← Retour à l’accueil
2025-08-23 · 14:30:00 · Bundesliga (D1) · Germany
FTR : H · mi-temps : 2-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Union Berlin)
23.6%
Match nul
27.0%
Extérieur (Stuttgart)
49.4%
Marchés binaires
L2M (Yes)
56.2%
L2M (No)
43.8%
Over 2.5
53.1%
Under 2.5
46.9%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
32.3%
DNB Extérieur
67.7%
Double Chance 1X
50.6%
Double Chance 12
73.0%
Double Chance X2
76.4%

Top 5 scores prédits

1 - 1
12.9%
1 - 2
9.6%
0 - 1
8.8%
0 - 2
8.7%
0 - 0
7.5%

Score réel 2-1 : 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 : 6.1%
IssueModèleMarchéÉcart
Domicile (Union Berlin)23.6%24.1%-0.5 pt
Match nul27.0%24.9%+2.1 pt
Extérieur (Stuttgart)49.4%51.0%-1.5 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.553.1%57.6%-4.5 pt
Under 2.546.9%42.4%+4.5 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
23.6% (FTR = H)
Brier 1X2
0.9015 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.4456 (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