⚡ 数据足球 · 智能预测
泊松指数看足球
用泊松分布解码进球期望，让每一场比赛都有「数」可依。从英超到欧冠，洞察进球背后的数学逻辑。
📊 预期进球 (xG)
🧮 泊松分布
⚽ 赛果概率
用泊松分布解码进球期望，让每一场比赛都有「数」可依。从英超到欧冠，洞察进球背后的数学逻辑。
泊松分布是描述「固定时间内随机事件发生次数」的概率模型。在足球中，我们用泊松指数（即期望进球 λ）来量化球队的进攻与防守实力。
通过射门位置、角度等计算每次射门的进球概率，累计为球队xG，是泊松指数的重要数据源。
泊松分布直接计算胜/平/负概率，辅助判断盘口合理性，发现价值投注。
基于两队λ值求和，预测总进球数分布，判断超过2.5球的概率。
实时更新泊松指数，纳入伤病、红牌、赛程密度，让预测更灵敏。
| 维度 | 泊松指数 | 传统均数 |
|---|---|---|
| 概率分布 | 完整分布 (0,1,2…球) | 仅平均值 |
| 冷门捕捉 | ✅ 可计算小概率比分 | ❌ 无法量化 |
| 动态调整 | 易更新λ值 | 需大量样本 |
| 适用场景 | 单场/短期 | 长期趋势 |
泊松分布对进球数较低（场均2~3球）的联赛拟合较好，如英超、意甲。对于进球极少的联赛（如某些低级别）需调整参数，但核心框架依然有效。
简易方法：主队近6场场均进球 × 客队近6场场均失球 × 联赛主客场系数。更精确则使用xG数据或加权泊松回归。
可以给出每个比分的概率，但足球随机性大，最可能比分概率通常不超过15%。建议用于「概率区间」而非单场锁定。
泊松指数是许多智能预测模型的基础层，搭配机器学习、蒙特卡洛模拟可大幅提升预测深度。是足球数据分析的“第一原理”。
从收集每场xG数据开始（参考FBref、Understat），计算两队λ，再用泊松公式计算比分概率。Excel或Python均可实现。
假设进球独立且λ恒定，未考虑比赛进程、红牌、战术变化。可结合贝叶斯方法或动态λ弥补。
输入主客队预期进球 (λ)，立即了解最可能比分与概率区间。