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
16
Noah Allen
gr GRE DF,MF
Inter Miami
22 2.004 1 1 2 0,59 0,55 1,14 0,05 0,05 0,10 0,59 0,05 0,294 0,294 0,59 0,41 1,70 0,45 1,83 1 0,09 0,09 0,17 —
588
Nolan Norris
us USA DF
FC Dallas
21 2.005 1 0 1 0,59 0,06 0,65 0,03 0,00 0,04 0,59 0,03 0,084 0,294 0,59 0,41 1,70 -0,06 0,00 1 0,05 0,00 0,05 1
796
Oleksandr Svatok
ua UKR DF
Austin FC
32 1.994 1 0 1 0,59 0,05 0,64 0,03 0,00 0,03 0,59 0,03 0,118 0,294 0,59 0,41 1,70 -0,05 0,00 1 0,05 0,00 0,05 —
241
Raheem Edwards
ca CAN DF,MF
Toronto FC
31 1.995 0 0 0 0,59 0,04 0,63 0,07 0,00 0,08 0,59 0,07 0,147 0,294 0,59 -0,59 0,00 -0,04 0,00 0 0,00 0,00 0,00 —
336
Raul Gustavo
br BRA DF
NYCFC
27 1.999 0 0 0 0,59 0,08 0,67 0,04 0,01 0,04 0,59 0,04 0,065 0,294 0,59 -0,59 0,00 -0,08 0,00 0 0,00 0,00 0,00 —
374
Ryan Hollingshead
us USA DF,MF
LAFC
35 1.991 1 1 2 0,59 0,66 1,25 0,03 0,04 0,07 0,59 0,03 0,028 0,294 0,59 0,41 1,70 0,34 1,52 1 0,06 0,06 0,11 1
420
Sam Junqua
us USA DF,MF
Real Salt Lake
29 1.996 0 1 1 0,59 0,57 1,16 0,04 0,04 0,09 0,59 0,04 0,098 0,294 0,59 -0,59 0,00 0,43 1,75 0 0,00 0,07 0,07 —
616
Sergi Palencia
es ESP DF
LAFC
30 1.996 1 1 2 0,59 0,53 1,12 0,06 0,05 0,11 0,59 0,06 0,118 0,294 0,59 0,41 1,70 0,47 1,89 1 0,09 0,09 0,19 1
674
Sergio Reguilón
es ESP DF
Inter Miami
29 1.996 1 0 1 0,59 0,08 0,67 0,06 0,01 0,07 0,59 0,06 0,074 0,294 0,59 0,41 1,70 -0,08 0,00 1 0,10 0,00 0,10 1
358
Silvan Hefti
ch SUI DF
D.C. United
28 1.997 1 2 3 0,59 1,06 1,65 0,03 0,05 0,07 0,59 0,03 0,065 0,294 0,59 0,41 1,70 0,94 1,89 1 0,05 0,09 0,14 —
520
Wyatt Meyer
us USA DF
Sporting KC
25 2.001 1 0 1 0,59 0,04 0,63 0,03 0,00 0,03 0,59 0,03 0,147 0,294 0,59 0,41 1,70 -0,04 0,00 1 0,05 0,00 0,05 1
516
Adri Mehmeti
us USA MF
RB New York
17 2.009 1 3 4 0,55 1,66 2,21 0,02 0,07 0,09 0,55 0,02 0,034 0,273 0,55 0,45 1,83 1,34 1,81 1 0,04 0,13 0,17 1
22
Alejandro Alvarado Jr.
us USA MF
San Diego FC
23 2.003 1 0 1 0,55 0,08 0,63 0,09 0,01 0,10 0,55 0,09 0,061 0,273 0,55 0,45 1,83 -0,08 0,00 1 0,16 0,00 0,16 —
75
Alejandro Bedoya
us USA MF
Philadelphia
39 1.987 0 2 2 0,55 1,01 1,56 0,18 0,33 0,51 0,55 0,18 0,091 0,273 0,55 -0,55 0,00 0,99 1,99 0 0,00 0,65 0,65 1
426
Alexandros Katranis
gr GRE MF,DF
Real Salt Lake
28 1.998 0 0 0 0,55 0,06 0,61 0,07 0,01 0,08 0,55 0,07 0,091 0,273 0,55 -0,55 0,00 -0,06 0,00 0 0,00 0,00 0,00 3
728
Alexis Sánchez
cl CHI MF
CF Montréal
37 1.988 0 0 0 0,55 0,06 0,61 0,10 0,01 0,11 0,55 0,10 0,078 0,273 0,55 -0,55 0,00 -0,06 0,00 0 0,00 0,00 0,00 —
384
Aliyu Ibrahim
ng NGA MF
Houston
24 2.002 2 0 2 0,55 0,09 0,64 0,08 0,01 0,10 0,55 0,08 0,050 0,273 0,55 1,45 3,66 -0,09 0,00 2 0,30 0,00 0,30 2
752
Amar Sejdic
us USA MF
Columbus Crew
29 1.996 0 0 0 0,55 0,02 0,57 0,26 0,01 0,28 0,55 0,26 0,182 0,273 0,55 -0,55 0,00 -0,02 0,00 0 0,00 0,00 0,00 —
104
Amin Boudri
se SWE MF
LAFC
22 2.004 0 0 0 0,55 0,03 0,58 0,63 0,04 0,67 0,55 0,63 0,136 0,273 0,55 -0,55 0,00 -0,03 0,00 0 0,00 0,00 0,00 —
183
Andrés Cubas
py PAR MF
Vancouver
30 1.996 0 2 2 0,55 1,12 1,67 0,03 0,06 0,08 0,55 0,03 0,039 0,273 0,55 -0,55 0,00 0,88 1,78 0 0,00 0,10 0,10 —
719
Besard Sabovic
se SWE MF
Austin FC
28 1.998 0 1 1 0,55 0,57 1,12 0,04 0,04 0,08 0,55 0,04 0,091 0,273 0,55 -0,55 0,00 0,43 1,74 0 0,00 0,07 0,07 —
113
Brandt Bronico
us USA MF
Charlotte
31 1.995 1 0 1 0,55 0,03 0,58 0,05 0,00 0,05 0,55 0,05 0,182 0,273 0,55 0,45 1,83 -0,03 0,00 1 0,09 0,00 0,09 —
456
Brooks Lennon
us USA MF,DF
Columbus Crew
29 1.997 0 0 0 0,55 0,04 0,59 0,12 0,01 0,13 0,55 0,12 0,109 0,273 0,55 -0,55 0,00 -0,04 0,00 0 0,00 0,00 0,00 1
650
Célio Pompeu
br BRA MF
St. Louis City
26 1.999 0 0 0 0,55 0,04 0,59 0,43 0,03 0,47 0,55 0,43 0,109 0,273 0,55 -0,55 0,00 -0,04 0,00 0 0,00 0,00 0,00 —
628
Daniel Pereira
ve VEN MF
CF Montréal
26 2.000 0 0 0 0,55 0,03 0,58 0,12 0,01 0,12 0,55 0,12 0,182 0,273 0,55 -0,55 0,00 -0,03 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