Home  ›  Mls  ›  Jogadores · Produção Ofensiva
2026
 Mls / Jogadores / Produção Ofensiva

Jogadores — Produção Ofensiva xG · xA

Campeonato Americano (MLS) (Mls)  ·  2026  ·  900 registros np 11.2% sot 30.7% pk 83.1% ast 71.2%
Gols méd. 1
xG ⚡ méd. 1,47
xA ⚡ méd. 0,64
xG+xA ⚡ méd. 2,11
xG/90 ⚡ méd. 0,15
xG/Fin ⚡ méd. 0,080
G-xG ⚡ méd. 0,00
xGOT ⚡ méd. 1,46
Times Jogadores Visão Geral Produção Ofensiva Finalizações Disciplina Goleiros Minutos & Rotatividade Ações Defensivas Pênaltis
Jogadores — Produção Ofensiva 25 de 900
Mls  ·  2026
# Jogador Nac Pos Time Idade Ano Gols Ast G+A xG ⚡ xA ⚡ xG+xA ⚡ xG/90 ⚡ xA/90 ⚡ (xG+xA)/90 ⚡ npxG ⚡ npxG/90 ⚡ xG/Fin ⚡ xG/NoA ⚡ xGOT ⚡ G-xG ⚡ G/xG ⚡ A-xA ⚡ A/xA ⚡ G-PK G/90 A/90 G+A/90 Imp
203
Patrickson Delgado
ec ECU MF,FW
FC Dallas
22 2.003 3 0 3 1,64 0,18 1,82 0,19 0,02 0,22 1,64 0,19 0,086 0,273 1,64 1,36 1,83 -0,18 0,00 3 0,36 0,00 0,36 —
433
Peter Kingston
us USA MF,DF
Seattle Sounders
25 2.001 0 0 0 1,64 0,12 1,76 0,15 0,01 0,16 1,64 0,15 0,126 0,273 1,64 -1,64 0,00 -0,12 0,00 0 0,00 0,00 0,00 1
217
Ronald Donkor
gh GHA MF
RB New York
21 2.004 2 5 7 1,64 2,68 4,32 0,07 0,11 0,18 1,64 0,07 0,102 0,273 1,64 0,36 1,22 2,32 1,87 2 0,08 0,21 0,29 —
778
Stijn Spierings
nl NED MF
Real Salt Lake
30 1.996 1 1 2 1,64 0,67 2,31 0,11 0,04 0,15 1,64 0,11 0,096 0,273 1,64 -0,64 0,61 0,33 1,48 1 0,07 0,07 0,13 1
750
Telasco Segovia
ve VEN MF
Inter Miami
23 2.003 3 8 11 1,64 4,45 6,09 0,08 0,22 0,30 1,64 0,08 0,065 0,273 1,64 1,36 1,83 3,55 1,80 3 0,15 0,39 0,54 —
571
Andy Najar
hn HON DF
Nashville SC
33 1.993 2 5 7 1,47 2,74 4,21 0,08 0,14 0,22 1,47 0,08 0,113 0,294 1,47 0,53 1,36 2,26 1,83 2 0,11 0,26 0,37 2
371
Brendan Hines-Ike
us USA DF
Austin FC
31 1.994 2 0 2 1,47 0,07 1,54 0,09 0,00 0,09 1,47 0,09 0,184 0,294 1,47 0,53 1,36 -0,07 0,00 2 0,12 0,00 0,12 1
109
David Brekalo
si SVN DF
Orlando City
27 1.998 2 0 2 1,47 0,10 1,57 0,07 0,00 0,08 1,47 0,07 0,147 0,294 1,47 0,53 1,36 -0,10 0,00 2 0,10 0,00 0,10 —
593
Édier Ocampo
co COL DF
Vancouver
23 2.003 2 1 3 1,47 0,71 2,18 0,07 0,03 0,10 1,47 0,07 0,059 0,294 1,47 0,53 1,36 0,29 1,40 2 0,09 0,05 0,14 2
709
Kye Rowles
au AUS DF
D.C. United
28 1.998 1 0 1 1,47 0,11 1,58 0,07 0,01 0,08 1,47 0,07 0,113 0,294 1,47 -0,47 0,68 -0,11 0,00 1 0,05 0,00 0,05 —
366
Marcelo Herrera
ar ARG DF,MF
Columbus Crew
27 1.998 0 1 1 1,47 0,61 2,08 0,14 0,06 0,20 1,47 0,14 0,105 0,294 1,47 -1,47 0,00 0,39 1,64 0 0,00 0,10 0,10 7
888
Maya Yoshida
jp JPN DF
LA Galaxy
38 1.988 2 0 2 1,47 0,11 1,58 0,13 0,01 0,14 1,47 0,13 0,134 0,294 1,47 0,53 1,36 -0,11 0,00 2 0,17 0,00 0,17 1
13
Morrison Agyemang
gh GHA DF
Charlotte
21 2.004 2 0 2 1,47 0,17 1,64 0,08 0,01 0,09 1,47 0,08 0,087 0,294 1,47 0,53 1,36 -0,17 0,00 2 0,11 0,00 0,11 —
349
Nathan Harriel
us USA DF
Philadelphia
25 2.001 1 2 3 1,47 1,11 2,58 0,05 0,04 0,09 1,47 0,05 0,074 0,294 1,47 -0,47 0,68 0,89 1,80 1 0,04 0,07 0,11 2
639
Neil Pierre
us USA DF
Philadelphia
18 2.007 4 0 4 1,47 0,11 1,58 0,13 0,01 0,14 1,47 0,13 0,098 0,294 1,47 2,53 2,72 -0,11 0,00 4 0,35 0,00 0,35 1
57
Reed Baker-Whiting
us USA DF
Nashville SC
21 2.005 2 2 4 1,47 1,14 2,61 0,11 0,08 0,19 1,47 0,11 0,147 0,294 1,47 0,53 1,36 0,86 1,75 2 0,15 0,15 0,29 2
643
Dániel Pintér
us USA FW,MF
Inter Miami
19 2.007 1 0 1 1,41 0,07 1,48 0,26 0,01 0,28 1,41 0,26 0,201 0,352 1,41 -0,41 0,71 -0,07 0,00 1 0,19 0,00 0,19 3
651
Ezequiel Ponce
ar ARG FW
Houston
29 1.997 0 1 1 1,41 0,69 2,10 0,11 0,06 0,17 1,41 0,11 0,059 0,352 1,41 -1,41 0,00 0,31 1,44 0 0,00 0,08 0,08 5
636
Fafà Picault
ht HAI FW
Atlanta Utd
35 1.991 3 1 4 1,41 0,55 1,96 0,17 0,07 0,24 1,41 0,17 0,141 0,352 1,41 1,59 2,13 0,45 1,80 3 0,36 0,12 0,48 9
572
Matheus Nascimento
br BRA FW
LA Galaxy
22 2.004 1 0 1 1,41 0,07 1,48 0,84 0,04 0,88 1,41 0,84 0,201 0,352 1,41 -0,41 0,71 -0,07 0,00 1 0,60 0,00 0,60 2
172
Alonso Coello
es ESP MF
Toronto FC
26 1.999 0 4 4 1,36 2,17 3,53 0,06 0,10 0,16 1,36 0,06 0,091 0,273 1,36 -1,36 0,00 1,83 1,84 0 0,00 0,18 0,18 —
235
Chris Durkin
us USA MF
St. Louis City
26 2.000 2 1 3 1,36 0,65 2,01 0,06 0,03 0,09 1,36 0,06 0,085 0,273 1,36 0,64 1,47 0,35 1,55 2 0,09 0,04 0,13 —
238
Daniel Edelman
us USA MF
St. Louis City
23 2.003 4 3 7 1,36 1,67 3,03 0,06 0,07 0,13 1,36 0,06 0,080 0,273 1,36 2,64 2,93 1,33 1,80 4 0,17 0,13 0,30 1
402
Danley Jean-Jacques
ht HAI MF
Philadelphia
26 2.000 4 2 6 1,36 1,18 2,54 0,06 0,05 0,10 1,36 0,06 0,047 0,273 1,36 2,64 2,93 0,82 1,69 4 0,16 0,08 0,24 —
749
Dante Sealy
tt TRI MF,FW
CF Montréal
23 2.003 0 0 0 1,36 0,05 1,41 0,58 0,02 0,60 1,36 0,58 0,227 0,273 1,36 -1,36 0,00 -0,05 0,00 0 0,00 0,00 0,00 —

Glossário — Produção Ofensiva

⚡ = métrica computada
v6.1
# Posição no ranking
Jogador Nome do jogador
Nac Nacionalidade
Pos Posição em campo
Time Time
Idade Idade atual
Ano Ano de nascimento
Gols Gols marcados
Ast Assistências
G+A Gols + Assistências
xG ⚡ Expected Goals — gols esperados baseado na qualidade das finalizações (taxa média real da liga)
xA ⚡ Expected Assists (proxy matricial) — combina o volume de assistências do jogador com a qualidade ofensiva do time. Fórmula: (Ast × 0,32) + [(Ast × 1,7) × (npxG/Fin do time)] + [(Fin do jogador/Fin do time) × npxG do time × 0,08]
xG+xA ⚡ xG + xA — envolvimento ofensivo esperado total
xG/90 ⚡ xG por 90 minutos — ritmo de criação de chances qualificadas
xA/90 ⚡ xA por 90 minutos — ritmo de criação esperada de assistências
(xG+xA)/90 ⚡ (xG + xA) por 90 minutos — ritmo de contribuição ofensiva esperada
npxG ⚡ Non-Penalty xG — xG excluindo pênaltis cobrados
npxG/90 ⚡ Non-Penalty xG por 90 minutos
xG/Fin ⚡ xG por finalização total — qualidade média de cada tentativa
xG/NoA ⚡ xGOT / finalizações no alvo — perigo médio por chute no alvo
xGOT ⚡ Expected Goals on Target — xG sobre finalizações no alvo
G-xG ⚡ G − xG: positivo = eficiente acima do esperado
G/xG ⚡ G/xG: razão de aproveitamento. >1 = mais gols que o esperado
A-xA ⚡ A − xA: positivo = mais assists do que o esperado pela qualidade
A/xA ⚡ A/xA: razão de assistências. >1 = converte mais chances em assists
G-PK Gols excluindo pênaltis
G/90 Gols por 90 minutos
A/90 Assistências por 90 minutos
G+A/90 G+A por 90 minutos
Imp Impedimentos
Métricas ⚡ calculadas com as taxas reais da liga Mls:
 · tx_np  — conv. p/ chute total (xG, npxG): 11.2%
 · tx_sot — conv. p/ chute no alvo (xGOT, xGA): 30.7%
 · tx_pk  — conv. de pênaltis: 83.1%
 · tx_ast — assistências por gol na liga: 71.2%

xG ajustado por posição (v5.3):
 · Atacantes, meias, defensores e goleiros usam taxas de conversão calculadas separadamente a partir dos próprios dados da liga.
 · Grupos com menos de 30 chutes (ou 15 no alvo) usam a taxa geral da liga como fallback, para evitar ruído estatístico.

xA Proxy (v5.4) — metodologia matricial:
 · xA = (Ast_jog × 0,32) + [(Ast_jog × 1,7) × (npxG/Fin_time)] + [(Fin_jog/Fin_time) × npxG_time × 0,08]
 · Ast_jog — assistências do jogador · Fin_jog — finalizações do jogador
 · npxG_time / Fin_time — npxG e finalizações totais do time (temporada)
 · NOTA: proxy com dados agregados — xA real requer dados shot-a-shot

Notas v4.3:
 · SoTA (FBRef) já exclui pênaltis → xGA = SoTA × tx_sot + PKsof × tx_pk
 · np_sot = SoT − PKconvertidos (PK errados não estão em SoT)
 · xGA/Fin = xGA ÷ (SoTA + PKsof) = perigo médio por tentativa enfrentada
© 2026 TheScouter  ·  Stats Engine v6.1  ·  Mls  ·  2026  ·  Jogadores / Produção Ofensiva  ·  ⚡ xG · xA · xGOT · xGA · npxG