Autor: Karel Botík

Editor: Jakub

Aktualizováno: 24.08. 2026, 12:53

Shrnout pomocí AI ▼

• ChatGPT
• Perplexity
• Grok
• Google AI

Poissonova distribuce ve fotbale: výpočet gólů, kurzů a rizik

Poissonova distribuce převádí očekávaný počet gólů týmu (λ) na pravděpodobnosti, že vstřelí 0, 1, 2 nebo více branek. Z těchto hodnot lze sestavit tabulku přesných výsledků a odvodit pravděpodobnosti pro sázky 1X2, over/under nebo oba týmy dají gól. Model ale neurčuje výsledek s jistotou a sám o sobě nezaručuje zisk.

Poissonova distribuce je možná trošku složitější, může vám však přesně povědět, který tým má na výhru větší šanci.

Poissonova distribuce převádí očekávaný počet gólů týmu (λ) na pravděpodobnosti, že vstřelí 0, 1, 2 nebo více branek. Z těchto hodnot lze sestavit tabulku přesných výsledků a odvodit pravděpodobnosti pro sázky 1X2, over/under nebo oba týmy dají gól. Model ale neurčuje výsledek s jistotou a sám o sobě nezaručuje zisk.

V tomto návodu si ukážeme správný vzorec, výpočet na konkrétním příkladu i nejčastější chyby. Použijeme jednoduchý nezávislý Poissonův model, který je vhodný jako výchozí bod. Pro reálné sázení je nutné jeho odhady testovat na datech a porovnat je s kurzem po započtení marže sázkové kanceláře.

Co je Poissonova distribuce

Poissonova distribuce popisuje počet událostí v daném intervalu, pokud známe jejich průměrnou četnost. Ve fotbale událostí obvykle myslíme vstřelený gól a intervalem jeden zápas. Parametr λ vyjadřuje očekávaný počet gólů daného týmu.

Pravděpodobnost, že tým vstřelí přesně k gólů, se počítá takto:

P(X = k) = e^−λ × λ^k / k!

• k je počet gólů: 0, 1, 2, 3…
• λ je očekávaný počet gólů týmu v zápase.
• e je Eulerovo číslo, přibližně 2,71828.
• k! je faktoriál; například 3! = 3 × 2 × 1 = 6 a 0! = 1.

Jde o standardní podobu Poissonovy pravděpodobnostní funkce popsanou například v příručce amerického institutu NIST.

Jak odhadnout očekávané góly λ

Nejtěžší částí není dosazení do vzorce, ale kvalitní odhad λ. Jednoduchý postup vychází z ligových průměrů a útočné i obranné síly obou týmů. Domácí a venkovní zápasy počítejte odděleně.

1. Spočítejte průměr gólů vstřelených domácími týmy v celé lize.
2. Vydělte průměr domácích gólů sledovaného týmu ligovým domácím průměrem. Získáte jeho domácí útočnou sílu.
3. Vydělte průměr gólů inkasovaných soupeřem venku stejným ligovým domácím průměrem. Získáte venkovní obrannou slabinu soupeře.
4. Vynásobte domácí útočnou sílu, venkovní obrannou slabinu a ligový průměr domácích gólů. Výsledkem je λ domácích.

λ domácích = domácí útočná síla × venkovní obranná slabina soupeře × ligový průměr domácích gólů

Pro hosty použijte zrcadlový výpočet s venkovní útočnou silou hostů, domácí obrannou slabinou soupeře a ligovým průměrem gólů hostujících týmů.

Neexistuje univerzální počet zápasů, který vždy poskytne spolehlivý odhad. Krátký vzorek rychleji reaguje na změnu formy, ale více podléhá náhodě. Dlouhý vzorek je stabilnější, může však přeceňovat staré výsledky po změně trenéra, sestavy nebo herního stylu. Vhodnou délku a vážení dat proto ověřte zpětným testem.

Hally Zkušenost autora

Tip autora: nejdřív ověřte vstupní λ

Poissonův vzorec je ta snadná část. Největší chybu obvykle uděláte už při odhadu λ. Než podle modelu vsadíte, porovnejte odhad s uzavíracím kurzem a otestujte jej na zápasech, které nebyly použity při ladění. Pokud se pravděpodobnosti dlouhodobě nekalibrují, nepomůže ani přesný výpočet matice skóre.

Výpočet pravděpodobnosti gólů: konkrétní příklad

Předpokládejme, že náš model odhadl λ domácích na 1,60 a λ hostů na 1,10. Nejde o předpověď konkrétního zápasu, ale o kontrolovatelný ilustrační příklad.

Jaké hodnoty zadat do Poissonovy kalkulačky

Do kalkulačky zadejte očekávaný počet gólů domácího a hostujícího týmu, tedy hodnotu λ vypočtenou podle předchozího návodu. Nezadávejte kurz sázkové kanceláře ani počet gólů z jediného minulého zápasu.

Pokud například očekáváte, že domácí vstřelí průměrně 1,60 gólu a hosté 1,10 gólu, zadejte:

• λ domácích: 1,60
• λ hostů: 1,10

Kalkulačka z těchto hodnot vypočítá pravděpodobnosti jednotlivých skóre. Výsledek je statistický odhad, nikoliv předpověď jistého výsledku nebo záruka ziskové sázky.

Například pravděpodobnost, že domácí nevstřelí žádný gól, je e^−1,6 = 20,19 %. Pravděpodobnost přesně jednoho gólu je e^−1,6 × 1,6 = 32,30 %.

Jak z gólů vytvořit tabulku přesných výsledků

V základním modelu předpokládáme, že počty gólů domácích a hostů jsou nezávislé. Pravděpodobnost konkrétního skóre získáme vynásobením obou hodnot. Výsledek 1:1 má v našem příkladu pravděpodobnost 32,30 % × 36,62 % = 11,83 %.

Součtem buněk v tabulce skóre získáme další trhy: výsledky pod diagonálou pro výhru domácích, na diagonále pro remízu a nad diagonálou pro výhru hostů. Stejným způsobem sečteme skóre pro over/under nebo oba týmy dají gól.

Pravděpodobnosti 1X2, over/under a oba týmy dají gól

Férový kurz = 1 / pravděpodobnost. Například 1 / 0,4896 = 2,04. Tento kurz neobsahuje marži sázkové kanceláře ani rezervu na chybu modelu.

Kdy může vzniknout value sázka

Modelový kurz porovnejte s kurzem sázkové kanceláře. Vyšší nabízený kurz může naznačovat sázku s kladnou očekávanou hodnotou, není to však automatický důkaz výhody. Rozdíl může vzniknout chybným λ, absencí důležité informace nebo příliš jednoduchou strukturou modelu.

Nejdříve odstraňte marži z porovnávaných kurzů, stanovte si minimální bezpečnostní rezervu a sledujte, zda model zůstává dobře kalibrovaný i na zápasech, které nebyly použity při jeho ladění. Ani statistická výhoda nezabrání sériím proher, proto je nutný konzervativní bankroll management.

Jak jednoduchý Poissonův model zpřesnit

• Vážení podle stáří: novějším utkáním přidělte vyšší váhu, ale parametr zvolte podle zpětného testu.
• Síla soupeřů: neupravený průměr může nadhodnotit tým, který hrál se slabými soupeři.
• Očekávané góly: místo samotných výsledků lze využít xG, které lépe popisuje kvalitu vytvořených a povolených šancí.
• Sestavy a absence: zranění brankáře nebo klíčového útočníka se ve starších průměrech nemusí projevit.
• Červené karty a herní stav: zápasy ovlivněné dlouhou přesilovkou mohou historické průměry zkreslit.
• Postupující týmy: data z nižší soutěže nelze bez úpravy přenést do silnější ligy.

Karel Botík Zkušenost autora

Osobní zkušenost Karla Botíka

Poissonův model používám především jako kontrolu vlastního odhadu, nikoliv jako samostatný důvod k uzavření sázky. Největší odchylky jsem zaznamenal, když očekávané góly vycházely pouze z krátké série výsledků a nezohledňovaly sestavu, sílu soupeřů nebo změnu herního stylu. Proto výsledek modelu porovnávám také s xG a dostupnými kurzy. Pokud se jednotlivé odhady výrazně rozcházejí, sázku raději vynechám.

Hlavní limity Poissonovy distribuce ve fotbale

Jednoduchý model předpokládá nezávislé skórování týmů a konstantní intenzitu gólů. Reálný zápas tyto předpoklady často porušuje: vedoucí tým může změnit tempo, červená karta zásadně ovlivní oba celky a nízká skóre nejsou vždy tak nezávislá, jak model předpokládá.

Už Maherův model fotbalových výsledků ukázal, že Poissonovo rozdělení poskytuje rozumný základ, ale mezi vstřelenými góly mohou zůstávat systematické rozdíly. Dixon a Coles později doplnili korekci nízkých skóre a časově proměnlivou sílu týmů. To je důvod, proč profesionálnější modely nekončí u prostého násobení dvou Poissonových rozdělení.

Dalším omezením je předpoklad, že rozptyl počtu gólů odpovídá průměru. Pokud jsou data rozptýlenější, může jednoduchý Poisson podceňovat extrémní výsledky. Model také nepozná, že vstupní data obsahují chybu nebo že se tým zásadně změnil.

Jak model správně otestovat

1. Rozdělte data chronologicky. Model vždy počítejte pouze z utkání známých před hodnoceným zápasem.
2. Použijte postupný test „walk-forward“, aby se síla týmů aktualizovala stejně jako v reálném provozu.
3. Kontrolujte kalibraci: jevy s odhadem 40 % by se dlouhodobě měly dít přibližně ve 40 % případů.
4. Vedle úspěšnosti sledujte Brierovo skóre nebo log loss. Samotný počet správných tipů kvalitu pravděpodobností neprokáže.
5. Pokud testujete zisk, použijte kurzy skutečně dostupné v daném čase, zahrňte marži a nevybírejte zpětně jen vítězné soutěže či parametry.

Verdikt: dobrý základ, ne stroj na jisté výhry

Poissonova distribuce je užitečná, protože je jednoduchá, průhledná a každý mezivýsledek lze zkontrolovat. Největší hodnotu má jako základní benchmark: rychle ukáže, jaké pravděpodobnosti plynou z vašeho odhadu očekávaných gólů.

Výsledek je však jen tak kvalitní jako vstupní λ a použité předpoklady. Před sázkou proto porovnávejte model s jednodušším benchmarkem, modernějšími variantami i trhem a rozhodujte podle dlouhodobého testu, nikoli podle několika povedených zápasů.

Časté otázky