葵ステークス2020の優勝馬は、平均4番人気で7番人気以内が高確率!など、過去データを数学を駆使して統計計算して予想します。今回は京都競馬場の重賞(芝1400m:別定)を予想します。
多くのサイトで人気や馬番などの傾向分析をしていますが、どの傾向を重視して良いか、分からないですよね(人気?馬番?斤量?)。
当サイトは中央競馬の重賞を統計計算して、どの傾向が重要かを示して、精度の高い予想をします。
前週は、オークスで馬単・馬連的中!前週の実績はこちらからご覧ください。
当サイトは中央競馬の重賞を統計計算して、どの傾向が重要かを示して、精度の高い予想をします。
前週は、オークスで馬単・馬連的中!前週の実績はこちらからご覧ください。
1.葵ステークスの人気について統計解析した結果
まずは、馬券に絡む確率の高い「人気の範囲」についてのまとめです。
下表のとおり、過去10年間の解析結果から、優勝馬は平均4番人気で、統計的には1~7番人気の馬が優勝する確率が高いです。
下表のとおり、過去10年間の解析結果から、優勝馬は平均4番人気で、統計的には1~7番人気の馬が優勝する確率が高いです。
人気の平均 | 可能性の高い範囲 | 信頼度 | |
---|---|---|---|
優勝馬 | 4番人気 | 1~7番人気 | B |
1~3着馬 |
6番人気
|
2~10番人気 | D |
全馬平均 | 8番人気 | 4~12番人気 |
- ※)「可能性の高い範囲」は、68%確率で好走馬がくる範囲とした。
- ※)「信頼度」は、予想の信頼性をランク分けしたものです。優勝馬など好走馬の偏差値をS,A,B,C,D,E,Fにランクを分けており、「C以上では、人気で好走馬を予想可能、Dは参考データとして予想可能」と考えています。
以上より、人気から優勝馬を予想することは可能だという解析結果になりました。
なお、上記は約70%の確率で好走する人気を示しましたが、これを90%の確率に範囲を広げると、下表のとおりとなります。なお、1~3着馬は、予想の信頼度が低いので予想不可能です。
なお、上記は約70%の確率で好走する人気を示しましたが、これを90%の確率に範囲を広げると、下表のとおりとなります。なお、1~3着馬は、予想の信頼度が低いので予想不可能です。
90%確率範囲 | |
---|---|
優勝馬 | ~10番人気 |
1~3着馬 | 予想不可能 |
2.葵ステークスの馬番について統計解析した結果
次に、馬番と好走の相関性についてのまとめです。前記の人気と同じく偏差値を尺度にして分析した結果、
- 優勝馬と馬番:内側の枠がかなり優位であると予想されます。
- 1~3着馬と馬番:内側の枠がやや優位であると予想されます。
馬番の平均 | 可能性の高い範囲 | 信頼度 | |
---|---|---|---|
優勝馬 | 4番 | 1~7番 | B |
1~3着馬 |
6番
|
2~10番 | D |
全馬平均 | 8番 | 4~12番 |
- ※)「可能性の高い範囲」は、68%確率で好走馬がくる範囲とした。
- ※)「信頼度」は、予想の信頼性をS~Fにランク分けしたものです。
3.葵ステークスの第4コーナーでの位置について統計解析した結果
次に、第4コーナーでの位置取りと好走との相関性についてのまとめです。前記と同じく偏差値を尺度にして分析した結果、
- 優勝馬と位置取り:前の位置がやや優位であると予想されます。
- 1~3着馬と位置取り:前の位置がやや優位であると予想されます。
番手の平均 | 可能性の高い範囲 | 信頼度 | |
---|---|---|---|
優勝馬 | 5番手 | 1~9番手 | D |
1~3着馬 |
5番手
|
2~9番手 | D |
全馬平均 | 8番手 | 3~12番手 |
下記に投票いただくとありがたいです。

4.葵ステークスの馬体重について統計解析した結果
次に、馬体重と好走の相関性についてのまとめです。前記と同じく偏差値を尺度にして分析した結果、
- 優勝馬と馬体重:相関性はほとんどないと予想されます。
- 1~3着馬と馬体重:相関性はないと予想されます。
体重の平均 | 可能性の高い範囲 | 信頼度 | |
---|---|---|---|
優勝馬 |
473kg
|
433~513kg | E |
1~3着馬 |
465kg
|
433~498kg | F |
全馬平均 | 464kg | 437~491kg |
- ※)「可能性の高い範囲」は、68%確率で好走馬がくる範囲とした。
- ※)「信頼度」は、予想の信頼性をS~Fにランク分けしたものです。
5.葵ステークスの斤量について解析結果した結果
斤量についてはどうでしょうか。前記と同じく偏差値を尺度にして分析した結果、
- 優勝馬と斤量:軽い方がやや優位であると予想されます。
- 1~3着馬と斤量:相関性がほとんどないと予想されます。
斤量の平均 | 可能性の高い範囲 | 信頼度 | |
---|---|---|---|
優勝馬 | 54.8kg | 53.7~55.9kg | D |
1~3着馬 |
55.2kg
|
54.1~56.2kg | E |
全馬平均 | 55.3kg | 54.2~56.3kg |
下記に投票いただくとありがたいです。

6.葵ステークスの馬齢について統計解析した結果
3歳戦なので解析不可能です。下記に投票いただくとありがたいです。

7.葵ステークスの牝馬について統計解析した結果
牝馬の好走についての相関性についてです。過去の牝馬の成績は、牡馬とほぼ同等の成績を残しています。
よって、性別から好走馬を予想することは、無意味であるという解析結果になりました。
平均着順 | 可能性の高い範囲 | 信頼度 | |
---|---|---|---|
牝馬 | 7着 | 3~12着 | E |
全馬平均 | 8着 | 4~12着 |
8.その他の葵ステークスについての解析結果
●単勝のオッズを統計解析すると、
- 優勝馬のオッズ :平均で10倍(可能性の高い範囲は20倍以下)
- 1~3着馬のオッズ:平均で26倍(可能性の高い範囲は72倍以下)
9.葵ステークスの統計解析についてのまとめ
(1)優勝馬の統計的な傾向
以上の分析結果から、優勝馬を予想するには、下表の項目で予想した方が良いです。
単勝・馬単・3連単などの予想に使ってください。
単勝・馬単・3連単などの予想に使ってください。
予想可能項目 | 信頼度 | 可能性の高い範囲 |
---|---|---|
人気 | B | 1~7番人気 |
馬番 | B | 1~7番 |
- ※)「可能性の高い範囲」は、68%確率で好走馬がくる範囲とした。
- ※)「信頼度」は、予想の信頼性をS~Fにランク分けしたものです。
また、更に絞るには、第4コーナーの位置が1~9番手であること、斤量が53.7~55.9kgであること(以上、予想信頼度D)や、単勝オッズが20倍以下を参考にして予想した方が良さそうです。
統計的な予想としては、下表の馬が優勝候補に想定されます。(5/30 11:10確定)
優勝候補 | 評点 | 結果 |
---|---|---|
ワンスカイ | ◎100 | ― |
アルムブラスト | ○92 | - |
ビップウインク | ▲80 | - |
ケープコッド | △72 | - |
- 人気はnetkeiba.comさんを参考。馬体重は前走の馬体重を適用、第4コーナーでの位置は実績平均を適用。
- 「評点」は理想に近い馬を高得点になるように私独自の計算式で算出した点数で、最有力候補を100点としています。参考程度にして下さい。
優勝馬予想は、馬番など情報が入り次第、随時更新します。
(2)1~3着馬の統計的な傾向
予想の信頼度が低いため、予想不可能です。10.前週の振返り
前週は、オークスで馬単・馬連は的中!平安ステークスは参考の15年データは3連複で○▲◎だったものの、本予想はハズレでした。(1)オークス
優勝候補 | 評点 | 結果 |
---|---|---|
デアリングタクト | ◎100 | 1着 |
デゼル | ○99 | - |
クラヴァシュドール | ▲99 | - |
ミヤマザクラ | △70 | - |
サンクテュエール | △34 | - |
ウインマリリン | △10 | 2着 |
1~3着候補 | 評点 | 結果 |
---|---|---|
デアリングタクト | ◎100 | 1着 |
デゼル | ○99 | - |
クラヴァシュドール | ▲99 | - |
ミヤマザクラ | △99 | - |
サンクテュエール | △66 | - |
ウインマリリン | △32 | 2着 |
リアアメリア | 10 | - |
(2)平安ステークス
優勝候補 | 評点 | 結果 |
---|---|---|
スワーヴアラミス | ◎100 | - |
マグナレガーロ | ○68 | - |
ロードレガリス | ▲63 | - |
スマハマ | △51 | - |
ハヤヤッコ | △42 | - |
1~3着候補 | 評点 | 結果 |
---|---|---|
ロードレガリス | ◎100 | - |
ヴェンジェンス | ○99 | 2着 |
スワーヴアラミス | ▲95 | - |
ゴールドドリーム | △94 | 3着 |
オメガパフューム | △92 | 1着 |
マグナレガーロ | △69 | - |
ハヤヤッコ | 45 | - |
スマハマ | 29 | - |
アシャカトブ | 19 | - |
予想については以上ですが、時間があれば、当サイトの使い方・特長をこちら(別窓)からご覧ください。