Co oznacza xG i dlaczego to nie jest przewidywanie przyszłości?
Jeśli oglądasz mecz w internecie i widzisz na ekranie liczby w stylu 1.84 albo 0.62, prawdopodobnie patrzysz właśnie na xG, czyli expected goals. To jedna z najczęściej pokazywanych zaawansowanych statystyk piłkarskich, a jednocześnie jedna z najczęściej źle rozumianych. xG to wartość prawdopodobieństwa przypisana do pojedynczego strzału, najczęściej w przedziale od 0 do 1. Mówi, jak często podobne sytuacje strzeleckie kończyły się golem w dużej historycznej próbce. Według materiałów edukacyjnych dostawcy danych StatsBomb, xG jest modelem prawdopodobieństwa przypisanym do konkretnego strzału, a nie prognozą wyniku spotkania.
Najprościej zapamiętać to na przykładach. Strzał z dużej odległości pod kątem ma niewielką wartość, na przykład 0.05, co oznacza słabą okazję. Dobra sytuacja w polu karnym może mieć około 0.30. Rzut karny zwykle plasuje się w okolicach 0.75-0.80, choć dokładna wartość zależy od modelu danego dostawcy. Suma tych pojedynczych prawdopodobieństw w skali meczu daje łączne xG drużyny.
Z praktyki obserwuję, że widzowie często czytają xG jak ocenę moralną meczu: skoro drużyna miała wyższe xG, to powinna była wygrać. To pułapka. xG opisuje wyłącznie jakość okazji strzeleckich, a nie to, kto zasłużył na zwycięstwo. Statystyka sumuje jakość strzałów, ale nie uwzględnia wszystkiego, co dzieje się bez strzału, na przykład groźnego pressingu, dośrodkowań, które nie znalazły adresata, czy sytuacji przerwanych w ostatniej chwili przez obrońcę.
Warto też od razu przyjąć, że ta sama akcja może mieć różne xG w zależności od dostawcy. Modele uczą się na innych danych i stosują inne definicje, więc rozbieżności są normalne. Dlatego porównuj wartości w obrębie jednego źródła, a nie między kilkoma serwisami naraz.
Expected goals jako prawdopodobieństwo gola po strzale
Kluczowe jest słowo prawdopodobieństwo. xG 0.30 nie znaczy, że padnie 0,3 gola, bo gol jest zdarzeniem zero-jedynkowym. Oznacza, że gdybyśmy zebrali setki podobnych strzałów, mniej więcej co trzeci skończyłby się bramką. W jednym konkretnym przypadku piłka albo wpadnie do siatki, albo nie. Dlatego xG ma sens dopiero w większej liczbie sytuacji, a pojedynczy strzał nigdy nie jest dowodem na to, czy model jest dobry.
Dlaczego xG nie mówi, że gol powinien paść na pewno?
Nawet rzut karny z xG na poziomie 0.79 jest niewykorzystywany mniej więcej w jednej piątej przypadków. Sytuacja sam na sam też nie daje pewności, bo wchodzi w grę interwencja bramkarza, decyzja zawodnika i zwykła losowość. Jeśli ktoś mówi, że przy xG 0.80 gol powinien paść na pewno, myli wysokie prawdopodobieństwo z pewnością. To dwie różne rzeczy.
Jak liczony jest expected goals?
Modele xG bazują na historycznych danych o strzałach i uczą się, jak często próby o określonej charakterystyce kończyły się golem. Im więcej podobnych zdarzeń w bazie, tym stabilniejsza ocena. Publiczny zbiór StatsBomb Open Data dobrze pokazuje, na jakich danych eventowych opierają się takie modele: lokalizacja strzału, typ akcji, część ciała czy sytuacja, z której padł strzał.
Na wartość xG wpływa zwykle kilka głównych czynników. Najważniejsze z nich opisuję poniżej, bo to one decydują, czy okazja jest groźna, czy tylko pozornie efektowna.
Odległość od bramki i kąt strzału
To dwa najsilniejsze czynniki w większości modeli. Im bliżej bramki i im szerszy kąt na światło bramki, tym wyższe xG. Strzał z pięciu metrów na wprost ma znacznie większą wartość niż uderzenie z dwudziestu metrów z linii bocznej pola karnego. Dlatego strzały z dystansu, choć widowiskowe, mają zwykle niskie xG i rzadko podbijają łączny wynik drużyny.
Część ciała, typ akcji, asysta i sytuacja bramkarza
Strzał głową z reguły ma niższe xG niż strzał nogą z tej samej pozycji, bo główki trafiają rzadziej. Znaczenie ma też typ akcji: dobitka, strzał po dośrodkowaniu, po kontrze czy po podaniu prostopadłym. Część modeli uwzględnia również asystę poprzedzającą strzał oraz to, czy bramkarz był ustawiony, czy wyszedł z bramki. Im więcej kontekstu, tym dokładniejszy obraz okazji.
Z praktyki dodam, że najwięcej nieporozumień rodzi się właśnie przy główkach, strzałach zablokowanych i dobitkach. Kibic widzi sytuację pod bramką i spodziewa się wysokiego xG, a model przypisuje niską wartość, bo dane historyczne pokazują, że takie próby rzadko kończą się golem.
Dlaczego modele StatsBomb, Opta i FBref mogą się różnić?
Każdy dostawca stosuje inne definicje zdarzeń, inny zestaw cech i inną metodę obliczeń. Część modeli korzysta wyłącznie z danych eventowych, inne dodają dane trackingowe, czyli pozycje zawodników w momencie strzału. Materiały The Analyst / Opta wprost zaznaczają, że metryki xG i pokrewne odpowiadają na różne pytania, więc bezpośrednie mieszanie wartości z różnych źródeł bez uwzględnienia różnic modeli jest mylące. To samo zastrzeżenie dotyczy FBref, który publikuje xG dla drużyn i zawodników, ale w obrębie spójnego źródła danych.
Nie ma jednego uniwersalnego wzoru xG. Dlatego w tym artykule nie podaję konkretnych wag cech, bo zależą one od dokumentacji danego dostawcy i zmieniają się wraz z aktualizacjami modeli.
Jak czytać xG na żywo w trakcie meczu?
xG live ma sens tylko wtedy, gdy czytasz je razem z innymi danymi. Proponuję prosty schemat interpretacji: spójrz na wynik, łączne xG obu drużyn, liczbę strzałów, jakość najlepszej okazji oraz kontekst meczu, czyli fazę gry, prowadzenie i ewentualną czerwoną kartkę. Dopiero połączenie tych elementów daje obraz spotkania.
Najlepiej widać to na porównaniu. Drużyna A ma 0.9 xG z jednego rzutu karnego. Drużyna B ma 0.9 xG z sześciu strzałów z gry. Łączna liczba jest identyczna, ale historia zupełnie inna. W pierwszym przypadku to jedna wielka okazja, w drugim seria mniejszych prób. Sam licznik xG tego nie rozróżni, dlatego zawsze patrz, z ilu strzałów powstała dana wartość i jak wygląda najlepsza pojedyncza sytuacja.
Z praktyki polecam czytać xG razem z obrazem meczu. Pressing, kontrola terytorium i groźne wejścia w pole karne często nie kończą się strzałem, więc nie podbijają xG, choć realnie świadczą o przewadze. Jeśli śledzisz spotkanie i porównujesz je z licznikiem, łatwiej wyłapiesz, kiedy statystyka nie nadąża za przebiegiem gry. W tym pomagają też statystyki meczowe na żywo oraz bieżące wyniki na żywo w internecie.
Przewaga xG bez przewagi w wyniku
Przewaga 1.2 do 0.4 xG po 30 minutach to sygnał, że jedna drużyna tworzy lepsze okazje. Nie jest to jednak gwarancja prowadzenia ani końcowego zwycięstwa. Może się zdarzyć, że to słabiej grający zespół prowadzi 1:0 po jedynej groźnej akcji. xG mówi o jakości sytuacji, a nie o tym, co już jest na tablicy wyników.
Małe xG po wielu strzałach kontra duże xG po jednej sytuacji
Dwadzieścia strzałów z dystansu może dać łączne xG na poziomie 0.6, podczas gdy jedna sytuacja sam na sam to nawet 0.5 z pojedynczej próby. To dobrze pokazuje, że liczba strzałów sama w sobie nie świadczy o przewadze. Liczy się jakość, a nie tylko ilość prób.
Rzut karny, sam na sam i strzał z dystansu – przykłady wartości
Dla orientacji: rzut karny to zwykle okolice 0.75-0.80, dobra sytuacja sam na sam może mieć 0.30-0.40, a strzał z dystansu często spada poniżej 0.05. To wartości poglądowe, bo dokładne liczby zależą od modelu. Traktuj je jako punkt odniesienia, a nie jako stałe obowiązujące u każdego dostawcy.
xG a wynik meczu – kiedy statystyka myli odbiorców?
Pojedynczy mecz to bardzo mała próbka i duża wariancja. Drużyna może stworzyć okazje warte 2.5 xG i nie strzelić gola, a rywal wykorzysta jedyną sytuację o wartości 0.2. To nie znaczy, że model się pomylił. To znaczy, że w jednym spotkaniu losowość gra ogromną rolę.
Krótka próbka, losowość i skuteczność wykończenia
Ocena skuteczności napastnika względem xG wymaga dużej próbki, najlepiej wielu meczów, a nawet sezonów. Badanie Davis i Robberechts (2024), „Biases in Expected Goals Models Confound Finishing Ability” pokazuje, że ocena finishingu względem xG wymaga ostrożności, bo modele mogą zawierać bias zaburzający taką ocenę, a krótkie próby prowadzą do mylnych wniosków. Jeśli zawodnik przez jeden mecz nie wykorzystał okazji wartych 1.5 xG, nie jest to dowód, że jest słabym wykończeniowcem.
Czerwona kartka, wynik meczu i faza gry
Kontekst zmienia wszystko. Po czerwonej kartce drużyna w przewadze zwykle tworzy więcej okazji, więc jej xG rośnie. Zespół prowadzący często cofa się i oddaje pole, co podbija xG rywala, choć wynik mu sprzyja. Czytając statystykę, zawsze sprawdź, w jakiej fazie meczu powstała dana wartość i co działo się na boisku.
xG, xGA, xGOT, xA i big chances
Wokół xG narosła cała rodzina metryk, które często są mylone. Każda odpowiada na inne pytanie, więc warto je rozróżniać.
xGA, czyli expected goals against, to jakość sytuacji dopuszczonych przez drużynę. Pokazuje, jak groźne okazje stwarzał rywal, a nie ile goli faktycznie padło. Niskie xGA sugeruje solidną defensywę, nawet jeśli zespół stracił bramkę po szczęśliwej akcji.
Czym xGOT różni się od xG?
xGOT, czyli expected goals on target, to metryka po strzale (post-shot). Liczy się tylko dla strzałów celnych i uwzględnia, gdzie dokładnie w świetle bramki poleciała piłka. Według materiałów The Analyst / Opta xGOT różni się od xG właśnie tym, że skupia się na jakości umieszczenia celnego strzału, a nie na samej sytuacji przed uderzeniem. W skrócie: xG opisuje jakość stworzonej okazji, a xGOT jakość samego strzału i pośrednio interwencji bramkarza. Z praktyki widzę, że kibice często porównują xG i xGOT, choć odpowiadają one na inne pytania.
Kiedy używać xA i xGA w analizie meczu?
xA, czyli expected assists, to prawdopodobieństwo, że dane podanie stanie się asystą bramkową, zależnie od modelu. Przydaje się do oceny rozgrywających i skrzydłowych, którzy tworzą okazje, ale niekoniecznie sami strzelają. xGA z kolei warto czytać przy ocenie defensywy. Big chances to osobna kategoria, zależna od definicji konkretnego dostawcy, a nie uniwersalny standard. Dwa serwisy mogą inaczej zakwalifikować tę samą sytuację jako big chance, więc nie traktuj tej etykiety jak ścisłej miary.
Gdzie sprawdzać xG live?
Najwięcej osób spotyka xG w aplikacjach i serwisach do śledzenia meczów. To naturalne miejsce, bo łączą wynik na żywo z zaawansowanymi statystykami.
SofaScore, FotMob, Flashscore, FBref, The Analyst i raporty po meczu
Najczęściej xG live lub zaawansowane statystyki znajdziesz w takich miejscach jak SofaScore, FotMob, Flashscore, The Analyst, FBref oraz Understat, w zależności od ligi i dostępności danych. SofaScore i FotMob to aplikacje wynikowo-statystyczne, które przy popularnych meczach pokazują xG na bieżąco. FBref i Understat sprawdzają się przy analizie sezonowej, a The Analyst publikuje materiały edukacyjne i analityczne.
Pamiętaj jednak, że xG live nie jest dostępne dla każdego meczu. W niższych ligach i mniej popularnych rozgrywkach danych bywa mało albo nie ma ich wcale. Z praktyki radzę porównywać wartości w obrębie jednego źródła, bo różne modele dają różne liczby dla tej samej akcji, na co zwraca uwagę The Analyst / Opta. Warto też wiedzieć, że raporty pomeczowe są często dokładniejsze niż licznik live, bo dane bywają korygowane po weryfikacji zdarzeń.
Jeśli szukasz narzędzi do bieżącego śledzenia, pomocne są zestawienia takie jak aplikacje do śledzenia meczów na żywo. xG pomaga ocenić przebieg spotkania, ale nie wskazuje, gdzie obejrzysz transmisję. To zupełnie inna kwestia, którą omawiamy w materiałach o tym, gdzie oglądać piłkę nożną online oraz o tym, jak korzystać z legalnych transmisji sportowych online.
Najczęstsze błędy w interpretacji expected goals
Najpoważniejszy błąd to traktowanie xG jak pewnej prognozy wyniku albo dowodu, że drużyna zasłużyła na zwycięstwo. xG opisuje jakość okazji, a nie sprawiedliwość rezultatu. Zdanie „mieliśmy wyższe xG, więc okradziono nas z punktów” jest nadużyciem.
Drugi błąd to ocena napastnika po jednym meczu. Skuteczność względem xG wymaga dużej próbki, co potwierdza wspomniane badanie Davis i Robberechts (2024). Słaby mecz nie świadczy o trwałej słabości wykończenia, podobnie jak jeden udany występ nie czyni ze stretelca pewniaka.
Trzeci błąd to ignorowanie kontekstu. Czerwone kartki, wynik na tablicy, pressing, zmęczenie, zmiany i jakość przeciwnika potrafią całkowicie zmienić odczyt statystyki. xG bez kontekstu meczu jest tylko gołą liczbą.
Z praktyki najlepiej działa traktowanie xG jako filtra do pytań, a nie jako wyroku. Kto tworzył lepsze sytuacje? Skąd padały strzały? Czy wynik był zgodny z przebiegiem gry? Tak postawione pytania pomagają zrozumieć mecz, a nie tylko go ocenić jednym wskaźnikiem.
Na koniec ważne zastrzeżenie. xG to metryka analityczna, a nie narzędzie do typowania zakładów. Nie należy opierać typów wyłącznie na xG, bo to jedna informacja, która wymaga kontekstu, dłuższej próbki oraz aktualnych danych o składach i formie. Ten artykuł nie rekomenduje zakładów bukmacherskich.
Czy xG pomaga wybrać mecz do oglądania na żywo?
Tak, jeśli potraktujesz xG jako kontekst, a nie jako wyrok. Dla kibica oglądającego spotkanie live to dobry sposób, by sprawdzić, czy mecz ma realne sytuacje bramkowe, czy tylko dużo niegroźnych strzałów z dystansu. Wysokie łączne xG obu drużyn często zapowiada otwartą, ofensywną grę, a bardzo niskie wartości mogą sugerować spotkanie zamknięte i ostrożne.
xG nie zastąpi jednak obrazu meczu, jakości składów, tempa gry ani jakości transmisji. To dodatkowa warstwa informacji, która wzbogaca oglądanie, ale nie decyduje za ciebie. Najlepiej działa w parze z bieżącym śledzeniem wyniku i statystyk oraz z własną oceną tego, co widzisz na ekranie.
Checklista interpretacji xG dla kibica
Zanim wyciągniesz wniosek z xG podczas meczu lub po nim, przejdź przez kilka punktów:
- Sprawdź, z ilu strzałów powstała łączna wartość xG i jak wygląda najlepsza pojedyncza okazja.
- Zobacz, czy w sumie nie kryje się rzut karny, który zawyża obraz meczu.
- Odczytaj kontekst: wynik na tablicy, faza gry, czerwone kartki, zmiany.
- Porównuj wartości z jednego źródła, nie mieszaj modeli różnych dostawców.
- Pamiętaj, że jeden mecz to mała próbka i duża losowość.
- Traktuj xG jako kontekst do pytań o jakość okazji, a nie jako dowód, kto zasłużył na wygraną.
Jeśli zapamiętasz tylko jedno zdanie, niech będzie to: xG opisuje jakość okazji strzeleckich, a nie sprawiedliwość wyniku. Z takim nastawieniem statystyka stanie się użytecznym narzędziem do lepszego rozumienia meczu, a nie źródłem nieporozumień.
Najczęściej zadawane pytania
Co to jest xG w piłce nożnej?
xG, czyli expected goals, to szacowane prawdopodobieństwo, że konkretny strzał zakończy się golem. Wartość mieści się zwykle między 0 a 1, a suma xG pokazuje jakość sytuacji strzeleckich drużyny lub zawodnika.
Co oznacza xG 0.30?
xG 0.30 oznacza, że podobne strzały kończą się golem mniej więcej w 30 procentach przypadków według danego modelu. To nie znaczy, że ten konkretny strzał powinien zakończyć się bramką.
Czy wyższe xG oznacza, że drużyna powinna wygrać?
Nie zawsze. Wyższe xG sugeruje lepszą jakość okazji, ale wynik zależy od skuteczności, bramkarza, losowości, czerwonych kartek i kontekstu meczu. W jednym spotkaniu wariancja jest bardzo duża.
Dlaczego różne strony pokazują inne xG?
Dostawcy danych używają różnych modeli, definicji strzału i zestawów cech. Jeden model może uwzględniać tylko zdarzenia, a inny dodatkowo pozycję obrońców, presję lub dane trackingowe.
Czym xG różni się od xGOT?
xG ocenia jakość okazji przed wykonaniem lub w momencie strzału, a xGOT dotyczy strzałów celnych i jakości ich umieszczenia. xG bardziej opisuje stworzoną sytuację, a xGOT lepiej oddziela jakość strzału i interwencji bramkarza.
Gdzie sprawdzić xG na żywo?
xG live można sprawdzać w wybranych aplikacjach i serwisach statystycznych, takich jak SofaScore, FotMob, Flashscore, The Analyst lub raporty danych po meczu. Dostępność zależy od ligi, meczu i dostawcy danych.
Czy xG pomaga w oglądaniu meczu?
Tak, jeśli traktujesz je jako kontekst, a nie wyrok. xG pomaga zobaczyć, czy drużyna tworzyła dobre okazje, czy tylko oddawała dużo słabych strzałów z dystansu.
Czy można typować mecze tylko na podstawie xG?
Nie należy opierać typowania wyłącznie na xG. To jedna metryka analityczna, która wymaga kontekstu, dłuższej próbki i aktualnych informacji o składach, stylu gry oraz sytuacji drużyn.
