← Retour à l’accueil
2025-09-21 · 18:30:00 · Bundesliga (D1) · Germany
FTR : H · mi-temps : 1-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Dortmund)
60.7%
Match nul
21.2%
Extérieur (Wolfsburg)
18.1%
Marchés binaires
L2M (Yes)
65.0%
L2M (No)
35.0%
Over 2.5
69.0%
Under 2.5
31.0%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
77.0%
DNB Extérieur
23.0%
Double Chance 1X
81.9%
Double Chance 12
78.8%
Double Chance X2
39.3%

Top 5 scores prédits

2 - 1
9.5%
1 - 1
9.2%
2 - 0
7.7%
3 - 1
7.4%
3 - 0
6.0%

Score réel 1-0 : 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 : 6.3%
IssueModèleMarchéÉcart
Domicile (Dortmund)60.7%61.9%-1.2 pt
Match nul21.2%20.6%+0.7 pt
Extérieur (Wolfsburg)18.1%17.5%+0.6 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.569.0%65.5%+3.4 pt
Under 2.531.0%34.5%-3.4 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
60.7% (FTR = H)
Brier 1X2
0.2326 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.4999 (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