Kısa Cevap: Poisson dağılımı, futbol maçlarında her olası gol sayısının olasılığını hesaplamanızı sağlayan istatistiksel bir modeldir. Formül: P(k) = (λ^k × e^(−λ)) / k!. Kullanım adımları şöyledir: her takımın hücum gücü ve rakibin savunma zayıflığı üzerinden lambda (λ) parametresini hesaplayın, ardından 0'dan 5+'e kadar her gol sayısının olasılığını bulun, iki takımın olasılıklarını çarparak bir skor matrisi oluşturun ve bu matristen 1X2, alt/üst, her iki takım gol atar gibi pazarların olasılıklarını çıkarın. Dixon & Coles'un 1997 tarihli Journal of the Royal Statistical Society makalesinde gösterildiği gibi, Poisson modeli futbol skorlarını tahmin etmede istatistiksel olarak anlamlı sonuçlar üretir. Ancak modelin sınırlılıkları vardır: düşük skorlu maçlardaki gol korelasyonu, kırmızı kart gibi maç içi olaylar ve taktiksel bağlam gibi faktörler standart Poisson'un kapsamı dışındadır.
- Tanım: Belirli bir zaman diliminde nadir ve bağımsız olayların (goller) olasılığını hesaplayan istatistiksel dağılım; futbol bahis analizinin temel aracı
- Formül: P(k) = (λ^k × e^(−λ)) / k! — λ beklenen gol ortalaması, k hedef gol sayısı, e ≈ 2.71828
- Kaynak: Dixon & Coles, "Modelling Association Football Scores" (JRSS, 1997); FBref Expected Goals Model (2025-26)
- Güncelleme: 2026-05-23
Temel Çıkarımlar
- Poisson dağılımı, futbol gollerini modellemek için en yaygın kullanılan istatistiksel araçtır; Dixon & Coles (1997) tarafından akademik olarak doğrulanmıştır.
- Lambda (λ) parametresi, bir takımın hücum gücü ile rakibin savunma zayıflığının çarpılmasıyla hesaplanır; bu değer modelin tüm çıktılarını belirler.
- Skor matrisi, iki takımın Poisson olasılıklarının çarpılmasıyla oluşturulur ve 1X2, alt/üst, BTTS gibi tüm pazarların olasılıklarını tek tabloda sunar.
- Model, düşük skorlu maçlardaki korelasyonu ve maç içi olayları (kırmızı kart, sakatlık) yakalayamaz; bu sınırlılıklar Dixon-Coles düzeltmesiyle kısmen giderilir.
- Hesaplanan olasılıklar platform oranlarıyla karşılaştırılarak değer bahis tespiti yapılır; tek başına tahmin aracı değil, karar destek sistemi olarak kullanılmalıdır.
Bir futbol maçında kaç gol atılacağını tahmin etmek istiyorsanız, sezgiye değil matematiğe ihtiyacınız var. 1837’de Fransız matematikçi Simeon Denis Poisson tarafından formüle edilen Poisson dağılımı, belirli bir zaman diliminde nadir olayların olasılığını hesaplamak için tasarlanmıştır. Futbol golleri tam da bu tanıma uyar: 90 dakikalık bir maçta ortalama 2-3 gol atılır ve her gol görece nadir bir olaydır.
Bu rehberde Poisson dağılımının futbol bahis analizinde nasıl kullanıldığını adım adım ele alıyoruz. Lambda hesaplamadan skor matrisi oluşturmaya, alt/üst olasılıklarından 1X2 hesaplamasına ve Excel/Python uygulamalarına kadar formül odaklı bir yol haritası sunuyoruz. Bahis matematiği rehberimizde olasılık teorisinin temellerini inceleyebilir, alt/üst bahis stratejisi rehberimizde ise Poisson’un pratik uygulamasını görebilirsiniz.
Poisson Dağılımı Nedir ve Futbolda Neden Çalışır?
Poisson dağılımı, belirli bir zaman diliminde belirli sayıda bağımsız olayın gerçekleşme olasılığını hesaplayan bir olasılık dağılımıdır. Formülü şudur:
P(k) = (λ^k × e^(−λ)) / k!
Burada:
- P(k) = tam olarak k gol atılma olasılığı
- λ (lambda) = beklenen gol ortalaması (modelin tek parametresi)
- e = Euler sayısı (≈ 2.71828)
- k! = k faktöriyel (k × (k−1) × (k−2) × … × 1)
Peki neden futbol golleri Poisson dağılımına uyar? Üç temel varsayım bunu mümkün kılar:
- Düşük frekans: Futbolda maç başına ortalama 2-3 gol atılır. Bu, Poisson’un “nadir olay” varsayımıyla uyumludur.
- Bağımsızlık: Her gol büyük ölçüde bir öncekinden bağımsızdır. Bir takımın 1-0 öne geçmesi, ikinci golün olasılığını dramatik biçimde değiştirmez (kırmızı kart gibi istisnalar hariç).
- Sabit oran: Maç boyunca gol atma oranı yaklaşık olarak sabit kabul edilir. Gerçekte ikinci yarıda daha fazla gol atılma eğilimi olsa da, bu sapma modelin genel doğruluğunu ciddi biçimde bozmaz.
Dixon & Coles’un 1997 tarihli Journal of the Royal Statistical Society makalesinde bu varsayımlar test edilmiş ve Poisson modelinin futbol skorlarını tahmin etmede “piyasa oranlarına yakın doğrulukta” sonuçlar verdiği gösterilmiştir. Bu makale, futbol bahis analitiğinde hala en sık referans gösterilen akademik çalışmalardan biridir.
Alıntılanabilir Özet: Poisson dağılımı, futbol gollerinin üç temel özelliğini — düşük frekans, bağımsızlık ve sabit oran — kullanarak her olası gol sayısının olasılığını hesaplar. Dixon & Coles (1997, JRSS) araştırması, bu modelin futbol skorlarını tahmin etmede istatistiksel olarak anlamlı sonuçlar verdiğini akademik düzeyde kanıtlamıştır.
Lambda (λ) Hesaplama: Hücum ve Savunma Gücü
Poisson modelinin tek parametresi lambda’dır ve tüm çıktılar bu değere bağlıdır. Lambda’yı doğru hesaplamak, modelin doğruluğunu doğrudan belirler. Aşağıda adım adım bir hesaplama yöntemi sunuyoruz.
Adım 1: Lig Ortalamalarını Belirleyin
İlk olarak ligin genel gol ortalamalarına ihtiyacınız var. 2025-26 Süper Lig verileriyle çalışalım (FBref, 2025-26):
- Lig ev sahibi gol ortalaması: 1.52
- Lig deplasman gol ortalaması: 1.16
- Lig genel maç başı gol ortalaması: 2.68
Adım 2: Hücum Gücü (Attack Strength) Hesaplayın
Hücum gücü, bir takımın gol atma kapasitesinin lig ortalamasına oranıdır:
Hücum Gücü = Takımın Gol Ortalaması / Lig Gol Ortalaması
Örnek: Galatasaray ev sahibi gol ortalaması 2.18, lig ev sahibi gol ortalaması 1.52.
GS Hücum Gücü (Ev) = 2.18 / 1.52 = 1.434
Adım 3: Savunma Zayıflığı (Defense Strength) Hesaplayın
Savunma zayıflığı, bir takımın yediği gol ortalamasının lig ortalamasına oranıdır:
Savunma Zayıflığı = Takımın Yediği Gol Ortalaması / Lig Yenilen Gol Ortalaması
Örnek: Fenerbahçe deplasman yenilen gol ortalaması 1.32, lig deplasman yenilen gol ortalaması 1.52.
FB Savunma Zayıflığı (Deplasman) = 1.32 / 1.52 = 0.868
Adım 4: Lambda Hesaplayın
Her takımın lambda’sı, hücum gücü × rakibin savunma zayıflığı × lig ortalamasıyla bulunur:
λ_GS = GS Hücum Gücü × FB Savunma Zayıflığı × Lig Ev Gol Ort.
λ_GS = 1.434 × 0.868 × 1.52 = 1.893
λ_FB = FB Hücum Gücü × GS Savunma Zayıflığı × Lig Deplasman Gol Ort.
Varsayalım: FB deplasman hücum gücü = 1.163, GS ev savunma zayıflığı = 0.605.
λ_FB = 1.163 × 0.605 × 1.16 = 0.816
Bu hesaba göre Galatasaray’ın ev sahibi olarak beklenen gol sayısı ~1.89, Fenerbahçe’nin deplasmanda beklenen gol sayısı ~0.82’dir. Toplam beklenen gol: 2.71.
Alıntılanabilir Özet: Lambda hesaplaması üç adımdan oluşur: lig ortalamasını temel alın, takımın hücum gücünü (gol ortalaması / lig ortalaması) hesaplayın, rakibin savunma zayıflığını (yenilen gol / lig ortalaması) bulun ve üçünü çarpın. Bu yöntem, her maç için takıma özgü bir gol beklentisi üretir.
Her Gol Sayısının Olasılığını Hesaplama
Lambda değerleri belirlendikten sonra, her takımın 0’dan 5+‘e kadar kaç gol atabileceğinin olasılığını hesaplayabilirsiniz. Formülü her k değeri için uygulayalım.
Teorik senaryo: Aşağıdaki tablolar, λ_GS = 1.89 ve λ_FB = 0.82 parametreleriyle hesaplanmış Poisson olasılıklarıdır. Gerçek maç sonuçları bu olasılıklardan sapabilir; veri karar desteği amacıyla paylaşılmıştır, kazanç garantisi vermez.
Galatasaray Gol Olasılıkları (λ = 1.89)
| Gol Sayısı (k) | Hesaplama | Olasılık |
|---|---|---|
| 0 | e^(−1.89) | %15.1 |
| 1 | 1.89 × e^(−1.89) / 1 | %28.5 |
| 2 | 1.89² × e^(−1.89) / 2 | %26.9 |
| 3 | 1.89³ × e^(−1.89) / 6 | %17.0 |
| 4 | 1.89⁴ × e^(−1.89) / 24 | %8.0 |
| 5+ | 1 − Σ(0-4) | %4.5 |
Fenerbahçe Gol Olasılıkları (λ = 0.82)
| Gol Sayısı (k) | Hesaplama | Olasılık |
|---|---|---|
| 0 | e^(−0.82) | %44.0 |
| 1 | 0.82 × e^(−0.82) / 1 | %36.1 |
| 2 | 0.82² × e^(−0.82) / 2 | %14.8 |
| 3 | 0.82³ × e^(−0.82) / 6 | %4.0 |
| 4 | 0.82⁴ × e^(−0.82) / 24 | %0.8 |
| 5+ | 1 − Σ(0-4) | %0.3 |
Dikkat edin: lambda’sı yüksek olan Galatasaray’ın olasılıkları daha geniş bir aralığa yayılırken, düşük lambda’lı Fenerbahçe’nin olasılıkları 0 ve 1 golde yoğunlaşıyor. Bu dağılım farkı, Poisson’un lambda parametresine olan hassasiyetini gösterir.
Skor Matrisi Oluşturma
Skor matrisi, her olası maç sonucunun olasılığını tek bir tabloda gösterir. İki takımın gol olasılıklarını birbirleriyle çarparak bu matris oluşturulur.
P(GS=a, FB=b) = P_GS(a) × P_FB(b)
Bu çarpma işlemi, goller arasında bağımsızlık varsayımına dayanır. Skor matrisinin tamamı:
Teorik senaryo: Aşağıdaki skor matrisi, Poisson modeli varsayımlarıyla hesaplanmıştır. Gerçek maç sonuçları bu olasılıklardan sapabilir.
| GS \ FB | 0 | 1 | 2 | 3 | 4+ |
|---|---|---|---|---|---|
| 0 | %6.6 | %5.5 | %2.2 | %0.6 | %0.2 |
| 1 | %12.5 | %10.3 | %4.2 | %1.1 | %0.3 |
| 2 | %11.8 | %9.7 | %4.0 | %1.1 | %0.3 |
| 3 | %7.5 | %6.1 | %2.5 | %0.7 | %0.2 |
| 4 | %3.5 | %2.9 | %1.2 | %0.3 | %0.1 |
| 5+ | %2.0 | %1.6 | %0.7 | %0.2 | %0.1 |
Bu matristen her türlü bahis pazarının olasılığını çıkarabilirsiniz. Matris, Poisson modelinin en güçlü çıktısıdır; tek bir hesaplamayla düzinelerce pazar analiz edilebilir.
1X2 Olasılık Hesaplama
Skor matrisinden 1X2 (ev sahibi kazanır, beraberlik, deplasman kazanır) olasılıklarını çıkarmak basittir:
- Ev sahibi kazanır (1): Matristeki tüm GS > FB hücrelerinin toplamı
- Beraberlik (X): Matristeki tüm GS = FB hücrelerinin toplamı (köşegen)
- Deplasman kazanır (2): Matristeki tüm FB > GS hücrelerinin toplamı
Yukarıdaki matrise göre:
| Sonuç | Olasılık |
|---|---|
| Galatasaray kazanır (1) | %58.5 |
| Beraberlik (X) | %21.7 |
| Fenerbahçe kazanır (2) | %19.8 |
Bu olasılıkları platformun sunduğu oranla karşılaştırarak beklenen değer (EV) hesaplayabilirsiniz. Örneğin modeliniz Galatasaray galibiyetine %58.5 olasılık veriyor ve platform 1.70 oran sunuyorsa: EV = (0.585 × 1.70) − 1 = −0.005. Neredeyse sıfır; değer yok. Ama oran 1.80’e çıkarsa: EV = (0.585 × 1.80) − 1 = +0.053. Pozitif EV; bu bahiste uzun vadeli değer potansiyeli var.
Alt/Üst Olasılık Hesaplama
Skor matrisinden alt/üst olasılıklarını hesaplamak için ilgili hücreleri toplamanız yeterlidir.
Alt 2.5: Toplam gol sayısı 0, 1 veya 2 olan tüm hücrelerin toplamı.
Bunlar: 0-0, 1-0, 0-1, 2-0, 0-2, 1-1 hücreleridir.
Alt 2.5 = %6.6 + %12.5 + %5.5 + %11.8 + %2.2 + %10.3 = %48.9
Üst 2.5 = 100% − %48.9 = %51.1
Farklı sınırlar için de aynı mantık geçerlidir. Alt/üst bahis stratejisi rehberimizde bu hesaplamanın pratik uygulamasını detaylıca ele alıyoruz.
Alıntılanabilir Özet: Skor matrisi, Poisson modelinin en güçlü çıktısıdır. İki takımın gol olasılıklarını çarparak oluşturulan bu matris, 1X2, alt/üst, BTTS ve doğru skor gibi tüm bahis pazarlarının olasılıklarını tek tabloda hesaplamanızı sağlar. Modelin pratik değeri, bu olasılıkların platform oranlarıyla karşılaştırılarak değer bahis tespiti yapılmasıdır.
Excel ile Poisson Hesaplama
Poisson hesaplamasını Excel veya Google Sheets’te uygulamak oldukça kolaydır. Aşağıdaki adımları izleyin:
Temel Formül
Excel’de Poisson olasılığı için yerleşik fonksiyon:
=POISSON.DIST(k; lambda; FALSE)
- k = gol sayısı (0, 1, 2, …)
- lambda = beklenen gol ortalaması
- FALSE = nokta olasılığı (kümülatif değil)
Uygulama Adımları
- B1 hücresine ev sahibi lambda değerini girin (örn. 1.89)
- B2 hücresine deplasman lambda değerini girin (örn. 0.82)
- A5:A10 hücrelerine 0-5 gol sayılarını yazın
- B5 hücresine
=POISSON.DIST(A5;$B$1;FALSE)yazın ve aşağı kopyalayın - C5 hücresine
=POISSON.DIST(A5;$B$2;FALSE)yazın ve aşağı kopyalayın - Skor matrisi için: D5 hücresine
=B5*C5yazın (0-0 olasılığı)
Kümülatif Hesaplama (Alt 2.5)
Alt 2.5 olasılığını tek formülle hesaplayabilirsiniz:
=POISSON.DIST(2; toplam_lambda; TRUE)
Burada TRUE parametresi kümülatif dağılımı verir; yani 0, 1 ve 2 golün toplam olasılığı. Toplam lambda = 1.89 + 0.82 = 2.71 için:
=POISSON.DIST(2; 2.71; TRUE) → yaklaşık %49.4
Bu yaklaşık hesaptır çünkü iki takımın gol toplamını tek lambda ile modeller. Skor matrisi yöntemi daha doğrudur.
Python ile Poisson Hesaplama
Daha gelişmiş analizler ve otomasyon için Python kullanabilirsiniz. scipy.stats kütüphanesi Poisson fonksiyonlarını içerir.
Temel Hesaplama
from scipy.stats import poisson
import numpy as np
# Lambda değerleri
lambda_ev = 1.89
lambda_dep = 0.82
# Skor matrisi (0-5 gol)
max_gol = 6
matris = np.zeros((max_gol, max_gol))
for i in range(max_gol):
for j in range(max_gol):
matris[i][j] = poisson.pmf(i, lambda_ev) * poisson.pmf(j, lambda_dep)
# 1X2 olasılıkları
ev_kazanir = sum(matris[i][j] for i in range(max_gol) for j in range(max_gol) if i > j)
beraberlik = sum(matris[i][j] for i in range(max_gol) for j in range(max_gol) if i == j)
dep_kazanir = sum(matris[i][j] for i in range(max_gol) for j in range(max_gol) if i < j)
# Alt/Üst 2.5
alt_25 = sum(matris[i][j] for i in range(max_gol) for j in range(max_gol) if i + j <= 2)
ust_25 = 1 - alt_25Bu kodu FBref verilerini otomatik çekerek genişletebilir ve her haftanın maçları için toplu analiz yapabilirsiniz. Lambda hesaplama parametrelerini son 10 maça göre güncelleyerek modelin güncelliğini koruyabilirsiniz. Oran hesaplayıcımızla implied probability hesabını hızlıca yapabilirsiniz.
Alıntılanabilir Özet: Poisson modeli Excel’de
=POISSON.DIST(k; lambda; FALSE)formülüyle, Python’dascipy.stats.poisson.pmf(k, lambda)fonksiyonuyla uygulanır. Skor matrisi her iki araçta da iki iç içe döngüyle oluşturulur ve tüm bahis pazarlarının olasılıkları bu matristen çıkarılır.
Süper Lig Uygulama Örneği: Adım Adım Tam Hesaplama
Modelin tüm adımlarını bir Süper Lig derbisi üzerinden uygulayalım.
Teorik senaryo: Aşağıdaki hesaplama, 2025-26 Süper Lig istatistikleri kullanılarak yapılmış matematiksel projeksiyondur. Gerçek maç sonuçları bu projeksiyondan sapabilir; veri karar desteği amacıyla paylaşılmıştır, kesin sonuç garantisi vermez.
Senaryo: Beşiktaş (E) - Trabzonspor (D)
Lig Ortalamaları (2025-26 FBref):
- Ev sahibi gol ort.: 1.52 | Deplasman gol ort.: 1.16
Takım Verileri:
- BJK ev gol ort.: 1.72 | TS deplasman yenilen gol ort.: 1.68
- TS deplasman gol ort.: 1.08 | BJK ev yenilen gol ort.: 1.04
Lambda Hesaplama:
| Parametre | Hesaplama | Sonuç |
|---|---|---|
| BJK Hücum Gücü | 1.72 / 1.52 | 1.132 |
| TS Savunma Zayıflığı | 1.68 / 1.52 | 1.105 |
| λ_BJK | 1.132 × 1.105 × 1.52 | 1.902 |
| TS Hücum Gücü | 1.08 / 1.16 | 0.931 |
| BJK Savunma Zayıflığı | 1.04 / 1.16 | 0.897 |
| λ_TS | 0.931 × 0.897 × 1.16 | 0.969 |
Poisson Olasılıkları:
| Gol | BJK (λ=1.90) | TS (λ=0.97) |
|---|---|---|
| 0 | %14.9 | %37.9 |
| 1 | %28.4 | %36.8 |
| 2 | %27.0 | %17.8 |
| 3 | %17.1 | %5.8 |
| 4+ | %12.6 | %1.7 |
Sonuçlar:
| Pazar | Olasılık |
|---|---|
| BJK kazanır (1) | %54.7 |
| Beraberlik (X) | %23.1 |
| TS kazanır (2) | %22.2 |
| Alt 2.5 | %49.0 |
| Üst 2.5 | %51.0 |
| BTTS (Evet) | %50.4 |
Bu hesaplamayı her maç için tekrarlayarak kendi olasılık modelinizi oluşturabilirsiniz. Süper Lig bahis analiz sayfamızda güncel takım verilerini bulabilirsiniz.
Poisson Modelinin Sınırlılıkları
Poisson dağılımı güçlü bir araçtır, ancak her model gibi sınırlılıkları vardır. Bu sınırlılıkları tanımak, modele gereğinden fazla güvenmekten kaçınmanızı sağlar.
1. Gol Bağımsızlığı Varsayımı
Poisson, iki takımın gollerinin birbirinden bağımsız olduğunu varsayar. Ancak Dixon & Coles (1997) çalışmasında gösterildiği gibi, düşük skorlu maçlarda (0-0, 1-0, 0-1, 1-1) gözlenen frekanslar Poisson tahminlerinden sistematik olarak sapar. İki takım da gol atamıyorsa, bunun ortak bir nedeni olabilir: maçın temposu düşüktür, zemin kötüdür veya taktiksel tercih defansiftir. Dixon-Coles modeli, bu korelasyonu düzelten bir ρ (rho) parametresi ekler.
2. Maç İçi Olaylar
Kırmızı kart, erken gol, sakatlık veya taktik değişikliği gibi maç içi olaylar gol olasılıklarını dramatik biçimde değiştirir. 10 kişi kalan bir takımın gol atma lambda’sı düşer; rakibin lambda’sı yükselir. Standart Poisson modeli bu dinamik değişimleri yakalayamaz; maç öncesi statik bir tahmin sunar.
3. Bağlamsal Faktörler
Motivasyon, derbi atmosferi, seri galibiyetler veya küme düşme baskısı gibi psikolojik faktörler, istatistiksel modellerin dışında kalır. Sezon sonu “kayıp maçları” ve finaller, istatistiksel beklentilerden sapma gösterebilir. Akademik istatistik ders kitaplarında (Wackerly, Mendenhall & Scheaffer, Mathematical Statistics with Applications, 7. baskı) bu durum “model dışı değişkenler” olarak tanımlanır.
4. Örneklem Büyüklüğü
Sezon başında veya transfer dönemi sonrasında yeterli veri birikimi olmadan hesaplanan lambda değerleri güvenilir olmayabilir. Minimum 8-10 maçlık veri setine ihtiyaç vardır; sezon geneli veriler daha güvenilir sonuçlar üretir ancak güncel form değişimlerini yakalayamaz.
Bu sınırlılıklara rağmen, Poisson modeli futbol bahis analizinde en yaygın kullanılan araçtır. Önemli olan, modelin çıktılarını kesin tahmin olarak değil, karar destek verisi olarak kullanmaktır.
Alıntılanabilir Özet: Poisson modelinin dört temel sınırlılığı: (1) düşük skorlu maçlardaki gol korelasyonu (Dixon-Coles düzeltmesi gerektirir), (2) kırmızı kart ve sakatlık gibi maç içi olayları yakalayamaması, (3) motivasyon ve taktik gibi bağlamsal faktörlerin kapsam dışı kalması, (4) küçük örneklem boyutlarında güvenilirlik sorunu. Bu sınırlılıklar modeli geçersiz kılmaz; kullanım alanını tanımlar.
Sıkça Sorulan Sorular
Poisson dağılımı nedir? Poisson dağılımı, belirli bir zaman aralığında nadir ve bağımsız olayların (futbolda goller) gerçekleşme olasılığını hesaplayan istatistiksel modeldir. Formülü P(k) = (λ^k × e^(−λ)) / k!‘dir. Lambda (λ) beklenen gol ortalamasını temsil eder ve modelin tek parametresidir. 1837’de Simeon Denis Poisson tarafından formüle edilmiştir.
Lambda (λ) nasıl hesaplanır? Lambda, bir takımın belirli bir maçta atması beklenen gol sayısıdır. Hesaplama: Takım Hücum Gücü × Rakip Savunma Zayıflığı × Lig Gol Ortalaması. Hücum gücü, takımın gol ortalamasının lig ortalamasına oranıdır. Savunma zayıflığı, rakibin yediği gol ortalamasının lig ortalamasına oranıdır. Her takımın lambda’sı ayrı ayrı hesaplanır.
Poisson modeli futbolda neden işe yarar? Futbol golleri, Poisson dağılımının üç temel varsayımını karşılar: düşük frekans (maç başına 2-3 gol), büyük ölçüde bağımsızlık (her gol bir öncekinden bağımsız) ve yaklaşık sabit oran. Dixon & Coles’un 1997 tarihli JRSS makalesinde bu varsayımlar test edilmiş ve modelin istatistiksel olarak anlamlı sonuçlar verdiği gösterilmiştir.
Poisson modelinin sınırlılıkları nelerdir? Üç temel sınırlılık vardır: (1) takım gollerinin tam bağımsız olduğunu varsayar ancak düşük skorlu maçlarda korelasyon görülür (Dixon-Coles düzeltmesi bu sorunu kısmen çözer), (2) kırmızı kart ve sakatlık gibi maç içi olayları modelleyemez, (3) motivasyon ve taktik değişiklikleri gibi bağlamsal faktörleri yakalayamaz. Bu sınırlılıklar modelin çıktılarını kesin tahmin değil, karar destek verisi olarak kullanmanızı gerektirir.
Sonuç
Poisson dağılımı, futbol bahis analizinde sezgiyi istatistikle değiştirmenin en erişilebilir aracıdır. Tek bir parametre (lambda) üzerinden her olası gol sayısının olasılığını hesaplayabilir, skor matrisi oluşturarak 1X2’den alt/üst’e kadar tüm pazarları analiz edebilir ve sonuçları platform oranlarıyla karşılaştırarak değer bahis tespiti yapabilirsiniz.
Bu rehberin üç temel mesajı: Birincisi, lambda hesabı modelin temelidir; hücum gücü × savunma zayıflığı × lig ortalaması formülüyle her maça özgü bir gol beklentisi üretilir. İkincisi, skor matrisi tüm bahis pazarlarının olasılıklarını tek tabloda sunar. Üçüncüsü, modelin sınırlılıklarını tanıyarak çıktıları karar destek verisi olarak — kesin tahmin olarak değil — kullanmanız gerekir.
Bahis matematiği rehberimizde olasılık teorisinin temellerini, alt/üst bahis stratejisi rehberimizde Poisson’un alt/üst analizindeki uygulamasını, beklenen değer rehberimizde EV hesabının detaylarını ve Süper Lig bahis analiz sayfamızda güncel takım verilerini bulabilirsiniz. Hızlı oran dönüşümleri için oran hesaplayıcımızı kullanabilirsiniz.
Bu rehber, Selin Arslan tarafından hazırlanmıştır. Bahis finansal risk içerir; kaybetmeyi göze alabileceğinizden fazlasını riske atmayınız. Sorumlu oyun ilkeleri hakkında bilgi edinin.