Índices de Força de Ataque e Defesa: Parametrizando Modelos de Poisson no Futebol

1. Introdução: o Gargalo de Parametrização dos Modelos de Poisson no Futebol

Na análise quantitativa de futebol, a distribuição de Poisson é a ferramenta básica para prever resultados, calcular probabilidades justas no 1X2, definir linhas de Handicap Asiático e montar matrizes de placar exato. Na formulação de Poisson bivariada padrão, o número de gols do mandante ($X$) e do visitante ($Y$) em 90 minutos é modelado como variável aleatória discreta com intensidades $\lambda$ e $\mu$:

A matemática para converter $\lambda$ e $\mu$ em probabilidades de mercado é bem conhecida, mas modeladores iniciantes sempre esbarram no gargalo operacional básico: de onde vêm, afinal, as intensidades de gols esperados $\lambda$ e $\mu$?

Heurísticas subjetivas, narrativas da mídia e médias históricas sem ajuste ignoram a força dos adversários enfrentados, a dinâmica do mando de campo e as diferenças de eficiência defensiva. Um ataque que marca três gols contra um time ameaçado de rebaixamento não deve render o mesmo ao visitar a defesa menos vazada da liga.

Este guia técnico detalha a metodologia para calcular índices de ataque e defesa a partir da tabela da liga, deriva as fórmulas de expectativa conjunta, percorre um exemplo passo a passo com números hipotéticos dos times, apresenta a ponderação com decaimento exponencial no tempo e compara estatísticas de gols reais com os modelos de Gols Esperados ($xG$).

2. Constantes de Referência da Liga: o Ambiente Macro

Antes de avaliar cada clube, o modelo precisa calibrar o nível médio de gols da competição. Esse nível muda de um campeonato para outro e de uma temporada para outra, por isso deve ser medido na liga que está sendo modelada.

Parâmetros de Referência da Liga

1. Total de Partidas ($N_{\text{matches}}$): em uma liga de 20 times com turno e returno, a temporada tem $20\times 19=380$ jogos.
2. Total de Gols do Mandante ($G_{\text{home, total}}$): soma dos gols marcados por todos os mandantes no período analisado.
3. Total de Gols do Visitante ($G_{\text{away, total}}$): soma dos gols marcados por todos os visitantes.
4. Média de Gols do Mandante por Jogo (${\overline{G}}_{\text{home}}$): $${\overline{G}}_{\text{home}}=\frac{G_{\text{home, total}}}{N_{\text{matches}}}$$
5. Média de Gols do Visitante por Jogo (${\overline{G}}_{\text{away}}$): $${\overline{G}}_{\text{away}}=\frac{G_{\text{away, total}}}{N_{\text{matches}}}$$

Na Premier League inglesa, nas temporadas 2023–24 e 2024–25 (760 jogos, football-data.co.uk), as referências foram ${\overline{G}}_{\text{home}}\approx 1.66$ e ${\overline{G}}_{\text{away}}\approx 1.45$, com média de ${\overline{G}}_{\text{total}}\approx 3.11$ gols por jogo e fator casa de $1.66/1.45\approx 1.14$.

3. Índices de Força de Ataque ($A_i$)

O Índice de Força de Ataque mede o poder ofensivo de um time em relação à média da liga nas mesmas condições de mando (casa ou fora). Ele é definido como a razão entre os gols marcados pelo clube por jogo e a média de gols da liga:

Força de Ataque em Casa ($A_{\text{home},i}$)

Força de Ataque Fora ($A_{\text{away},i}$)

Um índice de $1.00$ representa um ataque exatamente na média. Um índice $A=1.35$ significa que o clube marca 35% mais gols que um time médio naquele mando, enquanto $A=0.75$ indica um ataque que produz 25% menos gols que a média da liga.

4. Índices de Força de Defesa ($D_i$)

O Índice de Força de Defesa mede a resistência defensiva em relação à média da liga. Atenção: valores menores indicam defesa melhor, porque um índice baixo significa menos gols sofridos:

Força de Defesa em Casa ($D_{\text{home},i}$)

Força de Defesa Fora ($D_{\text{away},i}$)

Observe o pareamento dos denominadores: ao avaliar a defesa do Time $i$ em casa, dividimos pela média de gols dos visitantes (${\overline{G}}_{\text{away}}$), porque são eles que tentam marcar no estádio do Time $i$. Da mesma forma, a defesa fora de casa do Time $i$ é normalizada pela média de gols dos mandantes (${\overline{G}}_{\text{home}}$).

5. Síntese das Intensidades de Gols Esperados ($\lambda$ e $\mu$)

Com os índices de cada time calculados, a previsão de gols esperados para um jogo entre o Mandante $H$ e o Visitante $A$ é uma síntese multiplicativa simples:

Essa formulação considera os três fatores principais da produção de gols no futebol:

1. O nível de gols de referência para o mando (${\overline{G}}_{\text{home}}$ ou ${\overline{G}}_{\text{away}}$).
2. A força ofensiva do time que ataca naquele mando ($A_{\text{home},H}$ ou $A_{\text{away},A}$).
3. A vulnerabilidade defensiva do adversário naquele mando ($D_{\text{away},A}$ ou $D_{\text{home},H}$).

6. Exemplo Passo a Passo: Arsenal x Liverpool

Para mostrar a aplicação prática, vamos calcular os parâmetros de Poisson de um clássico da Premier League: Arsenal (mandante) x Liverpool (visitante).

Dados da Tabela (Amostra Hipotética no Meio da Temporada)

• Médias da Liga: ${\overline{G}}_{\text{home}}=1.55$ gols/jogo, ${\overline{G}}_{\text{away}}=1.20$ gols/jogo.
• Arsenal em Casa (10 jogos): 26 gols marcados ($2.60$/jogo), 8 gols sofridos ($0.80$/jogo).
• Liverpool Fora (10 jogos): 22 gols marcados ($2.20$/jogo), 11 gols sofridos ($1.10$/jogo).

Passo 1: Índices do Arsenal em Casa

Passo 2: Índices do Liverpool Fora

Passo 3: Gols Esperados ($\lambda$ e $\mu$)

Com $\lambda =1.846$ e $\mu =1.467$ em um modelo de Poisson independente, obtemos as probabilidades justas $P(\text{Vitória do Arsenal})\approx \mathrm{46,6}\%$, $P(\text{Empate})\approx \mathrm{22,6}\%$ e $P(\text{Vitória do Liverpool})\approx \mathrm{30,8}\%$. Um ajuste de Dixon-Coles transferiria um pouco de probabilidade para empates com poucos gols.

7. Calibração Avançada: Ponderação com Decaimento no Tempo ($\xi$)

Usar médias acumuladas da temporada pressupõe estacionariedade: trata o desempenho de seis meses atrás, quando o centroavante titular estava lesionado, como tão informativo quanto o jogo do último fim de semana. No modelo clássico de Dixon e Coles (1997), os jogos passados recebem pesos exponenciais por meio do parâmetro de decaimento $\xi$:

Onde $\mathrm{\Delta }t$ é o tempo decorrido, em dias ou semanas, desde o jogo $t$. O valor de $\xi$ é ajustado com jogos passados. Com $\xi =0.002$ por dia, um jogo de duas semanas atrás pesa cerca de 1,4 vez mais que um jogo de seis meses atrás; com $\xi =0.005$, cerca de 2,3 vezes.

8. Limitações: Gols Reais vs. Gols Esperados ($xG$)

Os dados históricos de gols são fáceis de obter, mas os gols marcados são muito ruidosos. Em uma amostra de 10 jogos em casa, um time pode marcar 25 gols a partir de apenas 15,2 de Gols Esperados ($xG$), por sorte na finalização ou falhas do goleiro adversário. Analistas quantitativos substituem a contagem de gols por Gols Esperados ($xG$) e Gols Esperados Sofridos ($xGA$) no cálculo de $A_i$ e $D_i$, porque o xG varia menos de jogo para jogo do que os gols e os índices se estabilizam com menos partidas.

9. O Fator Casa Não É Constante

O fator casa muda com o tempo e precisa ser reestimado. Nas 2.490 partidas da Premier League entre agosto de 2019 e janeiro de 2026 (football-data.co.uk), a razão entre gols do mandante e do visitante variou de 1,01 em 2020–21, quando os jogos foram disputados sem torcida, a 1,34 em 2022–23, com média de 1,18. A influência da torcida sobre a arbitragem, as viagens e as tendências táticas são possíveis causas. Na prática, reestime a referência do mandante em uma janela móvel das temporadas recentes, em vez de usar uma média de longo prazo.