← Retour à l’accueil
2025-04-12 · 19:45:00 · Serie A (I1) · Italy
FTR : H · mi-temps : 2-0 (H)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Juventus)
62.4%
Match nul
26.4%
Extérieur (Lecce)
11.2%
Marchés binaires
L2M (Yes)
31.2%
L2M (No)
68.8%
Over 2.5
33.1%
Under 2.5
66.9%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
84.8%
DNB Extérieur
15.2%
Double Chance 1X
88.8%
Double Chance 12
73.6%
Double Chance X2
37.6%

Top 5 scores prédits

1 - 0
19.6%
2 - 0
15.4%
0 - 0
13.8%
1 - 1
10.6%
3 - 0
7.9%

Score réel 2-1 : 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 : 4.9%
IssueModèleMarchéÉcart
Domicile (Juventus)62.4%71.1%-8.7 pt
Match nul26.4%19.2%+7.2 pt
Extérieur (Lecce)11.2%9.6%+1.6 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.533.1%50.3%-17.2 pt
Under 2.566.9%49.7%+17.2 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
62.4% (FTR = H)
Brier 1X2
0.2235 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
0.4714 (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