Calculateur de paris Poisson

Ce calculateur de Poisson transforme les buts attendus de chaque équipe en probabilités de score et d’issue de match, offrant aux parieurs américains une ligne basée sur un modèle pour comparer les moneyline des bookmakers sur le football, le hockey et d’autres marchés sportifs américains à faible score.

Qu’est-ce qu’un calculateur de Poisson ?

La loi de Poisson est l’outil standard pour modéliser les sports à faible score comme le football et le hockey, où les buts sont relativement rares et où chacun d’eux modifie l’issue. Un calculateur de Poisson prend une seule donnée pour chaque équipe — ses buts attendus, le taux de marquage que vous projetez pour ce match — et le transforme en une distribution de probabilité complète : la chance que l’équipe marque exactement zéro but, exactement un, exactement deux, et ainsi de suite. Exécutez le même calcul pour les deux équipes et vous obtenez deux distributions de score indépendantes. Multipliez la probabilité de l’équipe à domicile d’obtenir un certain nombre de buts par la probabilité de l’équipe à l’extérieur d’en obtenir un autre, et vous obtenez la probabilité de ce score final exact. Additionnez chaque score où l’équipe à domicile termine en tête et vous obtenez la probabilité de victoire à domicile du modèle ; faites de même pour les matchs nuls et les victoires à l’extérieur. Ces trois pourcentages constituent le résultat réel. Une fois que vous avez une probabilité pour une victoire à domicile, un match nul ou une victoire à l’extérieur, vous pouvez la convertir en une cote équitable et la comparer à ce que propose le bookmaker. Si le modèle indique qu’une issue est plus probable que ce que suggère la cote du bookmaker, c’est l’écart que recherche le parieur. Poisson ne prédit pas ce qui se passera dans un match — il vous indique, compte tenu de vos buts attendus, à quoi devrait ressembler une ligne équitable.

Comment le calculateur de Poisson est calculé

La formule derrière le calculateur est la fonction de masse de probabilité de Poisson : la probabilité d’exactement k buts est égale à lambda élevé à la puissance k, multiplié par e élevé à la puissance moins lambda, divisé par k factoriel, où lambda est le nombre de buts attendus de l’équipe. Dans l’exemple du calculateur, l’équipe à domicile a un lambda de 1.5. En insérant k = 0, 1, 2 et 3 dans la formule, on obtient la distribution de l’équipe à domicile : 22.3% pour zéro but, 33.5% pour un but, 25.1% pour deux buts et 12.6% pour trois buts. Le lambda de 1.1 de l’équipe à l’extérieur suit la même formule pour construire sa propre distribution. À partir de là, le calculateur construit une grille de score complète : pour chaque combinaison de buts à domicile et à l’extérieur, il multiplie la probabilité de l’équipe à domicile pour ce nombre de buts par la probabilité de l’équipe à l’extérieur pour son nombre de buts, car les résultats des deux équipes sont traités comme indépendants. Chaque cellule est la probabilité d’un score final spécifique. Pour obtenir les trois chiffres principaux, le calculateur additionne les cellules : les cellules où le domicile dépasse l’extérieur alimentent la probabilité de victoire à domicile, les cellules où ils sont égaux alimentent la probabilité de match nul, et les cellules où l’extérieur dépasse le domicile alimentent la probabilité de victoire à l’extérieur. Pour le match 1.5 contre 1.1, cela donne 46.4% pour le domicile, 25.8% pour le nul et 27.8% pour l’extérieur — trois chiffres construits entièrement à partir des deux entrées lambda.

Ce que le calculateur vous montre

Le résultat du calculateur comporte deux niveaux. Premièrement, il montre la distribution des scores de chaque équipe — la probabilité qu’une équipe donnée marque exactement zéro but, un but, deux buts, etc., en fonction de ses buts attendus. C’est là que vous pouvez voir comment un taux de marquage modeste concentre la majeure partie de la probabilité sur des nombres de buts faibles et spécifiques plutôt que de la répartir uniformément. Deuxièmement, il montre les trois probabilités d’issue de match qui résultent de la combinaison des distributions des deux équipes : la chance d’une victoire à domicile, d’un match nul et d’une victoire à l’extérieur. Ces trois chiffres représentent l’éventail complet des résultats possibles, ce sont donc les chiffres que vous comparez aux prix d’un bookmaker. Ensemble, la répartition des scores et les pourcentages d’issue montrent non seulement ce que le modèle attend, mais exactement quels scores déterminent le chiffre pour le domicile, le nul ou l’extérieur que vous regardez.

Exemple concret

Prenons une équipe à domicile avec 1.5 but attendu pour le match contre une équipe à l’extérieur devant marquer 1.1 but. L’exécution du lambda de 1.5 de l’équipe à domicile via la formule de Poisson pour une poignée de scores plausibles produit cette distribution : 22.3% de chance de 0 but, 33.5% de chance de 1 but, 25.1% de chance de 2 buts et 12.6% de chance de 3 buts. Un but est le résultat le plus probable pour l’équipe à domicile, même si 1.5 est la “moyenne” — Poisson concentre la probabilité sur des nombres entiers proches du lambda plutôt que sur le lambda lui-même, car une équipe ne peut pas marquer un but fractionnaire. Le lambda de 1.1 de l’équipe à l’extérieur suit le même processus pour construire sa propre distribution de score. En multipliant les probabilités indépendantes des deux équipes pour chaque combinaison de buts, puis en additionnant les résultats selon qui l’emporte, on obtient le modèle d’issue de match : 46.4% de victoire à domicile, 25.8% de match nul et 27.8% de victoire à l’extérieur. Avec un taux de 1.5 but attendu, l’équipe à domicile marque très probablement exactement un but (33.5%) et garde sa cage inviolée 22.3% du temps. La combinaison des deux distributions donne ces 46.4% de victoire à domicile, 25.8% de match nul et 27.8% de victoire à l’extérieur — une ligne équitable à comparer aux prix du bookmaker. À partir de là, un parieur convertit ces trois pourcentages du modèle en une cote équitable et les aligne à côté de la moneyline réelle du bookmaker pour le même match. Toute issue où le pourcentage du modèle est sensiblement plus élevé que le nombre impliqué par le prix du bookmaker est un candidat qui mérite un examen plus approfondi — pas une garantie, mais un signal que le marché et le modèle ne sont pas d’accord sur la probabilité réelle de ce résultat.

Probabilités de buts de Poisson à 1.5 buts attendus

Voici la répartition complète but par but pour une équipe ayant un chiffre de buts attendus de 1.5, le lambda de l’équipe à domicile de l’exemple ci-dessus. Chaque ligne est la probabilité que le calculateur attribue à ce nombre exact de buts. Les probabilités augmentent à partir de zéro but, atteignent un pic à un but et diminuent à mesure que le nombre de buts augmente.

Issue du match du modèle vs un prix équitable

Une fois que la grille de score est additionnée en probabilités de domicile, de nul et d’extérieur, le calculateur convertit chaque pourcentage en la cote équitable qu’il implique. Ce prix équitable est ce que l’issue “devrait” payer sans marge de bookmaker intégrée — le nombre à comparer, pas nécessairement le nombre qui vous sera réellement proposé.

Les limites du modèle de Poisson

Poisson est réellement utile, mais il repose sur des hypothèses qui ne tiennent pas toujours dans un match réel. La plus importante est l’indépendance : le modèle traite le nombre de buts de chaque équipe comme sans rapport avec celui de l’autre, ce qui sous-estime les matchs nuls et les matchs à faible score en général. Les matchs réels produisent plus de résultats 0-0 et 1-1 que ce que prédit le Poisson brut, car les équipes ajustent leur jeu en fonction du score au fur et à mesure que le match se déroule — ce que l’hypothèse d’indépendance ne peut pas capturer. De nombreux parieurs corrigent cela avec un ajustement de Dixon-Coles, qui pousse ces scores faibles et serrés vers le haut par rapport à ce que produit le Poisson simple. Le modèle suppose également un taux de marquage constant tout au long du match, traitant le lambda comme fixe du début à la fin. En réalité, les taux de marquage changent avec les cartons rouges, l’état du match et une équipe en tête qui recule pour défendre son avance plutôt que d’attaquer à son rythme initial. Aucune de ces dynamiques n’est visible pour un calculateur qui ne voit qu’un seul nombre de buts attendus par équipe. Cela pointe vers la plus grande source d’erreur de toutes : l’entrée. L’ensemble du modèle n’est aussi bon que l’estimation des buts attendus que vous y injectez, et un lambda instable produit des probabilités à l’air confiant qui sont simplement fausses. Traitez le résultat comme une estimation disciplinée à comparer au marché, pas comme une certitude sur ce qui va se passer.

Quand un modèle de Poisson a du sens

Poisson gagne sa place en tant que moyen de construire une vision indépendante et basée sur des principes fondamentaux d’un match avant de regarder ce que propose le bookmaker. Il est plus utile dans les sports à faible score où les buts sont des événements comptables et discrets — le football et le hockey sont les cas classiques — et où vous avez une base raisonnable pour estimer les buts attendus de chaque équipe à partir de la forme récente ou de facteurs spécifiques au match. Utilisé de cette façon, il vous donne une référence de prix équitable à comparer à la moneyline du bookmaker, et un écart entre les deux est le point de départ pour trouver de la valeur, pas la ligne d’arrivée. Il a moins de sens en tant que signal autonome lorsque vos entrées de buts attendus sont elles-mêmes des suppositions, car le modèle ne peut pas distinguer les bonnes entrées des mauvaises — il calcule un résultat à l’air confiant dans les deux cas. Il est également plus faible là où le sport s’écarte de ses hypothèses : les matchs sujets aux effets de l’état du match, aux cartons rouges ou aux changements défensifs une fois qu’une équipe est en tête nécessitent un ajustement, pas une confiance aveugle. La discipline de la bankroll compte tout autant — un avantage du modèle issu d’un ensemble de données de buts attendus est toujours une estimation, pas une certitude, et dimensionner un pari comme s’il était certain est la façon dont un avantage réel se transforme en perte sur un long échantillon. La meilleure utilisation de Poisson est comme un élément dans un processus plus large : construisez le modèle, comparez-le au marché et dimensionnez tout pari en fonction de votre confiance dans les chiffres de buts attendus avec lesquels vous avez commencé.

Erreurs courantes

Ne faites pas confiance au résultat lorsque l’entrée des buts attendus n’est en réalité qu’une estimation approximative — le modèle ne peut pas distinguer une estimation solide d’une mauvaise. N’oubliez pas que le Poisson de base sous-estime les matchs nuls et les résultats à faible score, car il traite les deux équipes comme marquant indépendamment. Ne supposez pas qu’un taux de marquage constant tient pour tout le match malgré des facteurs comme les cartons rouges ou une équipe protégeant une avance en fin de match. Et ne traitez pas les probabilités du modèle comme des certitudes — ce sont des estimations à comparer au marché, pas des prédictions sur lesquelles parier aveuglément.

Modèle de Poisson vs la ligne du bookmaker

Le modèle de Poisson et la propre ligne du bookmaker répondent à des questions différentes : l’un estime ce qui devrait se passer à partir des buts attendus, l’autre reflète où se situe l’argent du marché. Comparer les deux est le but même de l’utilisation d’un calculateur de Poisson.