半場最常見比分是甚麼？
目前 2026/27 早段免費快照 N=146， 最常見半場比分係 0:0（30.8%）， 之後係 1:0（18.5%）、0:1（11.0%） 同 1:1（9.6%）。 頭四個比分已經佔樣本約 69.9%。 呢頁唔處理半場大細盤，而係集中研究 45 分鐘時嘅具體比分矩陣、 低比分集中程度，同簡單泊松基準有冇偏差。
直接答案：0:0 係目前最常見半場比分
目前 146 場樣本入面，0:0 有 45 場，佔 30.8%。 換句話講，差唔多每三場就有一場喺半場仍然未有入球。 第二常見係 1:0，有 27 場；0:1 就有 16 場。
但「最常見」唔等於「下一場最可能一定係 0:0」。 真正預測指定賽事，要先估主隊半場 λH,HT 同客隊半場 λA,HT， 再建立二維比分矩陣。 呢頁先處理歷史分布；模型矩陣方法可以配合 足球比分泊松模型 一齊睇。
目前半場比分 Top 8
| 半場比分 | N | 比例 | 累積觀察 |
|---|---|---|---|
| 0:0 | 45 | 30.8% | 最集中單一格 |
| 1:0 | 27 | 18.5% | 主隊一球領先 |
| 0:1 | 16 | 11.0% | 客隊一球領先 |
| 1:1 | 14 | 9.6% | 兩隊各入一球 |
| 2:0 | 11 | 7.5% | 主隊兩球領先 |
| 0:2 | 9 | 6.2% | 客隊兩球領先 |
| 1:2 | 7 | 4.8% | 三球半場比分 |
| 2:1 | 6 | 4.1% | 三球半場比分 |
呢八個比分合共 135/146 場， 即係約 92.5%； 其他半場比分合共只得 11 場，約 7.5%。 目前分布相當集中，但細樣本尾部仍然唔應該當成 0。
半場比分分布其實係一張二維矩陣
半場總入球只需要知道：
T_HT = H_HT + A_HT
但半場波膽要保留「邊一隊入幾多」。 所以同樣係 1 球，1:0 同 0:1 係兩個不同格； 同樣係 2 球，2:0、1:1、0:2 亦要分開。
P(HT score = h:a) = P(H_HT=h, A_HT=a)
呢個就係本頁同 半場入球大細點樣計？ 最大分工： Goal 頁只關心 0、1、2、3… 球； 呢頁要保留主客方向。
用半場平均 1.30 做簡單泊松基準，低比分集中程度合理嗎？
目前同一批研究資料嘅上半場平均總入球係 1.30。 如果只用一維 Poisson(1.30) 做 baseline， 可以先比較「半場總入球」層面，而唔涉及主客方向。
| 半場總入球 | 目前實際 | Poisson(1.30) | 實際 − Baseline |
|---|---|---|---|
| 0 球 | 30.8% | 27.3% | +3.6pp |
| 1 球 | 29.5% | 35.4% | -6.0pp |
| 2 球 | 23.3% | 23.0% | +0.3pp |
| 3+ 球 | 16.4% | 14.3% | +2.1pp |
最值得留意係 0 球： 實際 0:0 佔 30.8%，比 Poisson(1.30) 嘅 27.3% 高約 3.6 個百分點。 相反，恰好 1 球實際 29.5%，低過 baseline 約 6.0 個百分點。
呢個方向同低比分修正研究有啲呼應， 但目前 N=146 仍然太細，唔應該單靠呢張表就重新估參數。 如果想睇 0:0、1:0、0:1、1:1 點樣做局部修正，可以去 Dixon-Coles 模型點解要修正低比分？。
1:0 明顯多過 0:1，係咪代表半場主場優勢？
目前 1:0 有 18.5%，0:1 有 11.0%，相差 7.5 個百分點； 1:0 出現率大約係 0:1 嘅 1.69 倍。
呢個係一個幾清楚嘅描述性不對稱， 但未可以直接寫成「半場主場優勢已證明」。 因為球隊強弱、聯賽配對、賽程同樣本結構都可能影響 1:0／0:1 比例。
真正要驗證主場效應， 應該控制球隊攻守強度，再比較 λH,HT 同 λA,HT， 而唔係淨係睇兩個比分格。 全場主客入球基準可以先睇 主場同作客會影響入球概率嗎？。
半場波膽同半場入球大細，資料相同，但問題唔同
| 研究頁 | 核心事件 | 例子 |
|---|---|---|
| 半場波膽 | P(H_HT=h, A_HT=a) | 0:0、1:0、0:1、1:1 |
| 半場入球大細 | P(H_HT+A_HT > 線) | 大 0.5、大 1.0、大 1.5 |
例如 1:0 同 0:1 對半場大 0.5 都係同一類結果， 但對波膽就係兩格完全唔同嘅概率。 所以兩頁可以互相連，但唔應該合併成一篇。
編輯研究經驗：半場比分最容易被「幾場早入球」拉歪
HKBetNet 做半場資料整理同工具 QA 時， 0:0、1:0、0:1 通常係最先檢查嘅幾格。 原因唔係因為佢哋一定最值得落注， 而係半場樣本少，一輪早段紅牌、十二碼或者連續早入球， 已經可以令某幾格比例郁得幾明顯。
第二個常見問題係將「最近幾場半場 0:0 多」直接當成球隊慢熱。 真正核對時，我哋會先睇對手強弱、主客場、早段射門同紅牌背景， 再決定個現象係球隊特徵，定只係賽程同短期噪音。
所以賽事情境喺呢頁主要用嚟解釋異常值， 唔會用幾場印象取代完整半場比分矩陣。
學術研究點樣處理比分矩陣同半場時間效應？
Maher（1982）係足球比分泊松建模嘅經典研究， 用主客隊攻守強度建立具體比分概率。 Dixon & Coles（1997）其後針對低比分格加入相關修正， 特別處理 0:0、1:0、0:1、1:1 呢幾個高敏感區。
Dixon & Robinson（1998）再將研究推去比賽時間層面， 用 birth process model 分析入球率點樣隨比賽進程同當時比分改變。 呢個對半場研究特別重要： 45 分鐘唔係將全場矩陣簡單切一半，而係一個本身有獨立時間結構嘅截面。
- Maher (1982)：Modelling association football scores
- Dixon & Coles (1997)：Modelling association football scores and inefficiencies in the football betting market
- Dixon & Robinson (1998)：A birth process model for association football matches
HKBetNet 自己嘅資料、模型凍結、回測同更新方法，可以再睇 編輯與研究方法。
限制與不能推出的結論
- 目前半場比分分布來自 2026/27 賽季早段快照，N=146，未代表完整賽季。
- Top 8 佔約 92.5%，其餘比分仍有非零概率，唔應該直接忽略。
- Poisson(1.30) 對照只係一維半場總入球 baseline，唔等於完整主客比分矩陣。
- 1:0 多過 0:1 係描述性差異，未控制球隊實力與聯賽結構，唔足以單獨證明半場主場因果效應。
- 半場比分分布同半場大細盤屬兩個不同問題，唔應該用其中一頁取代另一頁。
- 0:0 偏高同 1 球偏低目前只係早段殘差觀察，需要更多歷史賽季確認。
- 模型概率唔係投注建議，更加唔係保證盈利。