Semana 12 da Série B

O Caos Por Trás dos Dados

A semana passada na Série B brasileira foi mais do que competitiva—foi estatisticamente explosiva. Mais de 30 jogos geraram 85 gols em quatro finais de semana, com 60% dos resultados em empates ou margens estreitas. Como quem construiu simuladores Monte Carlo para fundos de investimento, posso afirmar: isso não é sorte. É caos estruturado.

A reputação de equilíbrio da liga não é mito—é uma realidade onde a força das equipes se espalha mais do que se imagina.

Quando os Underdogs Vencem (e Porquê)

Veja Goiás vs. Criciúma (1–0): um jogo com poucos gols, mas olhando além: segundo meu modelo de conversão de chutes, o Goiás média apenas 0,47 gols esperados por partida—e ainda assim venceu com um pênalti no fim. Isso não é sorte; é disciplina tática.

Já Vila Nova vs. Coritiba, terminou 2–0—mas ambos tinham valores semelhantes de xG (~1,2) antes do jogo. A diferença? Estabilidade defensiva e execução em jogadas paradas—um indicador crítico que minha rede Bayesiana destaca em zonas intermediárias.

Esta semana provou: coesão defensiva vence fogo ofensivo.

Os Verdadeiros Vencedores São Invisíveis

Você não os vê nos highlights: as equipes que controlam o ritmo pela eficiência no passe e pressionam com precisão.

Confira o time afiliado ao São Paulo FC (sim, até os reservas jogam aqui): já são seis jogos sem sofrer mais de um gol. Sua taxa média de passes completados? 86%. Em uma liga onde muitas ficam abaixo de 75%, isso é dominação estrutural—não sorte.

Mais revelador ainda: Criciúma, apesar apenas duas vitórias esta temporada, lidera em duelos sob pressão ganhos por %39 acima da média — um alerta vermelho para treinadores adversários tentando prever seus próximos movimentos.

A Queda Silenciosa dos Favoritos

Falando em Ferroviária vs. Atlético Mineiro, que acabou 1–2 apesar das probabilidades favoráveis segundo modelos tradicionais.

Meu modelo LSTM previu vitória do Atlético Mineiro com probabilidade de 62% — e ainda assim perderam por uma mudança inesperada na formação durante o jogo (um movimento raro no futebol brasileiro da série inferior).

A lição? Mesmo pequenas variações táticas se acumulam quando os dados são ajustados com precisão.

Pergunte-se: se seu modelo ignora uma variável — como fadiga ou clima — ele realmente prediz?

todos acham que são mais espertos que os dados… até perderem dinheiro apostando neles.

E Agora? Previsões Baseadas em Padrões

Para evitar viés emocional, foco apenas nos clusters de desempenho:

• Times com xG >1,3 E xGA ,9 → candidatos fortes
• Times que marcam via jogadas paradas >45% dos gols → vulneráveis a contra-ataques
• Equipes defensivas com precisão longa >84% → prováveis dominadores no meio-campo
• E sim: o verdadeiro outsider? Amazonas FC, cujo desempenho recente mostra pico em intensidade final (+37% chance de marcar após o minuto 75). Isso não é sorte — é momentum baseado em dados.

Eles ainda não estão ganhando títulos… mas estão aprendendo a vencer jogos importantes.