单挑组经常会通过几十局测试给出“优、平、劣”的结论。但这些结论在统计学上到底有多可靠？本文假定双方始终进行最优操作，将每局胜负视为一次随机试验，并用简单的置信区间和显著性检验分析几个真实案例。结果表明，在二三十局甚至八十局的样本规模下，绝大多数测试结果仍不足以支持显著的优劣平判断。换句话说，目前很多结论在统计意义上仍然属于“证据不足”。