Sports Analytics hoạt động

Dự báo kết quả trận đấu

Match Prediction — Dự đoán kết quả

Đã chạy được. Mục này có công cụ tính toán thật trên nền tảng, không phải mô tả lộ trình.

Dự báo trận đấu bằng Poisson Ma trận tỷ số đầy đủ → 1X2, over/under, BTTS

Mô hình nền tảng của phân tích bóng đá định lượng: từ hai cường độ ghi bàn ra toàn bộ phân phối tỷ số.

Thắng nhà 48.96%
Hoà 24.89%
Thắng khách 26.15%
Tỷ số khả dĩ nhất 1–1 (11.83%)
Kết luận Đội nhà là cửa trên
① Tham số

1X2

Thắng nhàHoàThắng khách
1X2Thắng nhà: 48.96% (49.0%)Hoà: 24.89% (24.9%)Thắng khách: 26.15% (26.2%)1X2

Kèo công bằng tương ứng là 2.04 / 4.02 / 3.82. Nhà cái cộng thêm 3–7% biên vào đó, nên tỷ lệ họ treo luôn thấp hơn.

Diễn giải nhanh

Kết quả khả dĩ nhất: thắng nhà 49.0%

Chênh lệch λ chỉ +0.50 bàn nhưng đẩy xác suất lệch hẳn — vì kết quả là hàm bậc thang của số bàn, không phải hàm tuyến tính của cường độ ghi bàn.

Tỷ số khả dĩ nhất 1–1 chỉ chiếm 11.83%

Đó là lý do cược tỷ số chính xác gần như luôn thua về dài hạn: kể cả ô cao nhất của ma trận cũng là một sự kiện hiếm, trong khi biên nhà cái ở thị trường này thường rộng nhất.

Over 2.5 50.6% · cả hai đội ghi bàn 53.2%

Hai thị trường này ổn định hơn 1X2 vì chúng gộp nhiều ô của ma trận lại, nên sai số của từng λ bị trung hoà bớt.

Cắt ma trận ở 8 bàn bỏ sót 0.0048% xác suất

Phần bị cắt được chia lại theo tỷ lệ cho ba kết quả. Chừng nào còn dưới 0,1% thì nó không đổi được kết luận nào; nếu lớn hơn, hãy tăng số bàn tối đa.

Khi nào con số này sai: Poisson thuần đánh giá THẤP các tỷ số thấp 0–0 và 1–1 vì nó giả định hai đội ghi bàn độc lập. Hiệu chỉnh Dixon-Coles tồn tại chính vì lý do này — đừng dùng bản thuần để định giá kèo tỷ số chính xác.

Chi tiết

Kèo công bằng 1X2 2.04 / 4.02 / 3.82
Over 2.5 50.64%
Cả hai đội ghi bàn 53.24%
Tổng bàn kỳ vọng 2.70
Lưu ý Kèo công bằng chưa gồm biên nhà cái 3–7%

1X2

Thắng nhàHoàThắng khách
1X2Thắng nhà: 48.96% (49.0%)Hoà: 24.89% (24.9%)Thắng khách: 26.15% (26.2%)1X2

Kèo công bằng tương ứng là 2.04 / 4.02 / 3.82. Nhà cái cộng thêm 3–7% biên vào đó, nên tỷ lệ họ treo luôn thấp hơn.

Phân phối tổng số bàn cả trận

Phân phối tổng số bàn cả trận0.27440.18290.0914500: 6.72%1: 18.15%2: 24.50%3: 22.05%4: 14.88%5: 8.04%6: 3.62%7: 1.39%8: 0.47%9: 0.14%0123456789

Cộng dồn các đường chéo của ma trận tỷ số. Tổng bàn kỳ vọng 2.70, nhưng phân phối rộng: Over 2.5 chiếm 50.6%, và tổng bàn khả dĩ nhất (2 bàn) chiếm 24.5%.

Số bàn mỗi đội ghi được

đội nhàđội khách
Số bàn mỗi đội ghi được0.41740.27830.13915.551e-170 — đội khách: 33.29%0 — đội nhà: 20.19%1 — đội khách: 36.62%1 — đội nhà: 32.30%2 — đội khách: 20.14%2 — đội nhà: 25.84%3 — đội khách: 7.38%3 — đội nhà: 13.78%4 — đội khách: 2.03%4 — đội nhà: 5.51%5 — đội khách: 0.45%5 — đội nhà: 1.76%012345

Hai phân phối Poisson với λ = 1.6 và 1.1. Mô hình giả định chúng độc lập, và đó chính là giả định sai nhất trong cả công cụ này.

Ma trận tỷ số (xác suất %)

Nhà \ Khách012345
06.72%7.39%4.07%1.49%0.41%0.09%
110.75%11.83%6.51%2.39%0.66%0.14%
28.60%9.46%5.20%1.91%0.52%0.12%
34.59%5.05%2.78%1.02%0.28%0.06%
41.84%2.02%1.11%0.41%0.11%0.02%
50.59%0.65%0.36%0.13%0.04%0.01%

Toàn bộ chỉ số

Kèo công bằng 1X2 2.04 / 4.02 / 3.82
Over 2.5 50.64%
Cả hai đội ghi bàn 53.24%
Tổng bàn kỳ vọng 2.70
Lưu ý Kèo công bằng chưa gồm biên nhà cái 3–7%

Công thức đang dùng

P(i,j) = Pois(i;λ_nhà)·Pois(j;λ_khách)

Đây là công thức thật mà mã nguồn chạy, không phải mô tả gần đúng. API tại /api/v1/tools/poisson-match gọi đúng hàm này, nên kết quả trên trang và qua API không thể lệch nhau.

Cách dùng

  1. Điền tham số ở cột trái. Mọi ô đã có sẵn giá trị ví dụ chạy được, nên bạn có thể bấm Tính ngay trước rồi sửa sau.
  2. Đọc thẻ số ở trên cùng, rồi mục Diễn giải nhanh để biết con số đó nói gì.
  3. Đọc dòng “Khi nào con số này sai” trước khi dùng kết quả để quyết định — đó là giả định vỡ đầu tiên.
Giới hạn chung. Công cụ này tính đúng công thức của nó trên dữ liệu bạn đưa vào. Nó không kiểm tra dữ liệu của bạn có phù hợp với giả định của phương pháp hay không — phần đó vẫn là việc của người dùng, và mục “sai ở đâu” bên dưới trang liệt kê các chỗ hỏng thường gặp.

Dự báo kết quả trận đấu là gì

Dự báo kết quả trận đấu ước lượng phân phối xác suất trên các kết cục. Với bóng đá, mô hình nền tảng là Poisson: số bàn thắng mỗi đội xấp xỉ Poisson với cường độ phụ thuộc sức tấn công của đội này và sức phòng ngự của đội kia.

Làm thế nào

  1. Ước lượng chỉ số tấn công và phòng ngự cho từng đội, có hệ số sân nhà.
  2. Áp mô hình Poisson kép hoặc Dixon-Coles để hiệu chỉnh tỷ số thấp.
  3. Cập nhật chỉ số theo thời gian với trọng số giảm dần.
  4. Kiểm định bằng chỉ số dành cho dự báo xác suất, không bằng tỷ lệ đoán đúng.

Đo bằng chỉ số nào

Log loss / Brier score chất lượng dự báo xác suất
Calibration dự báo 60% có thắng đúng 60% số lần không
So với xác suất từ tỷ lệ kèo chuẩn so sánh khó vượt qua

Sai ở đâu

Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.

! Poisson thuần đánh giá thấp tỷ số 0-0 và 1-1; hiệu chỉnh Dixon-Coles tồn tại chính vì lý do đó.
! Mẫu nhỏ: một mùa giải chỉ có 38 trận mỗi đội, quá ít để ước lượng ổn định.

Mô hình định lượng dùng trong Sports

Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.

Tất cả mô hình →
Bayesian Inferencebeta

Cập nhật niềm tin khi có dữ liệu mới.

Câu hỏi thường gặp

Dự báo kết quả trận đấu là gì?

Dự báo kết quả trận đấu ước lượng phân phối xác suất trên các kết cục. Với bóng đá, mô hình nền tảng là Poisson: số bàn thắng mỗi đội xấp xỉ Poisson với cường độ phụ thuộc sức tấn công của đội này và sức phòng ngự của đội kia.

Dự báo kết quả trận đấu được làm như thế nào?

1. Ước lượng chỉ số tấn công và phòng ngự cho từng đội, có hệ số sân nhà. 2. Áp mô hình Poisson kép hoặc Dixon-Coles để hiệu chỉnh tỷ số thấp. 3. Cập nhật chỉ số theo thời gian với trọng số giảm dần. 4. Kiểm định bằng chỉ số dành cho dự báo xác suất, không bằng tỷ lệ đoán đúng.

Dự báo kết quả trận đấu hay sai ở đâu?

Poisson thuần đánh giá thấp tỷ số 0-0 và 1-1; hiệu chỉnh Dixon-Coles tồn tại chính vì lý do đó. Mẫu nhỏ: một mùa giải chỉ có 38 trận mỗi đội, quá ít để ước lượng ổn định.

Đo dự báo kết quả trận đấu bằng chỉ số nào?

Log loss / Brier score — chất lượng dự báo xác suất; Calibration — dự báo 60% có thắng đúng 60% số lần không; So với xác suất từ tỷ lệ kèo — chuẩn so sánh khó vượt qua.

Dự báo kết quả trận đấu trên QuantHub đã dùng được chưa?

Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.

Chủ đề khác trong Sports

Toàn bộ Sports
Player Rating Injury Prediction Team Analytics Betting Models Reports API Documentation