← Retour à l’accueil
2025-12-12 · 19:30:00 · Bundesliga (D1) · Germany
FTR : H · mi-temps : 0-0 (D)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Union Berlin)
23.0%
Match nul
28.4%
Extérieur (RB Leipzig)
48.6%
Marchés binaires
L2M (Yes)
51.8%
L2M (No)
48.2%
Over 2.5
47.5%
Under 2.5
52.5%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
32.1%
DNB Extérieur
67.9%
Double Chance 1X
51.4%
Double Chance 12
71.5%
Double Chance X2
77.0%

Top 5 scores prédits

1 - 1
13.6%
0 - 1
10.4%
1 - 2
9.4%
0 - 2
9.3%
0 - 0
9.2%

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 : 6.2%
IssueModèleMarchéÉcart
Domicile (Union Berlin)23.0%31.1%-8.1 pt
Match nul28.4%28.4%+0.1 pt
Extérieur (RB Leipzig)48.6%40.6%+8.0 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.547.5%48.1%-0.7 pt
Under 2.552.5%51.9%+0.7 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
23.0% (FTR = H)
Brier 1X2
0.9101 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.4705 (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