← Retour à l’accueil
2025-11-01 · 19:45:00 · Serie A (I1) · Italy
FTR : A · mi-temps : 0-1 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Cremonese)
12.3%
Match nul
21.7%
Extérieur (Juventus)
65.9%
Marchés binaires
L2M (Yes)
46.1%
L2M (No)
53.9%
Over 2.5
51.5%
Under 2.5
48.5%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
15.8%
DNB Extérieur
84.2%
Double Chance 1X
34.1%
Double Chance 12
78.3%
Double Chance X2
87.6%

Top 5 scores prédits

0 - 2
12.8%
0 - 1
12.2%
1 - 1
10.3%
1 - 2
9.6%
0 - 3
8.5%

Comparaison vs marché (cotes football-data closing-avg)

1X2 — marge bookmaker : 6.0%
IssueModèleMarchéÉcart
Domicile (Cremonese)12.3%14.3%-2.0 pt
Match nul21.7%22.4%-0.6 pt
Extérieur (Juventus)65.9%63.3%+2.6 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.551.5%52.8%-1.2 pt
Under 2.548.5%47.2%+1.2 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
65.9% (FTR = A)
Brier 1X2
0.1786 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.4167 (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