双泊松比分模型怎样从λ算出1:0概率？
正文以中文原文呈现；切换语言将重新获取本地化页面界面。
3 秒核心结论
在两队进球独立的简化假设下，P(1:0)=P主(1)×P客(0)；两队λ不是最终比分。
结算 / 换算对照表
| 情形 / 指标 | 怎样理解 |
|---|---|
| P主(1) | e^-1.5×1.5≈0.3347 |
| P客(0) | e^-1≈0.3679 |
| P(1:0) | 两者相乘≈0.1231 |
核心定义
核心定义：在两队进球独立的简化假设下，P(1:0)=P主(1)×P客(0)；两队λ不是最终比分。
统计口径
统计口径：单队泊松概率P(k)=e^(−λ)λ^k/k!；主客独立只是建模假设，真实比赛状态可能让两者相关。
使用方法
使用方法：分别计算两队0、1、2等进球概率，再组合为比分表；截断高比分时应注明遗漏尾部概率。
演算示例
演算示例：假设主λ=1.5、客λ=1.0，主进1球约0.3347，客0球约0.3679，1:0约12.31%。
常见误区
常见误区：把两队进球独立的模型称作已经估计相关性的双变量泊松并不准确；有相关项的模型需要额外参数。
适用边界
适用边界：此为独立泊松教学例子；伤停、红牌、比分状态与参数拟合质量都会限制实际使用。
案例复盘
以下为说明概念的假设情景，不是历史赛果。假设主λ=1.5、客λ=1.0，主进1球约0.3347，客0球约0.3679，1:0约12.31%。
常见问题
这项概念最容易混淆什么？
把两队进球独立的模型称作已经估计相关性的双变量泊松并不准确；有相关项的模型需要额外参数。
示例应该怎样复算？
假设主λ=1.5、客λ=1.0，主进1球约0.3347，客0球约0.3679，1:0约12.31%。
应用前要满足什么条件？
此为独立泊松教学例子；伤停、红牌、比分状态与参数拟合质量都会限制实际使用。