← Retour à l’accueil
2024-12-22 · 16:30:00 · Bundesliga (D1) · Germany
FTR : A · mi-temps : 0-3 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Wolfsburg)
24.4%
Match nul
26.0%
Extérieur (Dortmund)
49.5%
Marchés binaires
L2M (Yes)
62.0%
L2M (No)
38.0%
Over 2.5
60.1%
Under 2.5
39.9%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
33.1%
DNB Extérieur
66.9%
Double Chance 1X
50.5%
Double Chance 12
74.0%
Double Chance X2
75.5%

Top 5 scores prédits

1 - 1
12.0%
1 - 2
9.6%
0 - 2
7.6%
0 - 1
6.6%
2 - 1
6.6%

Score réel 1-3 : 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 : 4.8%
IssueModèleMarchéÉcart
Domicile (Wolfsburg)24.4%30.0%-5.5 pt
Match nul26.0%25.6%+0.4 pt
Extérieur (Dortmund)49.5%44.4%+5.1 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.560.1%59.8%+0.2 pt
Under 2.539.9%40.2%-0.2 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
49.5% (FTR = A)
Brier 1X2
0.3825 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.7030 (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