← Retour à l’accueil
2024-09-14 · 14:30:00 · Bundesliga (D1) · Germany
FTR : D · mi-temps : 0-0 (D)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (RB Leipzig)
69.4%
Match nul
21.0%
Extérieur (Union Berlin)
9.6%
Marchés binaires
L2M (Yes)
46.9%
L2M (No)
53.1%
Over 2.5
55.2%
Under 2.5
44.8%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
87.8%
DNB Extérieur
12.2%
Double Chance 1X
90.4%
Double Chance 12
79.0%
Double Chance X2
30.6%

Top 5 scores prédits

2 - 0
13.1%
1 - 0
10.7%
1 - 1
10.0%
3 - 0
9.5%
2 - 1
9.4%

Score réel 0-0 : 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)69.4%65.6%+3.8 pt
Match nul21.0%20.1%+0.9 pt
Extérieur (Union Berlin)9.6%14.4%-4.7 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.555.2%60.2%-4.9 pt
Under 2.544.8%39.8%+4.9 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
21.0% (FTR = D)
Brier 1X2
1.1145 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.5606 (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