← Retour à l’accueil
2025-03-16 · 17:00:00 · Serie A (I1) · Italy
FTR : H · mi-temps : 2-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Fiorentina)
34.2%
Match nul
29.6%
Extérieur (Juventus)
36.2%
Marchés binaires
L2M (Yes)
48.3%
L2M (No)
51.7%
Over 2.5
41.4%
Under 2.5
58.6%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
48.6%
DNB Extérieur
51.4%
Double Chance 1X
63.8%
Double Chance 12
70.4%
Double Chance X2
65.8%

Top 5 scores prédits

1 - 1
14.0%
0 - 1
10.7%
0 - 0
10.4%
1 - 0
10.3%
1 - 2
7.8%

Score réel 3-0 : 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 : 4.5%
IssueModèleMarchéÉcart
Domicile (Fiorentina)34.2%28.9%+5.3 pt
Match nul29.6%31.1%-1.4 pt
Extérieur (Juventus)36.2%40.0%-3.8 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.541.4%42.1%-0.7 pt
Under 2.558.6%57.9%+0.7 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
34.2% (FTR = H)
Brier 1X2
0.6519 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.0732 (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