← Retour à l’accueil
2024-12-29 · 17:00:00 · Serie A (I1) · Italy
FTR : D · mi-temps : 1-1 (D)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Juventus)
46.8%
Match nul
28.4%
Extérieur (Fiorentina)
24.9%
Marchés binaires
L2M (Yes)
47.6%
L2M (No)
52.4%
Over 2.5
42.6%
Under 2.5
57.4%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
65.3%
DNB Extérieur
34.7%
Double Chance 1X
75.2%
Double Chance 12
71.6%
Double Chance X2
53.2%

Top 5 scores prédits

1 - 1
13.4%
1 - 0
12.4%
0 - 0
10.0%
2 - 0
9.3%
2 - 1
8.9%

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 : 5.0%
IssueModèleMarchéÉcart
Domicile (Juventus)46.8%50.1%-3.3 pt
Match nul28.4%28.8%-0.4 pt
Extérieur (Fiorentina)24.9%21.1%+3.7 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.542.6%44.3%-1.7 pt
Under 2.557.4%55.7%+1.7 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
28.4% (FTR = D)
Brier 1X2
0.7939 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
1.2602 (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
Juventus 2-2 Fiorentina · Serie A · FootValue