← Retour à l’accueil
2025-01-15 · 19:30:00 · Bundesliga (D1) · Germany
FTR : A · mi-temps : 0-2 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Union Berlin)
42.8%
Match nul
30.4%
Extérieur (Augsburg)
26.8%
Marchés binaires
L2M (Yes)
52.3%
L2M (No)
47.7%
Over 2.5
45.9%
Under 2.5
54.1%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
61.5%
DNB Extérieur
38.5%
Double Chance 1X
73.2%
Double Chance 12
69.6%
Double Chance X2
57.3%

Top 5 scores prédits

1 - 1
14.5%
0 - 0
10.1%
1 - 0
9.6%
2 - 1
8.9%
2 - 0
8.2%

Score réel 0-2 : 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 : 4.8%
IssueModèleMarchéÉcart
Domicile (Union Berlin)42.8%44.6%-1.8 pt
Match nul30.4%29.1%+1.4 pt
Extérieur (Augsburg)26.8%26.3%+0.5 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.545.9%44.7%+1.2 pt
Under 2.554.1%55.3%-1.2 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
26.8% (FTR = A)
Brier 1X2
0.8114 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.3168 (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