← Retour à l’accueil
2025-11-01 · 17:30:00 · Bundesliga (D1) · Germany
FTR : H · mi-temps : 3-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Bayern Munich)
53.4%
Match nul
22.6%
Extérieur (Leverkusen)
24.0%
Marchés binaires
L2M (Yes)
68.9%
L2M (No)
31.1%
Over 2.5
70.3%
Under 2.5
29.7%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
69.0%
DNB Extérieur
31.0%
Double Chance 1X
76.0%
Double Chance 12
77.4%
Double Chance X2
46.6%

Top 5 scores prédits

1 - 1
9.4%
2 - 1
9.1%
3 - 1
6.7%
2 - 2
6.6%
2 - 0
6.3%

Score réel 3-0 : 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 : 6.1%
IssueModèleMarchéÉcart
Domicile (Bayern Munich)53.4%74.8%-21.3 pt
Match nul22.6%15.2%+7.4 pt
Extérieur (Leverkusen)24.0%10.0%+14.0 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.570.3%69.5%+0.9 pt
Under 2.529.7%30.5%-0.9 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
53.4% (FTR = H)
Brier 1X2
0.3251 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.6264 (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