← Retour à l’accueil
2026-03-15 · 19:45:00 · Serie A (I1) · Italy
10
FTR : H · mi-temps : 1-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Lazio)
36.7%
Match nul
26.1%
Extérieur (Milan)
37.2%
Marchés binaires
L2M (Yes)
60.7%
L2M (No)
39.3%
Over 2.5
57.1%
Under 2.5
42.9%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
49.7%
DNB Extérieur
50.3%
Double Chance 1X
62.8%
Double Chance 12
73.9%
Double Chance X2
63.3%

Top 5 scores prédits

1 - 1
12.1%
1 - 2
8.4%
2 - 1
8.4%
0 - 1
6.8%
1 - 0
6.7%

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

1X2 — marge bookmaker : 6.7%
IssueModèleMarchéÉcart
Domicile (Lazio)36.7%21.0%+15.7 pt
Match nul26.1%27.2%-1.1 pt
Extérieur (Milan)37.2%51.8%-14.6 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.557.1%46.2%+10.9 pt
Under 2.542.9%53.8%-10.9 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
36.7% (FTR = H)
Brier 1X2
0.6070 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.0021 (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