← Retour à l’accueil
2025-11-01 · 14:30:00 · Bundesliga (D1) · Germany
FTR : H · mi-temps : 1-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (RB Leipzig)
42.8%
Match nul
25.5%
Extérieur (Stuttgart)
31.7%
Marchés binaires
L2M (Yes)
66.0%
L2M (No)
34.0%
Over 2.5
63.7%
Under 2.5
36.3%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
57.5%
DNB Extérieur
42.5%
Double Chance 1X
68.3%
Double Chance 12
74.5%
Double Chance X2
57.2%

Top 5 scores prédits

1 - 1
11.3%
2 - 1
8.9%
1 - 2
7.6%
2 - 2
6.7%
2 - 0
5.9%

Score réel 3-1 : 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 : 6.0%
IssueModèleMarchéÉcart
Domicile (RB Leipzig)42.8%45.1%-2.3 pt
Match nul25.5%25.1%+0.4 pt
Extérieur (Stuttgart)31.7%29.8%+1.9 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.563.7%65.9%-2.2 pt
Under 2.536.3%34.1%+2.2 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
42.8% (FTR = H)
Brier 1X2
0.4924 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.8482 (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