← Retour à l’accueil
2026-01-30 · 19:45:00 · Serie A (I1) · Italy
32
FTR : H · mi-temps : 0-0 (D)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Lazio)
50.0%
Match nul
27.8%
Extérieur (Genoa)
22.2%
Marchés binaires
L2M (Yes)
47.9%
L2M (No)
52.1%
Over 2.5
44.0%
Under 2.5
56.0%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
69.3%
DNB Extérieur
30.7%
Double Chance 1X
77.8%
Double Chance 12
72.2%
Double Chance X2
50.0%

Top 5 scores prédits

1 - 1
13.1%
1 - 0
12.3%
2 - 0
10.0%
0 - 0
9.7%
2 - 1
9.2%

Score réel 3-2 : 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 : 6.2%
IssueModèleMarchéÉcart
Domicile (Lazio)50.0%42.2%+7.8 pt
Match nul27.8%32.8%-5.0 pt
Extérieur (Genoa)22.2%25.0%-2.8 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.544.0%34.5%+9.5 pt
Under 2.556.0%65.5%-9.5 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
50.0% (FTR = H)
Brier 1X2
0.3760 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.6923 (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