Distribuzione di Poisson e modellazione dei gol nel calcio

Se hai mai guardato un programma di anteprima di partite dove il conduttore dice "questo incontro ha una linea di goal attesi di 2,3, che implica una probabilità del 61% di Over 2,5", stavi guardando aritmetica di Poisson in azione. Se hai visto una tripletta di probabilità (vittoria casa 58%, pareggio 25%, vittoria trasferta 17%) che sembrava uscita dal nulla, il calcolo che l'ha prodotta era quasi certamente una simulazione di Poisson.

Poisson è il motore statistico sotto la maggior parte dei modelli di gol di calcio. È lì da 50 anni, generando silenziosamente i numeri di probabilità che poi vengono descritti con un vocabolario più alla moda. Capire come funziona demitizza molto di ciò che la "previsione di calcio con IA" sta davvero facendo sotto il cofano.

Questo articolo spiega Poisson in linguaggio chiaro, mostra come si applica al calcio specificamente, dove funziona, dove non funziona e cosa aggiungono i raffinamenti moderni.

Cos'è davvero Poisson

Una distribuzione di Poisson descrive la probabilità di un certo numero di eventi che accadono in una finestra temporale fissa, dato un tasso medio.

Formalmente: se gli eventi accadono a un tasso medio costante λ (lambda) per unità di tempo, e accadono indipendentemente l'uno dall'altro, allora la probabilità di esattamente k eventi che accadono in quella finestra è:

P(k) = (λ^k × e^(-λ)) / k!

Non devi amare la matematica. Il significato pratico:

• λ = 1 significa che l'evento accade in media una volta per finestra. P(0) ≈ 37%, P(1) ≈ 37%, P(2) ≈ 18%, P(3) ≈ 6%, P(4+) ≈ 2%.
• λ = 2 significa due volte per finestra. P(0) ≈ 14%, P(1) ≈ 27%, P(2) ≈ 27%, P(3) ≈ 18%, P(4) ≈ 9%, P(5+) ≈ 5%.
• λ = 3 significa tre volte per finestra. P(0) ≈ 5%, P(1) ≈ 15%, P(2) ≈ 22%, P(3) ≈ 22%, P(4) ≈ 17%, P(5+) ≈ 19%.

La distribuzione cattura che la media è una cosa, ma gli esiti specifici si raggruppano attorno a quella media con probabilità note. Quando λ = 2, ti aspetti 2, ma 0 e 3 e 4 accadono tutti con percentuali significative.

Perché Poisson si adatta alla segnatura nel calcio

Tre ragioni per cui l'assunzione regge grosso modo per il calcio.

I gol sono rari. La maggior parte delle partite vede 0-5 gol. Poisson gestisce il range 0-5 in modo pulito; si rompe a conteggi molto alti, ma il calcio raramente lo mette alla prova.

I gol accadono in tempi grosso modo indipendenti. Una volta tolti gli effetti dello stato di gioco (di cui parleremo), i gol all'interno di una partita accadono a un tasso grosso modo costante. Un gol al 10° minuto non cambia la probabilità di un gol al 40° minuto in modo netto come si potrebbe pensare.

Il tasso può essere derivato dalla qualità della squadra. Se il tasso di segnatura medio della Squadra A è 1,5 gol/partita e il tasso difensivo della Squadra B subisce 1,2 gol/partita, i goal attesi per la Squadra A in questo incontro sono una qualche miscela pesata (1,5 × 1,2 / media-campionato, con scalatura del vantaggio del campo). Poisson prende quel λ e produce una distribuzione completa.

Combinali e ottieni un modello funzionante: per ogni partita, deriva i tassi attesi per entrambe le squadre, applica Poisson a ciascuno per produrre distribuzioni di conteggio dei gol, combinale in una matrice di esito (vittoria casa / pareggio / vittoria trasferta / Over 2,5 / BTTS / ecc.).

Come Poisson costruisce una tripletta di probabilità

Per un incontro tra Squadra A (goal attesi 1,8) e Squadra B (goal attesi 1,2), la simulazione:

1. Usando Poisson con λ=1,8 per la Squadra A, calcola P(Squadra A segna 0), P(1), P(2), P(3), P(4), P(5+).
2. Usando Poisson con λ=1,2 per la Squadra B, calcola lo stesso per la Squadra B.
3. Assumendo indipendenza (la prima assunzione di Poisson), moltiplica: P(Squadra A segna N e Squadra B segna M) = P(A=N) × P(B=M).
4. Somma su N > M per le vittorie casalinghe, N = M per i pareggi, N < M per le vittorie in trasferta.
5. Normalizza se necessario.

Il risultato: tripletta di probabilità per la partita, derivata interamente da due numeri di goal attesi. Un buon adattamento per la maggior parte delle partite.

È quello che i "modelli di previsione guidati da xG" sono di solito nella loro forma più semplice: due numeri in entrata, una distribuzione di probabilità in uscita, Poisson come motore.

Dove Poisson si sgretola

Quattro modalità di fallimento reali che la modellazione moderna cerca di correggere.

Dipendenza dallo stato di gioco. Una squadra che insegue un deficit di 0-1 negli ultimi 20 minuti gioca diversamente. Il suo tasso di gol sale sopra l'aspettativa pre-partita; il tasso del suo avversario resta simile ma gli errori difensivi innescano occasioni concesse. Un Poisson indipendente e a tasso costante sotto-prevede la frequenza delle rimonte e sovra-prevede il dominio in regime stabile.

Inflazione dei pareggi. Nelle partite a basso punteggio (λ sotto 1,5 per squadra), Poisson sovra-prevede 1-1 e 0-0 simultaneamente, sotto-prevedendo i pareggi nel complesso. Dixon e Coles hanno proposto una correzione nel 1997 che aggiusta le celle a basso punteggio della matrice di esito. La maggior parte dei modelli di produzione usa Dixon-Coles o simili.

Correlazione tra squadre. I gol di una squadra non sono completamente indipendenti da quelli dell'altra. Una squadra che subisce presto spesso cala di qualità man mano che la partita continua. I modelli Poisson bivariati aggiungono un piccolo parametro di correlazione. Senza di esso, gli esiti congiunti vengono trattati come troppo indipendenti.

Punteggi estremi. La coda destra delle distribuzioni di Poisson (5-0, 6-0, 7-0) è sottile in Poisson grezzo ma osservata più spesso in pratica negli incontri sbilanciati. I modelli moderni applicano correzioni di coda o usano distribuzioni binomiali negative, che hanno la stessa media di Poisson ma permettono più varianza.

La regola utilizzabile: Poisson grezzo è una baseline utile ma i modelli di produzione aggiungono sempre raffinamenti. I raffinamenti non cambiano l'interpretazione (triplette di probabilità, Over/Under, BTTS) ma stringono i numeri contro la realtà.

Poisson oltre le probabilità di esito

La matematica di Poisson abilita diverse metriche a valle:

Punti attesi (xPts). Per ogni partita, simula la distribuzione degli esiti via Poisson, calcola i punti attesi per ciascuna squadra. Somma su una stagione, hai gli xPts.

Goal attesi pro/contro su una finestra. Lo storico xG di una squadra combinato con Poisson produce una distribuzione di probabilità dei suoi totali di gol stagionali.

Linee fair di handicap asiatico. Tradurre l'xG in quote di handicap asiatico usa la simulazione di Poisson per la distribuzione della differenza reti.

Probabilità Over/Under e BTTS. Tutte derivabili dalla matrice di esito che la simulazione di Poisson costruisce.

In effetti, una volta che hai l'xG per squadra (o tasso di segnatura atteso), Poisson ti dà l'intera superficie di probabilità della partita, non solo la tripletta vittoria/pareggio/sconfitta.

Come Tactiq gestisce la modellazione dei gol in stile Poisson

L'analisi di Tactiq usa la stima di probabilità basata sulla simulazione come parte della sua pipeline per produrre le triplette di probabilità esposte sulla scheda partita. L'approccio specifico, i raffinamenti applicati sopra il Poisson di base e il modo in cui la simulazione gestisce le interazioni di stato di gioco e qualità avversaria restano interni al prodotto.

Per l'utente, l'effetto è che le tre probabilità sulla scheda partita riflettono una distribuzione di esiti simulata fondata su stime di goal attesi e segnali di forza di squadra, invece di euristiche codificate a mano. L'indicatore di fiducia riflette quanto la distribuzione sia sensibile a piccoli cambiamenti nei segnali di input per quel specifico incontro.

Quel che l'utente vede sulla scheda partita:

• Triplette di probabilità per l'esito, prodotte attraverso simulazione.
• Goal attesi per ciascuna squadra con un trend recente.
• Un'analisi scritta che nomina l'esito in linguaggio chiaro: "La squadra di casa entra con un modesto vantaggio nei goal attesi, che si traduce in una ripartizione di probabilità di circa 52-25-23."
• Nessun dato di mercato esterno. Nessun reindirizzamento a piattaforme terze. Nessuna valuta virtuale. Solo analisi statistica.

In sintesi

Poisson è il cavallo da tiro statistico sotto la maggior parte della modellazione dei gol nel calcio. È abbastanza semplice da calcolare velocemente, abbastanza buono da adattarsi alla maggior parte delle partite e la fondazione su cui si costruiscono raffinamenti più sofisticati (Dixon-Coles, bivariato, binomiale negativo).

Capire Poisson demitizza le triplette di probabilità che vedi su ogni dashboard di analisi. Non sono magia; sono simulazioni da input di goal attesi. Ciò che separa i buoni modelli da quelli cattivi sono i raffinamenti che correggono le note debolezze di Poisson.

Tactiq usa la stima di probabilità basata sulla simulazione con raffinamenti applicati per gestire la complessità delle partite reali. L'analisi espone triplette di probabilità calibrate su ogni scheda partita. Oltre 1.200 competizioni, localizzazione in 32 lingue, piano gratuito di otto analisi al giorno, senza carta richiesta.

Se segui la serie, il vocabolario delle metriche ora abbraccia come l'IA prevede le partite di calcio, xG, xA, npxG, PPDA, Field Tilt, azioni progressive, SCA/GCA, xPts, Elo rating e calibrazione con punteggio di Brier. Poisson è il motore di probabilità che lega insieme la maggior parte delle metriche precedenti quando una previsione deve essere prodotta.