Implied Probability bij Formule 1 Odds: Berekenen en Toepassen
Available in US
Ik herinner me een Grand Prix waarbij een coureur met odds van 15.00 werd aangeboden – de bookmaker gaf hem dus ruwweg 6,7% kans. Mijn eigen analyse na de vrije trainingen zei 12%. Die kloof tussen wat de bookmaker denkt en wat jij denkt – dat is precies waar implied probability over gaat, en het is de reden dat ik deze berekening bij elke race maak.
Implied probability vertaalt een quotering naar een kanspercentage. Het is de taal achter de cijfers. Zonder die vertaling ben je als een coureur die het circuit oprijdt zonder te weten hoeveel bochten er zijn. In dit artikel neem ik je mee van de basisberekening tot geavanceerde toepassing – inclusief hoe je corrigeert voor de bookmaker-marge die altijd in de odds verstopt zit.
Implied probability berekenen uit decimale odds
Drie seizoenen geleden zat ik met een vriend in een bar in Zandvoort. Hij wilde wedden op een coureur met odds van 4.00. “Dat is vier keer mijn geld terug,” zei hij. Klopt – maar de vraag is niet wat je terugkrijgt, maar hoe waarschijnlijk dat is. En dat is precies wat de implied probability je vertelt.
De formule is verfrissend simpel: implied probability = 1 / decimale odds. Bij odds van 4.00 is dat 1/4 = 0,25, oftewel 25%. De bookmaker prijst deze coureur in op een kwart kans om te winnen. Bij odds van 1.50 is de implied probability 66,7% – een stevige favoriet. Bij 10.00 is het 10% – een buitenkans.
Laten we dit toepassen op een realistisch scenario. Stel dat voor een Grand Prix de top vijf er zo uitziet: Coureur A op 2.20 (45,5%), Coureur B op 3.00 (33,3%), Coureur C op 6.00 (16,7%), Coureur D op 12.00 (8,3%) en Coureur E op 21.00 (4,8%). Tel je die percentages op, dan kom je op 108,6% – en niet op 100%. Dat verschil van 8,6% is de overround, de ingebouwde marge van de bookmaker.
Het mooie van deze berekening is dat je in een paar seconden kunt zien hoe de bookmaker het veld inschat. Je hoeft geen wiskundige te zijn. Eenmaal gewend kost het je vijf seconden per quotering, en je kijkt nooit meer naar odds als “gewoon een getal”.
Een veelgemaakte fout die ik bij beginnende bettors zie: ze vergelijken odds zonder ze eerst om te rekenen naar kansen. Iemand ziet 3.50 en 4.00 en denkt “dat scheelt maar een half punt”. Maar in implied probability is het verschil tussen 28,6% en 25,0% – bijna vier procentpunt. Bij een sport als F1, waar het verschil tussen de vijfde en de tiende coureur soms een halve seconde is, zijn vier procentpunt kans enorm. Die vertaalslag van getal naar percentage maakt het verschil zichtbaar.
Corrigeren voor de bookmaker-marge
Hier wordt het interessant – en hier haken de meeste bettors af, terwijl dit juist het punt is waarop je een voorsprong krijgt. De ruwe implied probability bevat de marge van de bookmaker. Om de “echte” kans te zien die de bookmaker inschat, moet je die marge eruit halen.
F1 vertegenwoordigt slechts 0,4% van de wereldwijde weddenschapsomzet, wat betekent dat bookmakers ruimere marges hanteren dan bij populairdere sporten. Dat maakt correctie des te belangrijker. De methode: deel elke individuele implied probability door de totale som van alle implied probabilities in die markt.
Terug naar ons voorbeeld. De som was 108,6%. De gecorrigeerde kans van Coureur A wordt dan 45,5% / 108,6% = 41,9%. Dat is een significant verschil – de bookmaker denkt dat deze coureur 41,9% kans heeft, niet de 45,5% die de ruwe odds suggereren. Voor Coureur C gaat het van 16,7% naar 15,4%. Bij elke coureur verschuift de kans een paar procent, en die paar procent zijn het verschil tussen een goede en een slechte weddenschap.
Waarom dit ertoe doet: als jij denkt dat Coureur C 20% kans heeft terwijl de gecorrigeerde implied probability 15,4% is, dan bieden de odds waarde. Als je denkt dat het 14% is, dan niet. Zonder deze correctie vergelijk je appels met peren – je eigen inschatting met een opgeblazen getal dat de bookmaker-marge bevat.
Er zijn overigens meerdere methoden om te corrigeren. De hierboven beschreven methode – proportionele verdeling – is de eenvoudigste en werkt prima voor de meeste F1-markten. Geavanceerde bettors gebruiken soms de Shin-methode, die ervan uitgaat dat de marge ongelijk verdeeld is en meer drukt op de outsiders. Voor een racewinnaar-markt met twintig deelnemers kan dat verschil relevant zijn, maar voor de meeste recreatieve bettors is de proportionele methode meer dan voldoende.
Je eigen kans inschatten en vergelijken
Dit is waar de theorie de praktijk ontmoet, en eerlijk gezegd het lastigste onderdeel. Hoe schat je je eigen kans in voor een F1-race met twintig deelnemers en honderden variabelen?
Mijn aanpak na jaren proberen en falen: ik begin niet bij twintig coureurs, maar bij vijf. De top vijf van de trainingen, gecorrigeerd voor brandstofniveaus en bandencompound, krijgt een eerste kansinschatting op basis van relatieve rondetijden. De rest verdeel ik in twee groepen – kansmakers (positie 6-10) en buitenkansen (11-20) – en geef elke groep een totaalkans die ik gelijkmatig verdeel.
Sinds F1 in februari 2025 het partnerschap met ALT Sports Data aankondigde als Official Betting Data Supplier, is de hoeveelheid beschikbare racedata explosief gegroeid. Real-time telemetrie, voorspellende modellen en sectoranalyses maken het makkelijker dan ooit om een onderbouwde inschatting te maken. Je hoeft geen datawetenschapper te zijn – maar je moet wel weten waar je kijkt.
De vergelijking zelf is dan simpel: mijn geschatte kans vermenigvuldigd met de aangeboden odds. Als dat getal groter is dan 1, is er theoretisch waarde. Stel dat ik Coureur C 20% kans geef en de odds zijn 6.00. Dan is de berekening 0,20 x 6,00 = 1,20. Dat is boven 1, dus de weddenschap biedt op papier positieve verwachte waarde.
Maar – en dit is cruciaal – een enkele berekening boven 1 maakt nog geen goede weddenschap. Ik hanteer een drempel van minimaal 1,10 voordat ik serieus overweeg in te zetten. Die buffer compenseert voor de onzekerheid in mijn eigen inschatting. Niemand is perfect in het schatten van kansen, en bij F1 met zijn chaotische starts, wisselende weersomstandigheden en strategische pitstops is die onzekerheid groter dan bij de meeste andere sporten.
Wat implied probability je uiteindelijk geeft, is een gemeenschappelijke taal. In plaats van te denken in odds van 6.00 of 4.50, denk je in percentages – en percentages kun je vergelijken met je eigen analyse. Dat is de kern van elke systematische benadering van F1-odds.
Hoe corrigeer je implied probability voor de marge?
Bereken eerst de implied probability van elke uitkomst in de markt (1 gedeeld door de odds). Tel alle percentages op – het totaal is meer dan 100%. Deel vervolgens elke individuele implied probability door dat totaal. Het resultaat is de gecorrigeerde kans, ontdaan van de bookmaker-marge.
Wat is het verschil tussen implied probability en werkelijke kans?
Implied probability is de kans die de bookmaker in zijn odds inprijst, inclusief zijn winstmarge. De werkelijke kans is hoe waarschijnlijk een uitkomst feitelijk is. Het verschil tussen die twee is waar bettors waarde vinden: als de werkelijke kans hoger is dan de gecorrigeerde implied probability, bieden de odds theoretisch positieve verwachte waarde.
Samengesteld door de redactie van 'Wedden op Formula 1'.
