← Retour à l’accueil
2026-04-26 · 19:45:00 · Serie A (I1) · Italy
FTR : D · mi-temps : 0-0 (D)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Milan)
37.3%
Match nul
28.1%
Extérieur (Juventus)
34.6%
Marchés binaires
L2M (Yes)
54.1%
L2M (No)
45.9%
Over 2.5
48.6%
Under 2.5
51.4%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
51.8%
DNB Extérieur
48.2%
Double Chance 1X
65.4%
Double Chance 12
71.9%
Double Chance X2
62.7%

Top 5 scores prédits

1 - 1
13.4%
1 - 0
8.8%
0 - 1
8.4%
2 - 1
8.3%
0 - 0
8.2%

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

1X2 — marge bookmaker : 6.8%
IssueModèleMarchéÉcart
Domicile (Milan)37.3%34.9%+2.3 pt
Match nul28.1%30.5%-2.4 pt
Extérieur (Juventus)34.6%34.6%+0.1 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.548.6%46.3%+2.3 pt
Under 2.551.4%53.7%-2.3 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
28.1% (FTR = D)
Brier 1X2
0.7752 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.2683 (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