← Retour à l’accueil
2026-04-24 · 19:30:00 · Bundesliga (D1) · Germany
FTR : H · mi-temps : 2-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (RB Leipzig)
58.0%
Match nul
25.6%
Extérieur (Union Berlin)
16.5%
Marchés binaires
L2M (Yes)
50.1%
L2M (No)
49.9%
Over 2.5
50.1%
Under 2.5
49.9%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
77.9%
DNB Extérieur
22.1%
Double Chance 1X
83.5%
Double Chance 12
74.4%
Double Chance X2
42.0%

Top 5 scores prédits

1 - 1
12.2%
2 - 0
11.2%
1 - 0
11.0%
2 - 1
9.8%
0 - 0
8.3%

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 : 6.5%
IssueModèleMarchéÉcart
Domicile (RB Leipzig)58.0%62.2%-4.2 pt
Match nul25.6%21.3%+4.2 pt
Extérieur (Union Berlin)16.5%16.5%-0.0 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.550.1%60.1%-10.0 pt
Under 2.549.9%39.9%+10.0 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
58.0% (FTR = H)
Brier 1X2
0.2691 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.5452 (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