遗漏长度
衡量某个号码或类别连续未出现的期数，用于描述间隔，不等于“应该出现”。
Pattern Intro
“号码规律”究竟在观察什么？
有效的统计观察不是寻找必然答案，而是将杂乱记录转换成统一指标，再比较不同样本窗口中的变化。
重号与邻号
比较相邻记录，识别相同和值再次出现，或与前值相差一位的情况。
和值区间
把完整和值范围分组，观察低、中、高区间的频率与阶段性聚集。
奇偶比例
统计奇数与偶数出现次数，并检查差异是否在扩大样本后仍然存在。
Missing Value
遗漏回补：常见但容易误读
遗漏值表示某一观察对象距离上次出现经历了多少条记录。“遗漏越久，下一次越容易出现”是一种常见直觉，但若每次结果相互独立，过去的等待不会自动提高下一次出现概率。
更稳健的记录方式
- 同时记录当前遗漏、平均间隔与历史最大间隔。
- 用多个固定窗口比较，避免只截取支持观点的区段。
- 回补出现后仍保留原始记录，不反向修改判断标准。
Illustrative Data · 示意数据
查看真实数据源
遗漏概念示意
| 观察对象 | 当前遗漏 | 示意平均间隔 | 解读 |
|---|---|---|---|
| 类别 A | 2 | 4.1 | 仅表示当前间隔较短 |
| 类别 B | 7 | 3.8 | 偏离均值不代表即将回补 |
| 类别 C | 4 | 4.5 | 需结合更长窗口比较 |
以上数值仅用于展示统计表结构，不是当前、实时或官方记录。
Repeat
重号观察
当前和值与上一条记录相同时，可记为重号。连续两次相同在短序列中更显眼，但“显眼”不代表异常，应结合全部可选值数量和长期频率判断。
记录建议
分别统计相邻重号、跨期重号与连续多次重复，不要混合口径。
Neighbor
邻号观察
当前和值与上一条相差 1 时通常称为邻号。分析时应预先固定定义，并注意边界号码可拥有的邻号数量与中间号码不同。
避免误区
不要在看到结果后临时把相差 2 或相差 3 也归入邻号，以免规则随结果改变。
Sum Range
和值区间与奇偶分布
区间分类可以降低单个号码带来的视觉噪声。常见观察会把 0–27 划分为低、中、高区间，但具体边界应在分析前固定，并确认所参考数据源的玩法规则。
低位区间
0–9
中位区间
10–17
高位区间
18–27
区间频率怎么比较？
- 1.先固定区间边界，确保所有样本采用同一规则。
- 2.分别计算各区间次数与占比，不只比较绝对次数。
- 3.比较多个窗口，检查差异是否只存在于短期样本。
奇偶比不等于轮换规则
连续出现多个奇数后，偶数并不因此“必然轮到”。应记录实际比例、最长连续段和窗口变化，而不是假设奇偶必须交替。
至少保留三种窗口
短窗口
观察近期波动
中窗口
检验阶段特征
长窗口
建立基础参照
若结果由多个独立数字相加得到，中间和值通常拥有更多组合方式，因此不能直接假定所有和值频率完全相同。
Sample Bias
警惕样本偏差与“看起来有规律”
随机序列也会自然形成连号、重复和局部聚集。观察到形态只是分析起点，还需判断它是否来自选择性取样、样本过小或事后解释。
只看支持案例
保留成功判断却忽略失败记录，会高估方法有效性。
随意截取窗口
反复调整起止点，总能找到看似整齐的局部形态。
事后修改规则
结果出现后扩展定胆或杀号范围，无法验证原判断。
混淆相关与因果
两个指标同时变化，不代表其中一个导致另一个。