Estatísticas: Coisas de Geeks Que Não Têm o Que Fazer?

Sim, eu sei. Tentar entender algumas estatísticas utilizadas pelos analistas parece uma daquelas aulas de cálculo em que os alunos têm que misturar café e coca-cola para não entrar em estágios de hibernação profunda.

E vamos combinar, algumas soam absolutamente inúteis, como, por exemplo: se o Tom Brady comer 4 cheeseburgers 47 horas e 22 minutos antes do jogo, a probabilidade de chamar uma jogada de passe em terceira descida é de 123 para 2 (obviamente esta estatística eu acabei de inventar e realmente não serviria para nada).

Porém, não é bem assim. Estas métricas permitem analisar times e jogadores de uma maneira muito mais objetiva do que os achômetros abundantes na mídia especializada e nas redes sociais. Vamos examinar algumas delas.

DVOA (Defense-adjusted Value Over Average)

Criada pelo Football Outsiders (que foi absorvido pelo FTN Fantasy Football), mede a eficiência do time comparada à média da liga, ajustada de acordo com a força do oponente e a situação de jogo. Ela mede tanto a eficiência do time como um todo como individualmente o ataque, defesa e time de especialistas.

Assim, para o cálculo desta métrica, os analistas levam em consideração os seguintes fatores:

1. Down & distance: por exemplo, um ganho de 5 jardas em 3a para 4 é ótimo, mas péssimo em 3a para 10;
2. Posição de campo: por exemplo, 3 jardas na linha do gol são mais valiosas que 3 jardas no meio do campo;
3. Ajustes de situações de jogo: jogadas no garbage time (quando, por exemplo, o time já está perdendo por 30 pontos no 4o quarto), valem menos que jogadas quando o time ainda tem chance de empatar ou virar o jogo;
4. Força do oponente: eis o grande diferencial do DVOA. É a única métrica que leva isso em consideração.

A título de exemplo, o Baltimore Ravens terminou a temporada regular de 2024 com um DVOA geral de +41.4%. Isto significa que o time foi 41.4% mais eficiente que a média da liga, o que é absurdamente alto (20.1 % a mais que os campeões Eagles). Deveriam ter ganhado o Super Bowl, não é mesmo? Deveriam. E provavelmente o teriam feito se não fosse um drop do tight end Mark Andrews na end zone no jogo de playoff contra os Buffalo Bills.

De qualquer forma, esta métrica mostra OBJETIVAMENTE quais são os melhores (i.e., os mais eficientes) times (e ataques, e defesas, e time de especialistas) da liga, tornando os famosos power rankings que todo mundo adora publicar um tremendo exercício de futilidade. (Eu mesmo publiquei um aqui, mas foi antes da temporada começar e portanto antes do DVOA ser calculado).

EPA (Expected Points Added/Allowed)

Toda posição no campo tem uma expectativa de pontos (EP) que um time tem se iniciar um drive num determinado local, baseada em um modelo criado a partir de dados históricos de milhares de jogadas similares. Assim, a EPA corresponde à diferença entre a expectativa de pontos ANTES da jogada começar (EP) com os pontos conquistados DEPOIS da jogada (EPd). Em termos matemáticos: EPA = EPd – EP.

Por exemplo: vamos supor que um time esteja com seu ataque em 2a para 10 na própria linha de 25 jardas. Segundo o modelo, sua expectativa de pontos (EP) é de +0.3, que corresponde à média de pontos que os times costumam marcar quando a jogada se inicia numa posição similar (2a para 10 na própria 25). Se o quarterback completa um passe de 20 jardas, o time vai para a linha de 45 jardas do adversário. 1a para 10 nesta linha tem uma EP de +2.0; logo, a EPA total da jogada é de +1.7 (2.0-0.3)

Outro exemplo: 3a para 5 na própria linha de 40 jardas, o que tem uma EP de +1.8. O quarterback é interceptado pelo cornerback adversário, o qual é derrubado na linha de 40 do time interceptado. Essa linha tem uma EP de +2.3. mas como o ataque perdeu a bola e a jogada foi para trás, sua EP será negativa (-2.3), o que significa que o EPA será de -4.1 (-2.3 – 1.8).

Assim, diferentemente do número cru de jardas em que o time avança em cada jogada, esta métrica é baseada em situação de jogo. Por exemplo, uma corrida de 5 jardas em 3a para 4 é mais valiosa (tem uma EPA positiva) do que numa situação de 3a para 15.

Já no lado defensivo da bola, a EPA é calculada como expectativa de pontos cedidos. Vamos a um exemplo prático:

1. O ataque começa o drive na sua linha de 25 jardas (EP +1.5). O quarterback completa um passe para um ganho de 15 jardas. A EPA ofensiva é de +1.0 (+1.5-0.5), como vimos acima. A EPA defensiva, por sua vez, foi de -1.0, já que a defesa cedeu 15 jardas;
2. 1a para 10 na linha de 40. O passe é incompleto. EPA ofensiva: -0.2 (+1.3-1.5); EPA defensiva: +0.2
3. 2a para 10 na linha de 40. O quarterback é sacado. Perda de 7 jardas. EPA ofensivo: -0.6; EPA defensivo: +0.6;

Percebe-se que a EPA defensiva corresponde à EPA ofensiva com o sinal (+ -) invertido, o que facilita bastante o cálculo.

O mesmo critério se aplica ao time de especialistas, usando-se a EPA defensiva para quem cede a posse da bola com um chute (punt ou kickoff), e a defensiva para quem recebe a bola.

Para os field goals, a regra é a mesma. Por exemplo, suponhamos que um time esteja em 4a para 5 na linha de 25 jardas do adversário (EP +2.5). O kicker acerta o chute, marcando 3 pontos; logo, a EPA da jogada é de +0.5 para o ataque (+3.0-2.5) e, respectivamente, -0.5 para a defesa. Se o kicker tivesse errado o chute, a EPA ofensiva seria -2.5, já que a EP seria a mesma (+2.5), mas a EPd foi de 0 (porque o ataque perdeu a bola).

Por que esta estatística é útil?

Porque o número bruto de jardas que um time conquista/cede num jogo não conta a estória toda, e pode levar a conclusões absolutamente imprecisas. Portanto, além da EPA servir para demonstrar objetivamente como foi a performance de um time, ela é bem útil na construção do game plan.

Obviamente, nenhum técnico vai pegar uma calculadora durante o jogo para calcular os Pontos Esperados Antes e Depois. Ao invés disso, uma equipe de analistas constrói modelos com antecedência — muitas vezes na forma de tabelas e planilhas — que estimam a provável EPA de diferentes escolhas de jogada (corrida vs. passe, arriscar a quarta descida vs. punt, etc.) para uma determinada descida (1a, 2a, 3a, ou 4a), distância (quantas jardas são necessárias para uma nova 1a descida), e posição em campo.

Assim sendo, durante os jogos, um técnico pode ter um assistente de análise buzinando em seu headset dizendo algo como: “Coach, o modelo favorece o passe aqui”, ou “4a para 3 no meio de campo: tente a conversão.”

EPA por Dropback

Esta métrica refere-se exclusivamente ao quarterback. Um dropback é qualquer jogada em que o quarterback recebe a bola com intenção de passá-la. Inclui, portanto, passes completos, incompletos, saques e scrambles (quando o quarterback corre de um lado para o outro para fugir dos defensores com sangue nos olhos para tentar derrubá-lo).

Assim, a EPA por dropback corresponde à média da expectativa de pontos que um quarterback tem cada vez que recebe a bola com a intenção de passá-la.

Para calcular esta métrica, novamente se analisam milhares de jogadas históricas (geralmente de 3 a 5 temporadas passadas), para se chegar num modelo de EP para cada situação de passe. Esse modelo não é calculado antes de cada jogo, e sim com antecedência. Ou seja, antes da temporada começar, os times já têm os modelos prontos, que podem ser atualizados de tempos em tempos (geralmente na offseason), com novos dados oriundos da temporada que acabou de terminar, refletindo, assim, a evolução dos ataques, defesas e times de especialistas na liga.

Vamos a um exemplo prático: suponhamos que um time comece seu drive na própria linha de 25 jardas, que tem uma EP de +0.5:

1. No primeiro dropback, o quarterback lança a bola e o time ganha 15 jardas. A EP da jogada inicial (1a para 10 na própria linha de 25 jardas) é de +0.5. Na linha de 40 jardas, a EP é de +1.5; logo, o EPA da jogada é de +1.0 (1.5-0.5);
2. Na próxima jogada, o quarterback é sacado na própria linha de 32 jardas (perda de 8 jardas, portanto), gerando uma situação de 2a para 18. O EPA da jogada inicial é de +1.5 e o EP de uma situação de 2a para 18 na própria linha de 32 é de +0.6. Logo, o EPA da jogada foi de -0.9 (0.6-1.5);
3. Em seguida, ocorre um passe incompleto. 3a para 18 na própria linha de 32 tem uma EP de +0.3; logo, a EPA da jogada é de -0.3 (0.3-0.6);
4. A seguir, o quarterback completa um passe de 13 jardas, colocando o time na linha de 45 jardas do adversário, que tem um EP de +2.0. Logo, o EPA da jogada é de +1.7 (2.0 – 0.3);
5. Finalmente, o quarterback é interceptado, e o adversário inicia sua jogada na linha de 45 do time interceptado, a qual tem uma EP de +1.5, mas como houve perda de posse, esta EP é negativa. Logo, a EPA da jogada é de -3.5 (-1.5-2.0)

Somando-se todos os EPAs, chega-se no número de -2.0 (1.00-0.9-0.3+1.7-3.5) o que, dividido pelas 5 descidas, resulta em -0.4. Ou seja, o quarterback teve um EPA de -0.4 por dropback, o que obviamente prejudicou o time neste drive de 5 descidas.

Claro que este exemplo é bem óbvio, e muito provavelmente não precisaríamos do EPA para saber que o quarterback foi bem mal nestas 5 jogadas. Mas muitas vezes não é tão evidente. Por exemplo: Brock Purdy teve 2 passes interceptados no jogo contra o Seattle Seahawks. “Lixo!” “Quarterback comum!” “Liga para o Joe Montana!” gritam os técnicos de poltrona nas redes sociais.

Contudo, seu EPA por dropback foi de +0.41, o que o coloca na 5a posição entre todos os quarterbacks que jogaram na primeira rodada (com exceção de Caleb Williams e J.J. McCarthy, que jogaram no Monday Night Football e os dados ainda não estavam disponíveis). Ou seja, Purdy jogou melhor que Josh Allen e Aaron Rodgers, acredite-se ou não. Ainda de acordo com esta métrica, o melhor quarterback da rodada foi Lamar Jackson (EPA de +0.69) e o pior, Tua Tagovailoa (-0.50).

Claro que, ao final da temporada, estes números provavelmente não serão tão altos. Os quarterbacks de elite (Mahomes, Josh Allen, Joe Burrow) normalmente terminam o ano numa faixa entre +0.20 e +0.30.

CPOE (Completion Percentage Over Expected)

Outra métrica exclusiva para quarterbacks. Refere-se a quantos passes um quarterback completa por tentativa. Aqui, como acontece na EPA por dropback, cria-se um modelo com antecedência, baseado em dados da Next Gen Stats, uma empresa que coleta dados sobre localização da bola, localização do recebedor, proximidade do defensor, etc.

Os seguintes fatores são levados em consideração:

1. Jardas aéreas;
2. Passes para a lateral vs. meio do campo;
3. Pressão;
4. Separação do recebedor;
5. Movimento do quarterback.

Por exemplo: Um quarterback lança um passe de 25 jardas em direção à lateral do campo, para um defensor bem marcado. O modelo diz que ele tem 25% de chance de completar o passe. Se ele completa o passe, ele é creditado com +0.75 acima da expectativa naquela jogada. Se o passe for incompleto, ele recebe -0.25.

Por que esta métrica é útil? Por vários motivos:

1. Novamente, o número cru de passes completos em um jogo pode ser bem enganoso. Um quarterback que só lança screen passes (passes horizontais para recebedores atrás da line of scrimmage), por exemplo, pode parecer super preciso, mas não é;
2. Separa a habilidade do quarterback com o desenho da jogada. Um quarterback com CPOE alto significa que ele está acertando passes onde outros geralmente erram;
3. É um ótimo complemento para o EPA por dropback, pois esse mede a eficiência (impacto no resultado do jogo), enquanto o CPOE mede o grau de precisão (execução x expectativa).