xG (Expected Goals) en fútbol: qué es, cómo se calcula y por qué cambia todo

---

title: "xG (Expected Goals) en fútbol: qué es, cómo se calcula y por qué cambia todo" description: "xG mide la calidad de cada ocasión de gol, no cuántos goles se hicieron. Te explicamos la fórmula, los modelos que hay detrás, y cómo usarlo para apostar mejor." publishedAt: "2026-05-24" updatedAt: "2026-05-24" author: "Equipo Otro Level" cluster: "Modelos" tags:

• xg
• expected goals
• modelos
• estadisticas
• value betting coverImage: "/og-default.png"

---

El marcador final te dice quién ganó. xG te dice quién merecía ganar. Esa diferencia es donde vive el value betting.

Qué es xG

Expected Goals (xG) es una métrica estadística que asigna a cada ocasión de gol una probabilidad de que termine en gol, basada en características históricas de miles de ocasiones similares.

Si una ocasión tiene xG = 0.25, significa que en situaciones así, el 25% termina en gol.

Sumar todos los xG de un partido da el xG total del equipo: cuántos goles "esperaba" marcar según la calidad de sus ocasiones.

Qué variables incluye un modelo de xG

Los modelos varían, pero los básicos incluyen:

• Distancia al arco (el factor más importante)
• Ángulo del disparo (diagonal vs. central)
• Parte del cuerpo (pie dominante, pie débil, cabeza)
• Tipo de acción previa (remate, centro, rebote, penal)
• Zona de presión defensiva en el momento del disparo
• Número de defensores entre el rematador y el arco

Los modelos avanzados (como el de Otro Level) agregan contexto posicional (GNN embeddings de la posición de todos los jugadores) y secuencia de acciones previas al disparo.

Diferencia entre xG modelos

No todos los xG son iguales. Principales proveedores:

| Proveedor | Enfoque | |-----------|---------| | Opta/StatsBomb | Datos on-ball + posición jugadores, referencia de mercado | | FBref/fbref.com | xG de Opta, accesible gratis con delay | | Understat | Modelo propio, xG por liga top 5 | | Otro Level | Dixon-Coles + xG + GNN + sequence transformer, solo fútbol LATAM |

Para value betting, lo que importa no es qué modelo es "más correcto" en abstracto, sino qué modelo te da una estimación más precisa que la del mercado.

xG para value betting

El flujo es:

1. Tu modelo estima xG de cada equipo para el partido.
2. A partir del xG, calculás una probabilidad de victoria/empate/derrota (vía Dixon-Coles o Poisson bivariado).
3. Esa probabilidad la comparás con la probabilidad implícita en la cuota.
4. Si tu prob > prob_cuota → hay value.

equipo_local: xG_proyectado = 1.8
equipo_visitante: xG_proyectado = 0.9

→ prob_local = 62%
→ cuota_mercado = 1.70 → prob_implícita = 58.8%
→ EV = 0.62 × 1.70 - 1 = +0.054 → value bet +5.4%

Qué NO dice xG

• No predice el resultado de UN partido. Es una expectativa estadística. En un solo partido, equipos con xG bajo ganan igual.
• No captura calidad del arquero. Un portero excepcional puede sistemáticamente underperform su xGA (xG Against). Si no corregís esto, sobreestimás la probabilidad del oponente.
• No considera contexto táctico de partido (si un equipo ya gana 2-0 y baja la intensidad, las últimas ocasiones son "basura").

Post-shot xG vs. Pre-shot xG

Pre-shot xG: evaluado antes del disparo usando posición y contexto. Mide calidad de llegada.

Post-shot xG (PSxG): corrige por dónde fue el remate dentro del arco (al palo, alto, esquina). Mide calidad de remate específico. StatsBomb lo implementa. Más preciso para evaluar arqueros.

Para predicción de partidos futuros, el pre-shot xG es más útil (no sabés dónde va a ir el próximo disparo).

xG en la práctica: ejemplos reales

Un equipo que pierde 1-0 pero genera xG 2.3 contra xG 0.4 del rival probablemente fue el mejor equipo. En la próxima jornada, las cuotas del mercado van a sobrerreaccionar a la derrota (cuota alta para este equipo) mientras que un modelo de xG dice "este equipo es favorito". Eso es value.

TL;DR

1. xG mide la calidad de ocasiones, no el resultado.
2. Diferencia entre xG real y resultado = luck, que se revierte en el largo plazo.
3. Compará xG proyectado contra cuotas del mercado para encontrar value.
4. No todos los xG son iguales — el modelo importa.

En Otro Level integramos xG proyectado con Dixon-Coles y GNN para calcular probabilidades por partido. El Edge Score combina todo eso con el valor esperado contra las cuotas actuales del mercado.

Apuesta responsablemente. +18.