略占上风
Japan · 50.2%
Japan 以 50.2% 领先，次选 27.5%（差距 22.7 个百分点）。
AI 比赛预测
| 赛果 | 概率 |
|---|---|
| Japan | 50.2% |
| 平局 | 27.5% |
| Sweden | 22.4% |
Poisson 进球线概率
| 盘口 | 大 | 小 |
|---|---|---|
| 0.5 | 91.8% | 8.2% |
| 1.5 | 76.6% | 23.4% |
| 2.5 | 50.6% | 49.4% |
| 3.5 | 28.6% | 71.4% |
| 4.5 | 13.7% | 86.3% |
比赛走势预期
大 2.5 球
50.6%
接近均势
小 2.5 球
49.4%
双方进球
53.9%
接近均势
可能零封
46.1%
Poisson 合计 λ = 2.7（大 2.5 50.6% · 小 2.5 49.4%）。
双方进球 是 53.9% · 否 46.1% — 双方进球分布接近均势。
最可能比分
| 比分 | 概率 |
|---|---|
| 1-1 | 11.6% |
| 1-0 | 11.1% |
| 2-1 | 9.6% |
| 2-0 | 9.2% |
| 0-1 | 7.0% |
Poisson 最高单元格：1-1 11.6%（平局型比分；精确比分波动仍大）。
模型摘要
Elo 调整 λ（1.66 / 1.04）→ 1X2：主 50.2% · 平 27.5% · 客 22.4%。来源：Dixon–Coles 泊松网格，非博彩赔率。
预测清晰度
清晰度:
中
1X2 分布的可读性分级，非经校准的胜率置信区间。
- 领先项 50.2%，较次高领先 22.7 pp。
常见问题
胜平负概率如何计算？
由 Elo 与赛事参数推导主客队期望进球 λ，再经 Dixon–Coles 泊松网格得到本页展示的 1X2、进球线与比分概率。
这是投注建议吗？
不是。OddsGPT 仅展示模型概率供参考，不推荐下注或仓位。
xG / λ 在这里指什么？
λ 是模拟前各队期望进球输入，不是赛后 xG 统计。
为什么精确比分概率都很低？
泊松模型中大量比分组合分摊概率，最高单项通常低于 15%，属正常现象。
