← Retour à l’accueil
2026-01-24 · 14:30:00 · Bundesliga (D1) · Germany
FTR : A · mi-temps : 1-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Bayern Munich)
80.0%
Match nul
13.8%
Extérieur (Augsburg)
6.3%
Marchés binaires
L2M (Yes)
51.3%
L2M (No)
48.7%
Over 2.5
70.8%
Under 2.5
29.2%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
92.7%
DNB Extérieur
7.3%
Double Chance 1X
93.7%
Double Chance 12
86.2%
Double Chance X2
20.0%

Top 5 scores prédits

2 - 0
10.8%
3 - 0
10.4%
2 - 1
8.3%
3 - 1
8.0%
4 - 0
7.5%

Score réel 1-2 : 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 : 6.1%
IssueModèleMarchéÉcart
Domicile (Bayern Munich)80.0%84.1%-4.2 pt
Match nul13.8%10.1%+3.7 pt
Extérieur (Augsburg)6.3%5.8%+0.5 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.570.8%77.4%-6.6 pt
Under 2.529.2%22.6%+6.6 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
6.3% (FTR = A)
Brier 1X2
1.5369 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
2.7694 (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)
0.002500
Source données
football-data.co.uk (CSV historique, closing odds moyennes du marché)
Train
4 saisons (2020-21 → 2023-24), pondération temporelle exponentielle