← Retour à l’accueil
2025-08-23 · 14:30:00 · Bundesliga (D1) · Germany
FTR : A · mi-temps : 0-3 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Freiburg)
46.3%
Match nul
29.0%
Extérieur (Augsburg)
24.7%
Marchés binaires
L2M (Yes)
51.9%
L2M (No)
48.1%
Over 2.5
46.7%
Under 2.5
53.3%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
65.2%
DNB Extérieur
34.8%
Double Chance 1X
75.3%
Double Chance 12
71.0%
Double Chance X2
53.7%

Top 5 scores prédits

1 - 1
13.9%
1 - 0
10.2%
0 - 0
9.4%
2 - 1
9.2%
2 - 0
8.9%

Score réel 1-3 : pas dans le top 5 prédit. Cas typique d'un score "long tail" de la distribution de Poisson — le modèle privilégie les scores serrés.

Comparaison vs marché (cotes football-data closing-avg)

1X2 — marge bookmaker : 6.2%
IssueModèleMarchéÉcart
Domicile (Freiburg)46.3%48.8%-2.5 pt
Match nul29.0%26.9%+2.1 pt
Extérieur (Augsburg)24.7%24.3%+0.4 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.546.7%48.7%-1.9 pt
Under 2.553.3%51.3%+1.9 pt

Probas marché obtenues en inversant les cotes (`1/cote`) et en normalisant pour retirer la marge bookmaker.

Performance modèle sur ce match

Proba modèle au résultat réel
24.7% (FTR = A)
Brier 1X2
0.8659 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.3992 (0 = parfait, ~1.099 = pur hasard)

Interprétation : si le modèle avait dit "100% pour le bon résultat", Brier et log-loss seraient à 0. Plus la proba au résultat réel est haute, plus ces 2 scores sont bas. Permet de juger objectivement le modèle sur CE match précis (vs juste argmax / vrai-faux).

Méthode & sources

Modèle
dc-baseline-v1
xi (pondération)
0.002500
Source données
football-data.co.uk (CSV historique, closing odds moyennes du marché)
Train
4 saisons (2020-21 → 2023-24), pondération temporelle exponentielle