足球预测背后的泊松模型

为什么泊松适合足球

进球是稀疏、近似独立且均值稳定的事件——正是泊松分布描述的对象。给定一支球队的进球期望（比如 1.6），泊松给出它进 0、1、2、3…球的概率。Morley 1958 年对世界杯进球的分析以及此后的大量研究都表明拟合度足够好，这至今仍是比赛建模的标准起点。

从两支球队到比分矩阵

先估计双方进球期望——Footalytics 使用 Elo 式实力评分、近期状态和主场优势——然后对两队分别应用泊松并相乘：P(主队进 i) × P(客队进 j) 填充比分 i–j 的矩阵格。对格求和即得 1X2、大小球 2.5、BTTS 和准确比分概率——全部来自同一个自洽的对象。

Dixon-Coles 修正

原始泊松会低估低比分平局（0–0、1–1），并高估部分大比分，而且把很久以前的结果与上周同等看待。Dixon 与 Coles 1997 年的修正调整了低比分附近的联合分布，并对输入数据做时间加权。这是学术比赛建模的标准改进——也正是 Footalytics 使用的版本。

模型不知道什么

阵容、开球前一小时确认的伤停、天气、动机变化和换帅只会部分反映在评分里。模型是强先验，不是神谕——这就是为什么 AI 层可以在你提问时叠加最新背景，也为什么每条官方预测都要公开结算而不是盲信。

在真实比赛上验证

打开今日赛程并询问任意比赛：回答会展示概率、最可能比分和推理——正是本教程描述的那个分布，只是去掉了噪音。