← Retour à l’accueil
2024-09-28 · 17:30:00 · Bundesliga (D1) · Germany
FTR : D · mi-temps : 1-1 (D)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Bayern Munich)
41.1%
Match nul
24.9%
Extérieur (Leverkusen)
33.9%
Marchés binaires
L2M (Yes)
70.1%
L2M (No)
29.9%
Over 2.5
68.6%
Under 2.5
31.4%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
54.8%
DNB Extérieur
45.2%
Double Chance 1X
66.1%
Double Chance 12
75.1%
Double Chance X2
58.9%

Top 5 scores prédits

1 - 1
10.5%
2 - 1
8.4%
1 - 2
7.6%
2 - 2
7.1%
3 - 1
5.2%

Comparaison vs marché (cotes football-data closing-avg)

1X2 — marge bookmaker : 4.3%
IssueModèleMarchéÉcart
Domicile (Bayern Munich)41.1%58.5%-17.3 pt
Match nul24.9%21.4%+3.6 pt
Extérieur (Leverkusen)33.9%20.2%+13.7 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.568.6%71.3%-2.7 pt
Under 2.531.4%28.7%+2.7 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
24.9% (FTR = D)
Brier 1X2
0.8477 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.3887 (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