برای دهه‌ها، پیش‌بینی‌کنندگان تیزبین از تجزیه و تحلیل آماری برای پیشبینی امتیاز نهایی رویدادهای ورزشی استفاده می‌کنند و با استفاده از این تحلیل‌ها نتیجه خوبی را در سایت‌های پیشبینی ورزشی کسب می‌کنند. یکی از ابزارهای تحلیلی که برای چندین دهه در بین پیش‌بینی‌کنندگان محبوبیت داشته است، توزیع پواسون است. این مقاله شما را با برخی از اصول توزیع پواسون آشنا می‌کند که بیشترین کاربرد آن در پیشبینی ورزشی است، همچنین به بررسی برخی از محدودیت‌هایی که احتمالاً در اجرای آن با آنها مواجه خواهید شد می‌پردازیم.
توزیع پواسون چیست؟
توزیع پواسون که توسط ریاضیدان فرانسوی قرن نوزدهم سیمئون دنیس پواسون ابداع شد، یک نظریه احتمال است که می تواند همراه با داده‌های ورزشی تاریخی برای تعیین محتمل‌ترین نتیجه یک رویداد ورزشی استفاده شود. در زمینه آمار، توزیع پواسون احتمال رخدادهای نامرتبط را که در یک بازه زمانی خاص رخ می‌دهند، اندازه‌گیری می‌کند (با فرض اینکه تعداد مورد انتظار رویدادها مشخص باشد).
برای افراد با پیشینه محدود در ریاضیات و آمار، ممکن است چنین کاری طاقت‌فرسا به نظر برسد. بااین‌حال، در زمینه پیشبینی ورزشی، توزیع پواسون روشی نسبتاً ساده برای استفاده از میانگین نتایج بازی‌های ورزشی برای تعیین احتمال طیف وسیعی از امتیازات بالقوه در یک رویداد ورزشی آینده است.
این امر استفاده از توزیع پواسون را به یک بخش بالقوه حیاتی از یک استراتژی کلی پیشبینی روی رویدادهایی تبدیل می‌کند که در آن امتیازها در مقیاس کوچک و با افزایش یک عدد اتفاق می‌افتد. چنین رویدادهایی شامل مسابقات فوتبال و تا حدی هاکی است.
نحوه عملکرد توزیع پواسون در پیشبینی ورزشی
به‌عنوان‌مثال یک مسابقه فوتبال را در نظر بگیرید. از توزیع پواسون می‌توان برای تعیین محتمل‌ترین امتیاز نهایی با محاسبه «قدرت حمله» و «قدرت دفاعی» دو تیم مقابل و سپس مقایسه آنها استفاده کرد.
برای شفافیت بیشتر، ما از یک تطابق فرضی بین باشگاه آرسنال و باشگاه چلسی استفاده می‌کنیم که در آن توزیع پواسون با استفاده از داده‌های تاریخی گرفته شده از فصل لیگ برتر انگلیس ۲۰۱۸-۲۰۱۷ اعمال می‌شود.
با فرض اینکه آرسنال تیم میزبان است، ابتدا باید محاسبات ساده زیر با استفاده از داده‌های امتیازدهی فصل ۲۰۱۸-۲۰۱۷ انجام شود:
| گل‌هایی که همه تیم‌های لیگ برتر در خانه به ثمر رساندند | گل‌های زده شده در خانه حریف توسط همه تیم‌های لیگ برتر | گل‌هایی که در خانه توسط آرسنال به ثمر رسیده‌اند | گل‌های دریافت شده در خانه توسط آرسنال | گل‌های چلسی در زمین حریف | گل‌های دریافت شده چلسی در زمین حریف | |
| گل‌ها | ۵۸۲ | ۴۳۶ | ۵۴ | ۲۰ | ۳۲ | ۲۲ |
| بازی‌ها | ۳۸۰ | ۳۸۰ | ۱۹ | ۱۹ | ۱۹ | ۱۹ |
| متوسط گل‌ها/ مسابقات | ۱.۵۳۲ | ۱.۱۴۷ | ۲.۸۴۲ | ۱.۰۵۳ | ۱.۶۸۴ | ۱.۱۵۸ |
قدرت حمله و قدرت دفاعی
با دردست‌داشتن این نتایج، «قدرت حمله» هر تیم به‌صورت نسبت میانگین تعداد گل‌های زده شده تیم و میانگین تعداد گل‌های زده شده در لیگ بیان می‌شود:
قدرت حمله آرسنال: ۲٫۸۴۲ تقسیم بر ۱٫۵۳۲ = ۱٫۸۵۵
قدرت حمله چلسی: ۱٫۶۸۴ تقسیم بر ۱٫۱۴۷ = ۱٫۴۶۸
«قدرت دفاعی» به‌عنوان نسبت میانگین تعداد گل‌های مجاز تیم و میانگین تعداد گل‌های مجاز لیگ بیان می‌شود:
قدرت دفاعی آرسنال: ۱٫۰۵۳ تقسیم بر ۱٫۱۴۷ = ۰٫۹۱۸
قدرت دفاعی چلسی: ۱٫۱۵۸ تقسیم بر ۱٫۵۳۲ = ۰٫۷۵۶
پیشبینی امتیازات با استفاده از استراتژی پیشبینی پواسون
با تعیین قدرت حمله و قدرت دفاعی هر تیم، اکنون می‌توانیم محتمل‌ترین تعداد گل‌هایی را که هر تیم در مسابقه به ثمر می‌رساند را محاسبه کنیم.
برای تعیین تعداد احتمالی گل‌های زده شده توسط آرسنال، قدرت حمله آرسنال را در قدرت دفاعی چلسی و میانگین تعداد گل‌های خانگی که توسط همه تیم‌ها زده شده ضرب کنید:
۱٫۸۵۵ * ۰٫۷۵۶ * ۱٫۵۳۲ = ۲٫۱۴۸
تعداد گل‌های زده شده توسط چلسی با ضرب قدرت حمله چلسی در قدرت دفاعی آرسنال و میانگین تعداد گل‌های خارج از خانه توسط همه تیم‌ها تعیین می‌شود:
۱٫۴۶۸ * ۰٫۹۱۸ * ۱٫۱۴۷ = ۱٫۵۴۶
با این محاسبات میانگین گل‌های زده شده در این مسابقه را به شرح زیر مشخص کرده‌ایم:
آرسنال: ۲٫۱۴۸
چلسی: ۱٫۵۴۶
ماشین‌حساب‌های توزیع پواسون برای تعیین نتایج چندگانه
اکنون که تعداد احتمالی گل‌هایی که هر تیم به ثمر می‌رساند را محاسبه کرده‌اید، می‌توانید از یکی از بسیاری از ماشین‌حساب‌های توزیع پواسون موجود در اینترنت برای تعیین احتمال طیف وسیعی از نتایج امتیازدهی برای هر تیم استفاده کنید.
برای انجام این کار، می‌توانید با واردکردن تعداد گل‌های احتمالی گل‌های آرسنال (۲٫۱۴۸) در قسمت «وقوع رویدادهای مورد انتظار» از این ماشین حساب استفاده کنید.
تعیین درصد شانس گلزنی ۰-۵ آرسنال در مسابقه با تایپ ۰، ۱، ۲، ۳، ۴، ۵ در «رویدادهای مورد انتظار» و زدن «محاسبه» به دست می‌آید. همین تمرین را می‌توان با استفاده از امتیاز احتمالی چلسی (۱٫۵۴۶) نیز انجام داد؛ زیرا ما قبلاً درصد شانس هر تیم را تعیین کرده‌ایم.
| گل‌ها | ۰ | ۱ | ۲ | ۳ | ۴ | ۵ |
| آرسنال | ۱۱.۶۷ % | ۲۵.۰۷ % | ۲۶.۹۳ % | ۱۹.۲۸ % | ۱۰.۳۵ % | ۴.۴۵ % |
| چلسی | ۲۱.۳۱ % | ۳۲.۹۵ % | ۲۵.۴۷ % | ۱۳.۱۲ % | ۵.۰۷ % | ۱۵۷ % |
محدودیت‌های استفاده از توزیع پواسون در پیشبینی ورزشی
در حالی که این مثال نشان می‌دهد که چگونه امتیاز یک مسابقه فردی را می‌توان با اعمال نتایج تاریخی در توزیع پواسون پیشبینی کرد، این روش همچنین دارای محدودیت‌هایی است. قابل توجه‌ترین آنها عنصر انسانی است.
صدمات، مشکلات در رخت‌کن و خطای ساده انسانی، همگی تأثیر شگرفی بر نتیجه نهایی یک رویداد ورزشی دارند. شرایط آب و هوایی نیز می‌تواند نقش آشکاری در نتیجه بازی ایفا کند، همچنین طبیعتا اجرای غیرمنتظره بازی توسط بازیکنان می‌تواند بین برد و باخت تفاوت ایجاد کند.
مهارت‌های خود را در استفاده از سایت‌های پیشبینی ورزشی تقویت کنید
پیش‌بینی‌‌کننده‌های ورزشی معمولاً شرط بستن بر اساس نتیجه نهایی یک رویداد ورزشی را متناسب با ارزش آن می‌سنجند. در حالی که حتی مؤثرترین استفاده از ابزارهای تجزیه‌وتحلیل آماری (مانند توزیع پواسون) و دقیق‌ترین استراتژی‌های پیشبینی ورزشی لزوماً برنده شدن شما را تضمین نمی‌کند، اما کار و تسلط بر چنین ابزارهایی قطعاً می‌تواند تأثیر چشمگیری بر توانایی شما در یافتن ارزش داشته باشد.
نتیجه‌گیری
در این مطلب، باتوجه‌به توزیع پواسون در پیشبینی، مشاهده کردیم که این مدل احتمالاتی می‌تواند در تخمین احتمال وقوع یک رویداد خاص، به ویژه در حوزه پیشبینی و بازی‌های شانسی، بسیار مفید باشد. این توزیع با استفاده از پارامتر میانگین و قدرت تخمین، به توسعه استراتژی‌های پیش‌بینی‌کنندگان و تحلیل مرتبط با پیشبینی نتایج واقعی کمک می‌کند.
سؤالات متداول
چگونه می‌توان از توزیع پواسون در پیشبینی نتایج مسابقات ورزشی بهره‌مند شد؟
با محاسبه میانگین تعداد گل‌ها یا نتایج مشابه در مسابقات گذشته و تنظیم پارامترهای توزیع پوآسون می‌توان به تخمین دقیق‌تری از احتمال وقوع نتایج در آینده دست‌یافت.
چه عواملی را باید در نظر گرفت تا توزیع پواسون به طور مؤثر در پیش‌بینی‌ها استفاده شود؟
عواملی همچون تغییرات در ترکیب تیم‌ها، شرایط آب و هوایی، وضعیت بازیکنان و شایستگی تیم‌ها باید در مدل‌سازی تأثیرات ورودی در توزیع پواسون مدنظر قرار گیرند.
آیا توزیع پواسون تنها برای پیشبینی تعداد گل‌ها در فوتبال مورداستفاده قرار می‌گیرد؟
خیر، توزیع پواسون نه تنها در فوتبال بلکه در تمامی رشته‌های ورزشی می‌تواند برای پیشبینی نتایج مسابقات و تعداد رویدادهای خاص مورد استفاده قرار گیرد.
چگونه می‌توان در مواجهه با نوسانات و تغییرات ناگهانی در توزیع پواسون، استراتژی بازی را به‌روز نگه داشت؟
با مستمر نگه داشتن اطلاعات به روز در مورد تغییرات ترکیب تیم‌ها، اصلاح پارامترهای توزیع پواسون و اعتبارسنجی مدل در بازه‌های زمانی کوتاه، می‌توان از استراتژی‌های پیشبینی مؤثر در برابر نوسانات بازار بهره‌مند شد.
