← Retour à l’accueil
2025-10-25 · 14:30:00 · Bundesliga (D1) · Germany
FTR : A · mi-temps : 0-4 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Augsburg)
23.1%
Match nul
28.0%
Extérieur (RB Leipzig)
48.9%
Marchés binaires
L2M (Yes)
53.0%
L2M (No)
47.0%
Over 2.5
49.1%
Under 2.5
50.9%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
32.0%
DNB Extérieur
68.0%
Double Chance 1X
51.1%
Double Chance 12
72.0%
Double Chance X2
76.9%

Top 5 scores prédits

1 - 1
13.4%
0 - 1
9.9%
1 - 2
9.5%
0 - 2
9.2%
0 - 0
8.7%

Score réel 0-6 : 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 (Augsburg)23.1%29.1%-6.1 pt
Match nul28.0%24.8%+3.3 pt
Extérieur (RB Leipzig)48.9%46.1%+2.8 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.549.1%63.6%-14.6 pt
Under 2.550.9%36.4%+14.6 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
48.9% (FTR = A)
Brier 1X2
0.3926 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.7150 (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