El xG acumulado muestra cómo evoluciona la producción ofensiva de un equipo mediante la suma progresiva del valor xG de cada remate. Esta métrica permite identificar cuándo aparecen las ocasiones de mayor calidad y cómo cambia la amenaza ofensiva durante el encuentro. Así, el análisis supera el dato final de goles esperados y añade una dimensión temporal a la lectura del partido
Cómo calcular el xG acumulado para analizar un partido
El valor final de xG resume la calidad total de las ocasiones generadas por un equipo, pero no explica cómo se distribuyeron durante el encuentro. Dos equipos pueden terminar con una cifra similar y haber construido su producción ofensiva de maneras muy diferentes. Uno puede concentrar sus mejores oportunidades en pocos minutos, mientras otro acumula remates de menor valor de manera constante. El xG acumulado incorpora esa dimensión temporal y permite entender cuándo aumenta realmente la amenaza ofensiva de un equipo.
Cada nuevo remate añade su valor de goles esperados al registro anterior. De este modo, la evolución del xG refleja los momentos en los que el equipo genera ocasiones y también los periodos en los que deja de producirlas. La secuencia de esos incrementos aporta una lectura del partido que el xG final, por sí solo, no ofrece. Un crecimiento rápido concentra varias acciones de peligro en un tramo corto, mientras una evolución más lenta describe una producción ofensiva repartida durante más tiempo.
Esta lectura es útil para relacionar los datos con ajustes tácticos, sustituciones o cambios en el ritmo ofensivo. Así, el análisis no termina en cuánto xG generó un equipo, sino que incorpora cuándo lo generó y cómo evolucionó su capacidad para crear ocasiones de gol.
El xG acumulado muestra cómo evoluciona la amenaza ofensiva y ayuda a interpretar con datos el rendimiento de un equipo
Qué datos necesitas para calcular el xG acumulado
El cálculo del xG acumulado exige un registro de eventos coherente antes de sumar cualquier valor. Cada remate debe conservar información suficiente para situarlo en el tiempo, localizarlo sobre el terreno y describir las condiciones de la finalización. Además, el dataset debe seguir los mismos criterios durante todo el partido para que la evolución del indicador refleje realmente la producción ofensiva del equipo.
La información necesaria se organiza en varias capas que cumplen funciones distintas dentro del análisis:
- Información temporal y evento de tiro: Cada finalización necesita minuto y segundo, identificadores de partido, equipo y jugador, además del resultado del remate. Estos campos permiten ordenar correctamente las acciones y comprobar que ningún disparo queda fuera del registro.
- Localización, distancia y ángulo: Las coordenadas del punto de disparo permiten calcular dos variables esenciales del modelo, la distancia respecto a portería y el ángulo disponible. Un sistema espacial homogéneo evita distorsiones entre partidos o proveedores.
- Contexto de la finalización: El modelo gana precisión cuando distingue centros, pases atrás, conducciones, rebotes, transiciones, juego abierto o acciones a balón parado. También intervienen la parte del cuerpo y el tipo de ejecución.
- Variables defensivas y estado del juego: La presión sobre el rematador, la posición de los defensores, el marcador, el minuto y posibles expulsiones aportan contexto para interpretar las condiciones reales en las que surge cada ocasión.
- Normalización y control del dataset: El analista debe unificar coordenadas, corregir la orientación del campo, eliminar duplicados y fijar criterios sobre tiros anulados o eventos repetidos. También conviene registrar la versión del modelo y el proveedor utilizado.
La calidad del xG acumulado depende directamente de la consistencia de estas variables y de las reglas aplicadas al dataset. Una vez validada esa base, el siguiente paso consiste en ordenar los remates y sumar progresivamente el valor xG asignado a cada uno.
Cómo se calcula el xG acumulado tiro a tiro
El xG acumulado se obtiene sumando de manera progresiva el valor xG asignado a cada remate de un equipo. Cada tiro incorpora una probabilidad estimada de gol entre 0 y 1 según las variables utilizadas por el modelo, como distancia, ángulo, contexto de la acción o tipo de finalización. El orden temporal es esencial porque permite reconstruir cómo crece la amenaza ofensiva durante el partido.
La expresión matemática representa esa suma hasta un momento determinado del encuentro.
En esta expresión, S(t) agrupa todos los tiros realizados hasta el instante analizado, mientras que xGᵢ representa el valor esperado de cada remate. Si un equipo registra un disparo de 0,12 xG y posteriormente otro de 0,28, el acumulado pasa de 0,12 a 0,40. Un remate posterior de 0,03 apenas modifica la trayectoria, mientras una ocasión de 0,38 genera un incremento mucho más visible.
No todos los eventos afectan igual a la interpretación. Los penaltis provocan saltos elevados, los rebotes añaden nuevas finalizaciones y los autogoles suelen tratarse fuera del xG ofensivo estándar. Además, los tiros bloqueados, las acciones encadenadas y la separación entre juego abierto y acciones a balón parado dependen del criterio establecido por el proveedor o por el propio modelo. La consistencia metodológica es tan importante como la propia suma.
El siguiente ejemplo muestra cómo evoluciona el indicador tiro a tiro hasta alcanzar 2,07 xG acumulados en el partido.
| Minuto | Acción | xG del tiro | xG acumulado |
|---|---|---|---|
| 04 | Tiro en transición | 0,12 | 0,12 |
| 11 | Remate de centro | 0,28 | 0,40 |
| 18 | Disparo lejano | 0,03 | 0,43 |
| 27 | Mano a mano | 0,38 | 0,81 |
| 33 | Segunda jugada tras córner | 0,09 | 0,90 |
| 41 | Penalti | 0,76 | 1,66 |
| 53 | Tiro forzado | 0,06 | 1,72 |
| 62 | Remate de centro | 0,15 | 1,87 |
| 75 | Contraataque | 0,18 | 2,05 |
| 88 | Disparo lejano | 0,02 | 2,07 |
La tabla permite identificar de inmediato qué acciones modifican realmente la producción ofensiva y cuáles apenas alteran el acumulado. Por eso, el valor final adquiere más sentido cuando se conserva la secuencia de cada remate y no se analiza únicamente como una cifra aislada.
Cómo interpretar la curva de xG acumulado durante el partido
La curva de xG acumulado transforma una sucesión de remates en una lectura temporal del rendimiento ofensivo. En lugar de limitarse al valor final, muestra cómo crece la producción de ocasiones durante el encuentro y permite localizar los momentos en los que un equipo aumenta su capacidad para generar peligro. Cada disparo provoca un nuevo escalón y su altura depende del valor xG asignado a esa acción.
Un salto amplio señala una ocasión de mayor probabilidad, mientras varios incrementos pequeños reflejan una acumulación basada en tiros de menor calidad. La forma de la curva permite distinguir entre volumen ofensivo y generación real de oportunidades claras. Dos equipos pueden alcanzar cifras similares al final del partido, pero hacerlo mediante patrones completamente distintos.
Un ejemplo visual permite trasladar esta lectura al desarrollo real de un partido. La curva permite localizar cuándo se concentra la producción ofensiva, qué acciones provocan los mayores incrementos de xG y durante qué periodos el equipo deja de generar remates. A partir de esa secuencia es más sencillo relacionar los cambios en la curva con momentos concretos del encuentro.
Ejemplo de curva de xG acumulado durante un partido
Nota. Ejemplo elaborado con la secuencia de remates utilizada en este artículo para representar la evolución del xG acumulado durante el partido.
Las zonas planas también aportan información. Representan periodos sin remates y ayudan a detectar fases en las que el equipo conserva la posesión sin traducirla en amenaza, pierde capacidad para progresar o encuentra dificultades ante la estructura defensiva rival. En cambio, una sucesión de escalones en pocos minutos muestra un tramo de producción ofensiva intensa.
Esta lectura gana todavía más valor cuando se relaciona con el contexto táctico. Un cambio de sistema, una sustitución o un ajuste en la presión pueden modificar el ritmo de generación de ocasiones. Si tras una intervención técnica la curva comienza a crecer con mayor frecuencia o mediante saltos de mayor tamaño, el análisis aporta una referencia cuantitativa sobre cómo cambió el comportamiento ofensivo.
Interpretar el xG acumulado exige observar cuándo aparece el peligro, con qué frecuencia y mediante qué calidad de remate. De este modo, la curva se convierte en una herramienta para conectar los datos con la evolución real del partido, dejando de ser una representación estadística aislada.
xG a favor frente a xG en contra
Comparar el xG generado con el concedido permite valorar si un equipo produjo más peligro del que permitió al rival. El dato más directo es el diferencial de xG, aunque su interpretación mejora cuando se combina con el ratio de xG y con la calidad media de los remates. Cada métrica responde a una pregunta distinta dentro del análisis del partido.
Las diferencias principales se resumen en:
| Métrica | Qué compara | Qué aporta | Lectura principal |
|---|---|---|---|
| Diferencial de xG | xG a favor menos xG en contra | Balance entre ocasiones generadas y concedidas | Indica si el equipo produjo más peligro del que permitió |
| Ratio de xG | xG propio respecto al xG total del partido | Peso ofensivo de cada equipo dentro del encuentro | Ayuda a comparar partidos con distinto volumen de ocasiones |
| xG por tiro | xG acumulado respecto al número de remates | Calidad media de las ocasiones generadas | Distingue volumen de disparos y calidad real de finalización |
Errores que alteran el xG acumulado y cómo reportarlo
Un xG acumulado solo es útil cuando el cálculo mantiene criterios estables y el analista conoce las limitaciones del modelo utilizado. Una suma correcta no garantiza por sí sola una interpretación fiable. La calidad del dato, el orden temporal y las reglas aplicadas a cada evento condicionan tanto el resultado como las conclusiones posteriores.
Antes de incorporar esta métrica a un informe de rendimiento o scouting, conviene controlar varios errores que alteran su lectura:
- Mezclar valores procedentes de modelos o proveedores distintos: Cada fuente aplica variables, definiciones y calibraciones propias, por lo que sus valores xG no deben integrarse como si fueran equivalentes.
- Alterar el orden temporal de los eventos: Una acumulación incorrecta de minutos y segundos modifica la curva y sitúa las ocasiones en momentos diferentes a los reales.
- Duplicar remates dentro del dataset: Los errores durante la integración de fuentes pueden registrar dos veces una misma finalización y aumentar artificialmente el xG acumulado.
- Aplicar criterios diferentes a penaltis, autogoles o rebotes: El analista debe establecer desde el inicio qué acciones forman parte del cálculo y mantener esa regla durante todo el análisis.
- Convertir el xG acumulado en un veredicto sobre el partido: La métrica cuantifica la calidad de los remates, pero no recoge por sí sola todas las ventajas ofensivas creadas antes de la finalización.
Un reporte profesional debe indicar el modelo utilizado, mantener las mismas definiciones y contextualizar el resultado por fases de juego. Además, comparar xG a favor y en contra y conectar los datos con acciones concretas facilita que scouting, analistas y cuerpo técnico compartan una misma lectura.
Dominar el xG acumulado implica, por tanto, saber calcularlo, interpretarlo y convertirlo en información aplicable al juego. Esa combinación entre fútbol, estadística y tecnología forma parte del trabajo que desarrolla un analista actual y conecta de manera natural con una formación especializada como el Máster en Big Data Deportivo de Sports Data Campus, orientada a profundizar en el uso profesional de los datos dentro del deporte.
Rellena el siguiente formulario para obtener información del Máster en Big Data Deportivo y aprende a transformar datos de rendimiento y juego en decisiones reales
