Logik Pengiraan Kebarangkalian | Platform Ramalan Piala Dunia 2026 · Prinsip Algoritma

Kertas Putih Logik Pengiraan Kebarangkalian

Kebarangkalian Menang/Seri/Kalah · Peluang Mara · Simulasi Skor · Nilai Kelly · Ensemble Pelbagai Model

Versi Algoritma: 2026.06 · Edisi Piala Dunia
Pengiraan Kebarangkalian Menang/Seri/Kalah Perbezaan ELO + Faktor Pembetulan

⚡ Formula Teras

P(Menang Tuan Rumah) = 1 / (1 + 10^((ELO_pelawat - ELO_tuan_rumah + HFA)/400))

HFA = Pemalar kelebihan tempat sendiri (0 untuk venue neutral Piala Dunia, tetapi peringkat kumpulan dilaras ±8 mata untuk faktor tuan rumah)

Kebarangkalian seri diperoleh daripada pembetulan Poisson: P(Seri) = 2 × √(P_menang × P_kalah) × pekali pelarasan seri (η)

Perbezaan ELO → Kadar Kemenangan (contoh)
Kelebihan ELO 100 mata → Kadar Kemenangan ≈64%

📊 Taburan Kebarangkalian Tipikal

"Faktor pengecutan seri" (η=0.85 untuk peringkat kalah mati, η=0.92 untuk peringkat kumpulan) digunakan. Selain itu, kebarangkalian seri dilaras halus sebanyak ±3% berdasarkan gaya taktikal pasukan (pantang vs penguasaan bola).
Pengiraan Kebarangkalian Mara Simulasi Monte Carlo + Kemas Kini Dinamik Bayesian

🎲 Aliran Kerja Algoritma

1. Berdasarkan kedudukan kumpulan semasa dan baki jadual, hasilkan 10,000 simulasi Monte Carlo

2. Setiap simulasi secara rawak menentukan keputusan perlawanan menggunakan kebarangkalian kemenangan daripada ELO, kemudian mengira kedudukan akhir kumpulan

3. Kira berapa kali setiap pasukan menduduki dua teratas kumpulan → P(Mara)

P(Mara) = (Bilangan simulasi mara) / Jumlah simulasi

Untuk peringkat kalah mati, laluan penuh disimulasikan untuk mendapatkan kebarangkalian memenangi kejohanan.

📈 Contoh: Kebarangkalian Mara Peringkat Kumpulan

Simulasi Monte Carlo dikemas kini setiap hari dan secara automatik menumpu apabila keputusan perlawanan sebenar disuntik. Lebar selang keyakinan mengecil apabila peringkat kumpulan berlangsung (ralat ±8% selepas MD1, ±3% sebelum MD3).
Logik Simulasi Skor Taburan Poisson + Pelarasan Jangkaan xG

⚽ Model Taburan Gol

Setiap pasukan mempunyai bilangan gol yang mengikut taburan Poisson bebas: Tuan rumah ~ Poisson(λ_home), Pelawat ~ Poisson(λ_away)

λ_home = purata xG_home × pekali pertahanan lawan × faktor pembetulan bentuk

Purata xG diperoleh daripada model xG; pekali pertahanan lawan = purata liga / purata xGA lawan. Kebarangkalian skor dikira melalui lilitan.

Untuk perlawanan peringkat kalah mati yang terikat selepas masa biasa, "simulator penalti" (berdasarkan data penalti sejarah) menjana skor akhir.

📉 Contoh Taburan Kebarangkalian Skor Perlawanan Tunggal

Pembetulan ko-integrasi digunakan pada taburan Poisson: penentukuran kebarangkalian empirikal untuk skor biasa (0-0, 1-0, dsb.) memastikan taburan simulasi lulus ujian Kolmogorov–Smirnov terhadap data sejarah sebenar (p>0.05).
Nilai Kelly & Nilai Jangkaan Kriteria Kelly + Kelebihan Marginal

💰 Pecahan Pertaruhan Kelly

f* = (p × b - q) / b

p = kebarangkalian sebenar model, b = odds perpuluhan - 1, q = 1-p

Apabila kebarangkalian model > kebarangkalian tersirat pasaran, jangkaan positif terhasil, dan sistem mengeluarkan "Indeks Nilai" (0~100).

Ambang Pecahan Kelly yang Dicadangkan
f* > 0.02 → Nilai rendah | 0.05~0.10 → Nilai tinggi

📊 Pemantauan Sisihan Nilai

Pengiraan nilai menggabungkan pelbagai sumber odds (harga pasaran purata + data pertukaran) dan menggunakan faktor pelicinan volatiliti untuk mengelakkan pecahan Kelly yang melampau.
Rangka Kerja Ensemble Pelbagai Model Pengundian Berwajaran + Purata Bayesian

🧠 Seni Bina Ensemble

Kebarangkalian Akhir = 0.40 × kebarangkalian asas ELO + 0.35 × kebarangkalian simulasi xG + 0.25 × kebarangkalian ditentukur pasaran

Pemberat dilaras berdasarkan ujian balik sejarah (pemberat ELO meningkat kepada 0.45 untuk peringkat kalah mati). Selepas gabungan, "penentukuran softmax" memastikan jumlah kebarangkalian = 1.

P_akhir = softmax( w_i × log(P_i) )

📈 Pelarasan Pemberat Model Dinamik

Berbanding dengan model ELO tunggal, model ensemble meningkatkan ketepatan sebanyak 9.7% dan mengurangkan kehilangan log sebanyak 14% dalam ujian balik pada Piala Dunia 2018-2022.
Ketelusan Pengiraan & Kebolehulangan

▪ Semua formula kebarangkalian didokumenkan secara terbuka dalam dokumen teknikal platform. Kod Python teras adalah sumber terbuka (lihat repositori GitHub).
▪ Syot kilat kebarangkalian harian dan data ELO/xG mentah tersedia melalui API (kunci API diperlukan).
▪ Simulasi Monte Carlo menggunakan benih rawak deterministik, membolehkan replikasi dan pengesahan pihak ketiga.
▪ Sebarang perubahan algoritma melalui ujian A/B dan direkodkan dalam log perubahan.

Dokumentasi logik pengiraan kebarangkalian dikemas kini secara berterusan. Parameter teras dan metrik pengesahan ditentukur selepas setiap pusingan perlawanan. Pelaksanaan terperinci boleh didapati di repositori GitHub platform.