La primera vez que escuche hablar de expected goals fue en 2017, durante una conversación con un analista de datos que trabajaba para una casa de apuestas británica. Me dijo algo que cambio mi forma de apostar: «los goles mienten, los xG no». Exageraba, claro – los xG tienen sus limitaciones – pero la idea central era poderosa: el marcador final de un partido te dice que paso, pero los expected goals te dicen que deberia haber pasado. Y para un apostante, lo segundo es mucho más útil que lo primero.
Si llevas tiempo apostando a la Premier League, probablemente hayas visto la metrica mencionada en análisis y retransmisiones. Pero saber que existe no es lo mismo que saber usarla. Voy a desglosar el concepto, explicar cómo se calcula y, lo más importante, como aplicarlo a mercados concretos de apuestas.
Qué Son los Expected Goals y Cómo Se Calculan
Imagina que un delantero dispara desde 25 metros, sin defensas cerca pero con el portero bien colocado. Ese disparo tiene una probabilidad histórica de acabar en gol – digamos un 4%. Ahora imagina otro disparo desde dentro del area pequeña, sin portero: probabilidad del 92%. El xG asigna a cada disparo una probabilidad de gol basada en decenas de miles de tiros históricos en situaciones similares.
El cálculo considera variables como la distancia al arco, el angulo de tiro, la parte del cuerpo utilizada, el tipo de jugada previa (centro, pase filtrado, contraataque), la posición del portero y la presión defensiva. Los modelos más avanzados incorporan hasta 15 variables por disparo. El xG total de un equipo en un partido es la suma de los xG de todos sus tiros: si un equipo genera cinco oportunidades con xG de 0.10, 0.25, 0.40, 0.08 y 0.55, su xG total es 1.38 – lo que significa que, en promedio, esperarias que marcara entre uno y dos goles con esas oportunidades.
La diferencia entre los goles reales y los xG es lo que se conoce como sobre-rendimiento o bajo-rendimiento goleador. Un equipo que marca sistemáticamente más goles de los que sus xG predicen probablemente está beneficiandose de rachas de acierto que la estadística sugiere que no son sostenibles – o tiene un delantero excepcionalmente eficiente que distorsiona las medias. Ambas explicaciones tienen implicaciones distintas para el apostante, y distinguir entre ellas es parte del trabajo analítico.
xG Aplicados a Mercados Concretos: Over/Under, Resultado, BTTS
Aqui es donde la teoria se convierte en dinero – o, al menos, en decisiones mejor informadas. Los xG no son una bola de cristal, pero aplicados correctamente a mercados específicos de la Premier League, te dan una ventaja medible frente al apostante que solo mira el marcador.
Para el mercado de over/under de goles, la metrica clave es el xG combinado de ambos equipos. Si un partido entre el Arsenal y el Newcastle genera históricamente un xG combinado de 3.2 cuando juegan en el Emirates, y la línea de over/under 2.5 está a una cuota que implica un 55% de probabilidad, puedes comparar tu estimación basada en xG con la del mercado. Si los datos te dicen que la probabilidad real de más de 2.5 goles es del 65%, tienes una apuesta con valor. Las apuestas deportivas generaron 608,85 millones de euros en GGR en España en 2024 – y una porción significativa de esos ingresos proviene de apostantes que no hacen este tipo de análisis.
Para el resultado 1X2, los xG te ayudan a evaluar la solidez de cada equipo más allá de los resultados recientes. Un equipo que ha ganado tres partidos consecutivos pero con un xG inferior al de sus rivales en dos de ellos es un equipo que está ganando «de más» – lo que sugiere que su racha positiva podria no ser sostenible. Al reves, un equipo que pierde partidos con un xG superior al de sus rivales probablemente está rindiendo por debajo de su nivel real y ofrece valor en las cuotas.
Para BTTS (ambos marcan), la combinación de xG ofensivo y xG defensivo de cada equipo es la herramienta ideal. Si el equipo local genera un xG alto pero también concede un xG alto, la probabilidad de que ambos marquen es significativamente mayor que si uno de los dos es sólido defensivamente. Este análisis cruzado es el que la mayoría de apostantes no hace, y donde la aplicación de xG a las apuestas muestra su verdadero potencial.
Herramientas y Webs para Consultar xG de la Premier League
Cuándo empece a usar xG en mis análisis, me costaba encontrar fuentes fiables y gratuitas. Hoy el panorama es radicalmente distinto: hay multiples plataformas que ofrecen datos de expected goals con actualización partido a partido y acceso libre.
Las plataformas más completas ofrecen datos a nivel de equipo y de jugador, con desgloses por local/visitante, por período del partido, por tipo de jugada y con gráficos de evolución temporal. Algunas permiten filtrar por jornada, por rival concreto o por rango de fechas, lo que facilita análisis contextuales. Para la Premier League, la cobertura es prácticamente total: todos los partidos de liga tienen datos de xG disponibles dentro de las 24 horas posteriores al encuentro.
Mi recomendación es usar al menos dos fuentes distintas. Los modelos de xG no son todos iguales – algunos incorporan más variables que otros, y las diferencias pueden ser significativas en partidos concretos. Cruzar datos de dos fuentes te da una estimación más robusta y te alerta cuando un modelo está siendo outlier. Para apuestas en directo, necesitas fuentes que actualicen los datos en tiempo real durante el partido, lo que reduce las opciones pero sigue habiendo alternativas gratuitas decentes.
Limitaciones del xG: Cuándo No Basta con un Solo Dato
Seria deshonesto presentar los xG como una herramienta infalible. Tiene limitaciones reales que debes conocer para no sobreestimar la fiabilidad de tus análisis.
La primera limitación es que los xG miden la cantidad y calidad de los disparos, pero no el contexto táctico completo del partido. Un equipo que domina la posesion pero solo genera tiros de baja calidad tendrá un xG modesto a pesar de haber controlado el juego. Al reves, un equipo que defiende y apuesta por el contraataque puede generar pocos tiros pero de altisima calidad – su xG será bajo en volumen pero alto por disparo.
La segunda limitación es la calidad del finalizador. Los modelos estandar de xG asignan la misma probabilidad a un disparo independientemente de quien lo ejecute. Pero un disparo de Haaland desde dentro del area no tiene la misma probabilidad de gol que el mismo disparo de un lateral reconvertido. Los modelos más avanzados ajustan por jugador, pero los gratuitos generalmente no lo hacen.
La tercera es la muestra. Los xG necesitan volumen para ser fiables. Después de dos o tres jornadas, los datos son demasiado ruidosos para extraer conclusiones solidas. A partir de la jornada 8-10, empiezan a estabilizarse. Y solo al final de la temporada reflejan el nivel real de un equipo con precisión alta. Para el apostante que busca estrategias basadas en datos, esto significa que la primera parte de la temporada requiere más cautela y complementar los xG con otras metricas – como las que detallo en el artículo sobre pressing metrics y PPDA. La guía completa de apuestas en la Premier League integra todas estas herramientas en un marco analítico coherente.