← Retour à l’accueil
2025-05-04 · 19:45:00 · Serie A (I1) · Italy
FTR : D · mi-temps : 0-1 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Bologna)
35.5%
Match nul
32.3%
Extérieur (Juventus)
32.1%
Marchés binaires
L2M (Yes)
40.9%
L2M (No)
59.1%
Over 2.5
32.6%
Under 2.5
67.4%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
52.5%
DNB Extérieur
47.5%
Double Chance 1X
67.8%
Double Chance 12
67.7%
Double Chance X2
64.5%

Top 5 scores prédits

1 - 1
14.3%
0 - 0
14.2%
1 - 0
13.1%
0 - 1
12.3%
2 - 0
7.2%

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

1X2 — marge bookmaker : 4.7%
IssueModèleMarchéÉcart
Domicile (Bologna)35.5%40.5%-4.9 pt
Match nul32.3%32.0%+0.3 pt
Extérieur (Juventus)32.1%27.5%+4.6 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.532.6%38.3%-5.7 pt
Under 2.567.4%61.7%+5.7 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
32.3% (FTR = D)
Brier 1X2
0.6879 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.1298 (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