实际比赛过程中，除了双方的综合实力外，还受到运气等外界因素的影响，因此结果存在不确定性。 考虑到这一点，在使用“双泊松”模型描述球队水平时，会提前设定“进攻脆弱”和“防守脆弱”指标。

其中，“进攻”指数越高足球比赛预测模型，意味着球队更容易进球，而“防守脆弱”指数则相反。 该指数越高，表示进球难度越大。

获得“进攻”和“防守脆弱”指数后，即可计算出“泊松概率分布”的平均值。 在“双泊松”模型中，设定不同球队可以根据其不同的“双泊松”过程得分，将A队和B队的期望进球得分设为μ(A，B)。

需要注意的是，统计模型在计算过程中会将进球的速度视为常数足球比赛预测模型，而不会考虑进球的具体时间，只考虑进球的数量。

另外，“泊松概率分布”的计算过程采用了“无记忆”假设，即一个进球不影响比赛其余比赛的进球数。 这些通常是模型中潜在的错误来源。

图表| 各国获胜概率预测（来源：Penn）

还值得注意的是，在这个模型中，没有主客场的区别。 也就是说足球比赛预测模型，无论比赛在哪里进行，A队对阵B队的预期进球数都等于μ(A,B)。 这是一个简化的假设，不仅减少了参数数量，而且避免了在小数据集上的过度拟合。

事实上，由于不同球队之间​​的关联结果数量较少（其中许多球队根本没有参加过比赛），因此模型中的参数数量会根据情况而减少。

预计球队得分

接下来，在计算不同球队的预期进球数的过程中，模型默认球员按照最理想的情况进行比赛。 “预期进球”等于A队的进攻指数乘以B队的防守脆弱指数，该指数也用于计算B队的进球数。

例如，A队进攻指数为8，防守脆弱指数为0.4； B队进攻指数为10，防守脆弱指数为0.6，双方比分为4.8:4（模型默认为5:4）。

但由于比赛充满不确定性，A队的4.8个进球和B队的0.6个进球都被视为平均泊松概率分布。 所有得分的概率取决于两个进球概率值的乘积。

A、B队的攻击力和防守脆弱指数是根据球队过往表现和得分综合确定的，需要不断更新和调整，使预测的泊松概率分布值与比赛中获得的实际得分相匹配。