← Retour à l’accueil
2025-01-13 · 19:45:00 · Serie A (I1) · Italy
FTR : H · mi-temps : 1-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Monza)
27.8%
Match nul
27.2%
Extérieur (Fiorentina)
45.0%
Marchés binaires
L2M (Yes)
53.0%
L2M (No)
47.0%
Over 2.5
48.6%
Under 2.5
51.4%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
38.2%
DNB Extérieur
61.8%
Double Chance 1X
55.0%
Double Chance 12
72.8%
Double Chance X2
72.2%

Top 5 scores prédits

1 - 1
13.0%
0 - 1
10.2%
1 - 2
9.2%
0 - 2
8.1%
0 - 0
8.0%

Score réel 2-1 : 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 : 4.9%
IssueModèleMarchéÉcart
Domicile (Monza)27.8%21.8%+6.0 pt
Match nul27.2%28.0%-0.8 pt
Extérieur (Fiorentina)45.0%50.2%-5.2 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.548.6%46.9%+1.7 pt
Under 2.551.4%53.1%-1.7 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
27.8% (FTR = H)
Brier 1X2
0.7974 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.2794 (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