Najbliższy mecz
kolejka 14 · niedziela, 25 października · na wyjeździe
Victoria Jaworzno
@
KS Cracovia II SA
Faworytem jest KS Cracovia II SA. Szczegóły prognozy
Szansa na top 3
35%
tak kończy się 3 na 10 symulacji sezonu
Punkty na koniec sezonu
59,5
± 7,6 · miejsce średnio 5,1.
Victoria Jaworzno zajmuje 2. miejsce (na 18) z 27 pkt po 13 meczach. Ostatnie 5 meczów: 4 zwycięstwa, 1 remis, 0 porażek. Model prognozuje 59,5 ± 7,6 pkt na koniec sezonu; mistrzostwo rzadziej niż w 1 na 10 symulacji, pierwsza trójka w 3 na 10 symulacji, spadek praktycznie wykluczony.
Terminarz rundy wiosennej nie jest jeszcze opublikowany — symulacja przyjmuje go jako lustrzane odbicie rundy jesiennej (zamienieni gospodarze, ta sama kolejność meczów).
Tabela wokół drużyny
Cała tabela →- 1. KS Cracovia II SA 31 pkt
- 2. Victoria Jaworzno 27 pkt
- 3. Dalin Myślenice 26 pkt
- 4. Bruk-Bet Termalica II Nieciecza 24 pkt
Koniec sezonu
Cała liga →P(top 3)
35%
P(spadek)
0%
Przedział punktów
45–74
95% symulacji
Rozkład końcowych miejsc
Oczekiwane miejsce: 5,1
Kolejne mecze
31.10 · kolejka 15
u siebie
Victoria Jaworzno
vs
Wolania Wola Rzędzińska
Mecz otwarty.
07.11 · kolejka 16
na wyjeździe
Victoria Jaworzno
@
Bruk-Bet Termalica II Nieciecza
Faworytem jest Bruk-Bet Termalica II Nieciecza.
Model vs rzeczywistość
trafienia 4/13W 4 z 13 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 37% — ta drużyna zaskakuje model częściej niż inne.
- 1. z Lubań Maniowy · 08.08 1:1 R 23%
- 2. u Dalin Myślenice · 15.08 2:0 Z 33%
- 3. z Orzeł Ryczów · 22.08 2:0 Z 38%
- 4. u Hutnik II Kraków · 26.08 2:3 P 37%
- 5. z MKS Limanovia w Limanowej · 29.08 0:2 P 16%
- 6. z Kalwarianka Kalwaria Zebrzydowska · 05.09 2:2 R 22%
- 7. z Watra Białka Tatrzańska · 09.09 2:1 Z 75%
- 8. u Beskid Andrychów · 12.09 1:0 Z 31%
- 9. z Poprad Muszyna · 20.09 3:1 Z 61%
- 10. u Błękitni Modlnica · 27.09 2:0 Z 55%
- 11. z Pcimianka Pcim · 03.10 4:1 Z 46%
- 12. u Glinik Gorlice · 10.10 4:3 Z 25%
- 13. z BKS Hal-Mont Bochnia · 17.10 1:1 R 20%
Pasek pokazuje, jakie prawdopodobieństwo model dawał temu, co faktycznie się wydarzyło — zielony, gdy typ modelu był trafiony, czerwony, gdy nie.