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
513
Duncan McGuire
us USA FW
Orlando City
25 2.001 2 0 2 2,46 0,10 2,56 0,46 0,02 0,48 2,46 0,46 0,246 0,352 2,46 -0,46 0,81 -0,10 0,00 2 0,37 0,00 0,37 3
6
Elias Achouri
tn TUN FW
San Diego FC
27 1.999 2 0 2 2,46 0,15 2,61 0,36 0,02 0,38 2,46 0,36 0,145 0,352 2,46 -0,46 0,81 -0,15 0,00 2 0,29 0,00 0,29 1
237
Ender Echenique
ve VEN MF
FC Cincinnati
22 2.004 1 6 7 2,46 3,35 5,81 0,14 0,20 0,34 2,46 0,14 0,112 0,273 2,46 -1,46 0,41 2,65 1,79 1 0,06 0,35 0,41 3
889
Griffin Yow
us USA MF,FW
NE Revolution
24 2.002 1 0 1 2,46 0,17 2,63 0,25 0,02 0,27 2,46 0,25 0,129 0,273 2,46 -1,46 0,41 -0,17 0,00 1 0,10 0,00 0,10 5
422
Kaick
br BRA MF
FC Dallas
20 2.005 3 1 4 2,46 0,76 3,22 0,11 0,03 0,14 2,46 0,11 0,094 0,273 2,46 0,54 1,22 0,24 1,32 3 0,13 0,04 0,17 3
289
Kyogo Furuhashi
jp JPN FW
LA Galaxy
31 1.995 0 0 0 2,46 0,15 2,61 0,36 0,02 0,38 2,46 0,36 0,164 0,352 2,46 -2,46 0,00 -0,15 0,00 0 0,00 0,00 0,00 1
246
Rayan Elloumi
tn TUN FW
Vancouver
19 2.007 2 0 2 2,46 0,13 2,59 0,59 0,03 0,62 2,46 0,59 0,164 0,352 2,46 -0,46 0,81 -0,13 0,00 2 0,48 0,00 0,48 1
463
Robin Lod
fi FIN MF,FW
Chicago Fire
33 1.993 4 2 6 2,46 1,19 3,65 0,15 0,07 0,22 2,46 0,15 0,112 0,273 2,46 1,54 1,63 0,81 1,68 4 0,24 0,12 0,36 4
339
Taha Habroune
us USA MF,FW
Columbus Crew
20 2.006 3 3 6 2,46 1,68 4,14 0,12 0,08 0,20 2,46 0,12 0,102 0,273 2,46 0,54 1,22 1,32 1,79 3 0,14 0,14 0,29 2
570
Tristan Muyumba
fr FRA MF
Atlanta Utd
29 1.997 4 1 5 2,46 0,68 3,14 0,11 0,03 0,13 2,46 0,11 0,091 0,273 2,46 1,54 1,63 0,32 1,47 4 0,17 0,04 0,21 1
598
Victor Olatunji
ng NGA FW
Real Salt Lake
27 1.999 1 0 1 2,46 0,12 2,58 0,56 0,03 0,58 2,46 0,56 0,189 0,352 2,46 -1,46 0,41 -0,12 0,00 1 0,23 0,00 0,23 9
141
Wikelman Carmona
ve VEN MF,FW
CF Montréal
23 2.003 4 2 6 2,46 1,23 3,69 0,23 0,11 0,34 2,46 0,23 0,091 0,273 2,46 1,54 1,63 0,77 1,62 4 0,37 0,18 0,55 —
559
Daniel Munie
us USA DF
SJ Earthquakes
26 2.000 5 1 6 2,35 0,64 2,99 0,09 0,03 0,12 2,35 0,09 0,157 0,294 2,35 2,65 2,12 0,36 1,56 5 0,20 0,04 0,24 1
51
Elías Báez
ar ARG DF
Atlanta Utd
21 2.004 1 3 4 2,35 1,62 3,97 0,10 0,07 0,16 2,35 0,10 0,094 0,294 2,35 -1,35 0,42 1,38 1,85 1 0,04 0,12 0,16 2
209
Jefferson Díaz
co COL DF
Minnesota Utd
25 2.000 0 1 1 2,35 0,67 3,02 0,11 0,03 0,14 2,35 0,11 0,118 0,294 2,35 -2,35 0,00 0,33 1,49 0 0,00 0,05 0,05 1
36
Alexander Aravena
cl CHI MF
Portland Timbers
24 2.002 1 0 1 2,18 0,15 2,33 0,40 0,03 0,43 2,18 0,40 0,115 0,273 2,18 -1,18 0,46 -0,15 0,00 1 0,18 0,00 0,18 1
393
Aziel Jackson
us USA MF
Vancouver
24 2.001 1 1 2 2,18 0,64 2,82 0,37 0,11 0,48 2,18 0,37 0,136 0,273 2,18 -1,18 0,46 0,36 1,57 1 0,17 0,17 0,34 2
755
Brandon Servania
us USA MF
D.C. United
27 1.999 0 0 0 2,18 0,20 2,38 0,10 0,01 0,11 2,18 0,10 0,087 0,273 2,18 -2,18 0,00 -0,20 0,00 0 0,00 0,00 0,00 1
137
Capita
ao ANG MF,FW
Sporting KC
24 2.002 2 1 3 2,18 0,73 2,91 0,17 0,06 0,23 2,18 0,17 0,104 0,273 2,18 -0,18 0,92 0,27 1,37 2 0,16 0,08 0,24 3
365
Héctor Herrera
mx MEX MF
Houston
36 1.990 2 0 2 2,18 0,14 2,32 0,13 0,01 0,14 2,18 0,13 0,128 0,273 2,18 -0,18 0,92 -0,14 0,00 2 0,12 0,00 0,12 —
395
Ivan Jaime Pajuelo
es ESP MF,FW
CF Montréal
26 2.000 1 1 2 2,18 0,73 2,91 0,24 0,08 0,32 2,18 0,24 0,081 0,273 2,18 -1,18 0,46 0,27 1,37 1 0,11 0,11 0,22 7
511
Jack McGlynn
us USA MF
Houston
23 2.003 2 5 7 2,18 2,64 4,82 0,14 0,17 0,32 2,18 0,14 0,109 0,273 2,18 -0,18 0,92 2,36 1,89 2 0,13 0,33 0,46 1
735
Jeong Sangbin
kr KOR MF,FW
St. Louis City
24 2.002 2 1 3 2,18 0,68 2,86 0,20 0,06 0,26 2,18 0,20 0,109 0,273 2,18 -0,18 0,92 0,32 1,47 2 0,18 0,09 0,28 3
293
Jon Gallagher
ie IRL MF,DF
Austin FC
30 1.996 0 2 2 2,18 1,18 3,36 0,09 0,05 0,14 2,18 0,09 0,136 0,273 2,18 -2,18 0,00 0,82 1,69 0 0,00 0,09 0,09 4
790
Magomed-Shapi Suleymanov
ru RUS MF,FW
Sporting KC
26 1.999 1 1 2 2,18 0,75 2,93 0,18 0,06 0,25 2,18 0,18 0,095 0,273 2,18 -1,18 0,46 0,25 1,33 1 0,08 0,08 0,17 2

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