← Retour à l’accueil
2024-09-28 · 14:30:00 · Bundesliga (D1) · Germany
FTR : H · mi-temps : 2-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (RB Leipzig)
73.5%
Match nul
17.5%
Extérieur (Augsburg)
9.0%
Marchés binaires
L2M (Yes)
54.3%
L2M (No)
45.7%
Over 2.5
66.9%
Under 2.5
33.1%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
89.1%
DNB Extérieur
10.9%
Double Chance 1X
91.0%
Double Chance 12
82.5%
Double Chance X2
26.5%

Top 5 scores prédits

2 - 0
10.7%
3 - 0
9.2%
2 - 1
9.2%
1 - 1
8.2%
3 - 1
7.9%

Score réel 4-0 : 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)73.5%63.8%+9.7 pt
Match nul17.5%20.1%-2.5 pt
Extérieur (Augsburg)9.0%16.2%-7.2 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.566.9%64.5%+2.4 pt
Under 2.533.1%35.5%-2.4 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
73.5% (FTR = H)
Brier 1X2
0.1093 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.3084 (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