Top 3、Top 5 比分可以覆蓋幾多概率？
「最可能比分」只講第一名，但一張波膽矩陣真正有用嘅資訊係： 最高概率嘅前 3、前 5 個比分，加埋可以覆蓋幾多概率？ 如果 Top 5 只佔三成左右，代表分布仍然好散； 如果 Top 5 已經佔到一半以上，矩陣就集中得多。 呢頁專門研究 Top-k cumulative probability mass， 唔重複單一「第一名比分」頁。
直接答案：Top 3、Top 5 係「累計概率」，唔係命中保證
假設完整比分矩陣已經由高至低排序， 每個比分概率分別係 p1、p2、p3…， 咁 Top 3 同 Top 5 就係：
P_top3 = p₁ + p₂ + p₃
P_top5 = p₁ + p₂ + p₃ + p₄ + p₅
呢個數字回答「模型最集中嘅幾個比分覆蓋幾多概率質量」， 唔係話 Top 5 一定會中其中一個。 想睇單一第一名比分本身有幾大概率，可以去 最可能比分到底有幾大概率？。
Top-k 概率其實係一個排序後加總問題
一張完整比分矩陣會有 0:0、1:0、0:1、1:1、2:0……好多格。 先由高至低排序，再累計前 k 個：
P_topk = Σ(i=1…k) p_(i), p_(1) ≥ p_(2) ≥ ...
Top 3／Top 5 最大價值唔係搵「更多心水比分」， 而係量度模型分布有幾集中。 同一個 Top 1 概率，如果 Top 5 差距好大， 代表第一名之後嘅概率尾部形狀可以完全唔同。
數學例子：λ_H=1.60、λ_A=1.20、ρ=-0.04 時
以下只係模型示範，唔代表任何實際賽事。 使用 HKBetNet 現行波膽結構： 主隊 λ=1.60、客隊 λ=1.20、Dixon-Coles ρ=-0.04， 0–10 × 0–10 矩陣排序後，最高概率比分如下：
| 排名 | 比分 | 概率 | 累計概率 |
|---|---|---|---|
| 1 | 1:1 | 12.14% | 12.14% |
| 2 | 2:1 | 9.34% | 21.48% |
| 3 | 1:0 | 9.26% | 30.75% |
| 4 | 2:0 | 7.78% | 38.53% |
| 5 | 1:2 | 7.01% | 45.53% |
| 6 | 0:1 | 6.83% | 52.36% |
| 7 | 0:0 | 6.55% | 58.91% |
| 8 | 2:2 | 5.60% | 64.52% |
| 9 | 3:1 | 4.98% | 69.50% |
| 10 | 0:2 | 4.38% | 73.88% |
呢個例子入面，Top 5 仍然未覆蓋全部概率； 大量質量留喺第 6 名之後。 呢個就係波膽模型最重要嘅現實： 比分係高維離散分布，單一最高比分通常只佔一小部分。
Top 5 高定低，真正反映緊「分布集中度」
如果兩場波 Top 1 都係 12%， 第一場 Top 5 可能有 48%，第二場可能只有 34%。 前者代表幾個比分格較集中， 後者代表尾部更闊、更分散。
除咗 Top-k，仲可以用 entropy（熵）量度整體分散程度：
H = −Σ pᵢ log(pᵢ)
上面示範矩陣嘅 entropy 對應 effective score count 大約係 19.8 個等概率結果。 呢個數字唔係「實際有 19.8 個比分」， 而係幫手理解分布有幾散。
Top 1 同 Top 5 分工唔同
| 指標 | 回答咩問題 | 主要風險 |
|---|---|---|
| Top 1 | 單一最高概率比分係邊個、幾大 | 容易令人誤以為第一名「好大機會」 |
| Top 3 | 前三格一共覆蓋幾多 | 仍然可能忽略大量尾部 |
| Top 5 | 高概率比分群集中度 | 高 coverage 唔等於價格有價值 |
所以呢頁唔會重複「邊個比分排第一」， 而係將重點放喺概率質量有幾集中。
Top-k 好唔好，應該點驗證？
一個模型如果成日話 Top 5 覆蓋 50%， 真正未見比賽入面就應該大約有一半實際比分落喺嗰五格。 可以做 coverage calibration：
Empirical Hit Rate(Top-k) ≈ Mean Predicted P_topk
例如一批比賽平均 Top 5 probability mass 係 42%， 但實際只有 29% 賽果落入預測 Top 5， 就代表模型對高概率比分群過度自信。
呢個同 波膽模型的比分概率準確嗎？ 直接相連； Top-k coverage 係 calibration 嘅其中一種實際檢查。
編輯研究經驗：最容易犯嘅錯，係將 Top 5 當成「五個推薦比分」
HKBetNet 做比分矩陣 QA 時， Top 3／Top 5 主要係用嚟睇模型有幾集中， 唔係將前五名包裝成五個「心水」。
如果一場波 Top 5 只覆蓋三成幾， 即使第一名排得好穩， 其餘六成幾概率仍然散落喺大量比分格。 呢個時候最需要提醒讀者嘅唔係「前五有邊幾個」， 而係模型本身其實相當不確定。
賽事層面亦一樣。 紅牌、早段入球、戰術改變都可以將比分推去原本排名較後嘅格； 所以 Top-k 只係賽前概率分布摘要，唔係賽事劇本。
學術上點解唔應該只睇最高概率比分？
Maher（1982）同 Dixon & Coles（1997）都係建立完整比分概率分布， 而唔係只輸出一個點估計。 呢個框架本身就代表： 足球比分預測應該保留整個 distribution。
Gneiting & Raftery（2007）對 proper scoring rules 嘅整理進一步指出， 評估概率預報應該獎勵整個分布嘅準確度， 唔係只睇「第一名有冇估中」。 Top-k coverage 可以做實用摘要， 但最終模型比較仍然應該配合 Log Loss、Brier 類概率評分同 calibration。
- 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 Pack 未重新輸出逐場 Top 3／Top 5 實際矩陣結果，所以本文唔虛構全站平均 Top-k 數字。
- λ_H=1.60、λ_A=1.20、ρ=-0.04 只係數學示範，唔代表任何實際賽事。
- Top-k probability mass 量度分布集中度，唔等於 Top-k 內任何比分都有「推薦價值」。
- Top 5 coverage 高唔代表模型已校準；仍要比較 predicted mass 同 empirical hit rate。
- 0–10 × 0–10 矩陣保留絕大部分足球比分質量，但 11+ 尾部數學上唔係完全為 0。
- Top-k 排名會受 λ_H、λ_A、Dixon-Coles ρ 同主客場等模型設定影響。
- 模型概率唔係投注建議，更加唔係保證盈利。