← Retour à l’accueil
2025-11-08 · 17:00:00 · Serie A (I1) · Italy
FTR : D · mi-temps : 0-0 (D)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Juventus)
51.3%
Match nul
30.4%
Extérieur (Torino)
18.4%
Marchés binaires
L2M (Yes)
37.3%
L2M (No)
62.7%
Over 2.5
32.6%
Under 2.5
67.4%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
73.6%
DNB Extérieur
26.4%
Double Chance 1X
81.7%
Double Chance 12
69.6%
Double Chance X2
48.7%

Top 5 scores prédits

1 - 0
16.9%
0 - 0
14.3%
1 - 1
13.1%
2 - 0
11.8%
0 - 1
8.3%

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

1X2 — marge bookmaker : 6.4%
IssueModèleMarchéÉcart
Domicile (Juventus)51.3%63.1%-11.8 pt
Match nul30.4%23.3%+7.1 pt
Extérieur (Torino)18.4%13.7%+4.7 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.532.6%49.3%-16.7 pt
Under 2.567.4%50.7%+16.7 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
30.4% (FTR = D)
Brier 1X2
0.7812 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.1914 (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