Expected Goals (xG) Gebruiken in de Primeira Liga
Available in US
Verder Kijken dan de Score: Wat xG Onthult over Primeira Liga-wedstrijden
De eerste keer dat ik in 2018 een Primeira Liga-wedstrijd analyseerde met expected goals erbij, viel mijn mond open. Porto had thuis 1–0 gewonnen, een nette overwinning op papier. Maar de xG-cijfers vertelden een ander verhaal: 2,8 voor Porto, 0,4 voor de tegenstander. Met andere woorden — Porto had op basis van kanskwaliteit gemiddeld bijna drie goals moeten maken, en de tegenstander vrijwel niets. Een keeper had een uitzonderlijke avond, anders was het 4–0 geworden. Baseer je wedtips op onderbouwde xG-statistieken in onze homepage.
Dat is precies waar xG over gaat. Het scorebord laat zien wat er is gebeurd. xG laat zien wat er had moeten gebeuren als alles volgens gemiddelde verwachting was verlopen. Voor wedders op Portugees voetbal — een competitie waar Darwin Núñez vorig seizoen 26 doelpunten maakte en de scorende intensiteit hoog ligt — is dat onderscheid goud waard.
Het probleem met traditionele statistieken is dat ze de uitkomst meten, niet het proces. Een ploeg kan een wedstrijd “winnen” met één gelukkig schot vanaf 25 meter dat afketst via een verdediger. De xG-waarde van zo’n schot ligt rond de 0,03. Dat is geen blueprint voor toekomstig succes. Wedden op die ploeg de volgende speelronde, alleen omdat ze de vorige wonnen, is precies de fout die bookmakers graag uitbuiten in hun marges.
In dit stuk laat ik zien hoe xG werkt, waar je betrouwbare cijfers voor de Primeira Liga vindt en — belangrijker — hoe je xG vertaalt naar concrete weddenschappen op totalen, 1×2 en outright-markten. Geen ruisende theorie, wel de werkbare versie die ik zelf elke speelronde gebruik.
Hoe Expected Goals Worden Berekend
Stel je voor dat je vanaf elf meter een penalty neemt. De kans dat je scoort is statistisch ongeveer 0,76. Dat betekent: van elke honderd penalty’s gaan er gemiddeld 76 erin. De xG-waarde van een penalty is dus 0,76. Simpel.
Voor andere schoten ligt het ingewikkelder. xG-modellen kijken naar tientallen factoren per schot: afstand tot het doel, hoek ten opzichte van de palen, lichaamsdeel waarmee geschoten wordt, type pass die voorafging (schermbal, voorzet, doorbraak), aantal verdedigers tussen de schutter en de goal, of het schot na een snelle counter komt of na opbouwspel, en zelfs of de keeper goed gepositioneerd staat. Al die ingrediënten worden vergeleken met een database van vele duizenden vergelijkbare situaties. Het model spuwt een waarschijnlijkheid uit tussen 0 en 1.
Een schot van zeven meter recht voor het doel na een goede voorzet kan een xG van 0,45 krijgen. Een schot van 30 meter onder druk van twee verdedigers misschien 0,02. Tel je alle xG-waarden van alle schoten in een wedstrijd op, dan krijg je de totale xG voor dat team in die wedstrijd. Dat getal is wat statistisch de “verdiende score” zou zijn geweest.
Belangrijk om te begrijpen: xG is geen voorspelling van wat gaat gebeuren. Het is een herwaardering van wat is gebeurd, vrij van het toeval van wel of niet scoren. Daarom is xG over een periode van tien tot vijftien wedstrijden veel betrouwbaarder dan in één enkele match. Op één avond kan een team 3,2 xG bij elkaar schieten en nul scoren. Dat is geen falen van xG — dat is variantie. Over een seizoen lopen werkelijke goals en xG bijna altijd dicht bij elkaar.
Voor de Primeira Liga zijn de modellen tegenwoordig prima beschikbaar. FBref, Understat en Sofascore publiceren xG-waarden per wedstrijd, soms zelfs per schot. Welk model je gebruikt maakt minder uit dan dat je consistent met dezelfde bron werkt. Modellen verschillen onderling met vijf tot tien procent op individuele schoten, maar de patronen die ze laten zien zijn vrijwel identiek.
xG Toepassen op Over/Under-weddenschappen
Hier wordt het concreet. Stel: je overweegt een over 2,5 doelpunten op Sporting CP – Vitória SC. De marktquotering is 1,75. Bookmaker zegt dus: de kans dat er drie of meer goals vallen is rond 57 procent.
Mijn eerste check is altijd dezelfde: wat zijn de xG-gemiddelden van beide teams over de laatste tien wedstrijden? Niet de cijfers van het hele seizoen — die kunnen vertekend zijn door één blow-out match. Tien wedstrijden geeft een redelijk stabiel beeld.
Stel Sporting heeft een aanvallende xG van 2,4 per match en een defensieve xG-against (xGA) van 0,9. Vitória heeft een aanvallende xG van 1,1 en een xGA van 1,5. De verwachte doelpuntenproductie in deze wedstrijd, ruwweg, is dan: Sporting maakt rond 2,4 (eigen aanval) gewogen tegen 1,5 (Vitória’s defensieve zwakte) = ergens tussen 1,9 en 2,2 doelpunten. Vitória scoort rond 0,9–1,1 tegen Sporting. Totaal verwacht: ongeveer 2,8 tot 3,3 doelpunten.
Dat is hoger dan de marktlijn van 2,5. De Primeira Liga is sowieso een competitie waarin scoren niet ongewoon is — het is de competitie van Estádio da Luz, waar in de afgelopen seizoenen gemiddeld 12.294 toeschouwers per match bijwoonden, onder andere omdat de wedstrijden zelden dood en verveeld zijn. Maar het cijfermatige antwoord komt uit xG, niet uit reputatie.
Ik gebruik daarbij één regel die me veel verliesdagen heeft bespaard: als mijn xG-schatting binnen tien procent van de marktlijn ligt, blijf ik er vanaf. Dan is er geen edge — de bookmaker heeft het ongeveer goed. Pas wanneer mijn schatting echt afwijkt — denk aan 3,1 verwacht tegen een lijn van 2,5 — wordt het interessant.
xG en de 1×2-markt: Onder- en Overwaardering Herkennen
De 1×2-markt is de plek waar xG het meeste werk voor je doet, omdat publieke perceptie hier het hardst de odds verstoort. Mensen herinneren zich uitslagen, niet kanskwaliteit.
Een typisch scenario: een ploeg wint drie wedstrijden op rij met telkens 1–0. De pers en de markt promoveren ze tot vormploeg. De odds op hun volgende thuisoverwinning krimpen van 2,10 naar 1,75. Maar wanneer ik hun xG-cijfers van die drie matches bekijk, blijkt het: gemiddeld 1,1 xG per wedstrijd, drie keer een lucky goal, geen indrukwekkende kanskwaliteit. Hun verdediging hield xGA van 1,4 — bijna evenveel kansen weggegeven als gecreëerd.
Zo’n team is door de markt overgewaardeerd. De volgende keer dat de werkelijkheid xG inhaalt — wat statistisch onvermijdelijk is — verlies je bij 1,75. Maar de tegenpartij of het gelijkspel, vaak verkrijgbaar tegen 3,80 of hoger, ziet er ineens veel aantrekkelijker uit.
Het omgekeerde komt ook voor en is eigenlijk waardevoller. Een ploeg verliest drie keer met krappe cijfers — 0–1, 1–2, 0–1 — en zakt in de odds. Maar hun xG was 1,9, 2,1, 2,4. Ze creëerden voortdurend, scoorden alleen niet. De markt straft ze af, terwijl het onderliggende prestatieniveau juist sterk is. Dat is waar value betting begint: kopen wanneer iedereen verkoopt, op basis van data die de massa negeert.
Voor wie dieper wil duiken in hoe value-detectie samenhangt met andere wedstrategieën, schreef ik eerder een uitgebreide gids over primeira liga wedstrategieën waarin ik xG combineer met bankrollbeheer en seizoenspatronen.
Eén waarschuwing: in derby-achtige wedstrijden zoals Benfica – Porto worden xG-modellen onbetrouwbaarder. Tactische patronen wijken af, intensiteit ligt anders, schoten worden gedwongen of vermeden om strategische redenen. Voor de 92e editie van de Primeira Liga, die in totaal 18 ploegen en 34 speelronden telt, blijft xG het sterkst voor reguliere middenmotor- en subtopwedstrijden.
Veelgestelde Vragen over xG en Wedden
Twee vragen krijg ik telkens opnieuw, dus die behandel ik direct.
De eerste: waar haal ik betrouwbare xG-data voor de Primeira Liga vandaan? Mijn vaste rotatie is FBref voor team-totalen, Understat voor schot-niveau-data en Sofascore voor live xG tijdens wedstrijden. Alle drie zijn gratis. Sofascore is handig in-play omdat ze xG bijwerken per geblokt schot of doelpoging — nuttig wanneer je live wedt en de cijfers tegen de score in gaan.
De tweede: is xG echt betrouwbaarder dan klassieke statistieken zoals balbezit of schoten op doel? Ja, en het is geen kleine verbetering. Onderzoek over meerdere Europese topcompetities toont dat xG-rangschikkingen na ongeveer twaalf speelronden sterker correleren met eindstanden dan de werkelijke ranglijst op dat moment. In gewone taal: na twaalf rondes voorspelt xG beter waar een team eindigt dan hun eigen punten op dat moment. Dat is de informatieve voorsprong waar je als wedder voor betaalt — alleen krijg je hem hier gratis, mits je de moeite neemt om te kijken. Integreer deze statistieken in winstgevende, datagestuurde Primeira Liga wedstrategieën.
Waar vind ik betrouwbare xG-data voor de Primeira Liga?
FBref, Understat en Sofascore publiceren xG-cijfers per wedstrijd voor de Primeira Liga. Alle drie zijn gratis. Sofascore is bovendien handig voor live xG tijdens een wedstrijd.
Is xG betrouwbaarder dan traditionele statistieken bij wedden?
Ja. Na ongeveer twaalf speelronden correleren xG-rangschikkingen sterker met de uiteindelijke eindstand dan de actuele ranglijst zelf. xG meet kanskwaliteit, niet toeval, en geeft daarom een betrouwbaarder beeld van werkelijke prestaties.
Geschreven door het team van 'Gokken op Primeira Liga'.
