← Retour à l’accueil
2026-04-25 · 14:30:00 · Bundesliga (D1) · Germany
FTR : A · mi-temps : 3-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Mainz)
18.4%
Match nul
22.3%
Extérieur (Bayern Munich)
59.3%
Marchés binaires
L2M (Yes)
62.2%
L2M (No)
37.8%
Over 2.5
65.0%
Under 2.5
35.0%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
23.6%
DNB Extérieur
76.4%
Double Chance 1X
40.7%
Double Chance 12
77.7%
Double Chance X2
81.7%

Top 5 scores prédits

1 - 1
10.1%
1 - 2
9.8%
0 - 2
8.4%
1 - 3
7.1%
0 - 1
6.5%

Score réel 3-4 : 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 : 7.1%
IssueModèleMarchéÉcart
Domicile (Mainz)18.4%25.7%-7.4 pt
Match nul22.3%22.1%+0.2 pt
Extérieur (Bayern Munich)59.3%52.2%+7.2 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.565.0%70.4%-5.4 pt
Under 2.535.0%29.6%+5.4 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
59.3% (FTR = A)
Brier 1X2
0.2490 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.5222 (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