🧠 泊松分布 & 足球
模型解读
泊松分布是描述固定时间内随机事件发生次数的经典概率模型。在足球预测中，我们用 λ (lambda) 表示球队的预期进球数，通过历史进攻/防守数据独立估算主客队 λ，进而计算各种比分的概率。
📌 核心公式
P(X=k) = (λ^k · e^(-λ)) / k!
其中 k = 进球数 (0,1,2,3...)，λ 为预期进球
⚽ 独立预测
📈 数据驱动
🎯 比分概率
❓ 泊松分布 · 足球常见问题
FAQ
泊松分布适合预测所有足球比赛吗？
泊松分布假设进球相互独立且发生率恒定，对实力悬殊或极端战术的比赛偏差较大，但结合动态 λ 调整可提升参考价值。
如何确定 λ (预期进球) 的值？
通常参考球队近6场平均进球、主场/客场系数、对手防守强度，也可使用加权泊松回归模型更精确估算。
泊松模型与ELO、机器学习的区别？
泊松侧重事件计数概率，ELO基于等级分，机器学习可引入更多特征。三者可组合使用，泊松提供清晰的比分概率分布。
为什么实际比分常偏离泊松预测？
足球存在随机性、红牌、伤病、心理等变量。泊松提供“期望分布”，单场结果可能偏离，但长期遵循概率。
能否用泊松计算进球数大于2.5的概率？
可以。P(总进球>2.5) = 1 - [P(0)+P(1)+P(2)]，分别用主客λ计算独立进球概率再卷积，本工具内置该算法。