Il calcio \u00e8 diventato una scienza di dati, ma la maggior parte dei tifosi rimane ancorata a statistiche di superficie, come i gol segnati. Qui il gap si chiude: xG \u00e8 la chiave per capire se una squadra sta davvero creando occasioni o semplicemente vivendo di fortuna. Ecco perch\u00e9 il concetto \u00e8 pi\u00f9 di un semplice numero.<\/p>\n
In pratica, xG \u00e8 la probabilit\u00e0 media che un tiro si trasformi in gol, basata su milioni di eventi storici. Un colpo da 20 metri con tre difensori davanti? 0,05. Un tiro ravvicinato, senza ostacoli? 0,85. Ogni azione si traduce in un valore decimale, e la somma di tutti gli xG di una partita \u00e8 il “budget” offensivo reale.<\/p>\n
Guarda la classifica: squadra A segna 70, subisce 30, ma il suo xG \u00e8 45\/35. Squadra B segna 55, subisce 20, ma il suo xG \u00e8 60\/25. La prima vive di “miracoli”; la seconda sta costruendo un calcio solido. In termini di scommesse, la differenza tra le due \u00e8 enorme.<\/p>\n
Algoritmi di machine learning analizzano la posizione del pallone, l’angolo, la distanza, il tipo di tiro, la pressione difensiva e persino il piede dominante. Si genera una curva di probabilit\u00e0 e si assegna il valore. Non \u00e8 magia, \u00e8 statistica avanzata, ma il risultato \u00e8 una cifra che pu\u00f2 variare da 0,01 a 1,00 per ogni tiro.<\/p>\n
Immagina una partita dove il risultato \u00e8 2-1. I tre tiri dell’attaccante di casa hanno valori di xG 0,30, 0,10 e 0,02. Il totale \u00e8 0,42. Se la squadra segna due, il “surplus” \u00e8 +1,58. Questo surplus \u00e8 spesso un indicatore di futuro declino: la difesa avr\u00e0 difficolt\u00e0 a mantenere la stessa fortuna.<\/p>\n