KS Radomyślanka Geyer&Hosaja Radomyśl Wielki

Najbliższy mecz

kolejka 13 · sobota, 24 października · u siebie

KS Radomyślanka Geyer&Hosaja Radomyśl Wielki vs MKS Sokół Sieniawa

39% 23% 38%

Mecz otwarty. Szczegóły prognozy

Ryzyko spadku

54%

tak kończy się 5 na 10 symulacji sezonu

Punkty na koniec sezonu

36,1

± 8,5 · miejsce średnio 13,3.

KS Radomyślanka Geyer&Hosaja Radomyśl Wielki zajmuje 17. miejsce (na 18) z 8 pkt po 11 meczach. Ostatnie 5 meczów: 0 zwycięstw, 1 remis, 4 porażki. Model prognozuje 36,1 ± 8,5 pkt na koniec sezonu; mistrzostwo rzadziej niż w 1 na 10 symulacji, pierwsza trójka rzadziej niż w 1 na 10 symulacji, spadek w 5 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 →

15. Wisłok Wiśniowa 10 pkt
16. Strug Tyczyn 10 pkt
17. KS Radomyślanka Geyer&Hosaja Radomyśl Wielki 8 pkt
18. Pogoń Leżajsk 5 pkt

Koniec sezonu

Cała liga →

P(top 3)

P(spadek)

54%

Przedział punktów

20–53

95% symulacji

Rozkład końcowych miejsc

Oczekiwane miejsce: 13,3

Kolejne mecze

31.10 · kolejka 14 na wyjeździe KS Radomyślanka Geyer&Hosaja Radomyśl Wielki @ Stal II Rzeszów S.A. Faworytem jest Stal II Rzeszów S.A..

07.11 · kolejka 15 u siebie KS Radomyślanka Geyer&Hosaja Radomyśl Wielki vs ZKS Izolator Boguchwała Mecz otwarty.

Model vs rzeczywistość

trafienia 5/11

W 5 z 11 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 40%.

1. u Polonia Przemyśl · 08.08 1:2 P 38%
2. u Igloopol Dębica · 14.08 0:3 P 50%
3. u Wisłok Wiśniowa · 19.08 3:1 Z 39%
4. u KS Legion Pilzno · 23.08 1:1 R 26%
5. u Pogoń Leżajsk · 29.08 3:0 Z 33%
6. u KS Wiązownica · 04.09 0:2 P 36%
7. u Ekoball Stal Sanok · 13.09 2:4 P 53%
8. u SPEC Stal Łańcut · 18.09 0:4 P 32%
9. z Pogoń - Sokół II Lubaczów Sp. z o.o. · 26.09 3:3 R 20%
10. u Górnik Strachocina · 04.10 0:1 P 49%
11. u Błękitni Ropczyce · 10.10 1:8 P 66%

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