← Retour à l’accueil
2024-12-22 · 19:45:00 · Serie A (I1) · Italy
FTR : A · mi-temps : 1-2 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Monza)
22.1%
Match nul
29.8%
Extérieur (Juventus)
48.1%
Marchés binaires
L2M (Yes)
41.5%
L2M (No)
58.5%
Over 2.5
36.0%
Under 2.5
64.0%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
31.4%
DNB Extérieur
68.6%
Double Chance 1X
51.9%
Double Chance 12
70.2%
Double Chance X2
78.0%

Top 5 scores prédits

0 - 1
14.9%
1 - 1
13.4%
0 - 0
12.6%
0 - 2
10.4%
1 - 0
8.8%

Score réel 1-2 : 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 : 5.0%
IssueModèleMarchéÉcart
Domicile (Monza)22.1%14.1%+7.9 pt
Match nul29.8%25.6%+4.2 pt
Extérieur (Juventus)48.1%60.3%-12.1 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.536.0%44.7%-8.7 pt
Under 2.564.0%55.3%+8.7 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
48.1% (FTR = A)
Brier 1X2
0.4066 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.7313 (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