LKS START MIROCIN — Piłkologia

Najbliższy mecz

kolejka 11 · niedziela, 25 października · na wyjeździe

LKS START MIROCIN @ LKS BŁĘKITNI GRZĘSKA

23% 15% 62%

Faworytem jest LKS BŁĘKITNI GRZĘSKA. Szczegóły prognozy

Szansa na top 3

tak kończy się 0 na 10 symulacji sezonu

Punkty na koniec sezonu

21,4

± 4,9 · miejsce średnio 11,1.

LKS START MIROCIN zajmuje 10. miejsce (na 14) z 9 pkt po 10 meczach. Ostatnie 5 meczów: 2 zwycięstwa, 0 remisów, 3 porażki. Model prognozuje 21,4 ± 4,9 pkt na koniec sezonu; mistrzostwo rzadziej niż w 1 na 10 symulacji, pierwsza trójka rzadziej niż w 1 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 →

8. LKS NAFTA GAZ JODŁÓWKA 10 pkt
9. GKS MAJDAN SIENIAWSKI 9 pkt
10. LKS START MIROCIN 9 pkt
11. LKS BŁĘKITNI GRZĘSKA 7 pkt
12. LKS STRUMYK HAWŁOWICE 6 pkt

Koniec sezonu

Cała liga →

P(top 3)

P(ostatnie miejsce)

Przedział punktów

13–31

95% symulacji

Rozkład końcowych miejsc

Oczekiwane miejsce: 11,1

Kolejne mecze

31.10 · kolejka 12 u siebie LKS START MIROCIN vs LKS HURAGAN GNIEWCZYNA Faworytem jest LKS HURAGAN GNIEWCZYNA.

08.11 · kolejka 13 na wyjeździe LKS START MIROCIN @ LKS WISEŁKA SIENNÓW Faworytem jest LKS WISEŁKA SIENNÓW.

Model vs rzeczywistość

trafienia 8/10

W 8 z 10 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 61% — wyniki tej drużyny są dla modelu przewidywalne.

1. u GKS ZARZECZE · 16.08 0:3 P 72%
2. z LKS SAN GORZYCE · 22.08 0:4 P 44%
3. u GKS MAJDAN SIENIAWSKI · 30.08 2:1 Z 35%
4. z LKS BŁYSKAWICA ROŻNIATÓW · 05.09 3:8 P 53%
5. u LKS CRESOVIA KRZECZOWICE · 13.09 0:4 P 85%
6. z LKS NAFTA GAZ JODŁÓWKA · 20.09 0:2 P 49%
7. u RKS BŁYSKAWICA ROZBÓRZ · 26.09 1:2 P 82%
8. z KKS ALABASTER ŁOPUSZKA WIELKA · 04.10 7:2 Z 78%
9. u LKS STRUMYK HAWŁOWICE · 10.10 4:3 Z 34%
10. z Orzeł Przeworsk II · 17.10 1:7 P 81%

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