada a comparação entre gols e xG.

Clique aqui para saber como calcular a Distribuição de Poisson!

by Pinnacle.