← Retour à l’accueil
2025-01-19 · 16:30:00 · Bundesliga (D1) · Germany
FTR : A · mi-temps : 0-2 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Werder Bremen)
48.7%
Match nul
26.9%
Extérieur (Augsburg)
24.4%
Marchés binaires
L2M (Yes)
59.7%
L2M (No)
40.3%
Over 2.5
56.9%
Under 2.5
43.1%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
66.6%
DNB Extérieur
33.4%
Double Chance 1X
75.6%
Double Chance 12
73.1%
Double Chance X2
51.3%

Top 5 scores prédits

1 - 1
12.7%
2 - 1
9.6%
2 - 0
8.0%
1 - 0
7.3%
0 - 0
6.9%

Score réel 0-2 : 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 : 4.5%
IssueModèleMarchéÉcart
Domicile (Werder Bremen)48.7%49.8%-1.2 pt
Match nul26.9%25.7%+1.2 pt
Extérieur (Augsburg)24.4%24.5%-0.0 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.556.9%53.5%+3.4 pt
Under 2.543.1%46.5%-3.4 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
24.4% (FTR = A)
Brier 1X2
0.8801 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.4089 (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