← Retour à l’accueil
2025-05-17 · 14:30:00 · Bundesliga (D1) · Germany
FTR : A · mi-temps : 1-1 (D)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Freiburg)
40.3%
Match nul
28.7%
Extérieur (Ein Frankfurt)
31.0%
Marchés binaires
L2M (Yes)
58.9%
L2M (No)
41.1%
Over 2.5
53.8%
Under 2.5
46.2%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
56.6%
DNB Extérieur
43.4%
Double Chance 1X
69.0%
Double Chance 12
71.3%
Double Chance X2
59.7%

Top 5 scores prédits

1 - 1
13.6%
2 - 1
8.9%
0 - 0
7.8%
1 - 2
7.7%
1 - 0
7.1%

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 : 5.0%
IssueModèleMarchéÉcart
Domicile (Freiburg)40.3%40.7%-0.4 pt
Match nul28.7%26.5%+2.2 pt
Extérieur (Ein Frankfurt)31.0%32.8%-1.9 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.553.8%59.3%-5.5 pt
Under 2.546.2%40.7%+5.5 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
31.0% (FTR = A)
Brier 1X2
0.7214 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.1718 (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