研究 · 反向叙事
模型与 FIFA 排名的分歧之处
Snapshot · 2026-05-22Model 1.0.0对于每支 WC 2026 参赛球队, 我们将模型的夺冠概率与基于 FIFA 排名的隐含基准概率进行比较。隐含概率是 FIFA 排名的透明单调变换, 即对负排名值的 softmax, 温度参数为 τ = 8 因此排名越高, 隐含概率越大, 48 支球队的隐含概率之和为 1。下表列出正负差值最大的球队。方法论详见 /docs/methodology/.
48 支球队 · 变换方式: implied_j = exp(-rank_j / tau) / sum_k exp(-rank_k / tau); teams with no FIFA rank substitute the field's median rank
前 10 名: 模型评估高于 FIFA 排名基准
最大正差值: Argentina (+9.06pp)
各球队模型夺冠概率与基于 FIFA 排名隐含基准概率之间的差值。Standard Pass 可解锁完整表格。
前 10 名: 模型评估低于 FIFA 排名基准
最大负差值: Belgium (-2.95pp)
模型评估低于 FIFA 排名隐含基准概率的各球队差值。Standard Pass 可解锁完整表格。
Standard Pass
解锁反向叙事计分板
Standard Pass 解锁完整表格及全站所有付费内容, 有效期至赛事结束。
24h self-service refund·No subscription, no auto-renewal·Access through 31 Dec 2026. See refund policy.
这个对比是什么, 以及不是什么
此处的隐含概率仅基于各球队公开的 FIFA 排名, 通过文档化的 softmax 变换得出。本页不与任何外部商业概率来源进行比较。唯一使用的基准是 FIFA 排名。
较大的正差值不是建议; 它描述的是模型集成（Elo + Dixon Coles + 层次 Poisson, 经等渗回归校准）与仅凭 FIFA 排名得出的结论不同之处。模型的样本外校准发布在 方法论 页面; FIFA 排名的隐含概率在此仅供对比参考, 未经验证作为预测。