莊、閒、和各自出現的比例。八副牌標準規則下，莊約 45.86%、閒約 44.62%、和約 9.52%（剔除和局後莊約 50.68%、閒約 49.32%）。統計你自己的樣本與理論值的差距，是檢查記錄品質的好方法。
數值來源：Wizard of Odds — Baccarat（wizardofodds.com/games/baccarat/）；規則見 Wikipedia「Baccarat (card game)」。莊勝率略高來自補牌規則，抽水只影響派彩、不影響勝率。
連開長度出現的頻率。它能回答「在我的樣本裡，4 連以上出現過幾次」，幫你建立對波動範圍的直觀認識——長龍在八副牌裡是常態，不是異常。
把路單分類（單跳、對稱、階梯、長龍等）後統計各類占比。這是純描述：過去的結果長什麼樣。
最被低估的用途。你可以用統計反過來檢查自己：有沒有漏記和局？有沒有只在「有戲劇性」的時候才記錄？兩次記錄同一段是否一致？
在近似獨立模型下，結果由牌靴剩餘牌的概率決定。歷史數據裡不含關於下一局的可靠資訊——這不是「暫時還沒找到方法」，而是數學結構上就不成立（同一牌靴為不放回發牌，各局間存在極弱的負相關，但不足以支撐任何可操作的預測）。
「出現了 X 型態之後，常常接著 Y」——這是把相關當因果。在隨機序列裡，任何兩個型態都能被找出某種「常常接著出現」的巧合，但凡是用同一套數據反覆找，都能找到；找到不等於存在。
要證明某規律真的存在，需要事先定義、再用未見過的數據檢驗。用同一批數據「發現」又「驗證」，等於自己出題自己答。
任何聲稱能保證收益的說法，都直接違反了獨立事件的數學結構。這也是 AlphaFox 從不提供投注建議、從不使用「穩贏」「必中」一類詞的原因。
樣本越小，偶然偏離越大。幾十局的樣本裡出現「莊占 60%」很常見，但它不能支持任何關於比例的結論，更不能當成「牌靴有偏向」的證據。描述性統計真正有用的地方，是大樣本下的整體分布，而不是小樣本裡看起來很像規律的那一段。
歷史數據是一面鏡子，照的是過去。把它當成望遠鏡，是這個領域最常見、也最貴的誤會。