Le Modèle

Comment ForzaPitch prédit les matchs de football

01  Méthodologie

ForzaPitch utilise un modèle de régression de Poisson avec la correction Dixon-Coles pour prédire les résultats.

02  Classements Elo

Chaque équipe possède un classement Elo global mis à jour après chaque match.
Précision hebdomadaire — 8 dernières semaines
40% 55% 70% 16 Mar 23 Mar 30 Mar 6 Apr 13 Apr 20 Apr
Moyenne de la période: 58.2%
63.9%
Précision globale
Analysés: 901 matchs
Calibration

Un modèle bien calibré prédit les événements à 60% de probabilité correctement environ 60% du temps.

25% 50% 75% 100% 0% 25% 50% 75% 100% parfaite 55% previsto → 58.4% reale (n=327) 65% previsto → 63.7% reale (n=342) 75% previsto → 68.3% reale (n=161) 85% previsto → 80.6% reale (n=62) 95% previsto → 77.8% reale (n=9) Probabilité prévue Fréquence réelle
modèle calibration parfaite ● <7pp écart: bon / moyen / éloigné
Bande de confiance Matchs Attendu Réel
50–60% 327 55.0% 58.4%
60–70% 342 65.0% 63.7%
70–100% 232 85.0% 72.0%
Performance par ligue
72.7%
71.4%
61.1%
77.8%
64.5%
61.5%
100.0%
66.7%
66.7%
50.0%
61.1%
50.0%
25.0%
25.0%
100.0%
62.5%
80.0%
MLS
72.2%
72.4%
75.0%
76.5%
0.0%
HNL
66.7%
67.5%
42.9%
63.2%
100.0%
52.9%
41.7%
16.7%
100.0%
60.0%
100.0%
55.6%
100.0%
66.7%
100.0%
100.0%
71.4%
33.3%
58.3%
33.3%
55.6%
FNL
25.0%
50.0%
100.0%
0.0%
100.0%
100.0%
75.0%
80.0%
80.0%
66.7%
87.5%
50.0%
66.7%
75.0%
100.0%
Cup
0.0%
100.0%
100.0%
0.0%
50.0%
100.0%
33.3%
75.0%
100.0%
100.0%