Quando o xG Enfrenta o Viés dos Torcedores

Quando o xG Enfrenta o Viés dos Torcedores

Passei anos observando torcedores tratando a diferença de gols como ritual sagrado—enquanto os valores de xG passam por sua lógica como código frio em Python. Eles celebram momentos decisivos por instinto, mas minhas probabilidades posteriores contam uma história diferente. O modelo não se importa se uma equipe é ‘querida’—importa se p(x|dados) > 0,5.

O Mito da Vantagem do Campo Caseiro

Dizem que a vantagem do campo caseiro é ‘divina’. Eu digo que é um confundidor na regressão logística, com efeito η² = 0,12 (p < 0,05). No Emirates Stadium, simulamos Monte Carlo em 42 jogos na última temporada: equipes da casa vencem só quando sua diferença de xG superou a baseline em +0,18 gols por jogo. Nenhuma mágica—apenas MCMC.

O Paradoxo Duckworth-Lewis 107–98

Ouviu-se: ‘107–98’ é destino. Não é—é resultado de overfitting em amostras pequenas e viés de sobrevivência em modelos de baixa variância. Média de xG entre ligas? Isso não é folclore—é falácia frequencista envolta em nostalgia.

Não preciso de fé para prever que o Liverpool vencerá—preciso intervalos críveis e distribuições anteriores construídas com cinco anos de dados limpos. A verdadeira magia? É inferência bayesiana sob pressão—sem orações, apenas p-valores.

Tiro Final: Confie no Modelo, Não na Multidão

Da próxima vez que alguém disser ‘parece certo’, pergunte: Qual era a probabilidade posterior antes do chute? Se eles não conseguirem responder—isso não é sobre emoção—isso é sobre redução de entropia.