← Retour à l’accueil
2025-04-11 · 19:30:00 · Bundesliga (D1) · Germany
FTR : A · mi-temps : 0-2 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Wolfsburg)
22.0%
Match nul
26.9%
Extérieur (RB Leipzig)
51.1%
Marchés binaires
L2M (Yes)
57.2%
L2M (No)
42.8%
Over 2.5
54.7%
Under 2.5
45.3%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
30.0%
DNB Extérieur
70.0%
Double Chance 1X
48.9%
Double Chance 12
73.1%
Double Chance X2
78.0%

Top 5 scores prédits

1 - 1
12.8%
1 - 2
9.8%
0 - 2
8.8%
0 - 1
8.3%
0 - 0
7.4%

Score réel 2-3 : 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 : 5.0%
IssueModèleMarchéÉcart
Domicile (Wolfsburg)22.0%34.6%-12.7 pt
Match nul26.9%25.9%+1.0 pt
Extérieur (RB Leipzig)51.1%39.5%+11.6 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.554.7%61.8%-7.1 pt
Under 2.545.3%38.2%+7.1 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
51.1% (FTR = A)
Brier 1X2
0.3596 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.6710 (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