← Retour à l’accueil
2024-08-24 · 14:30:00 · Bundesliga (D1) · Germany
FTR : H · mi-temps : 0-0 (D)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (RB Leipzig)
81.5%
Match nul
12.8%
Extérieur (Bochum)
5.7%
Marchés binaires
L2M (Yes)
53.4%
L2M (No)
46.6%
Over 2.5
74.6%
Under 2.5
25.4%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
93.5%
DNB Extérieur
6.5%
Double Chance 1X
94.3%
Double Chance 12
87.2%
Double Chance X2
18.5%

Top 5 scores prédits

3 - 0
10.1%
2 - 0
9.7%
3 - 1
8.1%
2 - 1
7.8%
4 - 0
7.8%

Score réel 1-0 : 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 (RB Leipzig)81.5%78.4%+3.1 pt
Match nul12.8%13.6%-0.7 pt
Extérieur (Bochum)5.7%8.0%-2.3 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.574.6%71.6%+3.0 pt
Under 2.525.4%28.4%-3.0 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
81.5% (FTR = H)
Brier 1X2
0.0539 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.2046 (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