← Retour à l’accueil
2024-09-01 · 17:30:00 · Serie A (I1) · Italy
FTR : D · mi-temps : 1-2 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Fiorentina)
56.5%
Match nul
24.4%
Extérieur (Monza)
19.1%
Marchés binaires
L2M (Yes)
51.4%
L2M (No)
48.6%
Over 2.5
51.2%
Under 2.5
48.8%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
74.7%
DNB Extérieur
25.3%
Double Chance 1X
80.9%
Double Chance 12
75.5%
Double Chance X2
43.5%

Top 5 scores prédits

1 - 1
11.7%
1 - 0
11.1%
2 - 0
10.4%
2 - 1
9.8%
0 - 0
7.2%

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 : 4.7%
IssueModèleMarchéÉcart
Domicile (Fiorentina)56.5%52.7%+3.7 pt
Match nul24.4%27.2%-2.7 pt
Extérieur (Monza)19.1%20.1%-1.0 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.551.2%46.0%+5.2 pt
Under 2.548.8%54.0%-5.2 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
24.4% (FTR = D)
Brier 1X2
0.9260 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.4085 (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)
0.003000
Source données
football-data.co.uk (CSV historique, closing odds moyennes du marché)
Train
4 saisons (2020-21 → 2023-24), pondération temporelle exponentielle