IT 
EN 
El xGoal, abreviatura de Expected Goals (goles esperados), es una métrica estadística avanzada «vinculada» al jugador. Esta métrica cuantifica la probabilidad de que un disparo se convierta en gol, ofreciendo una evaluación del peligro ofensivo de equipos y jugadores.
Para las apuestas en directo, el xG representa un indicador adicional para comprender la peligrosidad de una acción ofensiva.
Definición y significado de los goles esperados
Los goles esperados miden la calidad de las ocasiones de gol mediante un modelo matemático. Cada disparo recibe un valor entre 0 y 1, donde 0 indica una imposibilidad absoluta de marcar y 1 representa un gol prácticamente seguro.
Los goles esperados surgen de la necesidad de comprender cuántos goles debería haber marcado un equipo, independientemente del resultado final obtenido. El valor obtenido se basa en el análisis de cientos de miles de tiros en partidos anteriores.
Cómo funciona la escala de medición
El valor numérico del xG expresa un porcentaje directo de realización. Un tiro con un xG de 0,1 tiene un 10 % de probabilidades de convertirse en gol. Por el contrario, una ocasión con un xG de 0,9 representa un 90 % de probabilidades de éxito.
Los penaltis tienen un xG fijo que varía entre 0,76 y 0,79. Esto significa que, históricamente, de cada 100 penaltis lanzados, aproximadamente 77 se convierten en goles. Un tiro realizado a un metro de la portería puede alcanzar un valor de 0,99. No obtiene el valor 1 porque los jugadores también pueden fallar delante de la portería sin el portero.
Orígenes y desarrollo de la métrica
La metodología de los expected goals fue introducida inicialmente por Alan Ryder para medir la calidad de los tiros en el hockey sobre hielo. Posteriormente, el fútbol perfeccionó esta métrica, convirtiéndola en una de las herramientas más utilizadas en el análisis del fútbol.
En los últimos años, el xG se ha convertido en un estándar en la industria del fútbol. Entrenadores, analistas de partidos, casas de apuestas y apostantes utilizan esta estadística para evaluar el rendimiento de los jugadores o realizar apuestas.
Metodología de cálculo del xGoal
El cálculo de los goles esperados se basa en modelos estadísticos que procesan enormes cantidades de datos históricos. No existe un único modelo universal de xG. Los distintos proveedores utilizan algoritmos propios con variaciones en los parámetros considerados. Hay que tener en cuenta que los tiros no son iguales para todos los proveedores. Un tiro a puerta, fuera de puerta o un centro se cataloga de forma diferente según quién recopile las estadísticas. En consecuencia, cada proveedor tiene sus propias métricas y su propia forma de establecer el número de tiros. El xGoal no es un valor constante y seguro para todos los sitios.
El proceso comienza con la recopilación y el análisis de cientos de miles de tiros. Cada conclusión se clasifica según múltiples variables, creando una base de datos completa que se utiliza para el cálculo.
Variables principales del modelo
La distancia a la portería es el factor más relevante en el cálculo del xG. Un disparo realizado desde dentro del área siempre tiene un valor superior al de un disparo desde 25 metros. El modelo analiza miles de disparos similares para determinar el porcentaje de éxito desde cada distancia específica.
El ángulo de tiro es otro parámetro fundamental. Un remate frontal a la portería ofrece más posibilidades que un tiro lateral con ángulo cerrado. Los algoritmos calculan geométricamente la amplitud de la parte de la portería visible desde el punto de tiro.
Parámetros de cálculo avanzados
Los parámetros de cálculo más avanzados para los goles esperados son:
- Posición de los defensas y su distancia al tirador
- Posición del portero con respecto a los postes
- Parte del cuerpo utilizada para el disparo (pie derecho, izquierdo, cabeza, otras partes)
- Tipo de asistencia recibida (pase filtrante, centro, balón inactivo)
- Tipo de acción ofensiva (maniobra, contraataque, tiro libre)
- Velocidad de juego y presión defensiva
Modelos matemáticos y aprendizaje automático
Los modelos más sofisticados utilizan algoritmos de aprendizaje automático para perfeccionar continuamente el método de cálculo. A través de estos algoritmos de aprendizaje automático, los sistemas mejoran la precisión basándose en nuevas variables.
La inteligencia artificial (IA) permite tener en cuenta las interacciones entre múltiples variables. Un modelo predictivo puede comprender diferentes situaciones: un tiro con la izquierda desde 18 metros con un defensa a 2 metros tiene una probabilidad diferente que un tiro con la derecha.
Diferencias entre los distintos proveedores
Opta, StatsBomb, Wyscout y otras plataformas ofrecen modelos de xGoal con diferencias significativas. Algunos solo tienen en cuenta variables básicas como la distancia y el ángulo, mientras que otros integran más de 20 parámetros diferentes. Esta variedad explica por qué un mismo partido puede mostrar valores diferentes.
Los modelos más avanzados llegan a tener en cuenta la velocidad del balón, la altura del remate y hasta los patrones de comportamiento del portero contrario. La elección del modelo influye significativamente en los valores obtenidos.
Aplicaciones de los xG en el fútbol
Los goles esperados se aplican en numerosos contextos. Esta métrica puede ayudar a descubrir talentos de forma «automática».
Los equipos profesionales invierten importantes recursos en el análisis de datos que utilizan los xG como criterio de evaluación.
Sumando los xG de todos los tiros de un equipo en un partido se obtiene un indicador de la peligrosidad ofensiva. Un equipo con un xG de 2,5 que solo marca un gol pone de manifiesto un problema de finalización: es un rendimiento inferior al esperado.
Por el contrario, marcar 3 goles con solo 1,0 xG indica un rendimiento superior. A largo plazo, los equipos tienden a converger hacia sus valores xG.
El análisis del equipo mediante el xG permite identificar tendencias tácticas y áreas de mejora. Los entrenadores y el cuerpo técnico utilizan estos datos para optimizar los esquemas ofensivos y defensivos.
Los xG individuales permiten evaluar la capacidad de un delantero para situarse en las posiciones correctas en el campo. Un jugador que acumula altos valores de xG demuestra un excelente sentido de la posición, independientemente de los goles marcados.
La comparación entre el xG y los goles reales revela el cinismo ante la portería. Jugadores como Erling Haaland y Kylian Mbappé superan constantemente su xG, lo que demuestra una habilidad superior a la media para finalizar las ocasiones.
Las asistencias esperadas (xA) completan el cuadro de evaluación, midiendo la calidad de los pases que conducen al disparo. Los jugadores creativos con altos xA demuestran su capacidad para servir a sus compañeros en posiciones favorables.
La diferencia entre los goles marcados y el xG acumulado a lo largo de una temporada pone de relieve los periodos de buena o mala forma, lo que ayuda a predecir los retrocesos a la media.
Los clubes utilizan el xG para identificar talentos infravalorados. Este análisis reduce el riesgo en las inversiones del mercado.
Un defensa que concede pocos xG a los oponentes demuestra una excelente capacidad de posicionamiento e interceptación.
El análisis del equipo mediante el xG permite identificar tendencias tácticas y áreas de mejora. Los entrenadores y el cuerpo técnico utilizan estos datos para optimizar las estrategias ofensivas y defensivas.
Métricas derivadas y estadísticas avanzadas
El ecosistema de los goles esperados se ha ampliado con numerosas métricas derivadas que ofrecen niveles de análisis cada vez más sofisticados. Estas estadísticas complementarias proporcionan una visión completa del rendimiento.
Cada métrica derivada añade una información específica que los xG estándar no permiten.
El PSxG tiene en cuenta dónde acaba realmente el balón tras el disparo. Mientras que el xG tradicional es una probabilidad previa al disparo, el PSxG evalúa la calidad del remate incluyendo la trayectoria y la posición en la portería.
Esta métrica utiliza las coordenadas del disparo en la portería para calcular la probabilidad de gol. Un disparo central a las manos del portero tendrá un PSxG inferior al mismo disparo colocado bajo el larguero, aunque el xG previo al disparo fuera idéntico.
El xGOT solo tiene en cuenta los tiros dirigidos a la portería, excluyendo los tiros fuera o bloqueados. Esta métrica evalúa la habilidad del tirador para lanzar correctamente el balón hacia la portería.
La diferencia entre xGOT y xG mide el Shooting Goals Added (SGA), que cuantifica la contribución de la habilidad de tiro del jugador con respecto a la media. Jugadores como Lionel Messi muestran constantemente SGA positivos elevados.
Los xA miden la calidad de los pases que generan tiros. Una asistencia que conduce a una ocasión de 0,8 xG tiene más valor que una que genera un tiro de 0,1 xG.
Esta métrica identifica a los jugadores con gran capacidad para dar asistencias y poner a un jugador en condiciones de marcar. Los centrocampistas ofensivos y los mediapunta se evalúan a través del xA.
Los xPTS utilizan los xG de ambos equipos para calcular el resultado estadísticamente esperado de cada partido. Sumando estos valores a lo largo de toda una temporada se obtiene la clasificación según las ocasiones creadas y concedidas.
Los equipos con xPTS significativamente superiores a los puntos reales han sufrido mala suerte o deficiencias en la finalización. Por el contrario, los xPTS inferiores sugieren un rendimiento superior al esperado que se corregirá con el tiempo.
Límites operativos de los Expected Goals
A pesar del poder analítico de los xG, esta métrica tiene limitaciones y requiere una interpretación especial. Comprender lo que los xG pueden y no pueden hacer es esencial para utilizarlos correctamente.
Los goles esperados no sustituyen al análisis cualitativo, sino que lo complementan. La combinación de datos cuantitativos y experiencia produce las evaluaciones más precisas.
Lo que los xG no pueden medir
Los xG no captan la habilidad individual del tirador en los modelos estándar. Un tiro de 0,2 xG tiene la misma probabilidad teórica con cualquier jugador, aunque en realidad las probabilidades difieren.
La calidad del portero contrario no se tiene en cuenta en los modelos básicos. Una ocasión contra Thibaut Courtois tiene, en teoría, el mismo xG que una contra un portero de menor nivel.
Variabilidad en muestras pequeñas
En partidos individuales, el xG puede mostrar una gran variabilidad en los resultados. Un equipo puede dominar el xG pero perder debido a la varianza estadística. Solo en muestras amplias (al menos 10-15 partidos) el xG se vuelve más fiable.
Acontecimientos aleatorios como desviaciones afortunadas, errores individuales o decisiones arbitrales influyen en los resultados a corto plazo. Los xG indican tendencias a largo plazo, no certezas inmediatas.
Contexto táctico y situacional
El xG no tiene en cuenta el contexto del partido. Un tiro en el minuto 90 con un resultado de 1-0 tiene implicaciones diferentes que el mismo tiro en la primera parte de un partido 3-0. La presión psicológica y la importancia del momento escapan a los modelos estadísticos.
Las situaciones tácticas particulares pueden distorsionar el xG. Un equipo que gestiona una ventaja podría conceder tiros de baja calidad a sus oponentes mientras controla el partido, mostrando un xG similar pero dominando realmente. Por esta razón, hemos perfeccionado esta métrica en XTrend para utilizarla con Goal Trend y Sod en ScoreTrend.
Mejores prácticas en el uso de xG
- Utilizar muestras de al menos 10-15 partidos para obtener evaluaciones fiables.
- Combinar el xG con la observación directa de los partidos.
- Utilizar Xtrend con Goal Trend y Sod (indicadores de ScoreTrend).
- Tenga en cuenta el contexto táctico y las circunstancias específicas.
- Comparar siempre los xG marcados y recibidos, no solo los valores absolutos.
- Compruebe qué modelo de xG utiliza la fuente.
- Integrar con otras métricas avanzadas para obtener una visión completa.
Casos prácticos: Análisis de partidos y temporadas
La aplicación práctica de los goles esperados queda claramente patente a través de ejemplos concretos. El análisis de partidos y temporadas específicos revela cómo los xG proporcionan información que los resultados simples ocultan.
Los casos prácticos muestran patrones recurrentes: los equipos que superan o no alcanzan sus xG rara vez mantienen estas desviaciones a largo plazo. La regresión a la media es un principio fundamental del análisis estadístico.
El Napoli terminó la temporada con 82 puntos reales frente a los 71 xPTS calculados. Estos 11 puntos de diferencia indican un rendimiento superior significativo. Los puntos adicionales se deben a una combinación de habilidad individual y condiciones favorables, como la ausencia de competiciones europeas.
El Inter sumó 81 puntos reales frente a 75 xPTS, un rendimiento superior más moderado. El Monza mostró el caso contrario: 18 puntos reales frente a 31 xPTS, lo que indica un rendimiento muy inferior. Con 28 goles marcados frente a 32 xG, el equipo de Brianza también tuvo un rendimiento inferior en ataque.
En el partido que terminó 3-0 a favor del Verona el 18 de agosto de 2024, los xG contaban una historia diferente. El Verona sumó 1,81 xG, mientras que el Nápoles solo 0,81. Esto significa que el Verona tuvo un rendimiento significativamente superior, marcando casi el doble de los goles esperados.
Casos similares ponen de manifiesto cómo los partidos individuales pueden desviarse considerablemente de las expectativas estadísticas. Sobre una base estacional, estas anomalías tienden a compensarse entre sí.
xG en las apuestas deportivas y el trading
Los goles esperados han revolucionado el enfoque de las apuestas deportivas. Los apostantes utilizan los xG como base de sus estrategias.
La integración de los xG en los análisis previos al partido y en directo ha creado nuevas oportunidades.
Una apuesta de valor se produce cuando la probabilidad implícita en las cuotas de la casa de apuestas es inferior a la probabilidad real calculada mediante determinados modelos predictivos. Los xG históricos de los equipos permiten estimar estas probabilidades reales.
Un equipo que acumula constantemente xG superiores a los de sus oponentes, pero que tiene cuotas elevadas, representa un valor potencial. Es posible que el mercado aún no haya reconocido la calidad real del equipo, lo que crea oportunidades.
La suma de los xG medios de dos equipos proporciona una estimación del total de goles esperados. Las tendencias de xG en casa y fuera de casa refinan aún más estas predicciones. Los equipos que mantienen altos xG independientemente del campo muestran consistencia, lo que hace que las apuestas sean más fiables.
Durante los partidos en directo, la comparación entre el xG acumulado y el resultado actual crea oportunidades de trading. Un equipo con 2,0 xG frente a 0,5 de su rival, pero con un 0-1 en contra, podría ofrecer valor para una remontada.
Los traders profesionales supervisan el xG minuto a minuto, identificando momentos en los que las cuotas aún no reflejan el dominio estadístico de un equipo. ScoreTrend ofrece gráficos en directo para el xGoal.
ScoreTrend: Seguimiento en directo del xGoal
ScoreTrend representa un punto de inflexión en el análisis en directo de los partidos gracias a la integración de herramientas avanzadas de seguimiento de los goles esperados. La plataforma ofrece funciones únicas que transforman el uso de los xG en las apuestas y el análisis deportivo.
El sistema desarrollado por ScoreTrend permite visualizar la evolución del xGoal minuto a minuto.
Gráfico en vivo minuto a minuto del xGoal
ScoreTrend es una de las pocas plataformas que ofrece una visualización gráfica del xG en tiempo real con actualizaciones continuas. Para los partidos más importantes en los que se calcula el gol esperado, hay disponible un gráfico interactivo que muestra la evolución progresiva del xG de ambos equipos. El color azul representa al equipo local y el rojo al equipo visitante.
Esta herramienta permite identificar inmediatamente los momentos de mayor presión ofensiva. Un rápido aumento de la curva xG indica una fase de juego dominante con posibles ocasiones de gol.
Alertas en directo sobre xGoal y estadísticas avanzadas
La característica distintiva de ScoreTrend son las alertas personalizables sobre la métrica xGoal. Los usuarios pueden configurar notificaciones que se activan cuando el xG de un equipo supera determinados valores durante el partido.
Estas alertas permiten supervisar simultáneamente decenas de partidos sin tener que seguir manualmente cada gráfico. Cuando un partido alcanza las condiciones predefinidas de xG, el sistema envía una notificación inmediata a través del bot de Telegram.
Integración con Scanner Live y Filtros
El Scanner Live de ScoreTrend integra el xGoal con otros indicadores propios, como Goal Trend y Team Trend. Los filtros avanzados permiten buscar partidos que cumplan varios criterios simultáneos: resultado actual, minuto de juego, xG acumulado y otros parámetros estadísticos.
Por ejemplo, un operador puede filtrar partidos en el minuto 70 con un resultado de 0-0 pero con un xG superior a 2,0 para uno de los equipos. De esta manera, se identifican situaciones con un alto potencial de gol inminente. Esta combinación de datos crea estrategias de apuestas muy sofisticadas.
Gráficos de barras bidireccionales con estadísticas en directo
ScoreTrend utiliza gráficos de barras bidireccionales que se actualizan cada 30 segundos y muestran no solo el xG, sino también los tiros a puerta, los tiros fuera de puerta, los saques de esquina y los ataques peligrosos. Esta representación visual inmediata facilita la comprensión del desarrollo del partido.
Los gráficos incluyen los minutos de descuento y las sustituciones, lo que proporciona el contexto completo necesario para interpretar correctamente la evolución del xG. La sincronización perfecta entre diferentes flujos de datos crea una experiencia de análisis sin precedentes.
Xtrend superación del xGoal
El xTrend es un indicador propio de ScoreTrend que supera el significado del xGoal. El Xtrend indica el número total de goles esperados durante el partido. El xTrend debe utilizarse junto con GT y SOD. Cuando los tres gráficos se disparan hacia arriba o se «cruzan», generalmente llega el gol.
xTrend, GT y Sod ofrecen tres imágenes diferentes del partido. Estos tres indicadores representan condiciones diferentes pero complementarias. Cuando los gráficos convergen, se obtiene información precisa sobre lo que va a suceder. Los gráficos xTrend, GT y Sod se pueden ver en Multichart, una herramienta imprescindible para el directo.
Al igual que con el xGoal, tenemos las alertas de Xtrend.
Ventajas competitivas de ScoreTrend
ScoreTrend ofrece un ecosistema completo para el análisis basado en xGoal, Xtrend, GT, TT y Sod:
- Gráficos en vivo minuto a minuto del xG con actualizaciones en tiempo real.
- Sistema de alertas personalizables sobre umbrales de xGoal, GT, TT, xTrend y Sod.
- Filtros avanzados que combinan xG con resultados, minutos y otros indicadores.
- Integración con cuotas asiáticas.
- Escáner Prematch y Escáner en directo con análisis xG histórico de los equipos.
- Comunidad dedicada y tutoriales para maximizar el uso de la plataforma.
Estadísticas xG para ligas y competiciones
Cada campeonato presenta características distintivas en los xG. Las diferentes competiciones muestran patrones estadísticos específicos.
El análisis comparativo de los xG entre ligas revela información sobre las diferencias cualitativas y los patrones de juego en los distintos países.
La Serie A presenta tradicionalmente un xG medio por partido inferior al de otras ligas europeas de primer nivel. La cultura táctica italiana privilegia la organización defensiva y la gestión de los espacios, lo que limita la creación de ocasiones de alta calidad.
Equipos como la Juventus y el Inter destacan por su excelencia a la hora de limitar el xG de sus rivales. Esta filosofía se refleja en los datos de la temporada, con un xGA (xG Against) especialmente bajo.
La liga inglesa genera los volúmenes de xG más altos entre las principales ligas europeas. El ritmo intenso y el enfoque ofensivo de la mayoría de los equipos producen partidos con 3-4 xG totales con frecuencia.
El Manchester City y el Liverpool muestran regularmente xG superiores a 2,0 por partido, lo que pone de manifiesto su constante dominio ofensivo. La Premier League también presenta una mayor variación en los xG, con partidos muy desequilibrados desde el punto de vista estadístico.
La liga alemana se caracteriza por altos xG derivados de transiciones rápidas y contraataques. La filosofía de presión alta y espacios abiertos genera ocasiones de alta calidad a partir de situaciones de uno contra uno.
El Bayern de Múnich domina el xG con valores entre los más altos de Europa, a menudo superiores a 2,5 por partido. Sin embargo, los equipos de la mitad de la tabla muestran un xG más equilibrado en comparación con otras ligas, lo que es un signo de competitividad.
La liga española presenta xG derivados de la posesión prolongada del balón. Equipos como el Barcelona generan ocasiones a través de combinaciones elaboradas en lugar de acciones verticales.
La diferencia entre el xG de los equipos grandes y los pequeños es notable en la Liga, lo que refleja la disparidad técnica y táctica.
El futuro de los goles esperados
La evolución de los goles esperados avanza hacia modelos cada vez más sofisticados que integran inteligencia artificial, seguimiento de posiciones y análisis de vídeo automatizado. El futuro promete métricas de precisión sin precedentes.
Las innovaciones tecnológicas en la recopilación de datos y el análisis computacional abrirán nuevas fronteras en la táctica del fútbol a través de métricas predictivas avanzadas.
La próxima generación de xG incorporará la habilidad específica del tirador. Con el aprendizaje automático, un tiro de 0,2 xG estándar se convierte en 0,35 cuando lo ejecuta un delantero fuerte y en 0,12 cuando lo ejecuta un defensa. Estos xG personalizados proporcionarán predicciones más precisas, reconociendo las diferencias cualitativas entre los jugadores que los xG actuales ignoran. Se optimizará el impacto en las apuestas y la valoración del mercado.
Las tecnologías de seguimiento óptico permitirán tener en cuenta la posición exacta de todos los jugadores en el campo en el momento del disparo. Los xG incorporarán no solo la presencia de los defensas, sino también sus posturas, orientaciones y distancias específicas.
La visión por ordenador y el análisis de vídeo automatizado extraerán características adicionales: curvatura del balón, altura sobre el suelo, velocidad de rotación. Cada aspecto físico del disparo contribuirá al cálculo de la probabilidad de gol.
Las investigaciones emergentes exploran la integración de factores psicológicos en el xG. La presión del momento, la importancia del partido y el estado mental del tirador influyen en los valores.
Las métricas que combinan datos biométricos, situaciones de juego e historia psicológica podrían producir xG contextualizados.
Los algoritmos predictivos analizarán el flujo del juego en tiempo real para predecir el xG esperado en los minutos siguientes. En lugar de tener xG ya generados, los sistemas anticiparán las fases de presión inminente.
Esta capacidad predictiva transformará el trading en vivo, permitiendo anticipar los movimientos de las cuotas antes de que se produzcan los eventos. La ventaja competitiva para quienes utilicen estas herramientas será significativa.
Herramientas y proveedores para el análisis xG
Numerosos proveedores ofrecen acceso a datos y visualizaciones de Expected Goals. La elección del recurso adecuado depende de las necesidades específicas: análisis profesional, apuestas, scouting o simple profundización estadística.
El xG está presente en sitios web gratuitos con funciones básicas o en plataformas profesionales con gráficos avanzados, alertas y API para una integración personalizada.
Plataformas profesionales
Opta y StatsBomb representan el estándar de referencia para los datos xG profesionales. Utilizados por clubes, federaciones y emisoras, ofrecen los modelos más sofisticados y bases de datos históricas completas. Sus elevados costes los hacen accesibles principalmente a casas de apuestas o clubes de fútbol.
Wyscout e InStat no solo proporcionan xG, sino también plataformas completas de análisis de vídeo integrado. Los ojeadores y analistas pueden visualizar cada disparo con su xG correspondiente dentro del contexto del vídeo del partido.
Soluciones para apuestas y trading
ScoreTrend se distingue por su especialización en herramientas en directo para apuestas y trading. Los gráficos en tiempo real de xG, las alertas personalizables y la integración con cuotas asiáticas crean un ecosistema optimizado para los traders deportivos.
Footystats y SofaScore ofrecen estadísticas xG gratuitas para la mayoría de las ligas. La calidad de los modelos es inferior a la de las soluciones profesionales, pero suficiente para análisis amateur y contextualización del rendimiento.
Herramientas de análisis y visualización
FBref proporciona bases de datos completas de xG para jugadores y equipos con funciones de comparación y clasificación. La plataforma integra xG con otras estadísticas avanzadas, creando perfiles analíticos completos.
Understat se especializa en visualizaciones interactivas de xG con mapas de tiros y líneas de tiempo. Su interfaz fácil de usar hace que los análisis sofisticados de partidos y temporadas sean accesibles incluso para los no expertos.
Ingeniero Gianluca Landi ha sido un trader deportivo desde 2007 y en línea con el primer sitio de trading deportivo y cursos desde 2011. Autor de bestsellers en Amazon y fundador de ScoreTrend.
- Categoría: herramientas