蓝球只有一个号码，取值在 1 到 16 之间。很多人在读数据时会本能地追着具体号码跑——某个数字多久没出、上次出现是哪一期。追久了会发现，具体号码给出的信息其实很少，因为 16 个取值摊到几十期上，每个号码出现的次数都很零散。
把蓝球换成粗粒度指标来看，情况就不同了。大小、奇偶这类只有两个取值的指标，在同样的期数里样本量翻了好几倍，形态反而更稳定，更适合作为长期对照的骨架。
大小与奇偶怎么划
大小通常以 8.5 为界：1 至 8 为小，9 至 16 为大。两侧各 8 个号码，划分对称，这是它被普遍采用的原因。也有以 8 为界、把 8 归入大号的不对称做法，这会让统计结果偏移，建议避免。
奇偶则按号码本身的奇偶性划分：1、3、5 直至 15 为奇，2、4、6 直至 16 为偶。同样各 8 个号码，也是对称的。
两个维度交叉之后，蓝球就被拆成四类：小奇、小偶、大奇、大偶，每类各 4 个号码。任何一期只会落在其中一类里。分类之后，一期的蓝球就从“一个数字”变成了“一个类型”，与红球区间比在思路上是一致的。
为什么粗指标反而更稳
原因在样本量。以 32 期为例，如果是看具体号码，平均每个号码只出现两次，任何一次偶然都会造成比例上的剧烈波动；而分成大小两类，每类预期约 16 次，波动相对平缓。样本量越大，描述性统计越不容易被单次结果左右，这是统计学上的常识。
还有一层现实的考虑：细指标要求更高的记录精度。记具体号码时，抄错一位就彻底改变结论；记大小奇偶时，偶尔的口误在多数情况下会被后续核对拦住，因为四类分类的规律性更容易察觉。
不过粗指标也有代价——它丢失了信息。说“这一期蓝球是大号”，等于把 9 到 16 八个号码的差别全部抹平。因此粗指标适合作为骨架，不适合作为唯一视角。具体号码的分布仍值得记录，只是不要用它来支撑太多结论。
统计怎么写
建议在记录表的蓝球列之后再添两列：大小、奇偶。两列取值都是二选一，填写时使用统一的字，不要时而写“大”时而写“L”。
汇总时先做单维度统计：这几十期里大号多少期、小号多少期。再做交叉统计：四类各多少期。交叉统计的价值在于发现是否有某一类长期空缺，但也要注意样本量——三十期四类，平均每类不到八期，偏少一些属于正常波动。
统计结果应当写成“在这 N 期中，大号出现 M 期”，把期数写清楚。只说“大号偏多”而不给期数，是无法复核的表述。这一点和一期对一期的方法里的要求一致。
和红球结构的关系
蓝球与红球是两套独立的号码池，彼此的取值互不影响。因此蓝球的大小奇偶与红球的区间比之间不存在结构关联，硬要找对应关系属于过度解读。
对照时建议完全分开处理：红球做红球的形态描述，蓝球做蓝球的分类统计，最后在结论里各自陈述。把两者混在一张表里，往往会诱导出没有依据的联想。红球结构的做法见红球区间分布怎么看。
常见误读
误读一：连续多期同一类，就认为快变了
蓝球连续五期都是大号，这只是已经发生的五期。第六期与大号小号的历史比例无关，每期的取值独立。这类“该转向了”的想法是读数据时最顽固的一种错觉。
误读二：用小样本的比例下结论
十期里大号六期、小号四期，说明不了任何倾向，随机波动完全可以产生这样的结果。样本越少，比例越容易给人虚假的确定感。
误读三：把分类当成预测工具
大小奇偶是描述工具，用来把杂乱的具体号码整理成可读的模式。它的用途是帮助理解已经发生的结果结构，而不是指出下一步。这个边界在冷热号码与温度里也讨论过。
粗粒度的好处是让人看见结构，代价是让人忘记结构里还有细节。
实操建议
如果记录量不大，只做大小与奇偶的单维度统计就够用。记录量积累到一两百期之后，再做四类交叉统计会更有意义。无论规模如何，都建议在同一张表里同时保留具体号码与分类两列，这样粗看有骨架、细查有细节，两类需求都能满足。
最后提醒一句：无论粗细，蓝球的全部历史统计都只是对过去的归纳。它可以帮助你看懂一期的位置，不能告诉你下一期在哪里。