python案例认为领先后保守战术是否明智？

wen python案例 2026-09-04 2

本文目录导读：

案例场景设定
模型输出后的现实洞察

在足球等竞技体育中,“领先后采取保守战术是否明智”是一个经典且复杂的问题，用Python从一个“理性决策”的角度去分析，会得出一个非常有意思的结论：在大多数情况下，纯粹为了保住1球领先优势而全面龟缩防守，往往不是数学上最优的策略，但它在心理博弈和对手失误方面有博弈价值。

下面我用一个Python案例来模拟这个场景,看看数据能告诉我们什么。

案例场景设定

假设有一场足球比赛（也适用篮球、冰球等），你的球队在第70分钟以 1：0 领先。你有两种战术选择：

进攻战术（T进攻）：维持原有攻防节奏，继续控球施加压力，有30%概率扩大比分至2：0，同时也有10%概率被对手扳平至1：1（比赛继续平局直至结束）。
保守战术（T防守）：全员回撤摆大巴，专注防守，此时进攻威胁骤降，扩大比分概率降为5%，但防守强度提升，被扳平概率降为8%。

假设比赛结束只有三种结果：赢（保持1：0或2：0）、平（1：1）、输（被反超或绝杀）。为了简化模型，我们设定：

如果领先1球且战术得当,只要不被扳平，就算赢。
如果被扳平,进入最后20分钟，双方各有50%概率进绝杀球，剩下50%概率就是平局。

我们通过Monte Carlo模拟（蒙特卡洛模拟）10万次，看看哪种战术最终获胜/不败的概率更高。

import random
import numpy as np
# 随机种子保证结果可复现
random.seed(42)
# 模拟次数
N = 100000
# 初始化统计
result_attack = {'win': 0, 'draw': 0, 'lose': 0}
result_defend = {'win': 0, 'draw': 0, 'lose': 0}
# 定义概率
prob_score_attack = 0.30   # 进攻战术下再进一球（2：0）
prob_concede_attack = 0.10 # 进攻战术下被扳平（1：1）
# 保守战术
prob_score_defend = 0.05
prob_concede_defend = 0.08
for _ in range(N):
    # ---- 情况1：采用进攻战术 ----
    outcome_att = 'win'  # 默认为赢（仍是1：0或2：0）
    rand_num = random.random()
    if rand_num < prob_score_attack:
        # 2:0，锁定胜局
        outcome_att = 'win'
    elif rand_num < prob_score_attack + prob_concede_attack:
        # 被扳平为1：1，进入绝杀环节
        final = random.random()
        if final < 0.33:      # 最后时间再被进一球，输
            outcome_att = 'lose'
        elif final < 0.66:    # 自己绝杀，赢
            outcome_att = 'win'
        else:                 # 保持平局
            outcome_att = 'draw'
    # 否则（大概率）：维持1：0到终场，赢
    result_attack[outcome_att] += 1
    # ---- 情况2：采用保守战术 ----
    outcome_def = 'win'
    rand_num = random.random()
    if rand_num < prob_score_defend:
        outcome_def = 'win'
    elif rand_num < prob_score_defend + prob_concede_defend:
        # 被扳平为1：1，进入绝杀环节（此时保守已破坏心态，可能更被动）
        final = random.random()
        if final < 0.30:      # 被绝杀概率略高
            outcome_def = 'lose'
        elif final < 0.60:    # 自己绝杀概率略低
            outcome_def = 'win'
        else:                 # 平局
            outcome_def = 'draw'
    # 否则：防守成功，1：0赢
    result_defend[outcome_def] += 1
# 输出结果
win_att = result_attack['win'] / N * 100
win_def = result_defend['win'] / N * 100
draw_att = result_attack['draw'] / N * 100
draw_def = result_defend['draw'] / N * 100
lose_att = result_attack['lose'] / N * 100
lose_def = result_defend['lose'] / N * 100
print("="*60)
print("Monte Carlo模拟结果 (10万次)")
print("="*60)
print(f"{'战术选择':<10}{'获胜率':<10}{'平局率':<10}{'输球率':<10}")
print(f"{'进攻战术':<10}{win_att:<10.2f}{draw_att:<10.2f}{lose_att:<10.2f}")
print(f"{'保守战术':<10}{win_def:<10.2f}{draw_def:<10.2f}{lose_def:<10.2f}")
print("="*60)
# 不败率比较
print(f"\n进攻战术最终不败（取胜+平）概率：{win_att+draw_att:.2f}%")
print(f"保守战术最终不败（取胜+平）概率：{win_def+draw_def:.2f}%")
# 
if win_att + draw_att > win_def + draw_def:
    print("\n>>> 模型中，领先后继续适度进攻（前压）比全面保守更明智。")
else:
    print("\n>>> 模型中，保守战术在此特定数据下更为明智。")