← Retour à l’accueil
2026-03-01 · 17:00:00 · Serie A (I1) · Italy
FTR : H · mi-temps : 1-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Torino)
28.2%
Match nul
30.9%
Extérieur (Lazio)
40.9%
Marchés binaires
L2M (Yes)
44.5%
L2M (No)
55.5%
Over 2.5
37.2%
Under 2.5
62.8%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
40.8%
DNB Extérieur
59.2%
Double Chance 1X
59.2%
Double Chance 12
69.1%
Double Chance X2
71.8%

Top 5 scores prédits

1 - 1
14.2%
0 - 1
12.8%
0 - 0
12.3%
1 - 0
9.9%
0 - 2
8.3%

Score réel 2-0 : 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 : 6.4%
IssueModèleMarchéÉcart
Domicile (Torino)28.2%33.3%-5.1 pt
Match nul30.9%33.3%-2.4 pt
Extérieur (Lazio)40.9%33.3%+7.5 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.537.2%37.3%-0.1 pt
Under 2.562.8%62.7%+0.1 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
28.2% (FTR = H)
Brier 1X2
0.7781 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.2655 (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