Uma leitura da época 2025/26 através de xPoints

O que mede a métrica

As cinco ligas nacionais mais importantes do futebol europeu já terminaram. As classificações finais estão publicadas e os resultados registados, mas a classificação oficial capta apenas uma dimensão de como a época realmente decorreu.

Os pontos esperados (xPoints) oferecem uma leitura alternativa. A métrica estima quantos pontos uma equipa deveria ter acumulado com base na qualidade das oportunidades criadas e concedidas em cada jogo, em vez do resultado efetivo. O cálculo baseia-se nos golos esperados (xG): ao modelar os valores de xG gerados por ambas as equipas num encontro, torna-se possível atribuir uma probabilidade a cada desfecho possível — vitória, empate ou derrota — e converter essas probabilidades em pontos. Somado ao longo de 38 jornadas, o resultado é uma classificação alternativa.

Um pressuposto importante: uma diferença entre os pontos efetivos e xPoints é uma característica estrutural do modelo, não um sinal de anomalia por si só. Uma equipa que vence um jogo conquista exatamente três pontos, mas mesmo a exibição mais dominadora raramente gera xPoints acima de 2.8 ou 2.9. O sinal relevante está na posição: quando o lugar de uma equipa na classificação real diverge significativamente da sua posição por xPoints, sobretudo de formas que afetam a despromoção, a permanência ou a qualificação europeia, há algo que merece análise.

Serie A: a inversão de Juventus e Napoli

O panorama do título é claro: a equipa que venceu Serie A também liderou a classificação de xPoints. A história mais interessante encontra-se mais abaixo.

Os três últimos clubes por xPoints foram Lecce, Parma e Cremonese. Destes, apenas Cremonese sofreu efetivamente a despromoção. Lecce e Parma conseguiram mais pontos nas suas situações do que os dados subjacentes permitiriam prever, um padrão compatível com a eficácia dos guarda-redes e a variabilidade na finalização em momentos decisivos.

Verona e Pisa seguem no sentido oposto. Ambos registaram significativamente menos pontos do que os seus totais de xPoints, resultado da fraca concretização das oportunidades criadas combinada com mais golos sofridos do que a qualidade das oportunidades adversárias sugeriria.

A alteração de posições mais significativa na classificação envolve Napoli e Juventus, cujas posições se invertem na comparação por xPoints. Juventus marcou 61 golos ao longo da época, face a um valor de xG de aproximadamente 71, uma diferença de dez golos que reflete um rendimento ofensivo consistentemente abaixo do esperado, agravado por erros dispendiosos dos guarda-redes.

Premier League: Sunderland e Aston Villa

No topo, o panorama de Champions League mantém-se nas duas classificações. Arsenal, Manchester City, Manchester United e Liverpool ocupam as mesmas quatro posições na classificação real e na classificação por xPoints. No fundo, Burnley e Wolves são os últimos em ambas as medidas.

As divergências relevantes estão noutros lugares. Aston Villa terminou na 4.ª posição, qualificando-se para Champions League. A sua posição por xPoints é a 12.ª. A diferença de oito posições é a maior divergência positiva da liga e reflete uma época em que os resultados superaram consistentemente a qualidade subjacente das oportunidades criadas e concedidas.

Sunderland apresenta um caso igualmente extremo em circunstâncias diferentes. Terminou na 7.ª posição, conquistando um lugar em Europa League na próxima época, um resultado notável para uma equipa recém-promovida. O seu total de xPoints, porém, coloca-a na zona de despromoção. Ao longo de toda a época, os seus resultados efetivos ficaram muito acima do que os dados das oportunidades permitiriam prever, tanto no ataque como na defesa.

La Liga: Getafe e o panorama da despromoção

As cinco primeiras posições de La Liga são idênticas na classificação real e na classificação por xPoints. Abaixo disso, o panorama muda.

O caso mais claro é Getafe. Terminou na 7.ª posição, a melhor classificação da sua história, e qualificou-se para Conference League. A sua posição por xPoints situa-se na zona imediatamente acima da despromoção. A diferença entre as duas é a mais acentuada da liga.

Na zona de despromoção, os dados apontam num sentido diferente do desfecho oficial. Girona e Mallorca desceram de divisão. Por xPoints, Sevilla e Elche teriam descido no seu lugar. Dito isto, a metade inferior de La Liga esteve muito equilibrada durante toda a época, e vários clubes dessa zona registaram totais efetivos e de xPoints muito semelhantes. Pequenas margens traduziram-se em grandes consequências posicionais numa classificação tão apertada.

Bundesliga: uma época coerente

Bayern Munich, Borussia Dortmund e RB Leipzig ocupam as mesmas três primeiras posições na classificação real e na classificação por xPoints. Considerando a liga no seu conjunto, Bundesliga é a mais coerente internamente das cinco ligas nesta medida, sem divergências posicionais significativas nas zonas de despromoção ou de qualificação europeia que alterassem as principais narrativas da época.

Ligue 1: Angers, Lyon e Rennes

PSG, Lens e Lille ocupam as mesmas três primeiras posições em ambas as classificações.

A anomalia mais significativa em Ligue 1 é Angers. Terminou na 13.ª posição da classificação real, confortavelmente longe de qualquer perigo. Na classificação de xPoints ocupa a 17.ª posição, na zona de despromoção. Os dados colocam-no entre as três equipas mais fracas da liga pelo desempenho subjacente ao longo da época.

Entre os clubes que terminaram em posições de qualificação europeia, Lyon e Rennes registaram classificações efetivas superiores às indicadas pelos dados de xPoints. Lyon terminou na 4.ª posição com 60 pontos; o seu total de xPoints de 51.2 coloca-o na 7.ª posição. Rennes terminou na 5.ª posição com 59 pontos; o seu total de xPoints de 47.5 coloca-o na 9.ª posição. Ambos os clubes asseguraram lugares europeus com base em resultados que os dados subjacentes das oportunidades não refletem inteiramente.

Conclusão

Nas cinco ligas, as classificações de xPoints confirmam o que a classificação oficial sugere no topo: os campeões mereceram os seus títulos, e a tabela reflete, em termos gerais, a qualidade das equipas nas posições superiores. A perspetiva mais produtiva encontra-se mais abaixo, a meio da tabela, nos lugares de qualificação europeia e no panorama da despromoção, onde a diferença entre os resultados e o desempenho subjacente pode ser substancial e ter consequências reais.

Em 2025/26, essa diferença produziu um clube em sétimo lugar cujo total de xPoints o colocava na zona de despromoção (Sunderland em Premier League), um clube em quarto lugar qualificado para Champions League cuja posição por xPoints era a 12.ª (Aston Villa), e um clube qualificado para Conference League cuja posição por xPoints ficava pouco acima da despromoção (Getafe em La Liga). Não são argumentos sobre sorte ou azar. São uma leitura diferente da mesma época.

Apêndice técnico: como se calculam os xPoints?

O modelo de xPoints passa das probabilidades individuais dos remates (xG) para as probabilidades dos desfechos dos jogos.

1. Modelação da distribuição de golos

O pressuposto central da maioria dos modelos de base é que o número de golos marcados por uma equipa segue uma distribuição de Poisson, em que a média é igual ao total de xG da equipa nesse jogo.

A probabilidade de uma equipa marcar exatamente k golos, dado um valor de golos esperados (xG), é calculada através da fórmula de Poisson:

P(G = k) = (e^(-xG) * xG^k) / k!

Em que "e" é a constante de Euler (~2.718) e "k!" é o fatorial do número de golos.

Exemplo concreto: de xG às probabilidades de golos

Suponhamos que a equipa da casa termina um jogo com um total de 1.7 xG. Ao inserir este valor na fórmula, obtemos a probabilidade exata de marcar um número específico de golos:

• 0 golos: ~18.3%
• 1 golo: ~31.1%
• 2 golos: ~26.4%
• 3 golos: ~15.0%
• 4+ golos: ~9.2%

Utilizando os respetivos valores de xG da equipa da casa e da equipa visitante, podemos construir duas destas distribuições de golos.

2. Cálculo das probabilidades dos desfechos dos jogos

Assumindo a independência entre os dois processos de marcação de golos, a probabilidade de qualquer resultado específico é simplesmente o produto das probabilidades individuais.

• Probabilidade de Draw: A soma de todos os resultados simétricos (0-0, 1-1, 2-2, etc.). Por exemplo, P(1-1) = P(Equipa da casa marca 1) * P(Equipa visitante marca 1).
• Probabilidade de vitória da equipa da casa: A soma de todos os resultados em que a equipa da casa marca mais golos do que a equipa visitante.
• Probabilidade de vitória da equipa visitante: A soma de todos os resultados em que a equipa visitante marca mais golos do que a equipa da casa.

Naturalmente, estes três estados abrangem todos os desfechos possíveis de um jogo:

P(vitória da equipa da casa) + P(Draw) + P(vitória da equipa visitante) = 1 (100%)

3. Das probabilidades aos pontos esperados (xP)

Por fim, aplicamos o sistema tradicional de pontuação do futebol (3 pontos por vitória, 1 ponto por empate). Os pontos esperados da equipa da casa (xP) calculam-se da seguinte forma:

xP = [3 * P(vitória da equipa da casa)] + P(Draw)

Somando os valores de xPoints obtidos ao longo de todas as 38 jornadas, geramos a classificação alternativa «merecida».

Observação final

Pode perguntar-se por que motivo os modelos de xPoints se baseiam habitualmente diretamente nos golos esperados, em vez de modelos de aprendizagem automática mais sofisticados, treinados para prever desfechos de jogos ou pontos. A principal razão é que os golos esperados já fornecem uma estimativa do processo subjacente de marcação de golos de uma equipa. Uma vez que os pontos de um jogo são inteiramente determinados pelo número de golos marcados e sofridos, modelar as distribuições de golos a partir dos valores de xG é uma abordagem natural e parcimoniosa.

A longo prazo, o total de golos marcados por uma equipa tende a convergir para o seu valor acumulado de xG, enquanto os golos sofridos tendem a convergir para o valor de xG dos adversários. Por conseguinte, xG já contém a maior parte da informação necessária para estimar resultados e pontos futuros. Construir uma camada preditiva adicional sobre xG acrescenta frequentemente complexidade sem introduzir informação nova substancial.

Ao tratar os golos como variáveis aleatórias com distribuição de Poisson, cujo valor esperado é igual ao valor de xG da equipa, podemos deduzir diretamente as probabilidades de vitórias, empates e derrotas a partir do processo subjacente de criação de oportunidades. Esta abordagem é transparente, matematicamente fundamentada e estreitamente ligada à relação fundamental entre a qualidade das oportunidades, os golos e os pontos.