Olvida los tradicionales ratios de tiros; el XG descompone cada oportunidad como un qu\u00edmico separa los elementos. Aqu\u00ed el problema es claro: los n\u00fameros crudos no cuentan la historia completa.<\/p>\n
Primero, ubicaci\u00f3n del disparo. Un remate a diez metros del arco vale m\u00e1s que un gol de tiro libre a 30 metros. Segundo, tipo de jugada: contraataque, jugada a bal\u00f3n parado o jugada construida. Cada una lleva un peso distinto.<\/p>\n
\u00c1ngulo, velocidad, presi\u00f3n defensiva, posici\u00f3n del portero. Si el portero est\u00e1 fuera de su l\u00ednea, la probabilidad se dispara. Si la defensa est\u00e1 compacta, se desploma.<\/p>\n
XG = \u03a3 (Probabilidad individual de cada disparo). Cada probabilidad se estima con modelos de regresi\u00f3n log\u00edstica, alimentados por hist\u00f3ricos de ligas europeas.<\/p>\n
Sup\u00f3n que tu equipo tiene tres oportunidades: un tiro de 12 metros con \u00e1ngulo de 30\u00b0, un cabezazo dentro del \u00e1rea y un disparo lejano de 40 metros. Las probabilidades podr\u00edan ser 0.25, 0.10 y 0.02. El XG total ser\u00eda 0.37.<\/p>\n
Aqu\u00ed est\u00e1 el truco: si el mercado de apuestas sobrepasa tu XG estimado, el juego est\u00e1 sobrevalorado. Invertir en el equipo con XG bajo pero odds altos puede ser una mina de oro.<\/p>\n
Y aqu\u00ed est\u00e1 por qu\u00e9: los pronosticadores amateurs siempre miran goles, no oportunidades. T\u00fa, en cambio, ves la calidad de cada chance.<\/p>\n
No conf\u00edes en una \u00fanica m\u00e9trica. Ignorar la fase del partido, la presi\u00f3n del rival o la fatiga del jugador lleva a estimaciones infladas. Adem\u00e1s, no mezcles datos de ligas con estilos de juego distintos.<\/p>\n
Hay plataformas que ya hacen el trabajo sucio, pero siempre verifica la fuente. Si deseas crear tu propio modelo, Python y R son tus mejores aliados.<\/p>\n
Los equipos con XG consistentemente superior a sus goles reales tienden a “sobrevivir” al final de la temporada, mientras que los que subestiman su XG suelen colapsar.<\/p>\n