在足球比赛中，进球似乎是一个随机事件，我们可以设计一个简单的理想化模型（排除阴谋论以及假球论）。在双方球队客观实力均等的前提下，假定各方在一定时间内进球的概率是一定的，那么可以认为该条件下，双方的进球数符合类似于泊松分布这种无记忆模型。

泊松分布

泊松分布是法国数学家泊松在推广伯努利形势下的大数定律时，研究得出的一种概率分布，目前该模型广泛应用于各类企业中。表格中第一列表示四支球队的平均进球数，第二列表示各球队在比赛中无进球的概率，后几列同上。当场均进球值与期望值差距越大时，概率越小。但有一个不可忽略的事实——第一次的进球会使之后的进球变得容易，是模型总会存在“误差”，但该模型依然具有很高的参考价值。

​计算方法

泊松公式：P（X）=（M^X/X!)*e^(-M)；P (0) = e^(-M)

e为常实数2.718

M为球队场均进球数即表格中的第一列

X为期望进球值即表格中的第一行数值

X！为X的阶乘，如3！=3*2*1、n！=n*（n-1）*（n-2）*......*1

例：场均进球数为2的球队本场比赛进球数为1的概率为多少呢？

P（2）=（2^1/1!)*2.718^(-2)=27.1%

假设两支球队的进球互为独立事件，主队平均进球数1.6，客队平均进球数1.2，则通过上图表格是不是可以得到各种比分情况的概率：0:0的概率为20%*30%=6%，1:1概率为32%*36%=11.5% 

将所有平局的概率相加就得到平局概率为25%。同理主队获胜概率为48%，客队获胜概率为27%。亚盘上下盘的概率也可依此方法来计算，从而来规划投资比例。

在职业足球比赛中，一场比赛的得分数的平均值在2-3.5之间，2.8是个典型的平均值，排除0-0的情况，双方战成平局的概率为20%。平均进球值越低，第一个进球就显得愈发重要。

如果平均进球值为2，先进球一方获胜的概率为72%，失败的概率仅为8%。如果平均进球值为2.8，则先进球的一方获胜的概率为67%，输球的概率为13%。

2000年初英国有家报社对本地联赛800多场比赛的统计，在总进球数不为0的比赛中，先进球一方获胜的比赛占比重68.7%，平局占比20.8%，输球占比10.6%。不难发现计算结果与实际的统计数据符合的很好，泊松模型是20世纪彩票机构在确定赔率时的利用的计算模型之一，21世纪初这依然是不少彩票机构开赔的依据。

克里在其经济论著作中给出了最佳策略，选择一个适当的值K，使得游戏平均增长指数能达到最大值即K=丨p-（1-p）丨。

例如一场赛事上下盘打出概率分别为55%和45%，那么我们投注金额应占总资金的10%，此时资金平均增长率为0.008。这个策略可以保证你的平均资金增长率最大，当你选择更大或更小的K值，将导致平均资金增长率的下降。

值得注意的是，拥有出色风控能力的彩票机构给出的赔率和回报是利润最大化后的产物，而某些交易所的赔率则是购买者的行为自动生成。

某项数据打破一般常规的比赛，例如上半场无角球或1个角球，对于这种赛事，赛中网站不可能在短时间内将数据做到统一，通过对比数据和回报上的差异，投机者利用大资金的对冲稳定盈利金额的0.2%甚至百分之1之多。

该种对冲方式对即时性和资金量的要求较大，而且能筛选出的赛事少之又少。小编此前守在电脑前近5个小时，仅筛选到奥地利甲级联赛中的一场比赛，可惜的是经过计算，赔率方面还差0.2的点就可达到该要求。

本期干货你学到了吗？更多干货记得关注公众号【有料研选】