泊松方程
泊松方程
泊松方程泊松方程只得是数学中一个常见于静电学、机械工程和理论物理的偏微分方程，因法国数学家、几何学家及物理学家泊松而得名的。
在数学以及物理中，拉普拉斯算子或是拉普拉斯算符（Laplace operator 或Laplacian）是一个微分算子，通常写成Δ或；这是为了纪念皮埃尔-西蒙·拉普拉斯而命名的。
拉普拉斯算子有许多用途，此外也是椭圆型算子中的一个重要例子。
在物理中，常用于波方程的数学模型、热传导方程以及亥姆霍兹方程。
在静电学中，拉普拉斯方程和泊松方程的应用随处可见。
在量子力学中，其代表薛定谔方程式中的动能项。
在数学中，经拉普拉斯算子运算为零的函数称为调和函数；拉普拉斯算子是霍奇理论的核心，并且是德拉姆上同调的结果。
泊松方程成立的条件泊松首先在无引力源的情况下得到泊松方程,△Φ=0（即拉普拉斯方程）；当考虑引力场时,有▽Φ=f（f为引力场的质量分布）.后推广至电场磁场,以及热场分布.该方程通常用格林函数法求解,也可以分离变量法,特征线法求解.泊松方程的物理内涵泊松方程可以看做是不可压缩的流体运动方程。
方程的意义相当于穿过任意封闭曲面的液体的流量等于曲面内所包含的流体源产生液体的总量。
对于电动力学中静电场，电场强度相当于流密度，净电荷相当于流体源电动力学中电场对空间坐标的二次导数与空间内电荷量成正比。
半导体中的泊松方程泊松方程表明电荷产生电场：电位的二阶导数与电荷密度成正比。
近似条件：PIN结中无载流子即全部耗尽，施主和受主完全电离。
PIN结的泊松方程：(0<x<Xn)d^2V(x)/dx^2=-Nd/ε，(-Xp<x<0)d^2V(x)/dx^2=-Na/ε边界条件E(0)=E(Xn)=-dV(x)/dx(x=-Xp,Xn)=0，V(x=-Xp)=0,V(x=Xn)=0 将上面的式子一次积分（注意符号）带入边界条件就能得出电场的分布，再次积分就能得出电势的分布。
数学物理方程泊松方程
在保险精算中，泊松方程可以用来预测未来的风险和 损失。
股票市场预测
在股票市场中，泊松方程可以用来预测股票价格的波 动和趋势。
泊松方程的扩展
04
非线性泊松方程
ห้องสมุดไป่ตู้
非线性泊松方程
在泊松方程的基础上，引入非线 性项，使其能够描述更复杂的物 理现象。
求解方法
由于非线性项的存在，求解非线 性泊松方程的难度增加，需要采 用迭代法、有限元法等数值解法。
泊松方程的来源和重要性
泊松方程的起源可以追溯到18世纪的数学和物理学领域。它是由法国数学家和物理学家西莫恩·德尼· 泊松在研究电场和重力场问题时提出的。
泊松方程在数学物理、工程技术和科学计算等领域具有广泛的应用价值。它涉及到许多物理现象和工 程问题的建模与求解，如静电场、位势论、量子力学和流体动力学等。因此，掌握泊松方程的基本理 论和方法对于深入理解和解决实际问题至关重要。
应用领域
非线性泊松方程在物理学、工程 学等领域有广泛的应用，如描述 晶体生长、流体动力学等。
泊松方程的数值解法
有限差分法
将泊松方程转化为差分方程，通过迭代求解。
有限元法
将求解区域划分为若干个小的单元，对每个单元进行近似求解，再 通过求解全局方程得到最终结果。
应用领域
数值解法广泛应用于实际问题的求解，如工程设计、物理模拟等。
泊松方程的应用
03
在物理中的应用
描述粒子在势场中的运动
泊松方程可以描述粒子在势场中的运 动，例如在量子力学和经典力学中， 粒子在势能场中的运动可以用泊松方 程来描述。
电磁波传播
热传导问题
在热传导问题中，泊松方程可以用来 描述温度场的变化和分布。
第4节(泊松方程)
nb a nb a
2 a 2 nx Aa2 dx 3 3 (1) n 1 其中 Cn ( x ax) sin a 0 a n nx ( An Bm ) sin x( x a ) 代入 a n 1
例1 在圆域 0 上求解泊松方程边值问题 u a b( x 2 y 2 ) u | 0 c
解： 先找到一个特解，就可以转化为齐次方程来求解
(ax2 / 2) a, (ay2 / 2) a 对称可取 a( x2 y 2 ) / 4
u ( , ) m ( Am cos m Bm sin m )
m 0
代入边界条件
a 2 b 4 0 ( Am cosm Bm sin m ) c 4 0 12 0 cos2 m 0
m
比较系数可得 a 2 b 2 A0 c 0 , A2 0 , Am 0(m 0,2); Bm 0 4 12 方程的一般解为：
a e nb / 2（e nb / 2 a－e nb / 2 a） Cn Cn nb / a nb / a e －e
7
பைடு நூலகம்e
nb / 2 a
Cn
ny a
e nb / 2 a cosh(nb / 2a)
ny a
Cn
nx 可得 回代 w( x, y) ( An e Bn e ) sin a n 1 cosh[n ( y b / 2) / a] nx w( x, y) Cn sin cosh(nb / 2a) a n 1
物理化学泊松方程
物理化学泊松方程泊松方程是物理化学中一种重要的偏微分方程，描述了电势场中的电荷分布和电势之间的关系。
它是电场的基本方程之一，也是研究电子结构、电解质溶液等领域的基础。
我们来了解一下泊松方程的基本形式。
在三维空间中，泊松方程可以表示为：▽²Φ = -ρ/ε₀其中，▽²Φ表示拉普拉斯算子作用于电势Φ得到的结果，ρ是电荷密度，ε₀是真空介电常数。
这个方程建立了电势分布和电荷分布之间的关系，通过求解该方程，我们可以得到电势场的分布情况。
泊松方程的物理意义可以从两个方面理解。
首先，它描述了电势场中的电荷分布情况。
当电荷密度ρ为零时，泊松方程退化为拉普拉斯方程，描述了无电荷的电势场分布情况。
其次，泊松方程还可以用于求解电势场中的电荷分布。
通过已知的电势分布，可以反推出电荷分布情况，这在研究电子结构、电解质溶液等问题时非常有用。
泊松方程在物理化学中的应用非常广泛。
例如，在固体物理中，泊松方程被用来研究电子在晶格中的运动和能带结构；在电解质溶液中，泊松方程被用来研究电位分布和电解质浓度之间的关系。
此外，泊松方程还可以应用于电容器、半导体、生物电势等领域。
为了求解泊松方程，我们需要给定边界条件。
边界条件可以是电势值的固定值，也可以是电势梯度的固定值。
根据边界条件的不同，可以得到不同形式的泊松方程解。
对于一些复杂的情况，如非线性泊松方程、含时泊松方程等，求解起来可能更加困难，需要借助数值计算方法或近似方法。
泊松方程是物理化学中一种重要的方程，描述了电势场中的电荷分布和电势之间的关系。
通过求解泊松方程，可以得到电势场的分布情况，从而揭示了电势和电荷分布之间的联系。
泊松方程在固体物理、电解质溶液等领域有广泛的应用，对于理解和解决实际问题具有重要意义。
泊松方程
泊松方程
泊松方程（法语：Équation de Poisson）是数学中一个常见于静电学、机械工程和理论物理的偏微分方程，因法国数学家、几何学家及物理学家泊松而得名的。
泊松方程为
在这里代表的是拉普拉斯算子，而和可以是在流形上的实数或复数值的方程。
当流形属于欧几里得空间，而拉普拉斯算子通常表示为，因此泊松方程通常写成
在三维直角坐标系，可以写成
如果有恒等于0，这个方程就会变成一个齐次方程，这个方程称作“拉普拉斯方程”。
泊松方程可以用格林函数来求解；如何利用格林函数来解泊松方程可以参考屏蔽泊松方程。
现在也发展出很多种数值解，如松弛法（一种迭代法）。
通常泊松方程表示为
这里代表拉普拉斯算子，为已知函数，而为未知函数。
当时，这个方程被称为拉普拉斯方程。
为了解泊松方程我们需要更多的信息，比如狄利克雷边界条件:
其中为有界开集。
这种情况下利用基础函数构建泊松方程的解，拉普拉斯方程的基础函数为:
其中为n维欧几里得空间中单位球面的体积，此时可通过卷积得到的解。
为了使方程满足上述边界条件，我们使用格林函数
为一个校正函数，它满足
通常情况下是依赖于。
通过可以给出上述边界条件的解
其中表示上的曲面测度。
此方程的解也可通过变分法得到。
泊松方程
泊松方程是在数学中的静电学，机械工程学和理论物理学中常见的偏微分方程。
它以法国数学家，几何学家和物理学家Poisson的名字命名。
泊松首先获得没有重力源的泊松方程△Φ= 0（即拉普拉斯方程）；考虑重力场时，△Φ= f（f为重力场的质量分布）。
后来，它扩展到了电场，磁场和热场分布。
该方程通常用格林函数法求解，但也可以用分离变量法和特征线法求解。
泊松方程为△φ=f
在这里△代表的是拉普拉斯算符(也就是哈密顿算符▽的平方)，而f 和φ 可以是在流形上的实数或复数值的方程。
当流形属于欧几里得空间，而拉普拉斯算子通常表示为，
因此泊松方程通常写成
在三维直角坐标系，可以写成
如果没有f，这个方程就会变成拉普拉斯方程△φ=0.
泊松方程可以用格林函数来求解;如何利用格林函数来解泊松方程可以参考screened Poisson equation[1] 。
现在有很多种数值解。
像是松弛法，不断回圈的代数法，就是一个例子。
数学上，泊松方程属于椭圆型方程(不含时线性方程)。
折叠编辑本段静电场的泊松方程
泊松方程是描述静电势函数V与其源(电荷)之间的关系的微分方程。
▽^2V=-ρ/ε
其中，ρ为体电荷密度(ρ=▽·D，D为电位移矢量。
)，ε为介电常
数绝对值εr*εo。
泊松方程
vy ( x, y) 2 Ay 4By3 , vyy ( x, y) 2 A 12By 2 ,
4
Dv( x, y ) vxx ( x, y ) v yy ( x, y ) 4 A 12 B( x 2 y 2 ) a b( x 2 y 2 )
所以，
a b A ,B . 4 12
5
利用叠加原理，令
a 2 b 4 u w v w cos 2 . 4 12
w的第一边值问题为
Dw 0, a b 2 4 w | c 0 0 0 cos 2 . 4 12
在极坐标系中，
2 w 1 w 1 2 w Dw 2 2 0, 2
这里S是区域V的边界。
1
第一步：先不管边界条件，求出泊松方程的一个特解v(x,y,z)， 即Dv(x,y,z)=f(x,y,z)。特别是当f(x,y,z)是关于x，y，z的多项式 时，这个特解很容易用待定系数法求出。 第二步：利用叠加原理，令
u( x, y, z ) w( x, y, z ) v( x, y, z ).
除，即
D0 0, Cm 0, Dm 0.
w( , ) C0 m ( Am cos m Bm sin m ).
m 1
利用边界条件，
a 2 b 4 w | 0 c 0 0 cos 2 4 12
C0 0 m ( Am cos m Bm sin m )
解 先找出Poisson方程的一个特解。由于泛定方程的右端是关 于x，y的二次多项式，故可以假定方程的特解为
v( x, y) A( x2 y 2 ) B( x4 y 4 ),
恒定电流场泊松方程
恒定电流场泊松方程
恒定电流场泊松方程（Poisson's Equation for Steady-State Electric Fields）是描述恒定电流场中电荷分布与电势之间关系的微分方程。
在静电场或恒定电流场中，没有电荷的积累或消失，因此电荷密度ρ是固定的。
泊松方程在这种情况下可以表示为：
∇²φ = -ρ/ε₀
其中：
∇²是拉普拉斯算子，表示二阶空间导数。
φ是电势。
ρ是电荷密度。
ε₀是真空中的介电常数。
这个方程描述了电势φ与电荷密度ρ之间的关系。
在恒定电流场中，电荷分布决定了电势的分布，而电势的分布又通过电场强度E（通过E = -∇φ定义）来影响电荷的运动。
泊松方程是麦克斯韦方程组在静电或恒定电流条件下的简化形式。
在更一般的情况下，麦克斯韦方程组描述了时变电磁场的行为，而泊松方程则专注于静态或恒定条件。
要解这个方程，通常需要知道电荷分布ρ的具体形式，以及可能存在
的边界条件（例如，在导体表面电势为零）。
然后，可以使用数值方法（如有限差分法、有限元法等）或解析方法（在特定几何形状和电荷分布下）来求解电势φ。
泊松方程
泊松方程是数学中的偏微分方程，通常用于静电学，机械工程和理论物理学中。
它以法国数学家，几何学家和物理学家泊松命名。
泊松首先获得没有重力源的泊松方程△Φ= 0（即拉普拉斯方程）; 当考虑重力场时，有△Φ= f（F是重力场的质量分布）。
然后扩展到电场，磁场和热场分布。
该方程通常通过格林函数法求解，也可以通过变量分离和特征线法求解。
泊松方程表明，电场是由电荷产生的：电势的二阶导数与电荷密度成正比。
近似的条件是在PIN结中没有载流子，也就是说，载流子被完全耗尽并且施主和受主被完全电离。
PIN结的泊松方程
（0 <x <xn）d ^ 2V（x）/ DX ^ 2 =-nd /ε，（-XP <x <0）d ^ 2V（x）/ DX ^ 2 =-Na /ε边界条件e（0）= e（xn）=-DV（x）/ DX（x =-XP，xn）= 0，V（x =-XP）= 0，V（x = xn）= 0
通过积分电场的符号，我们可以再次获得电场的分布。
扩展数据：
泊松方程可以用格林函数求解。
如何使用格林函数求解泊松方程可以参考屏蔽泊松方程。
有许多数值解。
例如，松弛法，迭代代数法就是一个例子。
泊松首先获得没有重力源的泊松方程△Φ= 0（即拉普拉斯方程）;当考虑重力场时，有△Φ= f（F是重力场的质量分布）。
然后扩展到电场，磁场和热场分布。
该方程通常通过格林函数法求解，也可以通过变量
分离和特征线法求解。
泊松方程公式
泊松方程公式泊松方程是一种重要的偏微分方程，在数学、物理和工程学科中都有广泛的应用。
它描述了一个标量函数在定义域内的拉普拉斯算子与另一个函数的乘积之和的关系。
在这篇文章中，我们将详细介绍泊松方程，并阐述其数学原理和物理意义，同时探讨它在各个领域中的应用。
一、泊松方程的数学原理泊松方程的数学表示为：∇²u = f其中，u为定义在R³上的标量函数，∇²为拉普拉斯算子，f是同样定义在R³上的标量函数。
此方程也可以写成：∇·(∇u) = f其中，∇指的是梯度算子，∇u为u的梯度。
这个形式更直观地表明泊松方程的本质：一个标量函数的梯度的散度等于另一个标量函数。
这种关系为泊松方程的求解提供了一个有力的工具。
二、泊松方程的物理意义泊松方程的物理意义也很重要。
在物理学中，它描述了许多自然现象，例如电磁场、流体力学、热传导等等。
对于电磁场而言，泊松方程可以表示电势（标量）在给定电荷分布（标量）下的分布情况。
在流体力学领域，泊松方程可以描述速度势（标量）在给定源项（标量）下的运动情况。
在热传导领域，泊松方程可以描述温度（标量）在给定热源分布（标量）下的传递规律。
三、泊松方程的应用领域泊松方程广泛应用于数学、物理和工程学科中。
在数学领域，泊松方程是偏微分方程理论的重要组成部分，可以用于描述许多数学问题。
在物理学领域，泊松方程是电势、速度势等物理量的重要描述方程。
在工程学领域，泊松方程可以用于计算机模拟、地震勘探、材料分析等领域中。
总之，泊松方程是一种十分重要的偏微分方程，具有广泛的应用领域。
掌握泊松方程的基本知识可以为我们在数学、物理和工程学科中的研究和实践提供很大的帮助。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
泊松方程在很多APP或者网站中常能看到泊松分布在足球预测中的应用，很久以前笔者就曾研究过泊松分布，本文笔者将对其进行更深入的探讨，运用泊松分布的原理建立预测模型，详细说明建立过程并分析预测结果，抛砖引玉，相互探讨。
首先，我们大概了解一下什么是泊松分布。
泊松分布是以法国数学家泊松（1781~1840）命名的，他是19世纪概率统计学领域里的卓越人物，在数学统计领域中以他命名的理论除了泊松分布外，还有泊松定理、泊松公式、泊松方程、泊松过程、泊松积分、泊松级数、泊松变换、泊松代数、泊松比、泊松流、泊松核、泊松括号、泊松稳定性、泊松积分表示、泊松求和法等等。
简单来说泊松分布就是假设我们知道某一个事件的平均发生次数，并且假设事件与事件之间发生是相互独立的，那么我们就可以计算出这些不确定事件的发生概率分布。
泊松分布被运用到很多小概率事件上，比如二战中的V-2导弹袭击伦敦、交通事故的概率、放射性衰变等。
同理，在足球场上的进球从某种程度上来说就是小概率事件，所以我们可以把定义中提到的事件换成进球。
也就是说，在足球比赛中，如果我们知道对阵双方各自的预期进球数，那么1）我们就能通过运算得到一个囊括所有可能比分的概率分布图（例如图1，每种比分都有对应的概率，左下方是主队获胜比分，右上方是客队获胜比分，夹在中间的是平局比分）；2）根据比分概率分布图，进而可以得出胜平负所对应的概率；3）同样还能得到大小球、双方都进球玩法的概率。
图1 泊松分布- 比分概率分布图1. 泊松分布详细步骤1）选择目标联赛：笔者以26个联赛为研究标的，包括五大联赛、五大联赛各自二级别联赛、荷甲、荷乙、葡超、苏超、挪威超、俄超、瑞典超、瑞士超、土超、英甲、希腊超、巴甲、中超、日职、日职乙、澳超。
2）确定数据样本范围：笔者用2014/15至2018/19这5个赛季作为被预测赛季，假设还未进行（如果是非跨年联赛则为2014至2018赛季），样本数据库从2013/14开始向前追溯至2006/07赛季。
分别以被预测赛季过去1、3、5、8个赛季跨度的数据为样本进行泊松分布的概率计算（共计4个样本，且样本包含被预测赛季已赛场次）。
假设2014/15是一个还未进行的赛季，作为被预测赛季，笔者以过去1个赛季（2013/14）的数据为样本来计算泊松分布概率，并且随着模拟预测场次的进行会把2014/15已赛场次包含在样本中，同时笔者还会以过去3个赛季（2011/12至2013/14）、过去5个赛季（2009/10至2013/14）、过去8个赛季（2006/07至2013/14）的数据为样本分别进行计算。
这是一个动态的过程，如果被预测赛季为2015/16赛季，那么数据样本分别选自于过去1个赛季（2014/15）、过去3个赛季（2012/13至2014/15）、过去5个赛季（2010/11至2014/15）、过去8个赛季（2007/08至2014/15）。
（注：通常在研究泊松分布时研究人员会选择某一个样本范围，例如3个赛季或是5个赛季，笔者之所以选择4个样本跨度是希望观察球队的概率变动趋势，与下文的研究方向有关）3）统计数据：确定好4个样本跨度后（被预测赛季之前的1、3、5、8个赛季），需要统计各个样本中各支球队的主场场均进球数及主场场均失球数，以及整个样本中所有球队的平均主场场均进球数及平均主场场均失球数。
同理，统计各支球队的客场场均进球数及客场场均失球数，以及整个样本中所有球队的平均客场场均进球数及平均客场场均失球数。
假设我们要预测西甲2018/19赛季，以皇马为例（其它球队同理），那么1、3、5、8这4个样本对应的统计结果分别为：Ø （1）2017/18赛季：皇马主场场均进球2.84，主场场均失球1.05，客场场均进球2.11，客场场均失球1.26，联赛平均主场场均进球1.55（=联赛平均客场场均失球），联赛平均主场场均失球1.15（=联赛平均客场场均进球）Ø （3）2015/16至2017/18赛季：皇马主场场均进球2.86，主场场均失球0.98，客场场均进球2.42，客场场均失球1.11，联赛平均主场场均进球1.60，联赛平均主场场均失球1.18Ø （5）2013/14至2017/18赛季：皇马主场场均进球3.06，主场场均失球0.93，客场场均进球2.44，客场场均失球1.13，联赛平均主场场均进球1.59，联赛平均主场场均失球1.16Ø （8）2010/11至2017/18赛季：皇马主场场均进球3.22，主场场均失球0.92，客场场均进球2.37，客场场均失球1.07，联赛平均主场场均进球1.62，联赛平均主场场均失球1.154）计算各支球队的相对优势：相对优势包括主队主场进攻相对优势（数值越大越好）、主队主场防守相对优势（数值越小越好）、客队客场进攻相对优势（数值越大越好）、客队客场防守相对优势（数值越小越好）。
仍以皇马为例（其它球队同理）：Ø （1）2017/18赛季：皇马主场进攻相对优势= 皇马主场场均进球/联赛平均主场场均进球= 2.84/1.55 = 1.83皇马主场防守相对优势= 皇马主场场均失球/联赛平均主场场均失球= 1.05/1.15 = 0.91皇马客场进攻相对优势= 皇马客场场均进球/联赛平均客场场均进球= 2.11/1.15 = 1.831.26/1.55 = 0.81Ø （3）2015/16至2017/18赛季：皇马主场进攻相对优势= 皇马主场场均进球/联赛平均主场场均进球= 2.86/1.60 = 1.79皇马主场防守相对优势= 皇马主场场均失球/联赛平均主场场均失球= 0.98/1.18 = 0.83皇马客场进攻相对优势= 皇马客场场均进球/联赛平均客场场均进球= 2.42/1.18 = 2.05皇马客场防守相对优势= 皇马客场场均失球/联赛平均客场场均失球= 1.11/1.60 = 0.69Ø （5）2013/14至2017/18赛季：皇马主场进攻相对优势= 皇马主场场均进球/联赛平均主场场均进球= 3.06/1.59 = 1.92皇马主场防守相对优势= 皇马主场场均失球/联赛平均主场场均失球= 0.93/1.16 = 0.80皇马客场进攻相对优势= 皇马客场场均进球/联赛平均客场场均进球= 2.44/1.16 = 2.101.13/1.59 = 0.71Ø （8）2010/11至2017/18赛季：皇马主场进攻相对优势= 皇马主场场均进球/联赛平均主场场均进球=3.22/1.62 = 1.99皇马主场防守相对优势= 皇马主场场均失球/联赛平均主场场均失球=0.92/1.15 = 0.80皇马客场进攻相对优势= 皇马客场场均进球/联赛平均客场场均进球=2.37/1.15 = 2.06皇马客场防守相对优势= 皇马客场场均失球/联赛平均客场场均失球=1.07/1.62 = 0.665）计算主客双方各自预期进球数：我们需要计算主队主场预期进球数以及客队客场预期进球数假设预测皇马vs西班牙人，那么使用上一点中得出的数据代入图2公式即可算出，当然，笔者仍然要对4个不同的数据样本分别进行计算。
图2 预期进球公式6）计算泊松分布概率：这个过程可以用EXCEL公式实现，公式如图3图3 泊松分布EXCEL公式假如，我们要计算皇马vs西班牙人比分为3:1的概率，并且我们已经通过上述步骤计算出了双方的预期进球数，皇马主场预期进球数为3.05，西班牙人客场预期进球数为0.8，那么就在EXCEL单元格中输入图4公式，其中比分3:1对应的x1和x2分别为3和1，其它比分同理。
图4计算得出3:1的概率为8.05%，按照相同方法我们可以求出所有比分概率，然后将主队获胜比分概率相加即为主胜概率，将平局比分概率相加即为平局概率，将客队获胜比分概率相加即为客胜概率。
同样，将双方都进球比分概率相加即为都进球概率，将进球数大于2.5球的比分概率相加即为大2.5球概率。
依据6个步骤对所有预测场次进行计算，形成一个动态模型，当新的预测赛季被加入时，原先样本数据中最早的一个赛季将自动被剔除。
至此，26个联赛中近5个赛季（被预测赛季）的泊松分布概率都已计算完毕，由于篇幅有限，图5是部分节选以供参考。
图52. 概率变动趋势与结果首先，计算出来的泊松分布概率可以协助我们评估被预测场次的赛果概率，例如通过对比被预测场次的平均欧赔概率与泊松分布概率之间的差别来为分析提供帮助，但由于这里会涉及到很多难以量化的指标，比如伤病影响、战意变化、天气、心理博弈等因素都会是差别产生的原因，所以在具体分析中还应因场而异。
这里笔者主要从大概率角度为大家提供宏观思路。
在所有让球盘口中，笔者将-1.25至-3.75（主队让球）以及1.25至3.75（主队受让）统称为深盘，1球及以下盘口中，平手盘，半球盘及一球盘相对来说盘路概率比较均衡，而平半盘（包括-0.25和0.25）和半一盘（包括-0.75和0.75）则分别代表着下盘与上盘属性，这两个盘口我们更多要顺势而为，如果非要反概率而为那是跟自己过不去。
所以如图6所示，平半盘、半一盘、深盘为三个主要研究目标。
图6中的“历史概率”指的是26个联赛中近5个赛季对应盘口的盘路概率，例如主让平半-0.25，上盘42.13%、走盘0%、下盘57.87%，也就是说这是未经过任何筛选处理的历史天然概率，平半盘的下盘历史概率与半一盘的上盘历史概率大约都为57%左右。
“*主胜概率连升”指的是被预测场次的欧赔初盘平均主胜概率>依据过去1个赛季数据样本计算的泊松分布主胜概率>依据过去3个赛季数据样本计算的泊松分布主胜概率>依据过去5个赛季数据样本计算的泊松分布主胜概率>依据过去8个赛季数据样本计算的泊松分布主胜概率。
换句话说，主队在近期赛季的表现连续好于早期赛季。
“*主胜概率连降”指的是被预测场次的欧赔初盘平均主胜概率<依据过去1个赛季数据样本计算的泊松分布主胜概率<依据过去3个赛季数据样本计算的泊松分布主胜概率<依据过去5个赛季数据样本计算的泊松分布主胜概率<依据过去8个赛季数据样本计算的泊松分布主胜概率。
换句话说，主队在近期赛季的表现连续劣于早期赛季。
“*客胜概率连升”指的是被预测场次的欧赔初盘平均客胜概率>依据过去1个赛季数据样本计算的泊松分布客胜概率>依据过去3个赛季数据样本计算的泊松分布客胜概率>依据过去5个赛季数据样本计算的泊松分布客胜概率>依据过去8个赛季数据样本计算的泊松分布客胜概率。
换句话说，客队在近期赛季的表现连续好于早期赛季。
“*客胜概率连降”指的是被预测场次的欧赔初盘平均客胜概率<依据过去1个赛季数据样本计算的泊松分布客胜概率<依据过去3个赛季数据样本计算的泊松分布客胜概率<依据过去5个赛季数据样本计算的泊松分布客胜概率<依据过去8个赛季数据样本计算的泊松分布客胜概率。