Uma análise de diferentes modelos de gols esperados

O objetivo no futebol consiste em marcar gols contra o adversário, sem sofrer gols. Parece simples mas, devido a fatores como a aleatoriedade e a sorte, as equipes nem sempre conseguem ter os resultados que "merecem".

É por este motivo que a análise de dados e métrica como os gols esperados são úteis nas apostas esportivas - podemos analisar desempenhos de um ponto de vista mais analítico e fundamentar afirmações como "tiveram azar em não ganhar".

Como um remate é a ação decisiva de um gol, os dados sobre remates são fundamentais para qualquer modelo de gols esperados.

Os gols esperados (muitas vezes indicados com a abreviatura "xG") são uma forma de análise de dados que as equipes de futebol utilizam e algo que se está tornando cada vez mais popular entre os apostadores. As estatísticas de gols esperados estão amplamente disponíveis mas nem sempre são iguais porque são utilizados diferentes modelos para calcular as mesmas.

Os modelos podem ir desde o mais simples até o mais complexo. Segue-se uma explicação de como funcionam os diferentes modelos de gols esperados. Quais são os mecanismos por trás destes diferentes modelos e quão diferentes são os resultados que os mesmos produzem?

Utilizar dados básicos de remates

Andrew Beasley já explicou previamente como calcular os gols esperados utilizando um modelo básico de dados de remates. Como um remate é a ação decisiva de um gol, os dados sobre remates são fundamentais para qualquer modelo de gols esperados - existem inúmeros eventos num jogo de futebol que contribuem para a marcação e um gol mas ao tentar prever este resultado particular, os remates são decididamente o fator mais importante.

Esta é uma abordagem simples que utiliza aquilo que a OPTA define como uma "grande oportunidade" - uma situação onde um jogador deve provavelmente marcar um gol - bem como os remates efetuados dentro e fora da área.

As taxas de conversão das últimas cinco temporadas da Premier League indicam que uma grande oportunidade tem um valor de xG de 0,387 (38,7% de hipótese de marcar), os remates dentro da área têm um valor de 0,070 e os remates fora da área têm um valor de 0,036.

Análise detalhada de dados de remates

Dada a dimensão do campo no futebol, os vários ângulos a partir dos quais pode ser efetuado um remate e o impacto que este tem sobre a probabilidade de se marcar gol, independentemente de uma análise de modelos de locais de remate com maior detalhe, irão influenciar o seu resultado de gols esperados. 

Apesar de ser semelhante ao modelo básico de gols esperados de Andrew Beasley, este tipo de abordagem utiliza uma análise mais detalhada do local onde é efetuado um remate para atribuir ao mesmo o seu valor de xG. A forma mais fácil de o fazer consiste em dividir o alcance do remate para gol numa grade e representar cada remate.

A vantagem de utilizar este tipo de modelo é que o mesmo representa a diferença dos remates de um jogador diretamente na cara do gol (grande probabilidade de marcar) e os remates de um jogador a partir de um ângulo agudo (muito menor probabilidade de marcar), bem como se o remate foi efetuado com a cabeça do jogador (mais difícil de marcar) ou com o pé (mais fácil de marcar).

O modelo de Paul Riley é um bom exemplo de adotar uma abordagem ligeiramente mais avançada de analisar os dados de locais de remates na construção de um modelo de xG .

Considerar o processo de ataque

Obviamente, não é apenas o local de onde é efetuado um remate e qual a parte do corpo utilizada para tal que irão determinar a probabilidade de conversão de uma tentativa. A passagem da jogada que antecede um remate irá ter uma palavra a dizer sobre a qualidade dessa oportunidade.

Em vez de simplesmente atribuir um valor de xG a um remate com base no local onde foi efetuado, alguns modelos irão analisar a forma como foi criada a oportunidade de remate (um cruzamento, um passe para desmarcação, um contra-ataque, etc.) e analisar em maior detalhe como foi efetuado o remate (um remate após um drible bem sucedido, um ressalto após uma defesa, etc.).

Obviamente, este tipo de modelo exige muitos mais dados e recursos para ser elaborado e mantido - O modelo de xG de 11tegen11 é um exemplo de um modelo de gols esperados que tem em consideração o processo de ataque mais abrangente ao atribuir o seu valor de xG aos remates.

O impacto que a defesa tem no xG

As três formas anteriores de modelos de gols esperados cumprem o objetivo de fornecer uma estimativa de quantos gols uma equipe deve esperar marcar num jogo ou ao longo de uma temporada inteira. No entanto, existem outras variáveis que contribuem para uma potencial oportunidade de marcação de gol.

Em vez de simplesmente atribuir um valor de xG a um remate com base no local onde foi efetuado, alguns modelos irão analisar a forma como foi criada a oportunidade de remate e analisar em maior detalhe como foi efetuado o remate.

O futebol não se limita ao ataque. O posicionamento defensivo e a redução da oportunidade de marcar gols do adversário são fatores igualmente importantes - os defesas podem obrigar um jogador a rematar de forma diferente ou efetuarem ajustes de última hora para dificultar a marcação de gols.

Além de analisar todo o processo de ataque - desde como é criada uma oportunidade até onde ocorre a ação final - utilizar a proximidade dos defesas da equipe adversária e como isso afeta a qualidade de um remate acrescenta outro nível de detalhe ao modelo de gols esperados.

Isto significa que observar o posicionamento do goleiro e defesas relativamente ao local onde é efetuado o remate poderá produzir os resultados de gols esperados mais exatos de todos.

Que tipo de modelo de gols esperados é o mais exato?

Agora que sabemos como funcionam os diferentes modelos de gols esperados, podemos começar a analisar que método produz os resultados mais exatos. A tabela seguinte compara a diferença de gols real para cada equipe da temporada 2016/2017 da Premier League e o resultado da diferença de gols esperada utilizando os diferentes modelos de gols esperados mencionados.

A melhor forma de avaliar a exatidão de cada uma destas abordagens consiste em descobrir o desvio quadrático médio (DQM) - por vezes denominado erro quadrático médio (EQM). Isso é feito através da elevação ao quadrado da diferença na diferença de gols real e a diferença de gols esperada para cada equipe, calculando a média e, em seguida, encontrando a raiz quadrada dessa média.

Como é possível constatar, as três abordagens distintas são incrivelmente semelhantes no resultado que produziram em termos de diferença de gols esperada na temporada 2016/2017 da Premier League - só 0,91 de DQM separa todos os três modelos apesar dos diferentes níveis de dados utilizados.

No entanto, uma temporada (380 jogos) não representa uma amostra grande o suficiente para afirmar que uma abordagem é melhor que outra, com nenhum tipo de certeza. Além disso, calcular o DQM jogo a jogo irá, com maior probabilidade, fornecer mais conhecimento sobre a exatidão de cada modelo e o quão perto se aproximam de prever a quantidade de gols marcados num jogo.

Quer saber mais sobre gols esperados?

Se quer saber mais sobre gols esperados e aplicar este conhecimento às apostas, Andrew Beasley escreveu um livro sobre como é possível aplicar esta métrica às apostas na Premier League.

Também pode seguir Paul Riley e 11tegen11 no Twitter e participar no Dia de Debate sobre gols esperados da Pinnacle a 10/09/2017.