← Retour à l’accueil
2025-02-15 · 17:30:00 · Bundesliga (D1) · Germany
FTR : D · mi-temps : 0-0 (D)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Leverkusen)
53.8%
Match nul
23.0%
Extérieur (Bayern Munich)
23.2%
Marchés binaires
L2M (Yes)
68.7%
L2M (No)
31.3%
Over 2.5
70.0%
Under 2.5
30.0%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
69.9%
DNB Extérieur
30.1%
Double Chance 1X
76.8%
Double Chance 12
77.0%
Double Chance X2
46.2%

Top 5 scores prédits

1 - 1
9.7%
2 - 1
9.2%
3 - 1
6.7%
2 - 2
6.5%
2 - 0
6.5%

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 : 4.4%
IssueModèleMarchéÉcart
Domicile (Leverkusen)53.8%31.4%+22.4 pt
Match nul23.0%27.5%-4.4 pt
Extérieur (Bayern Munich)23.2%41.1%-17.9 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.570.0%52.9%+17.1 pt
Under 2.530.0%47.1%-17.1 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
23.0% (FTR = D)
Brier 1X2
0.9352 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.4679 (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