随机性无法完全消除
即使知道真实进球强度,门柱、折射和事件顺序仍会产生不同赛果。概率预测本来就允许多个结果,而不是每次给出确定答案。
参数也只是估计
有限样本、球队变化和数据测量误差会让 λ 或评级存在不确定性。只展示一个精确到小数点后两位的数,不代表实际认知也有那么精确。
情景分析比伪精确更有帮助
可以比较不同阵容、参数范围和时间窗下的结果,说明稳定结论与易变部分。统计置信区间、贝叶斯可信区间与预测区间定义不同,不能混称为“胜率上下限”。
教学示例
只看 10 场与看 1000 场得到同样的 60% 发生率,证据强度不同。若比赛还彼此相关,名义样本数也可能高估有效信息量。
一个常见误区
单场爆冷既不能单独推翻模型,也不能用“随机”一词免除长期验证。