Przejdź do treści

Klasa okręgowa Dębica

Piast Wadowice Górne

7. miejsce · 17 pkt po 11 meczach ·

Najbliższy mecz

kolejka 12 · sobota, 24 października · na wyjeździe

Piast Wadowice Górne @ Florian Ostrowy Tuszowskie

Piast Wadowice Górne jest faworytem. Szczegóły prognozy

Szansa na top 3

7%

tak kończy się 1 na 10 symulacji sezonu

Punkty na koniec sezonu

46,5

± 6,9 · miejsce średnio 7,5.

Piast Wadowice Górne zajmuje 7. miejsce (na 16) z 17 pkt po 11 meczach. Ostatnie 5 meczów: 2 zwycięstwa, 1 remis, 2 porażki. Model prognozuje 46,5 ± 6,9 pkt na koniec sezonu; mistrzostwo rzadziej niż w 1 na 10 symulacji, pierwsza trójka 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 →

5. Chemik Pustków Osiedle 20 pkt
6. Lechia Sędziszów Młp. 19 pkt
7. Piast Wadowice Górne 17 pkt
8. Igloopol II Dębica 17 pkt
9. Victoria Czermin 16 pkt

Koniec sezonu

P(top 3)

7%

P(spadek)

1%

Przedział punktów

33–60

95% symulacji

Rozkład końcowych miejsc

Oczekiwane miejsce: 7,5

Kolejne mecze

31.10 · kolejka 13 u siebie Piast Wadowice Górne vs Kamieniarz Golemki Piast Wadowice Górne faworytem.

08.11 · kolejka 14 na wyjeździe Piast Wadowice Górne @ LKS Stara Jastrząbka-Róża Faworytem jest LKS Stara Jastrząbka-Róża.

Model vs rzeczywistość

trafienia 6/11

W 6 z 11 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 38%.

1. u Lechia Sędziszów Młp. · 14.08 0:2 P 52%
2. z Victoria Czermin · 22.08 4:3 Z 57%
3. u Inter Gnojnica · 30.08 1:1 R 20%
4. z Smoczanka Mielec · 02.09 3:0 Z 32%
5. u Chemik Pustków Osiedle · 05.09 3:4 P 58%
6. z Igloopol II Dębica · 12.09 4:2 Z 41%
7. u Atut Podborze · 20.09 3:1 Z 31%
8. u FKS Stal II Mielec S. A. · 26.09 1:1 R 19%
9. z LKS Pustków · 04.10 2:3 P 11%
10. u Głowaczowa · 10.10 0:1 P 46%
11. z Brzostowianka Brzostek · 17.10 4:2 Z 51%

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