← Retour à l’accueil
2025-05-25 · 19:45:00 · Serie A (I1) · Italy
01
FTR : A · mi-temps : 0-1 (A)

Modèle Dixon-Coles — probas pré-match

1X2
Domicile (Lazio)
60.7%
Match nul
26.5%
Extérieur (Lecce)
12.8%
Marchés binaires
L2M (Yes)
34.6%
L2M (No)
65.4%
Over 2.5
35.4%
Under 2.5
64.6%
Marchés dérivés (calculés depuis 1X2)
DNB Domicile
82.6%
DNB Extérieur
17.4%
Double Chance 1X
87.2%
Double Chance 12
73.5%
Double Chance X2
39.3%

Top 5 scores prédits

1 - 0
18.1%
2 - 0
14.5%
0 - 0
12.7%
1 - 1
11.2%
2 - 1
8.2%

Score réel 0-1 : 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 : 5.0%
IssueModèleMarchéÉcart
Domicile (Lazio)60.7%66.2%-5.4 pt
Match nul26.5%21.4%+5.1 pt
Extérieur (Lecce)12.8%12.4%+0.4 pt
Over/Under 2.5
IssueModèleMarchéÉcart
Over 2.535.4%58.5%-23.1 pt
Under 2.564.6%41.5%+23.1 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
12.8% (FTR = A)
Brier 1X2
1.1996 (0 = parfait, ~0.667 = pur hasard, max 2)
Log-loss 1X2
2.0565 (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