LKS Mazur Karczew — Piłkologia

Najbliższy mecz

kolejka 13 · niedziela, 25 października · na wyjeździe

LKS Mazur Karczew @ KS Mszczonowianka

30% 23% 47%

Mecz otwarty. Szczegóły prognozy

Ryzyko spadku

19%

tak kończy się 2 na 10 symulacji sezonu

Punkty na koniec sezonu

41,1

± 8,0 · miejsce średnio 11,9.

LKS Mazur Karczew zajmuje 14. miejsce (na 18) z 14 pkt po 12 meczach. Ostatnie 5 meczów: 0 zwycięstw, 2 remisy, 3 porażki. Model prognozuje 41,1 ± 8,0 pkt na koniec sezonu; mistrzostwo rzadziej niż w 1 na 10 symulacji, pierwsza trójka rzadziej niż w 1 na 10 symulacji, spadek w 2 na 10 symulacji.

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 →

12. KS Błonianka 15 pkt
13. Enea Energia Kozienice 15 pkt
14. LKS Mazur Karczew 14 pkt
15. MLKS Nadnarwianka 9 pkt
16. KS Łomianki 7 pkt

Koniec sezonu

Cała liga →

P(top 3)

P(spadek)

19%

Przedział punktów

26–57

95% symulacji

Rozkład końcowych miejsc

Oczekiwane miejsce: 11,9

Kolejne mecze

31.10 · kolejka 14 u siebie LKS Mazur Karczew vs MKS PIASECZNO Faworytem jest MKS PIASECZNO.

07.11 · kolejka 15 na wyjeździe LKS Mazur Karczew @ MLKS Victoria Sulejówek Mecz otwarty.

Model vs rzeczywistość

trafienia 2/12

W 2 z 12 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 28% — ta drużyna zaskakuje model częściej niż inne.

1. z MKS PODLASIE SOKOŁÓW PODL. · 08.08 1:1 R 23%
2. z MKS Przasnysz · 15.08 3:1 Z 33%
3. u MKS Makowianka Maków Maz. · 21.08 0:0 R 20%
4. z UKS Talent Warszawa · 26.08 2:2 R 17%
5. u RKS Ursus W-wa · 29.08 2:0 Z 18%
6. z KS Legionovia · 05.09 1:2 P 34%
7. u POLONIA II WARSZAWA S.A. · 12.09 1:0 Z 22%
8. z Enea Energia Kozienice · 19.09 2:3 P 26%
9. u SS HUTNIK W-WA SP. Z O.O. · 26.09 2:4 P 51%
10. z KS Błonianka · 03.10 2:2 R 27%
11. u SKS Oskar Przysucha · 09.10 3:5 P 42%
12. z MLKS Nadnarwianka · 17.10 2:2 R 22%

Pasek pokazuje, jakie prawdopodobieństwo model dawał temu, co faktycznie się wydarzyło — zielony, gdy typ modelu był trafiony, czerwony, gdy nie.