Futbol Süper Bilgisayarı” Nasıl Çalışıyor: Monte Carlo Simülasyonu Açıklaması

"Superbil bilgisayar Premier Lig şampiyonluk yarışını tahmin ediyor." "Superbil bilgisayar küme düşme kararı veriyor." Başlıkları biliyorsun. Her hafta bir kolon halinde, her kulübün yanında yüzde yüzdelerle karşımıza çıkıyorlar ve Cumartesi günü pub'larda sanki taş tabletler gibi alınıp söyleniyorlar.

Ancak bodrumda vınlamaya devam eden, oda boyutlarında bir makine yok. Futbol "superbil bilgisayarı" istatistiksel bir modeldir ve arkasındaki yöntem, laptop'unun çalıştırabileceği bir şeydir. İsim tamamen pazarlama. Altında yatan ise akıllı ve şaşırtıcı derecede basittir ve biz her bahisçinin bunu anlaması gerektiğini düşünüyoruz.

2026/27 sezonu yaklaşık yedi haftalık. 21 Ağustos'ta başladı, Arsenal şampiyon olarak devam ediyor ve Coventry City, Ipswich Town ile Hull City yükseldi. Tam da bu dönemde projeksiyonlar her yöne uçuşuyor ve tam da bu dönemde en kolay yanlış yorumlanan dönem.

Bize eşlik edin ve bir sezon simülasyonunun nasıl inşa edildiğini, "%35 şampiyonluk şansı"nın gerçekte ne anlama geldiğini, modelin ve bookmaker'ların neden uyuşmadığını ve ne zaman hangisine güvenmeniz gerektiğini öğrenin.

Bahis seveni bu ismi hemen sever. Monte Carlo yöntemleri, tekrarlanan rastgele örnekleme üzerine kurulu bir hesap ailesidir. Polonyalı matematikçi Stanislaw Ulam bu fikri ortaya atmış ve yönteme Monaco'daki Monte Carlo Casino'dan adını almıştır; bu da amcasının kumar alışkanlığına bir selam niteliğindedir.

Yöntem ilk bakışta garip geliyor: Rastgeleliği, hiç de rastgele olmayan bir soruyu cevaplamak için kullanıyorsunuz. Bazı sorunlar, düzgün bir formül için çok karmaşık ve bir futbol sezonu da bunlardan biri. Yirmi takım, 380 maç, her sonuç diğerine etki ediyor, tie-break'ler gol farkıyla çözülüyor. "Coventry'nin kalma şansı nedir?" diye düzgün bir denklem yazan kimse yok.

Dolayısıyla uğraşmaya gerek yok. Sezonu, makul olasılıklara göre rastgele oynatıyorsunuz ve bunu binlerce kez yapıyorsunuz. Sonra sayıyorsunuz.

İşte süper bilgisayar bu. Geri kalan her şey, girdi olarak kullanılan olasılıkların ne kadar iyi olduğuna ve asıl tartışmanın da orada yaşamasına bağlı.

Her simülasyon her takım için bir sayıyla başlar. Bazı modeller Elo puanları gibi tek bir güç değerini kullanır, ancak çoğu futbol modeli bunu bir hücumsal güç ve bir defansif güç olarak ikiye ayırır. Bunlar geçmiş sonuçlardan, giderek artan şekilde beklenen gol sayısından (xG) ve bazı modellerde piyasaya oranlarla bir karışımından gelir.

Beklenen gol, modern omurga. Her vuruşun, mesafe, açı, vuran uzuv, asist türü ve benzeri faktörlere dayalı olarak 0 ile 1 arasında bir gol olma ihtimali vardır. Vuruşları topladığınızda maç veya sezon için takımın xG'sini elde edersiniz. 0,3 xG'lik bir şans, çok tekrarlı denemelerde yaklaşık %30 gol olur; bu, tek bir vuruşun gol olup olmayacağı hakkında hiçbir şey söylemez. Bitişik şansını elediği için, xG tek başına gol sayısından daha güvenilir bir şekilde takımın gerçek seviyesini gösterir, bu yüzden çoğu puan sistemi ona büyük ölçüde dayanır. Bireysel spor bahis modeli oluşturma rehberimiz, girişlerinizi seçme konusunda daha derine iniyor.

Bunların akademik atası Dixon ve Coles, 1997'de Royal Statistical Society dergisinde yayımlanmıştır. 1992'den 1995'e kadar İngiliz lig ve kupa futboluna bir Poisson regresyon modeli sığdırdılar ve bunu 1995/96 sezonundaki bookmaker oranlarıyla test ettiler. Makale açıkça futbol bahis piyasasındaki açıkları bulmaya yönelikti ve bu testte pozitif bir getiri raporlandı. 1990'ların piyasaları bugünkünden daha yumuşak bir hedefti, ancak bu modelin kemikleri bugün hâlâ çoğu halka açık tahminin içinde duruyor.

Puanlar da sabit kalmıyor. İyi bir model, sezon ilerledikçe bunları günceller, böylece son maçlar geçen bahardan daha fazla ağırlık taşır.

Puanlar yerli yerine oturduğunda, her maç için iki tarafın da beklenen gol sayısı ortaya çıkar ve bu rakamlar Poisson dağılımı aracılığıyla olasılıklara dönüşür. Bu, belirli bir zaman diliminde nadir bir olayın ne sıklıkla gerçekleştiğini modellemek için standart yöntemdir ve futbol maçlarındaki gol sayıları da buna çok iyi uyuyor.

P(takım k gol atar) = e^(-λ) × λ^k / k!

λ_ev = lig_ort. × ev_saldırı × de_defans × ev_advantajı
λ_de = lig_ort. × de_saldırı × ev_defans ÷ ev_advantajı

Lig ortalaması temel çizgiyi belirler. 2026/27 sezonunun ilk 50 Premier League maçında 141 gol atıldı, maç başına 2,82 gol, yani taraf başına yaklaşık 1,41 gol.

Model ev sahibi ekibin 1,8 gol, deplasman ekibin ise 1,0 gol atacağını öngörsün. Ev sahibi takımın gol atma olasılığı e^-1,8'dir, yani yaklaşık %16,5'tir; %29,8 ihtimalle bir gol atar ve %26,8 ihtimalle iki gol atar. 0-0'dan 9-9'a kadar tüm skor olasılıklarını hesaplayıp topladığınızda şunu elde edersiniz:

Ev galibiyeti ≈ %56
Beraberlik    ≈ %23
Deplasman galibiyeti ≈ %21

Bu yapı tanıdık gelmeli. Opta'nın 9 Ekim 2026'da bir avuç maç için yayınladığı model tahminleri şöyle:

Opta galibiyet olasılıkları, 9 Ekim 2026 itibarıyla.

Sade Poisson'un bir ünlü eksiği var. İki takımın gol atma durumlarını bağımsız kabul eder, bu da 0-0 ve 1-1 gibi düşük skorlu beraberliklerin olasılığını düşük gösterir. Dixon ve Coles, en düşük dört skor (0-0, 1-0, 0-1 ve 1-1) için bir düzeltme eklemiştir ve çoğu ciddi model artık benzer bir yapıya sahiptir.

İşte Monte Carlo kısmı. Beş adımlı bir döngü:

1. Her takımı puanla: sonuçlar, xG ve diğer girdilerle.
2. Kalan tüm maçları fiyatla: Yukarıdaki maç modeliyle.
3. Her maçı bir kez, rastgele oyna: O olasılıklardan bir skor çek ve puanları tabloya ekle. Zaten oynanmış maçlar tam olarak gerçekleştiği gibi kalır.
4. Tüm sezonu tekrarla: Binlerce kez. 10,000 iterasyon yaygın bir tercih ve her iterasyon 2026/27 sezonunun olası bir versiyonudur.
5. Say. Şampiyonluk şansı, bir takımın 1. sırada bitirdiği iterasyonların yüzdesidir. Düşme şansı ise 18, 19 veya 20. sırada bitirdiği iterasyonların yüzdesidir.

O meşhur yüzdeler sadece sayılar. 10,000 simüle sezondan 4,300'ünde şampiyon olursan %43'te olursun. 20 Eylül itibarıyla 380 maçtan 50'i oynanmış olduğunda, bir Premier League modeli her iterasyonda yaklaşık 330 maçı tekrar oynatır.

Aşağıda, evde ve deplasmanda maç yapan, uydurma dört takımlı bir lig için çalışan bir versiyon var. Okuması bir dakika sürer:

import random, math
random.seed(7)
teams = {"Reds": (1,9, 0,9), "Blues": (1,7, 1,0), "Whites": (1,4, 1,2), "Greens": (1,2, 1,3)}  # (attack, defence)
AVG, HOME = 1,35, 1,15

def poisson(lam):
    L, k, p = math.exp(-lam), 0, 1,0
    while True:
        p *= random.random()
        if p <= L:
            return k
        k += 1

def play(h, a):
    lam_h = AVG * (teams[h][0] / AVG) * (teams[a][1] / AVG) * HOME
    lam_a = AVG * (teams[a][0] / AVG) * (teams[h][1] / AVG) / HOME
    return poisson(lam_h), poisson(lam_a)

fixtures = [(h, a) for h in teams for a in teams if h != a]
N, titles = 10_000, dict.fromkeys(teams, 0)
for _ in range(N):
    pts, gd = dict.fromkeys(teams, 0), dict.fromkeys(teams, 0)
    for h, a in fixtures:
        x, y = play(h, a)
        gd[h] += x - y; gd[a] += y - x
        if x > y: pts[h] += 3
        elif x < y: pts[a] += 3
        else: pts[h] += 1; pts[a] += 1
    champion = max(teams, key=lambda t: (pts[t], gd[t], random.random()))
    titles[champion] += 1
print({t: titles[t] / N for t in teams})

Çalıştırın ve kağıt üzerinde rahatça en iyi takım olan Reds, yalnızca yaklaşık %53'ünde şampiyon oluyor. Blues yaklaşık %31, Whites %11 ve Greens %5 civarında şampiyonluk kazanıyor. Reds, evinde Greens'i %70 oranında yenerken, kısa bir sezonda en iyi takım bile neredeyse yarı yarıya şanssızlık yaşıyor. Futbolun bu kadar gürültülü olduğu da tam olarak bu yüzden.

%25 şampiyonluk ihtimali, bir takımın kazanması gerektiği anlamına gelmiyor. Dört sezondan birini kazanacakları anlamına geliyor.

Çoğu yanlış anlaşımlar tam da burada başlıyor. %25 ile listenin başında yer alırsın ve "supercomputer'in favorisi" olursun, ama dört sezonun üçünde kupa başka birinin elinde. %10 düşme ihtimali taşıyan bir takım manşetlerde "güvende" olarak anılır, ama her on sezondan birinde tam o kadro, tam o fikstürle küme düşer.

Erken sayılar büyük ölçüde geçen sezonun yansıması

Yedi hafta geçti, gerçek puan tablosu henüz iğneden bile daha az hareket etti. Şu an baktığın şey, büyük ölçüde modelin her takım için önceden belirlediği görüşü ve içine birkaç sonuç karıştırılmış hali. Nisan'a geldiğinde tablo tersine döner: gerçek puanlar baskın hale gelir ve puanlar yalnızca kalan birkaç maçta belirleyici olur. Erken dönem tahminlerin her maç haftasından sonra bu yüzden bu kadar çok salınım göstermesinin sebebi de bu.

Küçük puan değişimleri, büyük sıçrayışlar

Puan toplamları birbirine çok yakın. Bir takımın puanını bir tık değiştirirsen, şampiyonluk ihtimali birkaç yüzde puan kayabilir, çünkü bir sezon boyunca birkaç ekstra galibiyet, birinci ile üçüncü arasındaki tüm fark olabilir.

Daha fazla simülasyon kötü bir modeli düzeltmez

Simülasyonları arttık örneklem gürültüsü azalır ve matematiği yeterince basit:

standart hata = √( p × (1 − p) ÷ N )

p = 0,5, N = 10.000  →  0,5 puan  (yaklaşık ±1 puan)
p = 0,5, N = 1.000   →  1,6 puan  (yaklaşık ±3 puan)

Ama bu yalnızca zarların yarattığı gürültüyü kapsar. Puanları yanlış ayarladığın takdirde, bir milyon simülasyon bile çok kesin bir yanlış cevap verir. Bu, harika geri testler yapan ama gerçek parayı kaybeden bahis modellerine tuzak kuran aynı tuzaştır.

Nadir, imkansız demek değil

Leicester City, 2015/16 sezonuna 5000-1 dışarıda olarak başladı ve 2 Mayıs 2016'da şampiyonlukları kesinleşti; bu süreçte Jamie Vardy, Claudio Ranieri'nin ekibiyle 24 lig golü attı. 5000-1 oran, yaklaşık %0,02 anlamına gelir, yani 10.000 simüle edilmiş sezondan yaklaşık ikisinde şampiyonluk. Bir model "<%1" yazdığında, bunu "nadir" olarak oku, asla "olamaz" olarak.

Bir modelin yüzdelerini bir bookmakerin oranlarıyla yan yana koyduğunuzda, nadiren aynı hizaya gelirler. Bu farkı üç şey yaratıyor.

Marj

Bir modelin olasılıkları tam olarak %100'e eşittir. Bir bookmakerin ima ettiği olasılıklar ise daha yüksek bir toplamda birleşir ve büyük tek maç piyasalarında çoğu zaman %100'ün çok üzerine çıkar. Buna overround denir. Benzeri benzeriyle karşılaştırmak için, modelin sayılarını adil oranlara dönüştürün:

adil ondalık oran = 1 ÷ olasılık

Man Utd %54,1  →  1 ÷ 0,541 ≈ 1,85  (yaklaşık 17/20)
Berabere    %23,6  →  1 ÷ 0,236 ≈ 4,24  (yaklaşık 13/4)
Spurs   %22,3  →  1 ÷ 0,223 ≈ 4,48  (yaklaşık 7/2)

Gerçek oranlar, çoğu sonuçta bunlardan daha kısa olacaktır, çünkü marj bir yerden gelmek zorunda. Bookmakerin marjını nasıl kaldırılır rehberimiz, bir orandan bu marjı çıkarmak için dört farklı yolu karşılaştırıyor.

Girdiler

Model, sadece kendi değerlendirmelerinde olan şeyleri bilir. Piyasa ise Perşembe günü antrenmanda sakatlanan hamstringi, bir yenilgiye daha kalmadan kovulacak olan teknik direktörü, Avrupa gecesi öncesindeki rotasyonu ve henüz gerçekleşmemiş olan Ocak transfer penceresini bilir. Bookmakerler aynı zamanda riski yönetiyor ve paraların nereye gittiğine tepki veriyor. Bazı halka açık modeller bunu tersine çeviriyor ve piyasa oranlarını kendi değerlendirmelerine karıştırıyor, böylece karşılaştırıldıkları o piyasayı kısmen kopyalıyorlar.

Uzun şanslar

Bookmakerler, uzun şansları gerçek şanslarından daha kısa oranlarla fiyatlandırma eğiliminde. Bu, iyi belgelenmiş favori-uzun şans yanlılığı ve tek başına, outsiderlerin modelin önerdiğinden daha az değerli göründüğü anlamına geliyor.

Super bilgisayarı bir akıl sağlığı kontrolü olarak değil, bir ipucu veren olarak kullan. Bir fiyata gerçekte ne kadar olasılık yüklediğinizi göstermek konusunda muhteşem. Piyasanın zaten bildiği bir şeyi söylemek konusunda ise pek başarılı değil.

Dönüşüm işlemiyle başlayın. Bir takım için şampiyonluk olasılığını %4 olarak veren bir model, 25,0 veya 24/1 gibi adil bir oran söylediği anlamına gelir. Etraftaki en iyi oran 20/1 ise, bu oranların yaklaşık %4,8 (1 ÷ 21) olasılık ima ettiğini gösteriyor. Bu fark, modelin hata payı içinde rahatça yer alır, bu yüzden bir bahis değildir. Yalnızca, bu oranların arkasındaki puanlara olan güveninizden daha büyük bir fark olduğunda hareket edin.

Sonra, bu farkın neden orada olduğunu sorun. Modeller ve bahisçiler aynı halka açık sonuçlardan beslenir, bu yüzden keskin bir anlaşmazlık genellikle modelin bir şeyi kaçırdığı anlamına gelir: bir sakatlık, yeni bir teknik direktör veya kadro revizyonu. Cüzdanınızı bulmadan önce, nedeni bulun.

Haftadan haftaya, maç başına sayılar daha kullanılı araçtır. %54,1'lik bir ev sahibi galibiyeti, yaklaşık 1,85 adil fiyata karşılık gelir. Rahatça daha uzun bir oran sunulursa, ciddi bir inceleme hak eder; daha kısa bir oran sunulursa, model size geçinmenizi söylüyor. Şampiyonluk ve ligde kalma piyasaları için ise, Premier League şampiyonluk bahis rehberimiz ve ligde kalma bahis rehberimiz, 2026/27 adaylarını detaylı olarak ele alıyor.

Daha ileri gitmek ister misiniz? Kendiniz inşa edin. Yukarıdaki oyuncak kodu, işlevsel bir başlangıç noktasıdır ve makine öğreniminin bahisçilerden daha iyi olup olamayacağına dair yazımız, ciddi modellerin bunu nereye taşıyacağını gösteriyor.

Sonuç: Süper bilgisayar harika bir çevirmen ama kötü bir kehanetçi. Onu görüşleri fiyata dönüştürmek için kullanın, kazananları sizin için seçmesi için değil.

• Bir bahisçiyi incelemeden önce her yüzdeliği adil oranlara çevirin. Bu on saniyelik bir işlemdir ve başlık rakamlarının değer olarak sunulmasını önler.
• Sezonun başındaki şampiyonluk dalgalanmalarını görmezden gelin. Eylül ve Ekim aylarındaki çıktılar büyük ölçüde geçen sezonun puanlamalarıdır ve piyasaya yaz transferlerinin etkileri zaten yansımıştır.
• En yüksek yüzdeyi bir seçim olarak görmeyin. %30'luk favori, on şampiyonluk yarışından yedisinde elenir ve fiyat buna göre ayarlanmalıdır.
• Kuyrağa saygı gösterin. "%1"lik bir takım hâlâ 10.000 sezonun yaklaşık 100'ünü kazanır. Leicester'in 5000-1 oranı bunun hatırlatıcısıdır.
• Model ile piyasa arasındaki büyük farklara şüpheyle yaklaşın. Küçük farklar gürültüdür; büyük farklar genellikle modelin takım haberlerini kaçırdığı anlamına gelir. Bahis oynamadan önce araştırın.
• Mücadele bazlı rakamlara güvenin. Tek maç olasılıkları, sezon boyunca devam eden şampiyonluk bahislerinden daha dar ve fiyata karşı çok daha kolay savunulabilir.

Ne seçersen seç, sabit ve makul bir birim bahis yap ve kendinizi uzun bir bahis serisi üzerinden değerlendirin, tek bir hafta sonu üzerinden değil.

• Premier League 2026/27 şampiyonluk bahis rehberi
• Premier League düşme bahisleri 2026/27
• Spor bahis modeli nasıl oluşturulur: kapsamlı rehber
• Spor bahislerinde yapay zeka: makine öğrenmesi bookmakerları yenebilir mi?
• Elo puanları açıklaması: satranç matematiği futbol takımlarını nasıl sıralar?

18+. Lütfen sorumlu şekilde bahis oynayın. Ücretsiz ve gizli destek için BeGambleAware.org adresini ziyaret edin.