积分榜与模型指向相反
法甲三轮过后，布雷斯特29足球俱乐部以5分排名第七，保持不败，一胜两平，净胜球为正一。巴黎圣日耳曼以2分排名第十三，联赛仍未尝胜绩，净胜球为负一。通常这会引导前瞻走向一个方向。Nutmegly的模型却指向另一个方向：它给巴黎圣日耳曼在9月13日于弗朗西斯·勒布莱球场获胜的概率为68.8%，平局17.8%，布雷斯特获胜13.4%。当积分榜与模型如此尖锐地不一致时，有趣的问题不是三场比赛后谁对谁错，而是模型读到了什么积分榜尚无法显示的东西。
存储结果实际包含什么
布雷斯特最新记录的结果是9月5日客场2-1战胜勒阿弗尔，8月29日主场2-2战平图卢兹，以及8月22日客场2-2战平勒芒。在这些之后，存储样本延伸至上赛季尾声：5月17日主场1-1战平昂热，5月13日主场1-2负于斯特拉斯堡。那些五月的条目属于可用样本，而非当前状态，它们之所以重要，主要是因为模型的场均平均值将它们纳入其中。
巴黎圣日耳曼最近存储的结果始于9月9日主场6-1大胜布拉迪斯拉发斯拉夫人，随后是9月4日主场1-2负于摩纳哥，8月28日客场2-2战平里尔，8月23日客场2-2战平雷恩，以及5月30日主场1-1战平阿森纳。只有摩纳哥、里尔和雷恩的比赛与当前法甲积分榜中的三场比赛相符。战胜布拉迪斯拉发的比赛来自联赛之外，而阿森纳的比赛则是从上赛季延续下来的。将这些比赛平铺成一段连续的状态会掩盖最重要的细节：巴黎圣日耳曼的联赛积分来自两场平局，而非那场6-1。
为何模型仍如此倾向巴黎
解读的核心是在更广泛的存储窗口中的效率。在每队八场记录比赛中，布雷斯特场均0.88分，巴黎圣日耳曼场均1.50分。这些窗口混合了不同赛季，因此并非赛季总计，但它们描述了在模型所见的样本中，每支球队如何将比赛转化为积分。它产生的分布——主场13.4%，平局17.8%，客场68.8%——遵循这一信号，而非三场比赛的积分榜。
主客场分项数据有所补充，但不够清晰。巴黎圣日耳曼的两场法甲客场比赛均以2-2结束，因此在这一小样本中他们客场未尝败绩。布雷斯特唯一的主场联赛也以2-2结束。布雷斯特提供的主场进球率为每场2.00球，巴黎圣日耳曼提供的客场失球率为每场1.40球——样本虽小，但足以让模型认为巴黎零封的可能性不大。它将超过2.5球的概率定为59.65%。
反方论据，且并不薄弱
布雷斯特的理由不仅仅基于积分榜。在每队存储样本中的五场法甲比赛中，布雷斯特场均1.20分，巴黎圣日耳曼场均1.00分——这一同赛事信号指向与模型主要结论相反的方向。Nutmegly自己的反论点指出，外部预测与内部模型方向不同，且两者可能基于定义不同的样本。再加上休息模式：布雷斯特最近记录比赛到开球的间隔为八天，而巴黎圣日耳曼为三天。数据在此处很谨慎——长间隔并不自动意味着休息优势，而记录稀少也不能证明一支球队没有比赛。
还有两个限制值得注意。存储的交手样本仅有两场比赛，远不足以说明任何问题。虽然信息源中没有伤病缺阵报告，也没有确认首发阵容，但这只是信息缺失，而非两队均全员出战的证据。首发十一人仍是最后一个真正开放的变量。
关注要点
最值得关注的是这场比赛是否会再次以平局收场。两队当前的联赛记录都建立在平局之上——三场比赛各两场平局——而模型的进球预期指向一场开放的对攻。如果布雷斯特的主场进球率在面对两场客场均有失球的巴黎圣日耳曼时得以保持，那么68.8%将开始显得站不住脚。如果巴黎圣日耳曼更广泛的场均效率是更真实的信号，那么三场比赛的积分榜才是异常，而非模型。超过2.5球概率59.65%是一种倾向，而非保证，这些是估计值，而非对结果的预测。
因此，带入周末的问题是：如果布雷斯特在弗朗西斯·勒布莱球场率先得分，模型的68.8%是否仍然成立——还是说，建立在开局不败基础上的积分榜才是更好的指引？