Available in US
Análisis de rendimiento xG: Value Bets de la Ligue 1 en Galodds
La primera vez que crucé datos de xG con cuotas de la Ligue 1 fue para analizar una racha de cuatro derrotas de un equipo que estadísticamente debería haber ganado tres de esas cuatro. Los resultados no reflejaban el juego real — el equipo creaba ocasiones, las fallaba y concedía goles en las escasas llegadas del rival. El mercado penalizaba la racha de resultados, las cuotas de ese equipo subían y había valor para apostar a su recuperación. El xG me dio el argumento analítico para actuar donde otros dudaban.
La Ligue 1 promedia 2,96 goles por partido, pero ese promedio no dice nada sobre la calidad de las ocasiones que generan esos goles. El xG — expected goals, goles esperados — mide exactamente eso: la probabilidad de que cada disparo acabe en gol, en función de la posición del tiro, el ángulo, la distancia y el tipo de acción. Un xG de 2,3 para el PSG en un partido no significa que el PSG marcará exactamente 2,3 goles — significa que el valor esperado de sus ocasiones equivale a 2,3 goles.
Qué es el xG y cómo se calcula
El xG — «expected goals» — es un modelo estadístico que asigna una probabilidad de gol a cada disparo a partir de datos históricos de miles de situaciones similares. La probabilidad base de un penalti, por ejemplo, está alrededor del 0.76 — es decir, un xG de 0.76 —, porque históricamente el 76% de los penaltis acaban en gol. Un disparo desde el punto de penalti sin oposición tiene un xG similar al del penalti. Un disparo desde fuera del área con ángulo cerrado puede tener un xG de 0.03-0.05.
El xG total de un equipo en un partido es la suma de los xG de todos sus disparos. Si el PSG genera cinco disparos con xG de 0.40, 0.25, 0.15, 0.08 y 0.06 respectivamente, su xG total es 0.94. Si marca tres goles con esas ocasiones, ha «superperformado» su xG — lo que estadísticamente debería revertirse en partidos futuros.
El npxG — «non-penalty expected goals» — es la variante que excluye los penaltis del cálculo, lo que hace la métrica más comparable entre equipos con diferente número de penaltis marcados. El PSG, con su dominio del partido, genera más situaciones de disparo al área — y por tanto más penaltis — que la mayoría de equipos de la Ligue 1, lo que hace que el npxG sea más representativo de la calidad real de su juego ofensivo que el xG total.
El xGA — «expected goals against» — es el xG generado por el rival al equipo analizado. Es la métrica defensiva equivalente: un xGA bajo significa que el equipo concede pocas ocasiones de calidad, no necesariamente que concede pocos goles. Un equipo puede tener un xGA alto y conceder pocos goles si su portero tiene un rendimiento excepcional — o viceversa.
xG vs. cuota del 1X2 en la Ligue 1: cómo cruzarlos
El PSG tiene una posesión media del 68% y un porcentaje de pases completados del 91% en la Ligue 1. Esas métricas se traducen en un xG por partido de los más altos de cualquier liga europea de primer nivel — solo comparable al Bayern de Múnich en la Bundesliga. Sin embargo, las cuotas del PSG en el 1X2 no siempre reflejan correctamente ese diferencial de xG respecto al rival.
El proceso que sigo para cruzar xG con cuotas es el siguiente: primero, calculo el xG medio de los últimos cinco partidos de cada equipo en casa y fuera — según corresponda al partido que voy a analizar. Segundo, convierto esos xG en probabilidades de resultado usando un modelo de distribución de Poisson. Tercero, comparo esas probabilidades con las cuotas que ofrece el operador. Si mi probabilidad estimada del resultado A supera la probabilidad implícita de la cuota — el inverso de la cuota bruta —, hay valor potencial.
La clave de este proceso es que el xG de los últimos cinco partidos es más relevante que el acumulado de la temporada, porque refleja el estado de forma actual del equipo. Un equipo que ha mejorado su xG en las últimas semanas — aunque los resultados no lo muestren todavía — tiene un mercado donde las cuotas no se han ajustado aún al nuevo nivel.
El xG aplicado a mercados Over/Under
El mercado Over/Under de goles es donde el xG tiene la aplicación más directa y más sencilla de implementar. Si el xG esperado total del partido — sumando el xG proyectado de ambos equipos — supera la línea de Over/Under del operador, hay un argumento estadístico para apostar al Over. Si es inferior, el Under tiene el respaldo del xG.
En la Ligue 1, los partidos del PSG en casa contra equipos de la mitad baja de la tabla tienen un xG total esperado que generalmente supera 3.0 — lo que los convierte en candidatos al Over 2.5 desde una perspectiva puramente estadística. Los partidos entre equipos de la zona media sin propensión ofensiva tienen xG totales esperados de 1.8-2.4, lo que los hace candidatos al Under 2.5 cuando la línea está en ese rango.
La trampa del xG en el Over/Under es la varianza. Un partido con xG total de 2.8 puede acabar 0-0 si ambos porteros tienen tardes excepcionales, o puede acabar 4-2 si las ocasiones son pocas pero de alta calidad y se convierten todas. El xG es una media probabilística, no una predicción determinista. Usarlo como único criterio sin considerar el contexto del partido puede llevar a errores de análisis.
Dónde encontrar datos de xG para la Ligue 1
Los datos de xG para la Ligue 1 están disponibles en varias plataformas especializadas de estadísticas de fútbol. Fbref es la fuente más completa para análisis histórico — proporciona xG por partido, xGA, npxG y métricas avanzadas para todos los equipos y jugadores de la Ligue 1. Los datos son gratuitos y se actualizan después de cada jornada.
Sofascore y Whoscored también publican datos de xG, aunque con menor profundidad que Fbref. Understat es otra plataforma específica de xG que tiene un historial completo de la Ligue 1 con visualizaciones por partido muy útiles para el análisis rápido antes de apostar.
Los modelos de xG de distintas plataformas pueden dar resultados ligeramente diferentes para el mismo partido porque utilizan metodologías y variables distintas. Opta y StatsBomb tienen los modelos más sofisticados — con variables como la presión defensiva y el número de defensores entre el tirador y la portería —, pero sus datos completos son de pago y están orientados a clubes profesionales. Para el apostador individual, Fbref con datos de Opta gratuitos es suficiente para un análisis riguroso.
Para aplicar el xG directamente al mercado Over/Under con ejemplos concretos de la Ligue 1, el artículo sobre Over/Under 2.5 goles en la Ligue 1 desarrolla cómo combinar esa métrica con el análisis del tipo de partido.
Articles
Escrito por los editores de «apuestasonli».
