← Retour à l’accueil
2025-02-22 · 17:30:00 · Bundesliga (D1) · Germany
FTR : H · mi-temps : 2-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Dortmund)
68.8%
Match nul
20.5%
Extérieur (Union Berlin)
10.7%
Marchés binaires
L2M (Yes)
51.7%
L2M (No)
48.3%
Over 2.5
59.8%
Under 2.5
40.2%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
86.5%
DNB Extérieur
13.5%
Double Chance 1X
89.3%
Double Chance 12
79.5%
Double Chance X2
31.2%

Top 5 scores prédits

2 - 0
11.7%
1 - 1
9.8%
2 - 1
9.6%
1 - 0
8.9%
3 - 0
8.8%

Score réel 6-0 : 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 : 4.6%
IssueModèleMarchéÉcart
Domicile (Dortmund)68.8%64.2%+4.6 pt
Match nul20.5%20.9%-0.3 pt
Extérieur (Union Berlin)10.7%15.0%-4.3 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.559.8%59.2%+0.6 pt
Under 2.540.2%40.8%-0.6 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
68.8% (FTR = H)
Brier 1X2
0.1511 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.3744 (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
Dortmund 6-0 Union Berlin · Bundesliga · FootValue