← Retour à l’accueil
2025-03-01 · 17:30:00 · Bundesliga (D1) · Germany
FTR : A · mi-temps : 1-3 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Ein Frankfurt)
20.0%
Match nul
26.1%
Extérieur (Leverkusen)
53.9%
Marchés binaires
L2M (Yes)
57.0%
L2M (No)
43.0%
Over 2.5
55.8%
Under 2.5
44.2%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
27.1%
DNB Extérieur
72.9%
Double Chance 1X
46.1%
Double Chance 12
74.0%
Double Chance X2
80.0%

Top 5 scores prédits

1 - 1
12.4%
1 - 2
9.9%
0 - 2
9.2%
0 - 1
8.3%
0 - 0
7.1%

Score réel 1-4 : 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 (Ein Frankfurt)20.0%22.9%-2.9 pt
Match nul26.1%24.7%+1.4 pt
Extérieur (Leverkusen)53.9%52.4%+1.5 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.555.8%60.9%-5.1 pt
Under 2.544.2%39.1%+5.1 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
53.9% (FTR = A)
Brier 1X2
0.3203 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.6177 (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