Home  ›  Serie a Italia  ›  Jogadores · Produção Ofensiva
2025-2026
 Serie a Italia / Jogadores / Produção Ofensiva

Jogadores — Produção Ofensiva xG · xA

Campeonato Italiano (Serie a Italia)  ·  2025-2026  ·  609 registros np 8.9% sot 27.7% pk 76.4% ast 67.9%
Gols méd. 1
xG ⚡ méd. 1,48
xA ⚡ méd. 0,58
xG+xA ⚡ méd. 2,06
xG/90 ⚡ méd. 0,13
xG/Fin ⚡ méd. 0,070
G-xG ⚡ méd. 0,00
xGOT ⚡ méd. 1,46
2026-2027 2025-2026 Times Jogadores Visão Geral Produção Ofensiva Finalizações Disciplina Goleiros Minutos & Rotatividade Ações Defensivas Pênaltis
Jogadores — Produção Ofensiva 25 de 609
Serie a Italia  ·  2025-2026
# 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
132
Patrick Cutrone
it ITA FW
Parma
27 1.998 1 0 1 2,13 0,14 2,27 0,22 0,01 0,23 2,13 0,22 0,085 0,305 2,13 -1,13 0,47 -0,14 0,00 1 0,10 0,00 0,10 8
153
Boulaye Dia
sn SEN FW,MF
Lazio
28 1.996 1 2 3 2,13 1,08 3,21 0,15 0,08 0,23 2,13 0,15 0,178 0,305 2,13 -1,13 0,47 0,92 1,86 1 0,07 0,14 0,22 4
420
Jacob Ondrejka
se SWE FW,MF
Parma
22 2.002 0 0 0 2,13 0,12 2,25 0,25 0,01 0,26 2,13 0,25 0,101 0,305 2,13 -2,13 0,00 -0,12 0,00 0 0,00 0,00 0,00 1
533
Gabriel Strefezza
br BRA FW
Parma
28 1.997 2 2 4 2,13 1,01 3,14 0,19 0,09 0,28 2,13 0,19 0,089 0,305 2,13 -0,13 0,94 0,99 1,98 2 0,18 0,18 0,36 2
583
Cristian Volpato
it ITA FW
Sassuolo
21 2.003 2 4 6 2,13 2,08 4,21 0,18 0,18 0,36 2,13 0,18 0,101 0,305 2,13 -0,13 0,94 1,92 1,92 2 0,17 0,34 0,51 0
127
Lassana Coulibaly
ml MLI MF
Lecce
29 1.996 3 1 4 2,01 0,60 2,61 0,07 0,02 0,09 2,01 0,07 0,072 0,251 2,01 0,99 1,49 0,40 1,67 3 0,10 0,03 0,13 1
130
Bryan Cristante
it ITA MF
Roma
30 1.995 2 1 3 2,01 0,81 2,82 0,06 0,02 0,08 2,01 0,06 0,046 0,251 2,01 -0,01 0,99 0,19 1,23 2 0,06 0,03 0,09 0
230
Robin Gosens
de GER DF,MF
Fiorentina
31 1.994 3 1 4 2,01 0,54 2,55 0,10 0,03 0,12 2,01 0,10 0,111 0,286 2,01 0,99 1,50 0,46 1,84 3 0,14 0,05 0,19 3
234
Mattéo Guendouzi
fr FRA MF
Lazio
26 1.999 2 1 3 2,01 0,62 2,63 0,13 0,04 0,17 2,01 0,13 0,126 0,251 2,01 -0,01 0,99 0,38 1,62 2 0,13 0,06 0,19 0
349
Adam Marušić
me MNE DF
Lazio
32 1.992 1 2 3 2,01 1,11 3,12 0,06 0,04 0,10 2,01 0,06 0,125 0,286 2,01 -1,01 0,50 0,89 1,80 1 0,03 0,06 0,10 1
371
Luka Modrić
hr CRO MF
Milan
39 1.985 2 3 5 2,01 1,54 3,55 0,06 0,05 0,11 2,01 0,06 0,101 0,251 2,01 -0,01 0,99 1,46 1,95 2 0,06 0,10 0,16 0
382
Tarik Muharemovic
ba BIH DF
Sassuolo
22 2.003 2 2 4 2,01 1,11 3,12 0,06 0,04 0,10 2,01 0,06 0,100 0,286 2,01 -0,01 1,00 0,89 1,80 2 0,06 0,06 0,13 0
392
Cher Ndour
it ITA MF
Fiorentina
21 2.004 3 0 3 2,01 0,14 2,15 0,10 0,01 0,10 2,01 0,10 0,084 0,251 2,01 0,99 1,49 -0,14 0,00 3 0,14 0,00 0,14 1
439
Martín Payero
ar ARG MF
Cremonese
26 1.998 1 0 1 2,01 0,18 2,19 0,12 0,01 0,14 2,01 0,12 0,087 0,251 2,01 -1,01 0,50 -0,18 0,00 1 0,06 0,00 0,06 2
457
Santiago Pierotti
ar ARG MF,FW
Lecce
24 2.001 1 2 3 2,01 1,07 3,08 0,07 0,04 0,11 2,01 0,07 0,061 0,251 2,01 -1,01 0,50 0,93 1,88 1 0,03 0,07 0,10 7
554
Idrissa Touré
de GER MF
Pisa
27 1.998 1 0 1 2,01 0,17 2,18 0,08 0,01 0,09 2,01 0,08 0,069 0,251 2,01 -1,01 0,50 -0,17 0,00 1 0,04 0,00 0,04 5
561
Nicolás Valentini
ar ARG DF
Hellas Verona
24 2.001 0 0 0 2,01 0,12 2,13 0,13 0,01 0,14 2,01 0,13 0,125 0,286 2,01 -2,01 0,00 -0,12 0,00 0 0,00 0,00 0,00 1
565
Jari Vandeputte
be BEL MF
Cremonese
29 1.996 1 5 6 2,01 2,58 4,59 0,09 0,12 0,21 2,01 0,09 0,101 0,251 2,01 -1,01 0,50 2,42 1,94 1 0,05 0,23 0,28 1
207
Niclas Füllkrug
de GER FW
Milan
32 1.993 1 0 1 1,98 0,11 2,09 0,27 0,02 0,29 1,22 0,17 0,124 0,305 1,52 -0,98 0,50 -0,11 0,00 1 0,14 0,00 0,14 14
82
Adam Buksa
pl POL FW
Udinese
29 1.996 3 0 3 1,83 0,09 1,92 0,18 0,01 0,19 1,83 0,18 0,152 0,305 1,83 1,17 1,64 -0,09 0,00 3 0,29 0,00 0,29 3
164
Artem Dovbyk
ua UKR FW
Roma
28 1.997 3 1 4 1,83 0,57 2,40 0,42 0,13 0,55 1,83 0,42 0,152 0,305 1,83 1,17 1,64 0,43 1,75 3 0,69 0,23 0,92 4
235
Idrissa Guèye
sn SEN FW
Udinese
18 2.006 1 0 1 1,83 0,14 1,97 0,39 0,03 0,42 1,83 0,39 0,091 0,305 1,83 -0,83 0,55 -0,14 0,00 1 0,21 0,00 0,21 3
421
Loïs Openda
be BEL FW,MF
Juventus
25 2.000 1 0 1 1,83 0,20 2,03 0,25 0,03 0,27 1,83 0,25 0,070 0,305 1,83 -0,83 0,55 -0,20 0,00 1 0,14 0,00 0,14 11
504
Amin Sarr
se SWE FW,MF
Hellas Verona
24 2.001 0 1 1 1,83 0,61 2,44 0,15 0,05 0,20 1,83 0,15 0,096 0,305 1,83 -1,83 0,00 0,39 1,63 0 0,00 0,08 0,08 7
40
Davide Bartesaghi
it ITA MF,DF
Milan
19 2.005 2 0 2 1,76 0,15 1,91 0,06 0,01 0,07 1,76 0,06 0,080 0,251 1,76 0,24 1,14 -0,15 0,00 2 0,07 0,00 0,07 4

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 Serie a Italia:
 · tx_np  — conv. p/ chute total (xG, npxG): 8.9%
 · tx_sot — conv. p/ chute no alvo (xGOT, xGA): 27.7%
 · tx_pk  — conv. de pênaltis: 76.4%
 · tx_ast — assistências por gol na liga: 67.9%

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  ·  Serie a Italia  ·  2025-2026  ·  Jogadores / Produção Ofensiva  ·  ⚡ xG · xA · xGOT · xGA · npxG