Nuevos Desarrollos

'% Pases Esperados': entre la precisión y la dificultad

Desarrollamos nuestro modelo '% Pases Esperados (xP)', con el que saber qué futbolistas dan más o menos pases de los esperados, mezclando precisión con dificultad.

¿Cómo de complicado es el pase que acabo de ver por televisión? Es una pregunta tan simple como compleja. Con tu capacidad de análisis y percepción podrás llegar a la conclusión de que es fácil o difícil, o puede que antepongas un adverbio para añadir algún grado de dificultad o facilidad más, pero no puedes profundizar demasiado. Quizás haya pases difíciles que, con datos en la mano, se conviertan en una verdadera rareza que nadie en un campeonato concreto ha sido capaz de replicar.

Uno de los cometidos y fundamentos de la estadística avanzada es elaborar modelos predictivos y de probabilidad que ayuden a medir de forma más profunda y precisa un concepto o parámetro del juego. En el caso de los pases, contabilizar el porcentaje de pases acertados o el de pases largos está bien pero nos quedaremos muy lejos de medir el verdadero valor que aporta un jugador con sus intenciones, riesgos y aciertos. Para comenzar a contar cómo se da forma a nuestro modelo de % Pases Esperados, tendremos en cuenta lo siguiente.

En primer lugar, recogemos información geométrica básica sobre el pase y su ubicación:

  1. Coordenada X de la ubicación de inicio del pase
  2. Coordenada Y reflejada en la ubicación de inicio del pase
  3. Ángulo del pase según la ubicación final
  4. Distancia aproximada del pase según la ubicación final

Después, tenemos en cuenta si:

  1. El pase fue dado con los pies o con la cabeza
  2. Fue un pase en juego, a balón parado, un saque de puerta o un centro

Con este modelo y para comprender y visualizar el dato, tal y como sucede con el modelo de Goles Esperados, calculamos la probabilidad de que un pase sea acertado, siendo 0 un pase fallado y 1 un pase acertado. Si el modelo da un valor de 0,37 xP, es que el pase tuvo un 37% de probabilidad de completarse. Otro modo de poder leer la métrica es que si un pase tuvo 0,10 xP es que sólo 1 de cada 10 de ese tipo de pase se completó. Pondremos un ejemplo gráfico para asentar la idea.

Este mapa de aquí abajo es interactivo. Corresponde al 1-0 con el que el Barcelona ganó al Atlético de Madrid en la jornada 30 del campeonato de Liga española 2022/23. Si pasas el ratón por encima de cada círculo obtendrás más información sobre quién dio el pase. La jugada se desarrolla de forma rápida: se ejecutan tres pases y un disparo, de Ferran Torres, que da lugar al único gol del partido.

Para poder ver la jugada, en este enlace de Youtube, a partir del segundo 40, puedes ver los tres pases y su nivel de dificultad, que a continuación trasladaremos a su valor correspondiente dentro del modelo de % Pases Esperados. Teniendo en cuenta las variables que hemos descrito en el arranque del texto, se otorga un valor de probabilidad de acierto a cada pase.

  1. El pase de Koundé a Araujo, con 0,92 (92% de probabilidad de completarse).
  2. El de Araujo hacia Raphinha, con 0,26 xP (26% de probabilidad).
  3. Y, por último, el de Raphinha a Ferran, de 0,78 (78% de probabilidad).

La métrica contiene el valor de poder saber qué jugadores realizan pases de una probabilidad mayor o menor, relacionando así el riesgo que toman según su posición, zona del campo o atrevimiento a la hora de agregar valor. Por eso, es especialmente útil extraer el promedio de cada jugador a lo largo de una competición para saber, como en la métrica Goles Esperados por Tiro, el valor medio que tuvieron todos los pases intentados por el jugador. Aquí se reflejará que los centrales, laterales o centrocampistas tienen un valor promedio muy diferente.

Una forma interesante de visualizar quién completa más pases de los esperados y cómo de difíciles son, en promedio, los pases que da, es con la siguiente tabla. En ella vemos a los mejores centrocampistas de La Liga española 22/23, todos pertenecientes al Real Madrid, en el diferencial entre los pases esperados y los pases completados, ambas expresadas en porcentaje. Si los delanteros más efectivos tienen un diferencial muy positivo entre goles y goles esperados, los centrocampistas más precisos tienen igualmente un diferencial muy positivo entre los pases acertados y los pases esperados.

Somos Driblab, una consultora especializada en el análisis estadístico de jugadores y equipos; nuestra labor se centra en asesorar y minimizar el riesgo en la toma de decisiones en el fútbol profesional en áreas relacionadas con la detección de talento y evaluación de perfiles. Nuestra base de datos cuenta con más de 200.000 jugadores y más de 180 competiciones diferentes, abarcando así información de equipos de todo el mundo. Aquí puedes conocer mejor cómo trabajamos y qué ofrecemos.

Apúntate a nuestra newsletter hoy

Lanzamos un boletín cada semana con diferentes análisis, nuevas métricas, nuevos talentos e informes estadísticos.

Empieza ahora

Contáctanos. solicita tu demo. ANTICÍPATE.