球隊入球大細點樣計？
球隊入球大細同全場總入球最容易混淆。 Team Total 只問一隊會入幾多球，例如主隊大 0.5、1.5、2.5， 唔需要先知道全場最後會有幾多球。 真正核心係先估出該隊今場嘅預期入球 λ_team， 再由 0、1、2、3… 球分布計返各條線嘅概率。
直接答案：先估單一球隊 λ，再累加 0、1、2… 球概率
如果某隊今場預期入球係 λ， Team Total 大 0.5 就係計佢至少入 1 球； 大 1.5 就係至少入 2 球； 大 2.5 就係至少入 3 球。
P(Team Over 0.5) = P(G≥1)
P(Team Over 1.5) = P(G≥2)
P(Team Over 2.5) = P(G≥3)
所以 Team Total 真正難嘅唔係「大 1.5 點結算」， 而係點樣估 λ_team。 想睇工具實際點樣將近期資料、主客場同聯賽基準放埋一齊， 可以返 入球大細概率計算工具。
Team Total 唔係 Match Total，先分清楚事件
| 市場 | 計緊乜 | 例子 |
|---|---|---|
| 主隊 Team Total | 只計主隊入球 | 主隊大 1.5 = 主隊至少入 2 球 |
| 客隊 Team Total | 只計客隊入球 | 客隊細 0.5 = 客隊入 0 球 |
| Match Total | 主隊 + 客隊總入球 | 全場大 2.5 = 兩隊合共至少 3 球 |
例如最終 2:0： 主隊 Team Total 大 1.5 贏， 客隊 Team Total 大 0.5 輸， 但全場大 2.5 亦係輸。 同一個比分可以同時產生三個完全唔同嘅市場結果。
如果你要研究全場 2.25、2.5、2.75， 應該去 入球大細 2.25、2.5、2.75 有咩分別？， 呢頁唔重複 Match Total 結算。
λ_team 點樣估？唔係淨係睇最近幾場入咗幾多球
一個實用嘅單隊入球 λ，至少要同時考慮自己攻力、對手防守、 主客場、近期資料同聯賽整體入球環境。 HKBetNet Goal 工具目前以最多近 20 場做主要球隊樣本， 球隊資料使用 180 日半衰期， 聯賽基準使用 365 日半衰期， 再用聯賽先驗將極端短樣本拉返合理範圍。
λ_team ≈ 攻擊強度 × 對手防守強度 × 主客場調整 × 聯賽基準
呢條係概念式，唔係話四個數字機械相乘就完事。 真正實作要處理時間衰減、樣本量同收縮。 想睇近期資料點解唔應只睇近 5 場，可以去 最近幾場入球數據有冇預測價值？； 主客場點樣改變入球率，就睇 主場同作客會影響入球概率嗎？。
如果球隊入球用泊松分布，0.5、1.5、2.5 可以直接計
假設單一球隊入球數 G ~ Poisson(λ)， 每個整數入球數都有明確概率：
P(G=k) = e^(-λ) λ^k / k!
三條常見 Team Total 線就可以寫成：
P(O0.5) = 1 − e^(-λ)
P(O1.5) = 1 − e^(-λ)(1+λ)
P(O2.5) = 1 − e^(-λ)(1+λ+λ²/2)
反過來，細 0.5 就係不失球事件。 所以 不失球概率點樣計？ 同 Team Total 其實係同一條單隊入球分布嘅另一面： 客隊細 0.5 = 主隊 Clean Sheet。
用目前主客平均入球做 baseline，Team Total 會點樣變？
目前全站早段樣本顯示，主隊平均入球係 1.66， 客隊平均係 1.39。 如果只當成一個好粗嘅泊松 baseline，可以睇到同一條 Team Total 線點樣因 λ 不同而改變。
| Team Total | 主隊 baseline λ=1.66 | 客隊 baseline λ=1.39 |
|---|---|---|
| 大 0.5 | 約 81.0% | 約 75.1% |
| 大 1.5 | 約 49.4% | 約 40.5% |
| 大 2.5 | 約 23.2% | 約 16.4% |
呢張表只係數學示範。 真正一場波唔應該直接將所有主隊都設成 λ=1.66， 因為強隊、弱隊、對手防守、聯賽、主客場同近期狀態都唔一樣。
落到實際賽事，Team Total 最怕忽略對手
最近幾場一隊入好多球，唔代表下一場 Team Total 一定要升。 如果之前幾場對手防守弱，而下一場碰到防守最穩嘅球隊， 直接用近期平均會過度樂觀。
同樣，主隊入球同客隊入球亦唔應該共用同一基準。 目前樣本主隊平均 1.66、客隊 1.39， 已經反映主客環境有差。 詳細主客場數學可以睇 主客場入球效應研究。
如果研究嘅係「兩隊會唔會都入到波」， 就唔再係單一 Team Total， 應該轉去 雙方入球（BTTS）概率。
編輯研究經驗：最常見錯法，係將「近期入球多」直接當攻力升咗
HKBetNet 做球隊入球資料整理同工具 QA 時， Team Total 其中一個最常見誤讀，就係見到最近 5 場入球高， 下一場 λ 就跟住大幅上調。 我哋通常會先拆對手強弱、主客場、紅牌、十二碼同大比分異常值， 再判斷近期升幅有幾多真係屬於球隊自身。
另一個實際經驗係： 入球同失球一定要成對睇。 一隊攻得好，遇到極弱防線同遇到聯賽頂級防線， 同一個 Team Total 1.5 會係兩個完全唔同嘅概率問題。
所以賽事經驗喺呢頁嘅作用，係幫手檢查數據背景同異常值， 唔係用「我覺得呢隊最近好弗」取代模型。
學術模型點樣處理單隊入球？
Maher（1982）嘅經典足球比分模型將球隊攻擊能力同對手防守能力放入泊松框架， 亦正正係 Team Total 最核心嘅思想： 單隊入球率唔只由自己決定，仲會受對手防守強度影響。
Dixon & Coles（1997）其後用動態球隊表現同泊松迴歸處理英格蘭足球賽事， 並針對低比分相關結構作修正。 對 Team Total 嚟講，呢個提醒好重要： λ 可以用嚟建立單隊分布，但模型參數本身應該隨球隊狀態更新， 亦唔應假設所有低比分組合都完全獨立。
- Maher (1982)：Modelling association football scores
- Dixon & Coles (1997)：Modelling association football scores and inefficiencies in the football betting market
HKBetNet 自己嘅資料、回測同模型更新原則，可以再睇 編輯與研究方法。
限制與不能推出的結論
- 目前 2026/27 賽季資料仍屬早段快照，整體 N=146。
- 主隊 1.66、客隊 1.39 只係全體平均 baseline，唔係指定球隊下一場 λ。
- Team Total 同 Match Total 係不同事件，唔可以將全場大 2.5 概率直接當球隊大 1.5。
- 泊松公式假設由 λ 建立離散入球分布，實際足球資料可能存在過度離散、低比分相關或其他偏差。
- 近期入球數據要配合對手強弱、主客場同聯賽先驗，唔應直接用近幾場平均代替模型。
- Clean Sheet、BTTS 同 Team Total 互相關聯，但 Search Task 同事件定義唔同。
- 模型概率唔係投注建議，更加唔係保證盈利。
下一步：由單隊入球連去零封、BTTS 同比分矩陣
Team Total 建好之後，幾個相關市場其實都可以由同一組主客 λ 延伸出嚟。