Available via license: CC BY-NC 4.0
Content may be subject to copyright.
Rev Bras Educ Fís Esporte, (São Paulo) 2017 Jan-Mar;31(1):33-39 • 33
Modelos de análise de scout no futebol
Introdução
Modelos de análise de scout no futebol
(baseado na temporada 2013/2014 da Liga dos Campeões)
Rafael SONCIN*
Juliana PENNONE*
João Pedro PINHO*
Maraiza Campos DINIZ**
João Gustavo CLAUDINO*
Alberto Carlos AMADIO*
Júlio Cerca SERRÃO*
Bruno MEZÊNCIO*
*Escola de Educação
Física e Esporte,
Universidade de São
Paulo, São Paulo. SP,
Brasil.
**Faculdade Pitágoras,
Betim, MG, Brasil.
O futebol é uma das modalidades esportivas mais
praticada e mais assistida no mundo1. O investimento
nanceiro feito pelos times de futebol atingem quantias
impressionantes fazendo das competições nacionais
e internacionais a maior fonte de recursos. Tais
condições fazem com que a elegância do espetáculo e
o desempenho dos atletas atinjam enorme visibilidade,
criando a expectativa de que cada evento seja perfeito2.
A demanda pelo elevado desempenho dos atletas,
imposta pelos investidores e nanciadores, faz da
preparação técnica e tática do time algo indispensável2.
As primeiras posições em competições nacionais
e internacionais de futebol são apenas para alguns
times. Essa alta competitividade determina a notável
supremacia desse esporte.
Uma das preparações mais usadas para as partidas
contra os adversários é a observação de jogos desses
oponentes. Esse método permite analisar as ações
mais comuns do oponente, bem como suas próprias
ações, produzindo informações para ajudar na
programação do processo de treino3.
A análise de scout é um dos principais instrumentos
utilizados para entender essa modalidade. Usada
também em outros esportes, essa é uma ferramenta que
permite avanços tecnológicos devido sua importância
e aplicabilidade em inúmeros esportes4. O scout
fornece inúmeras informações como o número total
de nalizações ao gol, saldo de gols, faltas sofridas
e cometidas, passes certos e errados, entre outros
elementos técnicos que são acessados mediante a
http://dx.doi.org/10.11606/1807-5509201700010033
Resumo
Conquistar as primeiras posições em competições de futebol é apenas para alguns times. Assim, um
melhor entendimento do jogo se torna crucial mediante essa competitividade. O objetivo do presente
estudo foi determinar variáveis de scout que melhor descrevem as características técnicas e táticas
dos times que participaram de Liga dos Campeões na temporada 2013/2014. Todos os jogos acessíveis
das fases de classifi cação e das fi nais da Liga dos Campeões da UEFA (32 times e 126 partidas) foram
analisados usando o scout dos dados disponíveis para domínio publico. As variáveis analisadas foram
gols marcados, saldo de gols, fi nalizações totais, fi nalizações a gol, desarmes, escanteios, tiros de meta,
passes certos, passes errados, número de faltas cometidas e posse de bola. As variáveis mais relevantes
para descrever uma partida, apontadas pela analise de regressão múltipla foram as fi nalizações totais
(r²=0.815), posse de bola (r²=0.748), passes certos (r²=0.742) e gols marcados (r²=0.699). O presente
estudo foi capaz de mostrar como as informações obtidas pelo scout podem ser agrupadas para fácil
aplicação pelos treinadores.
PALAVRAS-CHAVE: Estatística; Futebol; UEFA; Competições.
34 • Rev Bras Educ Fís Esporte, (São Paulo) 2017 Jan-Mar;31(1):33-39
Soncin R, et al.
necessidade da comissão técnica. R F
e O J5 destacam que mesmo com
uma grande complexidade de ações e inúmeras
variáveis aleatórias o futebol pode apresentar alguma
regularidade. Essa regularidade, em termos, permite o
treinador escolher um padrão de jogo.
A diversidade de estratégias e o elevado número
de ações imprevisíveis no futebol fazem com que as
variáveis mais importantes a serem analisadas ainda
sejam desconhecidas. Ser capaz de reconhecer essas
variáveis permitiria os técnicos entender as ações
que podem levar ao sucesso ou ao insucesso em uma
partida6. Estudos prévios buscaram modelar o jogo
de futebol com o objetivo de predizer variáveis menos
complexas para explicar o jogo usando diferentes
técnicas de redução de dimensionalidade como a análise
de componente principal7, regressão logística8-9, analise
discriminante10-12 e teste de comparações de médias13.
Método
Uma hipótese para o uso dessas técnicas é que as
variáveis do scout podem determinar o vencedor ou o
perdedor. Considerando a complexidade do jogo, essa
hipótese parece muito otimista, uma vez que a mesma
desconsidera a in uencia das variáveis do scout uma
sobre a outra.
Outra forma de diminuir a dimensão dos dados
do scout no futebol é realizar uma análise de regressão
múltipla. Esse método possibilita estabelecer relações
quantitativas entre variáveis. Nesse sentido, é possível
descrever características técnicas e táticas com um
número reduzido de variáveis do scout podendo
determinar como essas variáveis interagem entre si sem
a necessidade de associa-las com a vitória ou a derrota.
Assim, o objetivo do presente estudo é determinar
as variáveis do scout no futebol que melhor descrevem
as características dos times que participaram da Liga
dos Campeões da UEFA na temporada 2013/2014.
O presente estudo faz uma análise descritiva
dos dados quantitativos do scout de toda
temporada 2013/2014 da Liga dos Campeões
TABELA 1 - Descrição das variáveis do scout.
Gols Marcados (GM) Total de gols marcados;
Saldo de gols (SG) Diferença entre gols marcados e sofridos;
Finalizacões Totais (FT) Total de nalizações; no gol e fora;
Finalizações a Gol (FG) Total de nalizações no gol;
Desarmes (DE) Número de ações de recuperação da posse de bola do oponente que tinha a posse
da mesma;
Escanteios (ES) Número de escanteios cobrados;
Tiro de Meta (TM) Número de vezes que o time realizou o tiro de metas;
Passes certos (PC) Número de passes intencionais certos entre dois companheiros de time;
Passes Errados (PE) Número de passes intencionais, mas errados, entre dois companheiros de time;
Faltas cometidas (FC) Número de infrações cometidas apontadas pelo juiz;
Posse de bola (PB) Tempo em que um time cou com a posse da bola sem clara interrupção do adversá-
rio; expresso em função do tempo total que a bola cou em jogo.
Dados de domínio público foram obtidos no
site o cial da Liga dos Campeões da UEFA14 e no
FootStats15. A análise de regressão múltipla de melhor
subconjunto foi empregada para veri car a relação entre
todas as variáveis. Na sequência todas as variáveis, uma a
uma, foram usadas como variável dependente enquanto
as demais como variáveis independentes, cada variável
independente n associada a variável dependente foram
calculadas pelo modelo parcial n*(n-1)! com ordem
de 1 até n. O melhor modelo parcial para cada ordem
entre as variáveis foi usado para compor a analise dos
resultados com o modelo parcial n, e foi aceito o
da Europa. Onze variáveis de 32 times em 126
partidas (quantificando a fase de classificação e
as finais) foram analisadas (TABELA 1).
Rev Bras Educ Fís Esporte, (São Paulo) 2017 Jan-Mar;31(1):33-39 • 35
Modelos de análise de scout no futebol
A equação de regressão para nalizações totais
(Eq. 1) foi signi cantemente in uenciada pelos
Resultados
gols marcados, nalizações a gol, escanteios, faltas
cometidas, passes certos e posse de bola; apresentando
Coeficiente: valor do
coefi ciente das variáveis;
Erro: 95% de erro
associado ao coefi ciente
das variáveis;
T: valor de T do teste t
de student;
p: valor de probabilidade.
Resultados da análise de regressão múltipla de melhor subconjunto.TABELA 2 -
Variável Coe ciente Erro padrão t p
Finalizações
totais(r²=0.815)
Constante 1.087 1.043 1.043 0.298
Gols marcados -0.344 0.136 -2.529 0.012
Finalizações no gol 1.214 0.060 20.205 < 0.001
Escanteios 0.265 0.062 4.267 < 0.001
Faltas cometidas -0.090 0.037 -2.420 0.016
Passes certos -0.006 0.002 -2.844 0.005
Posse de bola 0.108 0.030 3.586 < 0.001
Posse de bola
(r²=0.748)
Constante 14.297 2.900 4.931 < 0.001
Gols marcados -0.772 0.375 -2.056 0.041
Saldo de gols 0.644 0.227 2.834 0.005
Finalizações totais 0.380 0.063 5.993 < 0.001
Desarmes -0.113 0.054 -2.102 0.037
Faltas cometidas 0.216 0.074 2.931 0.004
Passes certos 0.052 0.003 19.946 < 0.001
Passes errados 0.057 0.014 4.036 < 0.001
Passes corretos
(r²=0.742)
Constante 78.513 40.588 1.934 0.054
Finalizações corretas -5.291 1.763 -3.002 0.003
Finalizações a gol 7.239 2.616 2.768 0.006
Faltas cometidas -5.720 1.061 -5.393 < 0.001
Passes errados -0.930 0.205 -4.540 < 0.001
Posse de bola 11.689 0.575 20.326 < 0.001
Gols marcados
(r²=0.699)
Constante 2.182 0.367 5.949 < 0.001
Saldo de gols 0.413 0.025 16.605 < 0.001
Finalizações totais -0.053 0.020 -2.658 0.008
Finalizações a gol 0.158 0.030 5.341 < 0.001
Escanteios -0.052 0.020 -2.596 0.010
Faltas cometidas -0.023 0.011 -1.987 0.048
Passes errados -0.005 0.002 -2.092 0.037
Finalizações totais (FT), posse de bola
(PB), passes certos (PC) e os gols marcados
(GM) se apresentaram significantes pelo
modelo de regressão (p < 0.05). Os resultados
da análise de regressão são apresentados na
TABELA 2.
qual apresentou a maior quantidade de variáveis as
quais todas apresentaram signi cância estatística. De
acordo com esses critérios, apenas as variáveis que
foram in uenciadas por mais de três outras variáveis
foram reportadas. Um nível de signi cância de 5%
foi adotado. Todos os procedimentos estatísticos
foram realizados no SigmaStat (versão 3.5)
36 • Rev Bras Educ Fís Esporte, (São Paulo) 2017 Jan-Mar;31(1):33-39
Soncin R, et al.
O objetivo do presente estudo foi identi car
variáveis de scout que melhor descrevem as
características técnicas e táticas dos times da Liga
dos Campeões da Europa na temporada 2013/2014.
Finalizações totais, posse de bola, passes certos e gols
marcados foram apontados como as variáveis chave.
As nalizações totais, soma das nalizações a gol
e fora do gol, apresentou uma relação direta com
nalizações a gol, posse de bola e escanteios; e uma
relação inversa com passes certos, faltas cometidas e
gols marcados. Maior posse de bola possibilita mais
ações ofensivas e maior número de nalizações. A
relação diretamente proporcional entre escanteios
e nalizações totais parece ser devido ao fato de
que em situações de escanteio há maior número de
atletas próximos ao gol, aumentando a possibilidade
de nalizações.
H e F16 encontraram que a maior
quantidade de finalizações acontece depois de
pouca troca de passes, já que uma relação inversa foi
encontrada entre essas variáveis no modelo utilizado.
No presente trabalho, quando o número de passes
trocados antes da nalização foi normalizado pela
quantidade de passes, quanto mais passes dados,
mais nalizações ocorriam, assim, manter a posse de
bola produz mais nalizações a gol, de acordo com a
relação que essas variáveis apresentaram no modelo.
P17 demonstrou que o time com maior
quantidade de nalizações ganhou 51,61% dos jogos.
Da mesma forma, times que tiveram maior número de
nalizações a gol venceram 45.16% dos jogos. Segundo
T e S18, baseado na Copa do Mundo da
Discussão
FIFA de 2010, os times vitoriosos foram aqueles com
maior número de nalizações. A et al.19 também
encontraram que na primeira liga de futebol da Grécia
os times que caram nos primeiros lugares tinham
maior numero de nalizações que os últimos colocados,
e S20, depois de examinar a copa do mundo de
2002, mostrou resultados similares e concluíram que
times nalistas tiveram mais nalizações do eu os times
que não chegaram as nas.
L-P et al.12 analisaram as temporadas 2007-
2008, 2008-2009, 2009-2010 da Liga dos Campeões
da Europa e os resultados mostram que os times
vencedores tinham signi cantemente maiores medias
de nalizações totais, nalizações a gol, efetividade,
passes totais, passes certos e posse de bola. Os times que
menos venceram jogos tinham signi cantemente maior
quantidade de cartões amarelos e vermelhos.
A temporada 2008-2009 da liga profissional
masculina de futebol da Espanha mostrou que os times
vencedores tinham maiores medias de nalizações
totais, finalizações a gol, efetividade, assistências,
impedimentos cometidos e escanteios sofridos,
enquanto que os times que menos venceram jogos
tinham maiores médias de escanteio, impedimentos
recebidos e cartões amarelos11.
C et al.10 identificaram que o total
de chutes, os chutes a gol e a posse de bola
são as variáveis que mais diferenciam os times
vencedores dos perdedores.
A posse de bola foi identi cada como tendo uma
relação positiva com o saldo de gols, nalizações totais,
faltas cometidas, passes certos e passes errados; e uma
um alto coe ciente de determinação (r2=0.815).
FT = 1.087 - 0.344GM + 1.214FG + 0.265ES – 0.090FC
– 0.006PC + 0.108PB Eq.1
A equação de regressão para posse de bola (Eq. 2) foi
signi cantemente in uenciada pelos gols totais, saldo
de gols, nalizações totais, desarmes, faltas cometidas,
passes certos e passes errados; apresentando um alto
coe ciente de determinação (r2=0.748).
PB = 14,297 – 0,772GM + 0,644SG + 0,380FT –
0,113DE + 0,216FC + 0,052PC + 0,057PE Eq.2
A equação de regressão para passes certos (Eq. 3)
foi signi cantemente in uenciada pelas nalizações
totais, nalizações a gol, faltas cometidas, passes errados
e posse de bola; apresentando um alto coe ciente de
determinação (r2=0.742).
PC = 78,513 – 5,291FT + 7,239FG – 5,720FC –
0,930PE + 11,689PB Eq.3
A equação de regressão para gols marcados (Eq. 4)
foi signi cantemente in uenciada pelo saldo de gols,
nalizações totais, nalizações a gol, escanteios, faltas
cometidas e passes errados; apresentando um alto
coe ciente de determinação (r2=0.699).
GM = 2,182 + 0,413SG – 0,053FT + 0,158FG –
0,052ES – 0,023FC – 0,005PE Eq.4
Rev Bras Educ Fís Esporte, (São Paulo) 2017 Jan-Mar;31(1):33-39 • 37
Modelos de análise de scout no futebol
relação negativa com o número de desarmes e gols
marcados. Quando um time está à frente no placar,
buscar mais gols é mais cuidadosamente planejado, o
que aumenta a posse de bola. Além disso, mais passes
realizados corretamente aumentam a posse de bola.
H e F16 notaram que com ações ofensivas
mais rápidas (i.e. quando a posse de bola não é o objetivo
principal) resultavam em maior número de nalizações
a gol. L et al.21 identi caram que existia um efeito
positivo dos chutes resultantes de contra-ataques na
probabilidade de vitória. Esses resultados concordam
com achados prévios da liga de futebol norueguesa8-9
e da liga de futebol pro ssional da Espanha22, o que
sugere que contra-ataques são mais efetivos em resultar
em gols. Esses dados podem explicar a relação inversa
entre a posse de bola e o número de gols marcados
no presente estudo. J et al.23 encontraram que
as primeiras colocações na temporada 2001-2002 da
primeira liga inglesa foram alcançados por times com
maior posse de bola.
Passes certos apresentou relação positiva com
nalizações a gol e posse de bola; e uma relação
negativa com nalizações totais, faltas cometidas
e passes errados. Times com maior número de
vitórias apresentaram maior número de passes certos,
nalizações a gol e posse de bola quando comparado
com times que menos venceram11,19,21.
Os passes certos são afetados pelo número de
nalizações totais, provavelmente, devido à elevada
precisão dos times. Da mesma forma, uma menor
precisão poderia resultar em um aumento no número
de nalizações totais, explicando sua relação inversa
com essa variável. Segundo L24, os passes
representam 80% das ações em uma partida e a
qualidade no passe garante a posse de bola. No mesmo
sentido, S J3 sugere que os passes são essências
na obtenção de resultados positivos em uma partida
uma vez que bons passes podem favorecer mais ações
ofensivas e opções táticas. Em times com menor nível
técnico o número de passes errados é maior, e como
esperado, afeta negativamente o número de passes
certos. Assim, S J3 apontam que a de ciência
nessas técnicas afeta as ações ofensivas devido a uma
menor posse de bola.
O número de gols marcados apresentou uma relação
positiva com o saldo de gols e com o número de
nalizações a gol; e uma relação negativa com o número
de nalizações totais, escanteios, passes errados e faltas
cometidas. O número de nalizações totais mostrou
uma relação inversa com o saldo de gols enquanto que
o numero de nalizações a gol mostrou uma relação
positiva. Em outras palavras, nalizações precisas são
mais importantes que o total de nalizações, uma vez
que esta relacionado com maior saldo de gols, como
descrito por Y et al.13.
A equação 3 mostrou que menos passes errados
resulta em mais passes certos. Assim, uma maior
e ciência no passe aumenta a possibilidade de um
maior número de nalizações no gol, o que pode
aumentar os gols marcados. Corroborando com esses
resultados, S J3 mostraram que passes certos
que resultaram em gols são cruciais para aumentar o
saldo de gols; e que o numero de nalizações totais não
é determinante para a quantidade de gols marcados.
A equação 1 mostrou que jogadas que iniciam
de escanteios favorecem um aumento no número
de finalizações totais, entretanto, a equação 4
mostrou uma relação inversa entre escanteios e gols
marcados. Assim, o numero elevado de nalizações
originadas de escanteio não resultaram em gol.
Essa ine ciência pode ser explicada pelo tempo
que a bola ca parada na cobrança, permitindo
que a defesa se posicione, reduzindo a chance de
gol. Assim, R F e O J5
mostraram que 31% dos gols marcados em 2004
na Eurocopa foram resultados de bolas paradas (e
apenas 10% desses gols resultaram de escanteios).
O presente estudo apresentou uma relação negativa
entre faltas cometidas e gols marcados. H e
F25 encontraram que na Copa do Mundo de
1990 41% dos gols foram marcados a partir de jogadas
de bola parada. Assim, cometer faltas parece ser uma
estratégia negativa que não se relaciona com marcar gols,
aumentando a vulnerabilidade para levar gols.
Uma limitação do presente estudo poderia ser a
fonte dos dados (i.e domínio público), contudo isso é
uma fonte importante de informações para os técnicos.
Assim, a possibilidade de vieses do presente estudo se
assemelha com os vieses encontrados pelos técnicos que
usam essas plataformas de dados.
A partir do presente estudo se conclui que o número
de nalizações totais, a posse de bola e os gols marcados
são as variáveis que melhor descrevem a relação entre
a diferença das variáveis de scout da temporada 2013-
2014 da Liga dos Campeões da Europa. Além disso,
nalizações a gol parecem ser ainda mais determinantes
para o sucesso em uma partida do que o número de
nalizações totais. Também é possível a rmar que
jogadas iniciadas de escanteio não são boas estratégias
de gol. Ainda é possível concluir que a precisão nos
passe diminui a posse de bola dos adversários. Por m
o presente estudo mostrou que informações de scout
podem ser agrupadas para facilitar a utilização das
mesmas pelos técnicos.
38 • Rev Bras Educ Fís Esporte, (São Paulo) 2017 Jan-Mar;31(1):33-39
Soncin R, et al.
Referências
1. Vendite C, Vendite LL, Moraes AC. Scout no futebol: uma ferramenta para a imprensa esportiva. XXVIII Congresso
Brasileiro de Ciências da Comunicação. Rio de Janeiro: UERJ; 2005. p.1.
2. Bottaro LEV. Análise de scout em partidas de futebol: nalizações da equipe do Cruzeiro Esporte Clube nos jogos da
fase de grupos da Taça Libertadores da América do ano de 2009 [monogra a]. Belo Horizonte (MG): Universidade
Federal de Minas Gerais, Escola de Educação Física, Fisioterapia e Terapia Ocupacional; 2009.
3. Silva Júnior MSL. Estudo descritivo sobre o desempenho do passe da Seleção Brasileira de futebol na Copa das Con-
federações de futebol 2009 [monogra a]. Belo Horizonte (MG): Universidade Federal de Minas Gerais, Escola de
Educação Física, Fisioterapia e Terapia Ocupacional; 2009.
4. França Neto CP. Análise do scout em partidas de futebol: fundamentos técnicos individuais da equipe pro ssional de
futebol do Cruzeiro esporte clube no primeiro turno do campeonato brasileiro de 2010 [monogra a]. Belo Horizonte
(MG): Universidade Federal de Minas Gerais, Escola de Educação Física, Fisioterapia e Terapia Ocupacional; 2009.
5. Ramos Filho LAO, Oliveira Junior MH. Futebol: classi cação e análise dos gols da Eurocopa 2004. Rev Bras Futebol.
2008;1:42-8.
6. Marques AT. Bases para a estruturação de um modelo de detecção de talentos desportivos em Portugal. Rev Espaço.
1993;1:47-55.
7. Moura FA, Martins LEB, Cunha AS. Analysis of football game-related statistics using multivariate techniques. J Sports
Sci. 2014;32:1881-7.
8. Tenga A, Holme I, Ronglan, L, Bahr, R. E ect of playing tactics on achieving score-box possessions in a random series
of team possessions from Norwegian professional soccer matches. J Sports Sci. 2010;28:245-55.
9. Tenga A, Ronglan L, Bahr R. Measuring the e ectiveness of o ensive match-play in professional soccer. Euro J Sport
Sci. 2010;10:269-77.
10. Castellano J, Casamichana D, Lago C. e use of match statistics that discriminate between successful and unsuccessful
soccer teams. J Hum Kinet. 2012;31:139-47.
11. Lago-Peñas C, Lago-Ballesteros J, Dellal A, Gómez M. Game-related statistics that discriminated winning, drawing
and losing teams from the Spanish soccer league. J Sports Sci Med. 2010:9:288-93.
12. Lago-Peñas C, Lago-Ballesteros J, Rey E. Di erences in performance indicators between winning and losing teams in
the UEFA Champions League. J Hum Kinet. 2011;27:135-46.
13. Yue Z, Broich H, Mester J. Statistical analysis for the soccer matches of the rst Bundesliga. Int J Sports Sci Coach.
2014;9:553-60.
14. UEFA Champions League [internet homepage]. Season 2014 [cited 2015 Sept. 28]. Available from: http://www.uefa.
com/uefachampionsleague/season=2014.
Abstract
Football scout analysis models (based in the 2013/2014 Champions League)
First places in major football competitions are no longer a few teams’ achievement. A better understanding
of the game becomes crucial with this highly competitive background. Our purpose was to determine
scout variables that best describe the technical and tactical characteristics of the 2013/2014 Champions
League’s participating teams. All UEFA Champions League’s qualifying phases and play-offs matches (32
teams in 126 matches) were analyzed using scout public domain data. The analyzed variables were goals
scored, goals difference, total attempts, attempts on target, disarms, corners, offside, passes completed,
passes uncompleted, fouls committed and ball possession. A best subsets multiple regression analysis reveal
that total attempts (r²=0.815), ball possession (r²=0.748), passes completed (r²=0.742) and scored goals
(r²=0.699) are the most relevant variables to describe the match. The present study was able to show how
scout information can be reduced to the coach easily application. Statistics, Soccer, UEFA, Competitions
KEYWORDS: Statistics; Soccer; UEFA; Competitions.
Rev Bras Educ Fís Esporte, (São Paulo) 2017 Jan-Mar;31(1):33-39 • 39
Modelos de análise de scout no futebol
ENDEREÇO
Juliana Pennone
Laboratório de Biomecânica
Escola de Educação Física e Esporte - USP
Av. Prof. Mello Moraes, 65
05508-030 - São Paulo - SP - BRASIL
e-mail: juliana.pennone@usp.br
Recebido para publicação: 15/04/2015
1a. Revisão: 18/06/2015
2a. Revisão: 30/09/2015
Aceito: 09/10/2015
15. Footstat [internet homepage]. UEFA Champions League 2014 [cited 2015 Sept. 28]. Available from: www.footstats.net.
16. Hughes M, Franks IM. Analysis of passing sequences, shots and goals in soccer. J Sports Sci. 2005;23:509-14.
17. Perin DEB. Análises das nalizações e posse de bola em relação ao resultado do jogo de futebol [monogra a]. Porto
Alegre (RS): Universidade Federal do Rio Grande do Sul, Escola de Educação Física; 2012.
18. Tempone GMT, Silva CD. Análise de indicadores quantitativos de vitórias e derrotas na Copa do Mundo FIFA 2010.
Rev Bras Futebol. 2012;5:42-6.
19. Armatas V, Yannakos A, Zaggelidis G, Skoufas D, Papadopoulou S, Fragkos N. Di erences in o ensive actions between
top and last teams in Greek rst soccer division. J Phys Educ Sport. 2009;23:1-5.
20. Szwarc A. E ectiveness of Brazilian and German teams and the teams defeated by them during the 17th Fifa World
Cup. Kinesiology, 2004;36:83-9.
21. Liu H, Gomez MA, Lago-Peñas C, Sampaio J. Match statistics related to winning in the group stage of 2014 Brazil
FIFA World Cup. J Sports Sci . 2015;33:1205-13.
22. Lago-Ballesteros J, Lago-Peñas C, Rey E. e e ect of playing tactics and situational variables on achieving scorebox
possessions in a professional soccer team. J Sports Sci. 2012;30:1455-61.
23. Jones PD, James N, Mellalieu SD. Possesion as a performance indicator in soccer. Int J Perf Anal Sport. 2004;4:98-102.
24. Leitão RAA. Futebol: análise qualitativas e quantitativas para veri cação e modulação de padrões e sistemas complexos
de jogo [dissertação]. Universidade Estadual de Campinas, Escola de Educação Física; 2004.
25. Hughes M, Franks IM. Notational analysis of sport. 2nd edition. New York: Routledge; 2004.
