← Retour à l’accueil
2025-05-03 · 17:30:00 · Bundesliga (D1) · Germany
FTR : H · mi-temps : 1-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Dortmund)
68.1%
Match nul
19.9%
Extérieur (Wolfsburg)
12.0%
Marchés binaires
L2M (Yes)
57.6%
L2M (No)
42.4%
Over 2.5
65.6%
Under 2.5
34.4%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
85.0%
DNB Extérieur
15.0%
Double Chance 1X
88.0%
Double Chance 12
80.1%
Double Chance X2
31.9%

Top 5 scores prédits

2 - 0
9.9%
2 - 1
9.6%
1 - 1
9.2%
3 - 0
8.0%
3 - 1
7.7%

Score réel 4-0 : 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 : 5.1%
IssueModèleMarchéÉcart
Domicile (Dortmund)68.1%74.9%-6.9 pt
Match nul19.9%15.0%+4.9 pt
Extérieur (Wolfsburg)12.0%10.1%+2.0 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.565.6%72.2%-6.6 pt
Under 2.534.4%27.8%+6.6 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
68.1% (FTR = H)
Brier 1X2
0.1558 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.3843 (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