industry information
第22届足球世界杯已落下帷幕，这一届世界杯最大的赢家是阿根廷，是梅西，更是亿万期盼梅西封神的球迷。将近一个月的比赛跌宕起伏、精彩纷呈。球赛开始前和比赛期间，预测结果更是成为球迷们的最大兴趣。世界上的各大媒体，电视台，也纷纷加入到预测中来。我虽然算不上一个具有专业水准的球迷，但也禁不住周边朋友们热闹场面的诱惑，对多场比赛结果进行预测。
预测的最大乐趣是增加了看球的乐趣，本来是一场与自己无关的比赛，因为有了预测，就特别期望自己预测正确。而且一旦结果与预测一致，那种成功的喜悦，很难用语言来形容。
预测足球比赛结果是一门技术活，首先要对球队有比较深入的了解，包括球员构成、综合能力、历史战绩、世界排名、当家球星、球员状态、对手情况等，了解越多，预测似乎就越准确。但实际情况往往出乎意料甚至大相径庭。以牛津大学预测为例，他们用自己的数学模型计算出来的预测结果如图1所示。
图1 牛津大学给出的预测模型
从图1可以看出，尽管引入了非常复杂的数学计算，并对各队的历史数据，交战结果做了详细的分析，但预测结果却不尽人意。小组赛也就有一半预测对了胜负，其中进入决赛的两支队伍都错了。其他很多预测机构也大致相同。
其实，影响比赛结果的因素很多，球队实力固然非常重要，但进入32强的球队大部分实力都不弱，尤其是进入淘汰赛阶段更是如此。这时候，球队的战术安排，球员临场状态、取胜欲望、团队配合等方面就显得尤为重要。此外，运气也是比赛的一部分，并且往往成为左右比赛结果的非常重要的因素。
足球比赛既考验双方的能力，也是对双方队员面对面比拼时心理素质的检验。尽管结果不可预知，但其中却蕴含有严谨的数学原理。今天我们就谈谈这个问题。
大家知道，概率论是解决我们日常生活很多问题的重要数学理论。越来越多的足球预测，都是以概率论作为基础进行的。上述牛津大学的预测也是基于概率论的。但概率论如何运用，却是有很多讲究。
一般来说，在一个非受限空间，一个独立事件发生的概率总是符合正态分布的。其定义是：若随机变量x服从一个位置参数为μ、尺度参数为σ 的概率分布，且其概率密度函数为：
则这个随机变量就称为正态随机变量，正态随机变量服从的分布就称为正态分布，记作x~n（μ，σ2），读作x服从n（μ，σ2），或x服从正态分布。图2是正态分布分布密度函数曲线图。
图2 正态分布函数曲线（来源于网络）
当实际发生概率很小时，我们称其为小概率事件，从标准概率分布图中可以看出，位于区间（-3σ，3σ）以外的概率小于0.2%。所以，在很多场合下，就不予考虑。比如，我们在物流系统中采用称重法来检验图书拣选的准确性时，就是选取了这一标准。在很多工业场合，标准会进一步提高，比如我们常说的6σ检验标准，就要求达到（-4.5σ，4.5σ）范围，其精确度将达到3.44ppm（即百万分之三点四四）。
再回过头来看世界杯。如何运用数学原理进行比赛的预测呢？这是一个比较复杂的问题。如果单就一场球来看，其实就是实力对比说了算，作为一个独立事件，没有参考数据，很难做出准确预测。比如德国对日本，一般情况下，大家预测都认为日本会输。但是要进一步定义输的概率和输的比分，就比较复杂了。这就牵涉到一个概率问题。比如说德国输的概率，其实我们可以让他们踢1000场球，看看比分会如何分布，这样结果就出来了。但实际上做不到。因为即使集中踢1000场，这个结果也是有问题的，它与我们掷1000次硬币的情况有很大不同。因为比赛受到人为的干扰。其结果与自然发生的有出入。而实际上，集中踢1000场在时间上也没有可能。所以，我们在预测一场球时，就显得很困难，事实上因为事件的随机性而变得无法预测。如果我们假设德国和日本踢1000场球的结果是600胜，300平，100负，这一结果对指导预测其实帮助不大，但如果联系到历史的比赛，我们还是会做出比较可信的预测。另一方面，我们把一场球放到一个系统中看，将会又是一番景象。比如我们将德国对日本比赛放到一个大的空间，如世界杯大赛这个环境看，德国属于第一梯队，日本属于第三梯队，这样看的样本空间就大得多。因为有大量的第一梯队与第三梯队比赛的样本可供参考。我们可以从这些历史样本中得出一些有用的结论，如双方历史上的胜率，本届已经完成的比赛的情况等，从而指导预测的结果。
在小组赛期间，我们知道，每个小组内的强弱还是比较分明的。这样大家的预测总体来说准确性要高一些，这是我们应用概率论的基础。但另一方面，我们也要看到，比赛结果还是有一定比例的场次出乎大家的意料之外。比如亚洲球队的爆发，日本连胜德国和西班牙，使得德国最终小组未能出线。开始时，很多中国球迷担心亚太区球队会被剃光头，但事实上，不仅有3支球队（含澳大利亚）顺利出线，而且每支球队都有上佳表现。对此，我开始就大胆提出两个假设：第一是亚洲球队必定会有球队进入第二轮；第二是比赛必定会有冷门产生。通过对各小组进行分析，首先把出线的球队寄托在日本、韩国身上，并将日本对德国、韩国对西班牙、沙特对阿根廷三场比赛定义为最容易爆冷的比赛。其中之所以定义沙特对阿根廷会爆冷，则基于阿根廷是夺冠大热门的假设，并且其此前已经35场不败的记录，已经平了世界纪录。概率论的理念就是：阿根廷即使要破世界纪录，也只会破一点点（小概率事件），也就 是说最多再赢1~2场；阿根廷要想夺冠，就不能在淘汰赛输球，小组赛输球是其唯一机会。因此，其输给沙特的理由最充分（第一场可能性最大）。比赛的结果印证了这一猜想。
到了淘汰赛阶段，大家对预测英国和法国比赛产生分歧。认为两队水平相当，英国更胜一筹。但实际过程看，是英国几乎没有希望。但既然是预测，逻辑上要有一致性才行。很多机构预测法国和巴西争夺冠军，这是有一定道理的，事实上要做到这一点，两队在淘汰赛中，它几乎就不可能会输。要怎么样才会输呢？需要爆冷才会输。我们知道，在世界杯上，爆冷是有其必然性的。从历史数据看，总会有一定比例的比赛会爆冷，有些还是大冷门，这就不是小概率事件了。法国输给英国根本就不算冷门，法国只有输给像澳大利亚这样的队伍才是大冷门。另一边就不同了，巴西对克罗地亚，结果是巴西爆冷出局；西班牙对摩洛哥，同样是西班牙爆冷出局；到了葡萄牙对摩洛哥，其实已经不是爆冷了，葡萄牙队内出现严重问题，才使得摩洛哥一举击败葡萄牙，挺进4强。
其实，后面的4场比赛，结果早就失去悬念。尽管他们的能力差异在毫厘之间，但再爆冷的几率已经很低了。其一是克罗地亚和法国进入决赛，这几乎是不可能的结果，因为这种重复上届比赛结果的可能性微乎其微，历史上只有一次，而且克罗地亚水平本来就有限，打败巴西，进入4强已经是超水平发挥。其二是梅西封王众望所归，4次冲击冠军，无果而终，本届比赛，将是梅西最后的机会。梅西占尽了天时地利人和。人们无法想象没有获得世界杯的梅西，会如何与其球王身份相匹配。第三是法国卫冕也是难上加难。试问，世界上除了巴西卫冕成功过一次外，还有谁能获得这份殊荣？以法国足球的底蕴，根本不可能达到这一高度。
所以，同样是概率论的应用，在临场操作时应该从多方面考虑，而不能仅仅局限于一个维度。比如，预测决赛会不会出现帽子戏法这一事件，有几个因素支持这一预测，第一是全部21届比赛，居然出现了52个帽子戏法，平均每届2.47个，本届比赛还只有1个，这是不正常的；第二，从决赛的氛围来看，从两队的风格来看，从球星的能力和机会看，完全是有可能的，并且可能是大概率事件。
世界上的事情，往往都包含有一定的数学原理，被数学原理所制约。但即使如此，由于未来的不确定性仍然使得预测不可能百分之百准确，预测归根到底是一种猜测，它不代表结果的确定性。我们知道，再小的概率也是可能发生的，但如果我们明白背后的逻辑，将会使得猜测准确性更高。足球比赛尤其如此。因为，每场比赛虽然时间很长，但进攻到禁区并且获得得分的机会却不多。所谓的偶然性就成为左右比赛结果的重要因素。强队如果没有抓住机会，反而被弱队抓住宝贵的机会，结果就会逆转，这也是足球最具有魅力的地方。当然，强弱如果是一边倒的情况，所谓的偶然性基本是不可能发生的。
图片来源于网络
下一篇：要警惕放开后的新问题
