Модель Пуассона в футболе: математический прогноз счёта

Зачем нужна модель Пуассона в футбольной аналитике

Футбол фундаментально отличается от большинства командных видов спорта низкой результативностью. В баскетболе или гандболе команды совершают десятки результативных действий за встречу, поэтому случайность в итоговом результате сглаживается законом больших чисел. В футболе же два-три забитых мяча за девяносто минут — типичная норма, а исход встречи часто зависит от редких, труднопредсказуемых эпизодов.

По этой причине интуитивный прогноз счёта часто оказывается неэффективным: болельщики и аналитики склонны переоценивать текущую форму клубов или яркие недавние победы. Чтобы снизить влияние субъективных факторов, спортивная аналитика опирается на вероятностное распределение Пуассона. Этот математический аппарат позволяет преобразовать абстрактные показатели игровой силы команд в конкретную сетку вероятностей каждого возможного результата матча.

Математическая основа: как устроено распределение

Распределение Пуассона описывает вероятность того, что определенное число событий произойдет за фиксированный интервал времени, если эти события происходят с известной средней интенсивностью и независимо от времени, прошедшего с момента предыдущего события.

Для применения этой формулы к футбольному матчу принимаются два базовых допущения:

• Забитый мяч может случиться в любой момент 90-минутного интервала с относительно постоянной средней частотой.
• События независимы: вероятность забить гол на 60-й минуте формально не должна зависеть от того, был ли забит мяч на 15-й минуте.

Математически вероятность увидеть ровно k голов вычисляется через параметр лямбда, который отражает математическое ожидание забитых мячей команды. Зная этот параметр, аналитик может рассчитать вероятность нулевого количества голов, одного, двух, трех и так далее, используя стандартную экспоненциальную функцию.

Как рассчитывать ожидаемое количество голов

Ключевая задача исследователя — корректно определить индивидуальные параметры результативности для каждого из соперников. Нельзя просто взять среднее количество забитых мячей за сезон, так как результативность зависит от уровня оппозиции и фактора своего поля.

Обычно расчет строится в несколько этапов:

• Вычисление средней результативности лиги: сколько в среднем забивают хозяева и сколько гости за матч в рамках конкретного турнира.
• Оценка атакующей силы хозяев: среднее число забитых командой мячей на своем поле делится на средний показатель голов хозяев по всей лиге. Значение выше единицы указывает на атакующий потенциал выше среднего.
• Оценка оборонительной уязвимости гостей: среднее число пропущенных гостями мячей на выезде делится на среднее число голов, пропускаемых гостевыми командами лиги.
• Определение параметра интенсивности: атакующая сила хозяев перемножается с оборонительной слабостью гостей и базовой результативностью хозяев по чемпионату.

Аналогичный цикл вычислений проводится для определения атакующего потенциала гостевой команды и защитных показателей хозяев. На выходе аналитик получает два независимых значения: ожидаемое число голов первой команды и ожидаемое число голов второй команды.

Построение матрицы вероятностей и прогноз счёта

После того как найдены ожидаемые значения голов для обоих клубов, рассчитываются вероятности каждого количества забитых мячей от нуля до разумного предела (обычно до пяти-шести голов). Поскольку события на первом этапе моделирования считаются независимыми, вероятность конкретного точного счёта равна произведению вероятности соответствующего числа голов хозяев на вероятность числа голов гостей.

Результатом вычислений становится таблица (матрица счетов). Пересечение строки с голами хозяев и столбца с голами гостей дает расчетную вероятность именно такого исхода. Например, перемножив вероятность того, что хозяева забьют один мяч, на вероятность того, что гости не забьют вовсе, аналитик получает оценку вероятности счёта 1:0.

Суммируя ячейки матрицы, можно получить не только прогноз счёта, но и производные оценки:

• Вероятность победы хозяев (сумма всех ячеек, где число голов хозяев строго больше числа голов гостей).
• Вероятность ничейного исхода (сумма диагональных ячеек: 0:0, 1:1, 2:2 и так далее).
• Вероятность победы гостей.
• Вероятность преодоления определенного общего порога результативности.

Пример расчета для условного матча

Представим условную встречу чемпионата, где базовая результативность домашней команды оценивается значением 1.6 гола, а гостевой — 1.1 гола. Применяя формулу Пуассона, получаем ориентировочный профиль распределения.

Для хозяев поля вероятности распределяются следующим образом: около 20% на то, что команда уйдет с поля без голов; примерно 32% на ровно один мяч; около 26% на два мяча и порядка 14% на три мяча. Для гостей вероятность не забить составляет около 33%, забить ровно один гол — около 37%, забить два гола — порядка 20%.

Перемножая эти вероятности, мы увидим, что наиболее часто встречающимися в распределении счетами окажутся 1:1 (примерно 12%) и 1:0 (примерно 11%). Важно заметить: даже самый математически вероятный счет в футболе редко имеет расчетный шанс выше 10–13%. Это наглядно демонстрирует высокую дисперсию футбольных результатов и объясняет, почему единичный точный прогноз счёта не может гарантировать успех.

Типичные ошибки и ограничения модели

Классическая модель Пуассона — отличная отправная точка для исследований, однако прямолинейное ее использование без калибровок несет в себе методологические риски. Главные расхождения теории с реальным футболом кроются в исходных допущениях.

• Зависимость событий и динамика матча. В реальности голы не независимы. Команда, пропустившая мяч, меняет игровую структуру, начинает рисковать и раскрывать зоны, что статистически чаще приводит к изменению темпа игры. Напротив, фаворит, забив два быстрых мяча, может снизить интенсивность прессинга для экономии сил.
• Проблема нулевых и малых счетов. Практика показывает, что классическое распределение слегка недооценивает вероятность безголевых ничьих (0:0) и счетов 1:1. В реальном футболе ничейный счет в концовке часто устраивает обоих соперников, что снижает атакующую активность. Для коррекции этой проблемы исследователи (в частности, Марк Диксон и Стюарт Коулс) используют специальные коэффициенты взаимной зависимости для малых счетов.
• Неучет контекста состава и внешних факторов. Чистая статистика прошлых матчей слепа к травмам ведущих форвардов, дисквалификациям центральных защитников, смене главного тренера, погодным аномалиям или турнирной мотивации. Если команда выставляет резервный состав, исторические параметры атаки перестают быть объективными.

Резюме: практическая польза подхода

Модель Пуассона не создана для того, чтобы безошибочно указывать будущий счет каждого поединка. Ее истинная ценность заключается в структурировании аналитического процесса. Она помогает трансформировать хаотичный массив статистики голов в ясную вероятностную картину, свободную от эмоций.

Используя базовые вычисления Пуассона как фундамент и дополняя их современными данными продвинутой статистики (например, ожидаемыми голами xG) и поправками на контекст матча, аналитик получает устойчивый рабочий инструмент для оценки футбольных сценариев.