最可能比分到底有幾大概率？
「最可能比分」只代表整張比分矩陣入面概率最高嗰一格， 唔代表佢有過半機會發生。 目前 2026/27 早段免費快照 N=146， 歷史上最常見全場比分係 1:1，只佔 9.6%； 即使排第一，其他比分合共仍然佔 90.4%。 呢頁專門解釋 Top 1 概率點樣理解，Top 3／Top 5 累計覆蓋另有獨立研究頁。
直接答案：Top 1 通常只佔整個比分概率空間一小部分
如果完整比分矩陣有好多格， Top 1 只係：
p_top1 = max P(H=h, A=a)
其餘所有比分加埋就係：
P(other scores) = 1 − p_top1
所以一個比分即使排第一， 只要 p_top1 係 10%，就代表另外 90% 概率仍然喺其他比分。 呢個係理解波膽最重要嘅第一步。
如果你想睇前 3、前 5 個比分加埋覆蓋幾多， 應該去 Top 3、Top 5 比分可以覆蓋幾多概率？。
目前歷史快照：最常見 1:1 亦只有 9.6%
| 比分 | N | 歷史比例 |
|---|---|---|
| 1:1 | 14 | 9.6% |
| 0:1 | 12 | 8.2% |
| 2:2 | 11 | 7.5% |
| 1:0 | 10 | 6.9% |
| 0:0 | 10 | 6.9% |
| 1:2 | 10 | 6.9% |
| 2:1 | 9 | 6.2% |
| 3:0 | 8 | 5.5% |
呢張表係全體樣本歷史頻率， 唔係下一場比賽嘅模型概率。 1:1 暫時排第一，只可以話呢批 146 場入面佢出現最多； 唔代表任何指定下一場 1:1 都有 9.6%。
「最常見比分」同「最可能比分」其實唔係完全同一件事
| 概念 | 來源 | 回答咩問題 |
|---|---|---|
| 歷史最常見比分 | 已完成賽事頻率 | 過去邊個比分出現最多 |
| 模型最可能比分 | 指定賽事 λ_H、λ_A、ρ | 今場矩陣邊一格概率最高 |
如果兩隊實力、主客場同入球環境完全唔同， 指定比賽 Top 1 可以係 1:0、2:0、1:1、2:1， 唔需要跟住歷史全體樣本嘅 1:1。
想睇指定賽事嘅比分矩陣點樣由 λ 建立，可以去 足球比分適合用泊松模型嗎？。
模型例子：第一名 12.1%，其餘仍然有 87.9%
以下只係數學示範，唔代表任何實際賽事。 假設 λH=1.60、λA=1.20， 並使用 HKBetNet 現行 Dixon-Coles ρ=-0.04， 0–10 × 0–10 矩陣入面最高概率比分係 1:1，概率約 12.1%。
呢個例子好清楚： 「最可能」只係比其他單一比分高， 唔等於成場波有一半以上機會照住呢個比分走。
歷史 9.6% 同模型 12.1%，點解唔可以直接比較？
歷史 9.6% 係將 146 場唔同球隊、唔同聯賽、唔同主客場混埋一齊計； 模型 12.1% 就係一組指定 λ 假設下嘅單場矩陣輸出。 兩個數字嘅分母同問題都唔同。
Historical frequency ≠ Match-specific probability
所以唔應該見到「歷史 1:1 只有 9.6%」， 就話模型任何一場報 1:1 12% 一定高估。 要判斷 12% 準唔準，要做長期 概率校準。
Top 1 高少少，代表模型更有把握嗎？只可以話分布更集中一點
如果兩場波最高比分分別係 8% 同 16%， 後者的確代表單一最高格更集中。 但真正不確定性仲要睇第二、第三、第五名同整條尾部， 唔可以只由 Top 1 一個數字判斷。
所以頁面分工係： 呢頁只處理 Top 1； Top 3／Top 5 頁 再處理 cumulative probability mass。
如果要檢查模型係咪成日對 Top 1 過度自信， 就應該睇 predicted probability 同實際命中率是否長期對得上， 而唔係淨係數「第一名中咗幾多次」。
編輯研究經驗：最容易令人誤會嘅字就係「最可能」
HKBetNet 做波膽矩陣 QA 時， 最常見誤讀係見到第一名 1:1，就將佢當成一個明確賽事答案。 實際上如果 1:1 得 10%–12%， 其他比分仍然有接近九成概率。
第二個常見問題係只睇排名唔睇概率。 兩場波都可以 1:1 排第一， 一場可能得 8%，另一場可能 15%； 「排名相同」唔代表模型信心相同。
賽事情境亦會令 Top 1 好快過時。 紅牌、早段入球、臨場正選變化都可能改 λ， 所以 Top 1 只係賽前某個模型時間點嘅概率摘要， 唔係足球劇本。
學術上點解要保留完整比分分布，而唔係只報第一名？
Maher（1982）同 Dixon & Coles（1997）建立嘅都係完整比分概率模型， 核心輸出係每一個主客比分格嘅概率， 唔係單一點預測。
Gneiting & Raftery（2007）對 proper scoring rules 嘅研究亦強調， 概率預報應該按完整分布評價。 第一名估中固然有資訊，但唔足以判斷整個模型有冇準確表達不確定性。
- Maher (1982)：Modelling association football scores
- Dixon & Coles (1997)：Modelling association football scores and inefficiencies in the football betting market
- Gneiting & Raftery (2007)：Strictly Proper Scoring Rules, Prediction, and Estimation
HKBetNet 自己嘅資料、模型凍結、回測同校準方法，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，未代表長期比分排名。
- 1:1 歷史比例 9.6% 係全體樣本頻率，唔係指定下一場 1:1 概率。
- λ_H=1.60、λ_A=1.20、ρ=-0.04 只係模型示範，唔代表任何實際賽事。
- Top 1 概率高低只量度單一最高格，唔等於完整分布集中度；Top 3／Top 5 另有專頁。
- 最可能比分排名會受 λ_H、λ_A、主場效應、Dixon-Coles ρ 同資料更新影響。
- Top 1 排第一唔代表已校準；仍要用未見樣本比較 predicted probability 同 empirical hit rate。
- 模型概率唔係投注建議，更加唔係保證盈利。