📐
常用足球计算公式
⚖️ 赔率转概率
将欧洲赔率 (十进制) 转换为隐含概率：
概率 (%) = (1 / 赔率) × 100
例如：赔率 2.50 → 1/2.50 = 0.40 → 40% 隐含概率。
进阶： 去除庄家抽水 (Margin) 得到真实概率。
⚽ 进球率 (平均)
球队进攻/防守实力：
λ (预期进球) = 总进球 ÷ 总场次
主客场调整： 主队进球率 × 客队防守系数。
用于泊松分布模型预测比分。
🏆 Elo 评级系统
动态计算球队实力：
新Rating = 旧Rating + K × (实际结果 - 期望结果)
期望结果基于双方Rating差，K值调节敏感度。
广泛应用于国际足球排名。
📉 泊松分布 (比分预测)
预测特定进球数的概率：
P(X=k) = (λ^k × e^{-λ}) / k!
λ = 预期进球数，k = 实际进球数 (0,1,2...)。
可组合主客队λ值生成比分矩阵。
🔄 凯利公式 (仓位管理)
优化投注比例：
f* = (bp - q) / b
b = 赔率-1, p = 胜率, q = 1-p。
帮助控制风险，实现长期增长。
📊 进球期望 (xG)
基于射门位置与角度：
xG = Σ (每次射门得分概率)
通常使用逻辑回归或神经网络模型。
现代足球分析的核心指标。
📘
计算方法深度解析
赔率概率转换
所有博彩赔率都隐含概率。通过公式 1/赔率 可计算庄家概率，再剔除抽水 (Margin) 得到市场真实概率。例如：主胜2.10，平3.40，客胜3.80，总概率 ≈ 107.7%，抽水约7.7%。
进球率与泊松模型
根据主客队平均进球 (λ) 使用泊松分布计算各种比分概率。例如主队λ=1.8，客队λ=1.2，则1-1概率最高。同时可结合防守强度调整。
Elo 动态实力评级
初始Rating 1500，K值通常32。比赛后根据实际结果更新。若强队胜弱队，Rating变化小；反之变化大。反映球队近期状态。
凯利公式与仓位
凯利比例 f* = (bp - q)/b。例如胜率55%，赔率2.20，则f*≈14.5%。建议使用分数凯利 (如1/4) 降低波动。
❓
常见问题与解答
1. 赔率中的“抽水”如何计算？
抽水 = (1/主胜 + 1/平局 + 1/客胜 - 1) × 100%。例如赔率2.10/3.40/3.80，抽水≈7.7%。
2. 泊松分布预测比分准确吗？
泊松分布是基础模型，假设进球独立。实际中需考虑主客场、伤病、天气等因素。结合xG和防守系数可提高精度。
3. Elo评级中K值如何选择？
K值越大，Rating变化越剧烈。足球通常K=20~40。国际比赛常用K=30，联赛K=32。可根据比赛重要性调整。
4. 凯利公式适合所有投注吗？
凯利公式假设你知道真实概率。若概率估计偏差大，建议使用半凯利或更保守策略。切勿过度重注。
5. xG数据从哪里获取？
主流数据商如Opta、StatsBomb提供xG。也可基于射门位置自行建模，但需要大量历史事件数据。
6. 如何用公式计算“双方进球”概率？
分别计算主队进球≥1且客队进球≥1的概率。使用泊松分布：P(主>0)×P(客>0) = (1-P(0))×(1-P(0))。
🧰
快速参考表 & 小工具
赔率 ↔ 概率速查
1.50=66.7% · 2.00=50% · 3.00=33.3% · 5.00=20%
泊松比分概率示例
λ主=1.6 λ客=1.1 → 最可能比分 1-1 (12.3%) 2-1 (11.2%)