足球投注的数学分析是一个庞大且不断增长的问题，例如，有简单的1点评分系统（例如，棒球，曲棍球和足球）运动可分析使用Poisson分布和Skellam分布。在某种程度上，你可以使用Poisson分布和Skellam分布(分数可能是负的，两个独立Poisson分布随机变量差的分布)统计数字运动（或事件），很少发生，发生在一个增量。然而，事件的频率和这些事件之间的协方差决定什么是最合适的。例如，在Football比赛中的平均每场比赛进球大约是2.5和双方之间的协方差目标是比较高的，在曲棍球，每场比赛的目标是要高得多，对任何一方的目标之间的协方差低得多。因此，几乎所有的运动需要不同处理/模拟。有一些很好的科学建模的论文（如果你有兴趣在足球比赛中，你应该寻找二元泊松分布的论文）。更多模型见维基百科的 Statistical association football predictions
http://en.wikipedia.org/wiki/Statistical_Soccer_(Football)_Predictions
   显然没有在一场比赛中得分的方程。将真实世界的系统，这样的统计分布是有风险的业务，如果你想做的事，你不得不看一大堆过去的数据看，如果所描述的游戏分数的Poisson分布。你能适应这种分布的直方图和分数，并使用测试来看看，如果它是一个公平的模式。当然，你会出血的钱，当你失去基础知识运动队和他们的赌注玩家参与的人。球迷有一个非常典型的分数与生俱来的。知道奥韦奇金的从他的伤势恢复，他有多少成功对游侠的防御在过去会为你做更多的事情。

Karlis, D., & Ntzoufras, I. (2003). Analysis of sports data by using bivariate Poisson models. Journal of the Royal Statistical Society: Series D (The Statistician), 52(3), 381-393. 被引用次数：127
Karlis, D., & Ntzoufras, I. (2009). Bayesian modelling of football outcomes: using the Skellam's distribution for the goal difference. IMA Journal of Management Mathematics, 20(2), 133-145. 被引用次数：30
http://www.docin.com/p-605898632.html

http://en.wikipedia.org/wiki/Skellam_distribution