← Retour à l’accueil
2025-10-19 · 11:30:00 · Serie A (I1) · Italy
FTR : H · mi-temps : 1-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Como)
27.9%
Match nul
29.0%
Extérieur (Juventus)
43.1%
Marchés binaires
L2M (Yes)
49.5%
L2M (No)
50.5%
Over 2.5
43.6%
Under 2.5
56.4%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
39.3%
DNB Extérieur
60.7%
Double Chance 1X
56.9%
Double Chance 12
71.0%
Double Chance X2
72.1%

Top 5 scores prédits

1 - 1
13.7%
0 - 1
11.2%
0 - 0
9.8%
1 - 2
8.8%
1 - 0
8.4%

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 : 6.0%
IssueModèleMarchéÉcart
Domicile (Como)27.9%29.8%-1.8 pt
Match nul29.0%29.8%-0.8 pt
Extérieur (Juventus)43.1%40.5%+2.6 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.543.6%45.6%-2.1 pt
Under 2.556.4%54.4%+2.1 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
27.9% (FTR = H)
Brier 1X2
0.7895 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.2762 (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)
0.003000
Source données
football-data.co.uk (CSV historique, closing odds moyennes du marché)
Train
4 saisons (2020-21 → 2023-24), pondération temporelle exponentielle