足球联赛赛果模拟之模型使用教程

最近持续在平台发布足球比赛结果模拟的数据，并多次预测比赛比分及进球数。但还是有不少朋友不知道如何使用，今天发这篇文章和朋友们说明一下。

首先介绍一下模型原理。主要是根据各球队的历史数据来进行预测，利用泊松分布以及蒙特卡洛模拟原理来构建预测模型。

什么是泊松分布？

泊松分布是一种统计与概率学里常见到的离散概率分布。根据各个球队的历史数据，量化其进攻、防守实力，然后通过泊松分布呈现对阵球队打出各个比分的概率，以及总进球数的概率。

什么是蒙特卡洛模拟？

由美国数学家冯·诺伊曼（诶？这个人名字很熟啊，最近热播的三体当中有提及，计算机之父）和乌拉姆等发明的一种统计方法。

通过输入随机值，在计算机上模拟成千上万次，得出累计概率分布图，模拟次数越多越趋近于事件发生的真实概率。

在足球里面，说通俗点就是我利用蒙特卡洛模拟这个工具，结合球队的历史数据，让对阵的两支球队模拟踢一万场比赛，最终得出胜、平、负以及总进球的概率。

说完原理，大概讲一下使用方法。以2月4日的一场德甲比赛为例。

德甲第19轮，奥格斯堡VS勒沃库森，最终比分是1-0

双边进球：代表两队都进球的概率，本场预测的是双进63%，预测有偏差；

泊松比分概率：横向数字代表主队进球数，竖向数字代表客队进球数，结合起来就是比分概率，比如本场1-0,1-1打出来的概率都是11.6%，最终比分是1-0，成功预测。

泊松总进球：竖向0-5 代表本场比赛总进球数，后面的表示对应的总进球数概率；比如本场0球概率7%，1球概率18.6%；概率相加还能看出大小球概率，比如＜3球概率为0-2球概率之和，50.4%；

胜平负：根据蒙特卡洛10000次模拟结果，得出主胜、平局、客胜各能打出多少次。

蒙特卡洛总进球：看法类似泊松那个，中间一列是1万场中打出各个总进球的场次，比如全场总进球1球，1460次，概率14.6%

以上是模型结果的使用方法，当然，以上教程都是割裂开看的，实际使用中可以多个预测结果相结合，整体衡量。泊松和蒙特卡洛看哪个，可以长期保持关注，看哪个准确率更高。我也在不断完善模型当中。

另外，本模型是根据历史数据进行预测的，属于静态数据，历史状态的一个概率量化，实际比赛开始前，可以结合球队的战意、比赛密集度、阵容伤停情况以及体能等因素综合考虑。

特别声明：所有资讯或言论仅代表发布者个人意见，直播谷仅提供发布平台，信息内容请自行判断。