波膽比分概率計算工具

波膽的搜尋意圖看似簡單：想知「1–0、1–1、2–1 邊個最可能」。但具體比分是很多互斥事件之一，即使某個比分在模型中排名第一，絕對概率也可能只有一成左右。這與主客和不同：主勝會集合所有主隊入球多於客隊的比分格，和局會集合 0–0、1–1、2–2 等等，客勝亦一樣。

正確分析順序是先估主隊預期入球與客隊預期入球，再用同一模型建構完整矩陣，最後才從矩陣讀出最常見比分。若直接把上週一場 3–0 推成下週最可能又是 3–0，便把結果當成持續機制，亦忽略了對手、場地、戰術與隨機性。

一個比分矩陣的每一格有自己獨立的含義：左方可以代表主隊入球，頂部代表客隊入球。讀者應先確認方向，避免把主隊 2–1 當成客隊 2–1。再看 Top 1、Top 3、Top 5 的概率質量，理解模型有多少不確定性仍落在其他比分。

如果前三格合計只佔約三成，那麼即使只展示前三名，也仍有約七成概率分散在剩下的結果。這是為何 Top 1／3／5 概率質量 要和最可能比分分開閱讀。

作為入門數學例子，假設主隊預期入球 λ 為 1.4，客隊為 1.1，而且暫時採用兩隊入球獨立的泊松基準。主隊剛好一球的概率約是 1.4 × e^-1.4，即 34.52%；客隊零球約是 e^-1.1，即 33.29%。兩個概率相乘，得到主隊 1–0 的概率約 11.49%。

同理，0–0 約是 e^-(1.4+1.1)，即 8.21%；1–1 約等於主隊一球概率乘以客隊一球概率，約 12.64%。這些概率沒有「哪一場一定出現」的意思，而是顯示如何由兩個入球中心值推導出一整張矩陣。

這些結果未使用 Dixon-Coles 低比分修正，所以不應與站內工具目前的修正後矩陣當成完全相同答案。若選擇不同模型，該格概率可能變化，但每一格與最後合計仍應符合正規化原則。

重要的是把主客兩個 λ 的來源寫清楚。若一隊剛換帥、射手傷停或樣本很少，λ 的不確定性可能比模型小數位誤差大得多。與其爭論 11.49% 還是 11.51%，更應問若主隊 λ 下調至 1.2，Top 1 與 0–0、1–1 的排序會不會改變。

獨立泊松是一個透明的基準，但實際足球比賽的低比分結果未必符合完全獨立的假設。Dixon-Coles 方法會在 0–0、0–1、1–0、1–1 這四格加入相依性修正，讓低比分分布更有彈性，而不是重新改動所有比分格的主客 λ。這是一項模型假設，不是「低比分一定更準」的定律。

當前工具設定使用小幅度的 ρ 參數來避免誇大修正。參數是否有效，應檢查未用於估參數的獨立比賽，而不能因為某段資料有多幾場 1–1，就把參數一直調至貼合歷史。倘若改善幅度細、信賴區間又跨過零，合理描述應是「有可能改善、仍需檢驗」，不是「統計上已證明必然更好」。

如果程式只顯示前幾格，亦要知道工具背後保留多少高比分尾部，及如何正規化全部結果。直接刪去 6 球以上結果，再把剩下格當成 100%，通常會令低比分概率被動抬高，造成與真實市場不一致的分析。

有興趣比較這個方法的歷史脈絡及修正範圍，可以看 Dixon-Coles 低比分修正。它適合用來解釋模型為何略為調整某些格子，卻不應被誤用成保證正確比分的技巧。

如果每一格都已計好概率，便可以把不同事件的格子加總。主勝是所有主隊入球大於客隊的格子之和；和局是矩陣對角線 0–0、1–1、2–2……之和；客勝是反過來。雙方入球「是」只包括兩邊至少一球的格子；主隊零封則包括客隊入球為零的所有格子。

這些集合有重疊，例如 2–1 同時屬於主勝、雙方入球「是」及總入球大 2.5；但它們不是同一個市場，也不可把不同事件概率隨意相加。把盤口放回完整矩陣，能清楚看到為何某場主勝概率較高，卻仍可能以小比分為主。

比分相同，情境也可能完全不同。主隊 2–1 可以是上半場 2–0、下半場被追一球，也可以是最後十分快反超。賽前矩陣只估全場結果，不會自動交代比分先後、角球路徑或紅牌時間。想研究上半場比分應建立獨立時間範圍，而不是把全場 2–1 概率除以二。

比賽狀態亦會令條件概率改變。若上半場已 1–0，下半場剩餘 45 分鐘的分布不等於開場時的全場分布；正確做法應以當前比數與時間剩餘建立新的條件估計。對全場模型，只能把當時的資訊界線說清楚。

如果想了解歷史上最常出現哪些比分，可讀 常見足球比分；但歷史頻率、單場模型概率及特定平台的市場賠率仍然分屬三種不同資料，不可直接互換。

如果某個確切比分的模型概率是 10%，理論上的不含額外價格調整的十進制賠率就是 1 ÷ 0.10 = 10.00。這是一個數學倒數，不代表市面上真的會有 10.00 的報價，也不保證模型所估的 10% 正確。單一比分是細分事件，通常存在相當大的不確定性。

假設兩種模型分別估 1–1 為 10% 與 8%，對應理論賠率就是 10.00 與 12.50。即使只差 2 個百分點，換成賠率已差兩個半點；這提醒讀者對概率來源要比小數位更敏感。若資料只有一兩場，或正選尚未確認，應先展示估計區間，而非把 10.00 寫成唯一的公允答案。

比較兩個來源的正確比分時，先確認雙方是否用同一規則結算，包括全場常規時間、補時、延期或取消。若市場使用正式賽果，而資料庫記了其他補時口徑，回測中某些格子的命中與否便會被錯配。

更深入的換算可參考 波膽公平賠率；若想知道整張矩陣是否在不同概率段維持準確，可到 比分概率校準 查看驗證思路。正確的 E-E-A-T 不是把預測寫得很肯定，而是讓資料、假設及後續覆核可以重現。

1. 01
   先確認該場賽事與開波時間，避免將昨日賽果當成今日預測。
2. 02
   核實矩陣橫向及縱向代表哪支球隊，防止 1–2 和 2–1 對調。
3. 03
   查明主客預期入球 λ 的樣本來源，別把短期入球率視為真實能力。
4. 04
   若有 xG，檢查有效樣本與資料提供者，不把缺失值當成零。
5. 05
   分清 Independent Poisson 與 Dixon-Coles 修正，記錄當前模型版本。
6. 06
   確認內部高比分尾部有保留及正規化，別只加可見 0–5 格。
7. 07
   按同一張矩陣推導主客和、BTTS、零封；不要把相互重疊事件當獨立。
8. 08
   將模型公平賠率、實際市場賠率及賽後正式比分分開存檔。

當 Top 1 預測錯了，不應立刻認定整張模型壞掉。若某格只報 12%，即使估得很合理，也有約 88% 的情況不會出現。長期應檢查報 5%、10%、15% 的格子實際出現率是否接近該範圍，而不是只以「最可能比分有冇中」作評價。

同樣，回測不能挑選預測成功的賽事或在事後重新改寫當初的資料。保留發表時間、參數與比分矩陣快照，才能公平比較新舊模型。