Cụm từ “siêu máy tính dự đoán tỷ số” nghe rất hấp dẫn, nhưng đằng sau thường chỉ là các mô hình thống kê khá quen thuộc. Hiểu chúng hoạt động ra sao giúp bạn đánh giá đúng sức nặng của mỗi dự đoán, và biết khi nào nên hoài nghi.
Ý tưởng cốt lõi: số bàn thắng là sự kiện hiếm và ngẫu nhiên
Trong bóng đá, bàn thắng xảy ra ít và rời rạc, nên các nhà phân tích thường mô hình hóa số bàn của mỗi đội bằng phân phối Poisson. Mô hình chỉ cần một tham số cho mỗi đội: số bàn kỳ vọng, ký hiệu là λ (lambda).
xG là gì và dùng vào đâu?
xG (expected goals, bàn thắng kỳ vọng) gán cho mỗi cú sút một xác suất thành bàn, dựa trên vị trí, góc sút, loại đường chuyền… Cộng xG của tất cả cú sút trong trận ta được số bàn “đáng lẽ” một đội ghi. Nhiều mô hình lấy xG trung bình của đội trong các trận gần đây để ước lượng λ. Cách tính xG khác nhau theo nhà cung cấp dữ liệu, nên không thể trộn số liệu giữa các nguồn một cách vô tư.
Ví dụ giả định: đội A và đội B
Giả sử mô hình cho λ của A là 1,5 và λ của B là 1,0. Xác suất ghi đúng k bàn theo Poisson là e^(-λ) x λ^k / k!. Kết quả làm tròn:
| Số bàn | Đội A (λ = 1,5) | Đội B (λ = 1,0) |
|---|---|---|
| 0 | 22,3% | 36,8% |
| 1 | 33,5% | 36,8% |
| 2 | 25,1% | 18,4% |
| 3 | 12,6% | 6,1% |
Nếu giả định hai đội ghi bàn độc lập, xác suất ra tỷ số cụ thể bằng tích hai xác suất:
- 1-0 cho A: 33,5% x 36,8% = khoảng 12,3%
- 1-1: 33,5% x 36,8% = khoảng 12,3%
- 2-1 cho A: 25,1% x 36,8% = khoảng 9,2%
- 0-0: 22,3% x 36,8% = khoảng 8,2%
Điều đáng chú ý: ngay cả tỷ số “khả dĩ nhất” cũng chỉ có xác suất khoảng 12%. Nghĩa là trong khoảng 88% trường hợp tỷ số thực tế sẽ khác. Đây là lý do một dự đoán “tỷ số chính xác” gần như luôn có khả năng sai cao.
Từ tỷ số sang các thị trường
Khi có phân phối xác suất cho mọi tỷ số, ta cộng lại để ra xác suất thắng/hòa/thua, xác suất tổng bàn trên hoặc dưới một mốc… Đó là cách các mô hình sinh ra con số như “đội nhà thắng 52%”.
Giới hạn quan trọng của mô hình
- Giả định độc lập là gần đúng. Thực tế bàn thắng của hai đội tương quan với nhau: đội dẫn bàn có thể lùi sâu, đội thua dồn lên. Mô hình đơn giản bỏ qua điều này.
- Chất lượng dữ liệu đầu vào. λ ước lượng sai thì mọi thứ sau đó sai theo. Số liệu về chấn thương, thay đổi chiến thuật, thể lực thường đến muộn hoặc không có.
- Không biết sự kiện bất thường. Thẻ đỏ sớm, phạt đền, chấn thương trong trận, thời tiết cực đoan đều nằm ngoài mô hình.
- Mẫu nhỏ ở đầu mùa. Đội mới lên hạng hoặc đội thay đổi mạnh gần như không có dữ liệu đáng tin.
- Hiệu ứng “tự tin quá mức”. Một con số có hai chữ số thập phân tạo cảm giác chính xác, trong khi sai số thực thường lớn hơn nhiều.
Cách đánh giá một công cụ dự đoán
- Nó công khai phương pháp, dữ liệu và thời gian cập nhật không?
- Nó đưa ra xác suất hay chỉ một “tỷ số duy nhất”? Dự đoán chỉ đưa một tỷ số thường che giấu độ bất định.
- Có bản ghi dự đoán quá khứ để kiểm chứng không, kể cả những lần sai?
Kết luận
Mô hình Poisson hay xG giúp bạn nghĩ bằng xác suất, không giúp bạn biết trước kết quả. Dùng chúng để thấy rằng mỗi trận bóng có biên độ ngẫu nhiên lớn, và rằng không công cụ nào, dù được gọi là “siêu”, có thể bảo đảm tỷ số. Nếu bạn dùng bất kỳ dự đoán nào để quyết định tiền bạc, hãy xem mọi khoản đặt đều có thể mất hoàn toàn.
Nội dung mang tính tham khảo, không phải lời khuyên cá cược. Dành cho người từ 18 tuổi trở lên; cá cược có rủi ro, hãy chơi có trách nhiệm.
