← Retour à l’accueil
2025-12-20 · 17:00:00 · Serie A (I1) · Italy
FTR : D · mi-temps : 0-0 (D)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Lazio)
69.8%
Match nul
18.9%
Extérieur (Cremonese)
11.3%
Marchés binaires
L2M (Yes)
51.5%
L2M (No)
48.5%
Over 2.5
60.7%
Under 2.5
39.3%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
86.1%
DNB Extérieur
13.9%
Double Chance 1X
88.7%
Double Chance 12
81.1%
Double Chance X2
30.2%

Top 5 scores prédits

2 - 0
11.5%
2 - 1
9.6%
1 - 0
9.4%
1 - 1
8.9%
3 - 0
8.9%

Score réel 0-0 : 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 : 5.9%
IssueModèleMarchéÉcart
Domicile (Lazio)69.8%61.3%+8.5 pt
Match nul18.9%24.1%-5.2 pt
Extérieur (Cremonese)11.3%14.6%-3.3 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.560.7%47.6%+13.1 pt
Under 2.539.3%52.4%-13.1 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
18.9% (FTR = D)
Brier 1X2
1.1588 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.6681 (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