LottoSync 的每一筆賽事勝率，都由公開的數學模型計算而來。本頁完整拆解我們使用的 Elo 評分系統、泊松大小分模型，以及賽後的戰績結算與 Brier 分數校準流程——所有公式公開、所有預測留存、所有結果可被檢驗。
Elo 評分原為西洋棋排名設計，現廣泛用於各類競技運動的實力量化。每支球隊都有一個浮動分數，分數越高代表近期實力越強。兩隊對戰時，分差直接決定彼此的預期勝率。
P(A) = 1 / (1 + 10^((R_B − R_A) / 400))
其中 R_A、R_B 為兩隊當前 Elo 分數。每隊以初始分 1500 起算，每場比賽結束後，依實際勝負對預期勝率的偏差更新分數，更新幅度由 K-factor = 20 控制——K 值越大，分數對單場結果越敏感；我們採用 20，在反應近況與避免過度波動之間取得平衡。主場隊另加一個固定的主場優勢修正值後再代入公式。
勝負之外，我們同時預測總得分（大小分）。得分屬於「單位時間內隨機事件次數」，最適合以泊松分布建模。我們取兩隊近 20 場的平均得分作為各自的泊松率 λ，相加得到該場預期總分。
λ_total = λ_home + λ_away
P(X = k) = e^(−λ) · λ^k / k!
λ_home、λ_away 分別為主客隊近期平均得分；P(X=k) 為「總分恰為 k」的機率。將盤口線以上的所有 k 機率加總，即得「大分」覆蓋機率，反之為「小分」。同一套機率分布也可估算各比分落點與讓分覆蓋率。
每筆預測都標註信心等級，提醒讀者「模型有多確定」。等級由兩隊勝率差與樣本充足度共同決定：勝率差越大代表實力落差越明確；近期對戰場次越多、數據越穩定，模型估計越可靠。當球隊剛換陣、傷兵眾多或樣本不足時，即便分差大也會降級處理。
勝率差 ≥ 18%（約 Elo 差 100+ 分），且雙方近期樣本充足、無重大缺陣。模型對結果方向較有把握。
勝率差約 8%–18%，或一方樣本偏少、近況波動較大。方向可參考，但變數仍多。
勝率差 < 8%（接近五五波），或樣本嚴重不足、剛經歷重大陣容異動。僅供參考，不宜重視。
信心等級不代表獲利建議，只反映模型自身的不確定度。即使標示「高」，仍可能落空——這正是我們公開結算戰績的原因。
一個預測模型若不被檢驗，就只是空談。LottoSync 的每筆預測都在開賽前鎖定，賽後不可編輯，並自動與實際結果比對，公開累計命中率與校準指標。
命中 = (預測勝方 == 實際勝方)
Brier = (p − o)²
命中率衡量「方向對不對」——預測的勝方是否真的獲勝。但只看命中率不夠，因為它忽略了模型「給多少信心」。Brier 分數則衡量機率校準度：p 是模型給出的勝率，o 是實際結果（贏=1、輸=0），兩者差的平方即單場 Brier，全部平均得到整體分數。Brier 越低越準——理想的模型不只猜對方向，給出的機率也要「說到做到」（標 70% 勝率的比賽，長期真的約七成會贏）。
| 名詞 | 說明 |
|---|---|
| Elo | 球隊實力的浮動評分。分數越高代表近期實力越強，兩隊分差決定預期勝率。初始分 1500。 |
| K-factor | Elo 每場更新的幅度係數。本站設為 20——值越大，分數對單場結果越敏感。 |
| λ (lambda) | 泊松分布的「率」參數，代表單場預期得分。以球隊近 20 場平均得分估算。 |
| Brier | 機率預測的校準指標，公式 (p−o)²。數值介於 0–1，越低代表機率估得越準。 |
| 大小分 | 對「兩隊總得分」是否超過盤口線的判斷。高於線為「大分」，低於為「小分」，由泊松模型估算覆蓋機率。 |
本頁所述方法為公開的統計與機率模型，輸出僅供學術與資訊參考。任何模型都無法保證結果，過往命中率不代表未來表現。LottoSync 為純資訊查詢平台，不接受任何形式投注，所有內容皆不構成投注建議。博彩有害健康，請理性看待；未滿 18 歲禁止購買彩票。完整條款請見 免責聲明。