← Retour à l’accueil
2025-05-17 · 14:30:00 · Bundesliga (D1) · Germany
FTR : D · mi-temps : 1-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Mainz)
17.9%
Match nul
26.6%
Extérieur (Leverkusen)
55.6%
Marchés binaires
L2M (Yes)
52.5%
L2M (No)
47.5%
Over 2.5
51.3%
Under 2.5
48.7%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
24.3%
DNB Extérieur
75.7%
Double Chance 1X
44.4%
Double Chance 12
73.4%
Double Chance X2
82.1%

Top 5 scores prédits

1 - 1
12.7%
0 - 2
10.4%
0 - 1
9.9%
1 - 2
9.8%
0 - 0
8.3%

Score réel 2-2 : 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 : 4.8%
IssueModèleMarchéÉcart
Domicile (Mainz)17.9%39.1%-21.3 pt
Match nul26.6%25.3%+1.3 pt
Extérieur (Leverkusen)55.6%35.6%+19.9 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.551.3%65.0%-13.7 pt
Under 2.548.7%35.0%+13.7 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
26.6% (FTR = D)
Brier 1X2
0.8798 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.3254 (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