← Retour à l’accueil
2025-11-22 · 17:00:00 · Serie A (I1) · Italy
FTR : D · mi-temps : 0-1 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Fiorentina)
34.9%
Match nul
29.2%
Extérieur (Juventus)
35.9%
Marchés binaires
L2M (Yes)
51.0%
L2M (No)
49.0%
Over 2.5
44.6%
Under 2.5
55.4%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
49.4%
DNB Extérieur
50.6%
Double Chance 1X
64.1%
Double Chance 12
70.8%
Double Chance X2
65.0%

Top 5 scores prédits

1 - 1
13.9%
0 - 1
9.6%
0 - 0
9.5%
1 - 0
9.5%
1 - 2
8.0%

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

1X2 — marge bookmaker : 6.0%
IssueModèleMarchéÉcart
Domicile (Fiorentina)34.9%24.8%+10.2 pt
Match nul29.2%28.8%+0.4 pt
Extérieur (Juventus)35.9%46.5%-10.6 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.544.6%44.1%+0.5 pt
Under 2.555.4%55.9%-0.5 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
29.2% (FTR = D)
Brier 1X2
0.7525 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.2320 (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