← Retour à l’accueil
2024-11-30 · 14:30:00 · Bundesliga (D1) · Germany
FTR : A · mi-temps : 0-3 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (RB Leipzig)
68.9%
Match nul
20.3%
Extérieur (Wolfsburg)
10.8%
Marchés binaires
L2M (Yes)
52.7%
L2M (No)
47.3%
Over 2.5
61.0%
Under 2.5
39.0%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
86.4%
DNB Extérieur
13.6%
Double Chance 1X
89.2%
Double Chance 12
79.7%
Double Chance X2
31.1%

Top 5 scores prédits

2 - 0
11.4%
1 - 1
9.7%
2 - 1
9.6%
3 - 0
8.8%
1 - 0
8.6%

Score réel 1-5 : 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 : 4.5%
IssueModèleMarchéÉcart
Domicile (RB Leipzig)68.9%55.0%+13.9 pt
Match nul20.3%24.4%-4.0 pt
Extérieur (Wolfsburg)10.8%20.6%-9.8 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.561.0%58.5%+2.5 pt
Under 2.539.0%41.5%-2.5 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
10.8% (FTR = A)
Brier 1X2
1.3112 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
2.2247 (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