串关的赔率是乘出来的，这一点几乎所有教学都会说。但很少有人说清楚：赔率相乘这个动作，偷偷假设了两腿的结果互不影响。跨两场不同的比赛，这个假设大体成立；同一场比赛的两个盘口，它一定是错的。错多少？不是「稍微偏一点」，而是可以让真实命中率比「独立相乘」翻一倍、或者砍掉一半。
本站此前那篇《串关为什么把命中率乘起来》算的是「独立假设下」的期望值衰减。这一篇补上它没碰的那一端：当独立假设失效时，偏离有多大、往哪个方向偏、赔率端应该怎么重定价。全程用泊松分布复算，公式和代入过程都写出来，你可以换一组参数自己跑一遍。
一、赔率相乘，其实同时假设了两件事
一条两腿串关的期望值是：
EV = P(A∩B) × (o₁ × o₂) − 1
其中 o₁、o₂ 是两腿的十进制赔率。平台给你的联合赔率，永远是 o₁×o₂（各腿赔率乘起来，退款腿按 1 计）。于是 EV 的正负，完全取决于 P(A∩B) 到底等于多少。
如果你用「独立」去算，就等于令 P(A∩B) = P(A) × P(B)。这个等式成立需要条件：知道 A 发生与否，不会改变 B 的概率。同一场比赛里，这条几乎必然被破坏——因为「主胜」和「大球」背后是同一个随机变量：进球。
所以串关里其实有两层抽水：第一层是每腿赔率自带的返还率损失，被乘法累积；第二层是相关性误差，也就是把不独立的两个事件当独立来定价。第一层是平台收的，第二层是模型送你的——方向可正可负，取决于你串的是哪两个盘口。
二、把一场比赛写成泊松模型（公式与代入）
足球比分最常用的近似是双变量独立泊松：主队进球 X ~ Poisson(λH)，客队进球 Y ~ Poisson(λA)，两者条件独立。单点概率为：
P(X = i) = e−λH · λHi / i!，P(Y = j) = e−λA · λAj / j!
取一组「有主场优势的典型联赛」参数：λH = 1.55，λA = 1.15（合计 2.70 球，主场球队期望进球高出 0.40，接近主流联赛的长期均值）。先算两个单点：
- P(2:0) = e−1.55 × 1.55²/2! × e−1.15 = 0.21225 × 1.20125 × 0.31664 ≈ 8.07%
- P(2:1) = 0.21225 × 1.20125 × (1.15 × 0.31664) ≈ 9.28%
把所有比分格 (i, j) 的概率加起来，按事件条件求和，得到三个基准量：
- 主胜 P(X > Y) = 46.545%；平局 P(X = Y) = 25.216%；客胜 P(X < Y) = 28.239%
- 大 2.5 球 P(X + Y ≥ 3) = 50.637%；小 2.5 球 = 49.363%
- 主胜且大 2.5 = 28.056%；而独立相乘给的是 0.46545 × 0.50637 = 23.569%
两者相差 4.49 个百分点的绝对命中率，相对差距 (28.056 − 23.569) / 23.569 = +19.03%。也就是说，如果你按独立假设去估「主胜 + 大球」这条 2 串 1，你会把它低估近两成。
三、六种组合的复算：偏差从 −49% 到 +50%
把「主胜 / 平 / 客胜」和「大 2.5 / 小 2.5」交叉，一共六种组合。每一行都做三件事：独立相乘、按泊松求真实联合、再算比值。
| 组合（同一场） | 独立相乘 P₁×P₂ | 真实联合 P | 比值 | 相对偏差 |
|---|---|---|---|---|
| 主胜 × 大 2.5 | 23.569% | 28.056% | 1.190 | +19.0% |
| 主胜 × 小 2.5 | 22.977% | 18.490% | 0.805 | −19.5% |
| 平局 × 大 2.5 | 12.772% | 6.520% | 0.511 | −48.9% |
| 平局 × 小 2.5 | 12.447% | 18.696% | 1.502 | +50.2% |
| 客胜 × 大 2.5 | 14.300% | 16.056% | 1.123 | +12.3% |
| 客胜 × 小 2.5 | 13.939% | 12.170% | 0.873 | −12.7% |
最刺眼的一行是「平局 × 大 2.5」：真实联合只有 6.52%，比独立相乘的 12.77% 少了将近一半。原因不复杂——平局意味着两队进球数相等，最容易出现的比分是 0:0、1:1、2:2，这些总进球分别是 0、2、4；而大 2.5 要求总进球至少 3。两个条件在同一批比分上几乎不重叠，所以联合概率被压到独立估计的一半。
反过来，「平局 × 小 2.5」是 1.502：0:0 和 1:1 同时满足平局与小 2.5，两条腿被同一批比分重复计入。这就是相关性的全部来源——不是玄学，是比分表里共同的格子被算了两次。
四、偏差由「进球数」这一个共同变量驱动
用条件概率看更直观。独立假设等价于 P(大 2.5 | 主胜) = P(大 2.5)，实际是多少？
P(大 2.5 | 主胜) = 28.056 / 46.545 = 60.28%，而 P(大 2.5) 只有 50.64%。也就是说，一旦知道主队赢了，打出大球的可能性从 50.6% 抬到 60.3%，抬升约 9.6 个百分点。这个差值就是「主胜 × 大」那条串关被低估的全部来源。
平局是反向极端：P(大 2.5 | 平局) = 6.520 / 25.216 = 25.86%，比无条件的 50.64% 低了近一半。所以「平局 × 大」永远不该按独立去估。
这里有个容易犯的错：很多人以为「主胜」和「大球」只是「有点关系」，于是拿 5%–10% 去修正。实测是 19%，而且是结构性的、不随运气波动的 19%。修正幅度小了一个量级。
发表回复