把前面方法的结论合成一条推理链，并给出唯一有数学依据的可操作点。
十个方法不是并列选项，而是一条逐步收紧的逻辑链。每一步都用数据验证，每一步都缩小可能性空间。
组合数学给出 17,721,088 这个精确数字，且六个奖级的组合数求和精确闭合。任何一注号码的中奖概率完全相同——这不是经验，是组合恒等式。所以：如果不能改变中奖概率，唯一剩下的改善方向是"改变中奖之后的收益分配"。这把问题从"选什么号会中"重新定义为"选什么号中了能拿更多"。
固定奖级期望 0.486 元；浮动奖级用无假设恒等式 Σ派奖 ÷ Σ票数 = 0.500 元。合计 0.992 元／每 2 元，与规则设计的 50% 返奖率吻合。负期望是结构性的，不是运气问题。
大数定律（频率收敛）、几何分布（遗漏无记忆性）、中心极限定理（和值分布精确已知）分别在方法 03、06、04 中给出，并全部在 3,521 期数据上验证。效果不是"没找到规律"，而是证明这些方向上不存在可供利用的信息结构。
方法 05 系统性测试 15 个方向，方法 09 回测 15 个策略，方法 11 做参数寻优。共同结论：看到的一切"规律"都可以被零假设仿真同样地产生出来。诚实数据上跑同一套检验，平均有 0.76 项"显著"、50.0% 的情况至少有一项。
凯利公式在负期望下最优仓位为 0（方法 10）。30,000 次模拟给出的盈利概率 0.34% 是同一结论的数值确认。
一、二等奖是浮动的：奖金总额固定，按中奖注数均分。如果你选的组合恰好也是很多人选的组合，中奖时就要和更多人平分同一笔奖金。
如果所有彩民都均匀随机选号，那么每期一等奖中奖注数应该服从泊松分布，其期望等于"该期票数 ÷ 17,721,088"。这个期望值可以直接算出来，然后和实际中奖注数对比：
| 一等奖中奖注数 | 实际期数 | 实际占比 | 均匀随机期望期数 | 期望占比 | 实际/期望 |
|---|---|---|---|---|---|
| 0 注 | 210 | 6.0% | 84.8 | 2.4% | 2.48 |
| 1–2 注 | 595 | 16.9% | 323.5 | 9.2% | 1.84 |
| 3–5 注 | 947 | 26.9% | 604.0 | 17.2% | 1.57 |
| 6–10 注 | 951 | 27.0% | 1441.3 | 40.9% | 0.66 |
| 11–20 注 | 597 | 17.0% | 1058.7 | 30.1% | 0.56 |
| 21–50 注 | 187 | 5.3% | 8.7 | 0.2% | 21.37 |
| 51 注以上 | 34 | 1.0% | 0.0 | 0.0% | 远超期望 |
实际分布比泊松分布明显更胖：中奖注数为 0 的期、以及中奖注数超过 50 的期，都比"均匀随机选号"的预期要多得多。这正是"很多人选了同一组合"的痕迹——热门组合是真实存在的，而且数量可观。
非均匀选号还有一个可以被严格论证的后果。设第 c 种组合被投注的期望注数为 λc，总注数 T = Σλc。那么"当期无人中一等奖"的概率是：
也就是说：只要彩民的选号不是均匀随机的，"一等奖空开"的概率就必然高于均匀随机的情形。这不是经验观察，是可以证明的。
实测对比（仅看 2013 年以后、销量稳定的 2082 期）：
一个具体例子：2026083 期（2026-07-21），当期销售额 348,240,258 元，约合 1.74 亿注，而 6 红 + 1 蓝的组合总共只有 1772 万种——平均每种组合应被投注约 10 次，结果却没有任何一注中一等奖。官网公告确认该期一等奖为 0 注。用"选号均匀随机"无法解释这类事件；用"存在被大量冷落的组合"则很容易解释。
需要注意的是，本结论依赖"销售额 ÷ 2 = 注数"这一换算（双色球每注 2 元，复式与胆拖同样按 2 元/注计数）。数据核对：本报告把这 2082 期的开奖号码与一、二等奖中奖注数逐期与官网接口比对，号码零差异，中奖注数仅 2019026 期有 1 处不一致，其余全部吻合。
这个结论与国际文献一致：Cook & Clotfelter (1993)、Farrell 等 (2000)、Haigh (1997)、Baker & McHale (2011) 都发现彩民选号存在稳定的偏好结构，并指出识别"不受欢迎的组合"能够提高平均回报。本页的检验把这件事在中国双色球的 3,521 期数据上独立验证了一遍。
文献一致指出的典型热门模式，在双色球语境下对应为：
所以"避让策略"的含义是：保持随机，但避开上述结构性偏好——让 32、33 享有正常权重，避免连号与明显图形，不要照抄上期，不要用常见的生日组合。
必须说明的边界：这项改善只作用于一、二等奖（浮动奖级），对三至六等奖（固定奖金）完全无效。文献确认这种偏好结构确实存在、也确实能提高平均回报，但本报告不给出具体提升幅度，因为它取决于当期其他彩民的选号分布，而该分布无法从开奖数据中直接观测。可以确定的是：改善幅度远小于 50% 的返奖率缺口，不可能把负期望变成正期望。
| # | 方法 | 核心结论 | 判定 | 依据 |
|---|---|---|---|---|
| 01 | 古典概型与组合数学 | 概率精确且封闭 | 可用 | 唯一精确的部分；但它算出的概率本身就是不可战胜的原因 |
| 02 | 期望值与返奖率 | 恒为 −50.7% | 无效 | 每 2 元期望回收 0.99 元，与规则设计的 50% 返奖率吻合 |
| 03 | 大数定律与频率收敛 | 不产生可预测性 | 无效 | 收敛靠稀释而非补偿；"冷号该出了"不成立 |
| 04 | 中心极限定理与和值分布 | 分布精确已知 | 无效 | χ²=11.93、p=0.37，观测与精确理论吻合 |
| 05 | 随机性检验（15 项） | 无一通过校正 | 无效 | 最强项 p=0.0122，Bonferroni 阈值 0.0033 |
| 06 | 遗漏理论与几何分布 | 无记忆性 | 无效 | 遗漏服从几何分布，条件概率与历史无关 |
| 07 | 贝叶斯推断 | 后验集中于均匀 | 无效 | 32/33 个号码的后验区间覆盖 6/33 |
| 08 | 多重比较与数据窥探 | 校正后全部消失 | 无效 | 诚实数据上平均就有 0.76 项"显著" |
| 09 | 策略回测与均值回归 | 样本外归零 | 无效 | 样本内 +6.6% → 样本外 −0.4% |
| 10 | 资金管理与破产概率 | 凯利仓位为 0 | 无效 | 模拟盈利概率 0.34%，中位数亏损 5442 元 |
| 11 | 机器学习与 AI 选号 | 过拟合 | 无效 | 样本内 z=+1.40 → 样本外 z=−0.14，秩相关 −0.51 |
| 12 | 推理结果 | 见下 | 唯一例外 | 避让热门组合可改善"分奖"，不改善中奖概率 |
用四个问题去检验，几乎可以过滤掉全部伪规律：