← Retour à l’accueil
2025-02-15 · 14:30:00 · Bundesliga (D1) · Germany
FTR : H · mi-temps : 2-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Bochum)
15.6%
Match nul
20.2%
Extérieur (Dortmund)
64.2%
Marchés binaires
L2M (Yes)
65.1%
L2M (No)
34.9%
Over 2.5
71.0%
Under 2.5
29.0%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
19.5%
DNB Extérieur
80.5%
Double Chance 1X
35.8%
Double Chance 12
79.8%
Double Chance X2
84.4%

Top 5 scores prédits

1 - 2
9.3%
1 - 1
8.7%
0 - 2
7.8%
1 - 3
7.7%
0 - 3
6.4%

Score réel 2-0 : 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 : 4.3%
IssueModèleMarchéÉcart
Domicile (Bochum)15.6%17.4%-1.8 pt
Match nul20.2%21.5%-1.3 pt
Extérieur (Dortmund)64.2%61.1%+3.1 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.571.0%61.5%+9.5 pt
Under 2.529.0%38.5%-9.5 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
15.6% (FTR = H)
Brier 1X2
1.1655 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.8592 (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