足球最常見比分是甚麼？
目前 2026/27 早段免費快照 N=146， 最常見全場比分係 1:1（9.6%）， 之後係 0:1（8.2%）、2:2（7.5%）， 而 1:0、0:0、1:2 都係 6.9%。 呢頁只回答「歷史上邊啲比分最常出現」， 唔會將歷史 Top list 寫成下一場推介。
直接答案：目前 1:1 最常見，但只佔 9.6%
1:1 暫時排第一，但 14 場只佔全部 146 場嘅 9.6%。 即係就算係「最常見比分」， 其餘比分合共仍然超過九成。
Historical frequency(score) = Count(score) / N
呢個正正反映波膽分布嘅特性： 單一比分通常只佔整個結果空間一小部分。 如果想專門理解第一名本身有幾大概率，可以睇 最可能比分到底有幾大概率？。
目前最常見全場比分 Top 8
| 排名 | 比分 | N | 比例 |
|---|---|---|---|
| 1 | 1:1 | 14 | 9.6% |
| 2 | 0:1 | 12 | 8.2% |
| 3 | 2:2 | 11 | 7.5% |
| 4 | 1:0 | 10 | 6.9% |
| 5 | 0:0 | 10 | 6.9% |
| 6 | 1:2 | 10 | 6.9% |
| 7 | 2:1 | 9 | 6.2% |
| 8 | 3:0 | 8 | 5.5% |
Top 8 合共 84 場， 約佔全部樣本 57.5%； 其他比分合共仍然有 62 場，約 42.5%。 即係歷史分布有集中，但遠未去到「幾個比分包晒大部分結果」。
最常見比分頁真正要睇嘅，係分布形狀而唔係只睇第一名
如果只講 1:1 第一，好容易令人誤會「1:1 特別大機會」。 其實 1:1、0:1、2:2、1:0 幾個比分都只差幾個百分點。
所以完整分布要一齊睇：
- Top 1 有幾大；
- Top 3／Top 5 加埋有幾多；
- 低比分格有冇特別集中；
- 高比分尾部仲有幾多質量；
- 主隊方向同客隊方向有冇明顯不對稱。
Top 3／Top 5 累計覆蓋可以再睇 Top 3、Top 5 比分可以覆蓋幾多概率？。
歷史最常見比分，唔等於下一場最可能比分
| 概念 | 來源 | 用途 |
|---|---|---|
| 歷史常見比分 | 已完成比賽 frequency | 描述整體樣本分布 |
| 指定比賽最可能比分 | λ_H、λ_A、ρ 建立嘅比分矩陣 | 描述一場指定比賽 |
例如歷史全體樣本 1:1 最多， 但一場強主隊對弱客隊， 模型 Top 1 完全可以變成 2:0 或 2:1。 所以歷史 Top list 只係 baseline， 唔會直接拿去做單場波膽結論。
用目前主客平均 λ 做模型 baseline，排序會唔會一樣？
為咗睇清歷史頻率同模型分布嘅分工， 可以用目前聚合主隊平均 1.66、客隊平均 1.39， 加 HKBetNet 現行 Dixon-Coles ρ=-0.04， 做一張純模型 baseline。
| 模型排名 | 比分 | 模型概率 |
|---|---|---|
| 1 | 1:1 | 11.4% |
| 2 | 2:1 | 9.1% |
| 3 | 1:2 | 7.6% |
| 4 | 1:0 | 7.4% |
| 5 | 2:0 | 6.5% |
| 6 | 2:2 | 6.3% |
| 7 | 0:1 | 6.1% |
| 8 | 0:0 | 5.2% |
如果模型排序同歷史排序唔完全一樣，唔代表邊邊一定錯。 因為歷史表係多場比賽混合， 模型 baseline 就係一組固定 λ 假設。 真正要驗模型準唔準，要睇 概率校準 同 比分矩陣殘差。
不同聯賽，最常見比分排名都可能唔同
五大聯賽目前平均總入球由 2.73 到 3.94 都有， 所以低比分、中比分同高比分尾部嘅相對權重自然會變。
例如平均入球較低嘅環境， 0:0、1:0、0:1、1:1 可能有更高相對權重； 入球環境較高， 2:1、2:2、3:1 呢類格就可能向上。
但目前各聯賽樣本仍然細， 所以唔應該急住拆成五篇「英超最常見比分／西甲最常見比分」模板頁。 聯賽層面統一放喺 不同聯賽的比分分布一樣嗎？。
編輯研究經驗：最容易犯嘅錯，係用一個歷史 Top list 代替單場分析
HKBetNet 做比分資料 QA 時， 歷史 Top list 只會當背景。 真正落到指定比賽，我哋一定重新睇主客入球率、主場效應、球隊強弱同完整矩陣。
第二個常見錯法係見到 1:1 暫時第一， 就當成「足球最常出 1:1，所以 1:1 最穩」。 但 9.6% 其實只係一成左右， 另外九成結果仍然喺其他比分。
賽事情境例如紅牌、早段入球、領先後收縮， 都會令某場比賽快速偏離歷史平均。 所以歷史 frequency 用嚟建立直覺， 唔會取代模型或者賽事層面資料。
學術上點解要由完整比分分布出發？
Maher（1982）用主客隊攻守能力建立足球比分概率， 核心就係對每一個具體比分格分配概率。
Dixon & Coles（1997）再指出， 0:0、1:0、0:1、1:1 呢類低比分格未必完全符合最簡單獨立泊松， 因此加入局部修正。 呢個亦解釋咗點解「最常見比分」最好連同模型殘差一齊睇， 而唔係只排一張排行榜。
- Maher (1982)：Modelling association football scores
- Dixon & Coles (1997)：Modelling association football scores and inefficiencies in the football betting market
- Karlis & Ntzoufras (2003)：Analysis of sports data by using bivariate Poisson models
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
- 目前歷史比分表只係 2026/27 賽季早段快照，N=146，未代表完整賽季或長期排序。
- 1:1 暫時 9.6% 排第一，只係歷史 frequency，唔係指定下一場 1:1 概率。
- Top 8 只佔約 57.5%，其餘比分仍然有大量概率質量。
- 模型 baseline 使用聚合 λ_H=1.66、λ_A=1.39 同 ρ=-0.04，只係方法示範，唔代表任何實際比賽。
- 跨聯賽比分排名目前受樣本量限制，唔拆成五個模板頁。
- 歷史常見唔代表未來必然重複；要判斷模型質量仍然要睇 calibration 同 residual。
- 模型概率唔係投注建議，更加唔係保證盈利。