描述
记录当前样本中各字段值或结果类别的出现情况，不延伸为未来判断。
01 / Filter controls
先定义样本，再谈分布。
历史统计不是把所有记录简单堆在一起。彩票类型、日期范围和记录状态会决定你正在观察哪一组样本。明确筛选条件，能够让后续的频次比较、缺失识别和时间观察拥有清晰的边界。
当前页面把样本量放在显眼位置，避免只看图形高度，却忽略观察范围本身。
03 / Data visualization
图形呈现变化，不能替样本下结论。
分布图帮助你快速发现记录中的集中、分散与空档；时间序列则把这些变化放回日期顺序。两者结合时，研究重点不是寻找一条漂亮的上升线，而是观察变化是否稳定、样本是否充分，以及异常位置能否回到原始记录。
分布图：比较字段值或结果类别在所选样本中的出现情况。
时间序列：查看记录随日期变化的排列，而非制造趋势暗示。
原始记录：在需要时回到期号、时间、来源和更新时间。
Illustrative view
样本变化示意
起始日期
结束日期
实线
样本中的观察变化
虚线
用于阅读的参考基线
04 / Interpretation panel
把统计差异放回随机基线。
统计结果有价值，但统计结果本身并不会自动生成预测结论。解释面板把理论基线、样本量和随机波动放在同一个阅读框架里，帮助你区分“这组记录呈现了什么”与“这是否足以支持某个假设”。
查看理论概率计算比较
将观察结果与适用的理论基线、样本量和记录完整度放在一起阅读。
复盘
如果提出了研究假设，保留观察范围与实际结果，之后再检验其解释力。
05 / Research actions
统计不是终点，下一步要回到问题本身。
当你已经确定了样本范围，可以继续查看对应的明细记录、理解字段和规则，或把同一范围交给概率计算与假设验证工具。这样的路径让每一次分析都保留上下文：你知道数据从哪里来，也知道结论只对哪一组样本负责。
一条清晰的研究路径通常从“我看到了什么”开始，经过“这组样本有多大”，最后才进入“这个观察是否值得继续验证”。
A clear next question