xG en apuestas LaLiga: cómo usar los goles esperados para ganar | Markaje

Hace cinco años, cuando empecé a hablar de xG en foros de apuestas españoles, la reacción típica era entre la sorna y la indiferencia. «Métricas de laboratorio», «cosas de ingleses». Hoy las mismas personas me preguntan qué herramienta uso para comparar el npxG de Mbappé con el de Lewandowski. Algo ha cambiado. Y no es casualidad: los operadores llevan años usando xG en sus modelos internos. Los apostadores serios también. Los demás siguen perdiendo dinero con la misma cara de sorpresa cuando un 1-0 del Athletic frente al Atlético «no tenía ningún sentido».

El xG — expected goals, goles esperados — es el mayor salto cualitativo en análisis futbolístico aplicado a apuestas de los últimos veinte años. No es una moda, no es marketing y no es un invento de la consultora de turno. Es una forma de medir el valor de cada ocasión generada durante un partido en función de la probabilidad histórica de que un disparo desde esa posición, con esa trayectoria y en ese contexto acabe en gol. La media de goles por partido en LaLiga ronda los 2,5 — la más baja de las cinco grandes ligas europeas — y eso hace que apostar al resultado de un partido sea particularmente sensible a la varianza: dos o tres goles totales son una muestra minúscula. El xG reduce esa varianza y te enseña qué pasó en el partido más allá del marcador.

Este artículo parte de una tesis. Si quieres encontrar valor sostenido en las cuotas de LaLiga, tienes que aprender a pensar en xG. No como dato decorativo que pones en el ticket, sino como herramienta de decisión. Voy a explicarte qué mide, qué no mide, cómo cruzarlo con la cuota, y dónde está en LaLiga 2025/26. Y al final del recorrido, espero convencerte de algo: el apostador medio no va a dejar de usar solo el 1X2 por pereza. Esa es tu ventaja.

Si vienes buscando un contexto más amplio sobre apuestas a la liga española — mercados, licencias, fiscalidad — te remito a la guía general de apuestas a LaLiga. Aquí me meto en lo analítico.

La diferencia entre xG, xGA, npxG y xPTS

Empiezo por la base porque es donde más confusión veo. xG mide los goles esperados de un equipo según las ocasiones que genera. xGA mide los goles esperados en contra, es decir, la calidad de las ocasiones que concede. Son el espejo ofensivo y defensivo de la misma métrica, y los dos se publican siempre por 90 minutos para que puedas comparar equipos con distinto número de partidos disputados.

npxG significa non-penalty expected goals: goles esperados sin contar penaltis. Es una métrica importante porque los penaltis distorsionan el xG: un penalti se valora en torno a 0,76-0,79 xG — prácticamente tres cuartos de gol — y un equipo con racha de penaltis tiene xG inflado sin que la calidad de su juego en acción continua haya cambiado. Yo siempre miro npxG primero, xG después. Si un equipo tiene xG alto pero npxG mediocre, está rindiendo por circunstancias (penaltis, jugadas aisladas), no por estructura.

xPTS — expected points, puntos esperados — transforma los xG y xGA de cada partido en puntos. La lógica: si sumas las probabilidades implícitas de ganar, empatar y perder de cada encuentro según las ocasiones reales generadas, puedes construir una tabla paralela de cuántos puntos «merecía» cada equipo. En LaLiga 2025/26 el Real Madrid lidera la tabla de xPTS con 80 puntos proyectados — un dato que por sí solo vale más que cuarenta columnas de opinión en un periódico deportivo.

Hay métricas adicionales que conviene tener en el radar. xGoT — expected goals on target — refina el xG contando solo los disparos que van a puerta. Un disparo desde buena posición que se va fuera no cuenta en xGoT, aunque sí en xG. Útil para valorar la puntería real de un delantero, menos útil para valorar el rendimiento ofensivo de un equipo. PPDA — passes per defensive action — mide la intensidad de la presión alta: cuántos pases permite un equipo al rival antes de intervenir en campo contrario. No es xG, pero lo complementa al explicar por qué un equipo genera o no ocasiones.

Regla práctica mía: cuando analizo un partido, miro xG por 90 y xGA por 90 de ambos equipos, ajustados por los últimos 10-12 encuentros. Si el dato de los últimos 5 es muy diferente del acumulado de temporada, busco explicación — lesión de un central clave, cambio de sistema, arrastre de competición europea — antes de usarlo para apostar.

Sobrerrendimiento y regresión a la media: el lado invisible de los datos

Llevo años contando la misma anécdota en conversaciones privadas porque resume lo que quiero transmitir en esta sección. Un apostador me enseñó en septiembre de 2023 su apuesta a un equipo que llevaba dos jornadas ganando con marcadores ajustados. «Tiene forma tremenda, voy a apostar al empate más local contra un top». Miré los datos. El equipo ganaba, sí, pero el xG acumulado decía que había generado la mitad de las ocasiones que había recibido. Estaba sobrerrendiendo. Le dije que no lo hiciera. Perdió la apuesta. El equipo cayó 3-0.

El sobrerrendimiento es la diferencia entre los goles reales marcados y los goles esperados. Un equipo con xG acumulado de 10 que lleva 14 goles tiene un sobrerrendimiento de +4. Un equipo con xG de 15 que lleva 9 goles tiene un subrendimiento de -6. El concepto clave que se escapa a la mayoría: el sobrerrendimiento tiende a regresar a la media. Los equipos no mantienen sobrerrendimientos grandes durante toda una temporada, porque la suerte, la puntería puntual y la mala fortuna se promedian con el paso de las jornadas.

Miremos LaLiga 2025/26 con datos reales. El FC Barcelona lidera la tabla de xG con 76,22 goles esperados en 31 partidos — 2,46 por 90 minutos — y ha anotado 84. Sobrerrendimiento de +7,8. Esto no es casualidad ni «calidad pura»; es una combinación de rachas individuales (Lewandowski marca todo lo que toca), algunas decisiones arbitrales favorables y, sí, calidad de finalización. Pero la ley estadística dice que un sobrerrendimiento sostenido de casi ocho goles sobre 31 partidos es difícil de mantener. En los próximos siete encuentros, probablemente el Barça marque menos de lo que su xG proyecta, no más.

El Rayo Vallecano es el ejemplo opuesto y más didáctico que he visto en años. 29 goles anotados para un xG de 43,84. Subrendimiento de -14,8. Estamos hablando de un equipo que, en términos de generación de ocasiones, debería estar a media tabla, y está peleando descenso. Las apuestas al over en los partidos del Rayo vienen pagando por encima de su probabilidad real durante toda la temporada, porque el mercado los trata según los goles marcados (visibles) y no según las ocasiones generadas (reales).

Cómo operar con esta información. Cuando un equipo sobrerrendidor visita a un rival fuerte, el mercado le suele dar cuota de «forma» que no se sostiene. Mirarle al bookmaker y pensar «le están pagando por la racha, no por el xG» es el primer paso. Apostar contra el sobrerrendidor requiere disciplina — la racha puede continuar dos o tres partidos más — pero a lo largo de diez apuestas similares el EV es positivo. Lo contrario también funciona: apostar al subrendidor cuando la cuota refleja «está mal en puntos» y el xG dice «genera ocasiones como un equipo medio-alto».

xGA: cuándo una defensa mete valor en el mercado del under

Una pregunta que me hacen a menudo: ¿cómo sabe un apostador que la cuota del under 2,5 goles en un partido concreto tiene valor? La respuesta corta es xGA. La respuesta larga merece esta sección.

El xGA por 90 minutos es el indicador más limpio que conozco para identificar defensas estructurales frente a defensas circunstanciales. Un equipo puede llevar tres partidos sin encajar y tener un xGA de 1,8 — eso significa que está concediendo ocasiones claras y se ha salvado por el portero o por el travesaño. En dos jornadas más, la defensa va a recibir el castigo. Otro equipo puede haber encajado seis goles en sus últimos tres partidos y tener un xGA de 0,9 — ha concedido poco, ha recibido mucha mala suerte, y los próximos partidos la estadística tenderá a corregirse.

En LaLiga 2025/26 el Athletic Club lidera el xGA con 33,12 goles esperados concedidos en toda la temporada, un 1,07 por 90 minutos. Es una barbaridad. Hablamos de un equipo que, cuando juega en San Mamés frente a un rival de tabla media, ofrece probabilidad real de under 2,5 significativamente superior al 60 %. Si el mercado te paga la cuota de under 2,5 a 1,80 — probabilidad implícita del 55,6 % — estás comprando edge claro si tu análisis confirma que el partido es efectivamente cerrado.

Mi regla: cuando el xGA del equipo local es inferior a 1,1 por 90 y el xG del visitante es inferior a 1,3 por 90, la probabilidad real de under 2,5 supera el 60 %. Las cuotas del mercado rara vez reflejan eso. El apostador medio mira goles encajados (resultado), no xGA (proceso), y eso abre la ventana.

Una matización importante: el xGA local y el xGA visitante son métricas distintas. Muchos equipos de LaLiga tienen xGA en casa de 0,9 y xGA fuera de 1,6. La diferencia viene del factor ambiente, menor viaje y mejor gestión del partido con público propio. Para apostar con xGA, siempre separo local y visitante. Mezclarlos produce ruido.

xPTS: cómo interpretar la tabla paralela de puntos esperados

La primera vez que miré una tabla de xPTS en 2019 no entendí qué estaba viendo. Parecía una clasificación normal, pero los puestos no coincidían con la tabla real. Tardé unas semanas en asimilar lo que esa diferencia significa — y es la base de las apuestas a futuro en LaLiga: ganador de liga, clasificación Champions, descenso.

xPTS — expected points — te dice cuántos puntos «merecía» sumar un equipo en función de las ocasiones generadas y concedidas en cada partido. El cálculo convierte el xG y xGA de cada encuentro en una distribución de probabilidades del resultado, y a partir de ahí en puntos esperados por partido, que se suman para toda la temporada.

La tabla real refleja lo que pasó. La tabla de xPTS refleja lo que debería haber pasado. La diferencia entre ambas es oro para el apostador a largo plazo. Un equipo con +5 puntos reales sobre xPTS está rindiendo por encima de su nivel estructural; la probabilidad estadística dice que va a sumar menos en los próximos diez partidos. Un equipo con -4 puntos reales bajo xPTS está rindiendo por debajo; va a sumar más.

En LaLiga 2025/26 el Real Madrid lidera xPTS con 80 puntos proyectados. Eso condiciona toda la tabla de favoritos al título: aunque en algún momento de la temporada el Barça haya ido primero en puntos reales, el Madrid lleva la tabla de ocasiones, y los operadores que saben leer xPTS ya han ajustado su cuota de campeón con esa información. El apostador que mira solo la clasificación convencional se sorprende de que la cuota no refleje las diferencias de la tabla. El apostador que mira xPTS entiende exactamente por qué.

Cómo aplico esta información. En apuestas de mitad de temporada al ganador de liga, comparo xPTS de los dos primeros. Si la diferencia xPTS es menor que la diferencia en puntos reales, la cuota del segundo está infravalorada; apostar al segundo tiene edge. Si la diferencia xPTS es mayor que la diferencia en puntos reales, el primero tiene ventaja estructural y su cuota probablemente esté bien calibrada o incluso corta.

Atención al lector técnico: el xPTS es ruidoso en muestras pequeñas. Diez jornadas no son suficientes. Yo no lo uso como indicador fiable hasta la jornada 15. Antes de eso, los cambios semanales pueden ser engañosos y llevan a decisiones sesgadas.

Cómo cruzar xG con la cuota para calcular valor esperado

Llegamos a lo importante. Todo lo anterior son definiciones. Lo útil es convertirlas en una decisión operativa: ¿esta cuota que me ofrece el bookmaker vale la pena o no? Y para responder a esa pregunta hay que saber convertir xG en probabilidad y comparar con la probabilidad implícita de la cuota.

El camino corto es el siguiente. Los modelos de xG te permiten simular partidos. Si conoces el xG que cada equipo genera habitualmente por partido ajustado al rival concreto, puedes calcular la probabilidad de cada marcador posible usando una distribución de Poisson — la herramienta estadística que mejor describe la frecuencia de goles en fútbol. De ahí sale la probabilidad de que gane el local, empate o gane el visitante. Esa es tu estimación. La cuota del operador te da su estimación (inversa de la cuota menos margen). Si tu probabilidad supera la implícita, la apuesta tiene valor.

Ejemplo simplificado. Supongamos que el FC Barcelona local frente a un rival de tabla media genera 2,46 xG por 90 y concede 0,9 xG por 90. El rival genera 1,1 xG por 90 y concede 1,5 xG por 90. Cruzando ambos, el modelo proyecta que el Barça meta alrededor de 2,5 goles y reciba 1,0. Con esos parámetros, la probabilidad de victoria local ronda el 72 %. Si la cuota del local está a 1,35 — probabilidad implícita 74 % — la apuesta no tiene valor: estás pagando más caro de lo que tu modelo justifica. Si la cuota está a 1,45 — probabilidad implícita 69 % — tienes edge del 3 %.

Un yield del 3 % no suena a mucho, pero es enorme. Los apostadores profesionales declarados viven con yields del 2 al 5 %. Multiplicado por el número de apuestas y el tamaño del bankroll, es negocio. El error del principiante es buscar apuestas con «edge obvio» del 20 o 30 %; esas no existen en mercados líquidos con operadores profesionales. Los bordes reales son pequeños y constantes.

Para calcular EV, la fórmula es simple: EV = (probabilidad × ganancia) – (probabilidad de perder × stake). Si apuestas 100 euros a cuota 1,45 con probabilidad real del 72 %, tu EV es (0,72 × 45) – (0,28 × 100) = 32,4 – 28 = +4,4 euros por apuesta. Repetida mil veces, ese EV se acumula. Repetida tres veces, no.

No necesitas construir tu propio modelo de Poisson desde cero. Las herramientas públicas que menciono en la siguiente sección ya te dan probabilidades derivadas de xG. Lo que necesitas es el criterio para interpretarlas y saber cuándo confiar en ellas.

Herramientas públicas: Understat, FBref, FotMob

Reciclo aquí una pregunta que me llega cada semana: ¿qué herramientas uso yo para analizar xG en LaLiga? Respondo con tres nombres, porque tres son los que cubren el 95 % de mis necesidades.

Understat es mi primera parada. Cubre LaLiga desde 2014, actualiza datos al minuto tras cada partido y ofrece descomposición disparo a disparo con el xG asignado a cada intento. La interfaz no es bonita pero es funcional. Para cada equipo puedes ver xG, xGA, xPTS y su evolución temporal. Para cada jugador, los disparos y su xG individual. Es gratis.

FBref — parte del ecosistema de Sports Reference — ofrece el análisis más completo que existe en abierto. Datos avanzados, métricas derivadas, integración con StatsBomb para refinamiento de xG, posibilidad de comparar jugadores por percentiles dentro de LaLiga o cruzando ligas. Lo uso cuando necesito profundidad: xG on target, xA (expected assists), progresive carries, presiones en campo contrario. Para apuestas a player props en LaLiga es donde miro primero.

FotMob es la aplicación que uso en partidos en directo. Durante el encuentro actualiza el xG acumulado de cada equipo casi al minuto, lo cual es oro para apuestas live. Si un equipo domina pero no marca, FotMob te lo enseña con xG creciendo sin que cambie el marcador. En apuestas en directo al over 2,5 o al siguiente gol, esa información es decisiva.

Hay alternativas útiles aunque secundarias. OddAlerts publica datos ofensivos y defensivos por equipo con xG específico de LaLiga. FootyStats ofrece vistas similares con algunas métricas agregadas. Sofascore es accesible y visual, bueno para una ojeada rápida en el móvil, pero menos profundo. WhoScored permite filtrar por jugador y partido, aunque su xG es a veces menos refinado que el de FBref.

Un consejo operativo: no uses solo una fuente. Los modelos de xG no son exactamente iguales entre proveedores, porque cada uno tiene su base de datos de disparos históricos y su forma de ponderar contexto. Mirar xG de Understat y xG de FBref y ver si concuerdan es una buena forma de filtrar ruido. Cuando las dos fuentes coinciden, el dato es sólido. Cuando difieren mucho, hay que entender por qué antes de apostar.

Límites del xG: lo que no captura

Sería deshonesto acabar esta guía sin hablar de lo que el xG no mide. Porque hay apostadores que se enamoran tanto de la métrica que acaban perdiendo edge por apostar fuera de su territorio.

Primera limitación: el xG no mide el contexto del disparo más allá de su posición. Si un delantero remata desde el punto de penalti después de una pérdida en la salida del rival con la defensa descolocada, el xG de ese disparo es el mismo que si rematara desde el mismo punto con cinco defensores en el área. Posición sí, organización defensiva rival no. Esto infraestima ocasiones claras en contraataque y sobreestima llegadas en jugadas elaboradas contra defensas replegadas.

Segunda limitación: el xG no mide la calidad del ejecutor. Un disparo a 12 metros del palo derecho tiene el mismo xG para Lamine Yamal que para un delantero suplente de Primera RFEF. En la realidad la probabilidad de gol varía sustancialmente. Hay modelos que incorporan «skill adjustment», pero no están universalmente disponibles, y en las herramientas públicas estándar no aparece ajuste por finalizador.

Tercera limitación: los modelos de xG están entrenados con miles de partidos agregados. Cuando aparece una situación atípica — portero lesionado, árbitro tolerante al contacto, condición meteorológica extrema — el modelo no se adapta. Hay que aplicar juicio cualitativo encima del dato cuantitativo.

Cuarta limitación, la más importante: el xG no tiene memoria del resultado. Un equipo que va ganando 2-0 al minuto 70 baja su intensidad, concede más remates al rival y acumula xGA que no refleja su defensa real. Ese partido contribuye datos «contaminados» a la media. Si no filtras, tu lectura se distorsiona. Lo corrijo mirando xG/xGA de los primeros 60 minutos cuando el análisis de fin de temporada es crítico.

Hay además una capa que los modelos de xG no tocan y que conviene recordar. Andreas Krannich, vicepresidente ejecutivo de Integridad y Servicios Regulatorios de Sportradar, lo ha expresado con claridad: «El amaño de partidos sigue siendo una amenaza en constante evolución, y la inversión continua en tecnología, inteligencia, educación y colaboración es esencial para anticiparse a quienes intentan corromper el deporte». La reflexión aplica al análisis estadístico: la calidad del dato depende de que el partido sea un producto deportivo limpio. En ligas y competiciones donde la integridad está en duda, el xG no protege de nada. En LaLiga la vigilancia es alta, pero este es el tipo de matiz que conviene tener presente antes de apostar con modelos en productos de segundo o tercer nivel competitivo.

Un cierre práctico para esta sección: el xG es una herramienta, no una receta. Los apostadores que pierden con xG son los que lo aplican mecánicamente. Los que ganan lo usan como una de cinco variables: xG, forma reciente, calendario, bajas, contexto del partido.

Caso práctico: análisis de un partido de LaLiga 2025/26 con xG

Aterrizo todo lo anterior en un ejemplo concreto. Escojo un cruce tipo que ha pasado varias veces esta temporada: Athletic Club local contra un equipo ofensivo de tabla media que en la superficie parece generar ocasiones pero en xG está rindiendo al nivel de los datos.

Punto de partida. Athletic en casa: xG por 90 de 1,5 y xGA por 90 de 0,9. Ritmo ofensivo moderado, defensa de élite. El rival: xG por 90 de 1,35 y xGA por 90 de 1,5. Genera, pero concede. Ha marcado en sus últimos cinco partidos y llega con la etiqueta de «equipo en forma».

Proyección con xG. Cuando el Athletic local se cruza con un rival ofensivo pero defensivamente débil, el modelo proyecta que el Athletic marque alrededor de 1,7 goles y reciba 0,7. La probabilidad de victoria local ronda el 56 %, empate 25 %, victoria visitante 19 %. Total de goles esperado: 2,4. Probabilidad de under 2,5: levemente superior al 55 %.

Cuotas observadas en mercado. Local 1,95 — probabilidad implícita 51 %. Empate 3,40 — 29 %. Visitante 4,10 — 24 %. Under 2,5: 1,72 — 58 %. Over 2,5: 2,05 — 49 %.

Donde está el valor. El 1X2 local paga cuota más alta de lo que el modelo justifica: probabilidad real 56 %, implícita 51 %. Edge estimado del 5 %. El under 2,5, en cambio, está levemente caro — probabilidad real 55 %, implícita 58 %. No apostaría under aquí.

Decisión. Apuesta al 1X2 local a 1,95 con stake estándar. No combino con otra pata porque la correlación con over/under o BTTS no es suficientemente fuerte para añadir edge al bet builder.

¿Qué pasa si el partido acaba 0-1? Pierdo la apuesta. ¿Qué pasa si acaba 1-0? Gano. ¿Qué pasa si acaba 2-2? Pierdo. El EV calculado me dice que el conjunto de posibles desenlaces, ponderado por sus probabilidades reales, es favorable. Pero cada apuesta individual no lo es: la varianza manda a corto plazo. Diez apuestas así, a lo largo de la temporada, con stake disciplinado, producen yield positivo. Tres apuestas así no dicen nada sobre la calidad del análisis.

Ese es el punto. El xG no te da garantía sobre el partido concreto; te da edge sobre el conjunto de apuestas similares a lo largo del tiempo. El apostador que entiende esto sigue trabajando cuando pierde tres consecutivas. El que no lo entiende cambia de método cada mes y nunca llega a recoger el yield que el análisis le habría dado.

Preguntas frecuentes