如何高效计算两队进球的泊松概率并优化Numpy矩阵运算？

我想用泊松分布计算两队都进球的概率，但遇到两个问题：

• 只计算0-6进球范围的比分时，概率总和达不到100%；
• 手动累加numpy矩阵元素效率极低。
  已知变量m存储了所有可能比分的对应概率，希望找到高效方法覆盖所有有效比分，让含零/不含零比分的概率总和趋近100%。

原代码如下：

from scipy.stats import poisson
import numpy as np
home_goals_vector = poisson(1.23).pmf(np.arange(0, 6))
away_goals_vector = poisson(2.23).pmf(np.arange(0, 6))
print(home_goals_vector)
m = np.outer(home_goals_vector, away_goals_vector)
print(m[1, 1] + m[2, 1] + m[3, 1] + m[4, 1] + m[1, 2] + m[2, 2] + m[2, 3] + m[2, 4] + m[3, 2] + m[3, 3] + m[3, 4] + m[4, 1] + m[4, 2] + m[4, 4] + m[1, 3] + m[1, 4])
print(np.sum(m))

1. 解决概率总和不足的问题 #

泊松分布是无限离散分布，只取0-6会丢失大比分的小概率。有两种处理方式：

• 扩大计算范围：找到足够大的进球数上限n，使得超过n的概率总和小于可忽略阈值（比如1e-6）；
• 互补概率法：两队都进球的概率 = 1 - 主队没进球概率 - 客队没进球概率 + 两队都没进球概率（避免重复减去重叠部分），这种方法无需枚举所有非零比分，效率更高。

2. 解决手动累加低效的问题 #

利用numpy的矩阵切片和批量求和替代手动索引：

• m[1:, 1:].sum()：直接取主队进球≥1且客队进球≥1的所有元素求和，就是两队都进球的概率；
• 若要让np.sum(m)趋近100%，需先扩大进球数计算范围。

方法一：扩大范围+矩阵切片 #

from scipy.stats import poisson
import numpy as np

# 设定足够大的上限，取到15时剩余概率可忽略
max_goals = 15
home_pmf = poisson(1.23).pmf(np.arange(0, max_goals+1))
away_pmf = poisson(2.23).pmf(np.arange(0, max_goals+1))

# 生成所有比分概率矩阵
m = np.outer(home_pmf, away_pmf)

# 计算两队都进球的概率：主队≥1且客队≥1
both_scored = m[1:, 1:].sum()
# 验证总概率
total_prob = np.sum(m)

print(f"两队都进球的概率：{both_scored:.6f}")
print(f"总概率：{total_prob:.6f}")  # 结果接近100%

方法二：互补概率法（更高效） #

from scipy.stats import poisson

home_lambda = 1.23
away_lambda = 2.23

# 主队没进球的概率
home_no_goal = poisson(home_lambda).pmf(0)
# 客队没进球的概率
away_no_goal = poisson(away_lambda).pmf(0)
# 两队都没进球的概率
both_no_goal = home_no_goal * away_no_goal

# 两队都进球的概率 = 1 - 主队没进球 - 客队没进球 + 两队都没进球
both_scored = 1 - home_no_goal - away_no_goal + both_no_goal

print(f"两队都进球的概率：{both_scored:.6f}")

• 方法二无需生成庞大的概率矩阵，计算效率更高，且天然覆盖所有可能比分（泊松分布的互补概率是精确的）；
• 方法一适合需要查看具体比分概率分布的场景，只要上限足够大，总概率会无限接近100%。

内容的提问来源于stack exchange，提问作者Chigstardan