KKS ORZEŁ Kolno — Piłkologia

Najbliższy mecz

kolejka 12 · sobota, 24 października · na wyjeździe

KKS ORZEŁ Kolno @ MOSP Białystok

19% 17% 64%

Faworytem jest MOSP Białystok. Szczegóły prognozy

Szansa na top 3

tak kończy się 0 na 10 symulacji sezonu

Punkty na koniec sezonu

49,2

± 6,4 · miejsce średnio 6,4.

KKS ORZEŁ Kolno zajmuje 4. miejsce (na 16) z 19 pkt po 11 meczach. Ostatnie 5 meczów: 3 zwycięstwa, 1 remis, 1 porażka. Model prognozuje 49,2 ± 6,4 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 →

2. KS II Wasilków 26 pkt
3. WIGRY II Suwałki S.A. 22 pkt
4. KKS ORZEŁ Kolno 19 pkt
5. AUTO-MAJSTER CSP UNIA 1976 Ciechanowiec 19 pkt
6. JAGIELLONIA III Białystok SSA 17 pkt

Koniec sezonu

Cała liga →

P(top 3)

P(spadek)

Przedział punktów

37–62

95% symulacji

Rozkład końcowych miejsc

Oczekiwane miejsce: 6,4

Kolejne mecze

31.10 · kolejka 13 u siebie KKS ORZEŁ Kolno vs M-GKS NAREW Choroszcz KKS ORZEŁ Kolno faworytem.

08.11 · kolejka 14 na wyjeździe KKS ORZEŁ Kolno @ MKS POGOŃ Łapy Mecz otwarty.

Model vs rzeczywistość

trafienia 9/11

W 9 z 11 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 53% — wyniki tej drużyny są dla modelu przewidywalne.

1. u KS RUDNIA Zabłudów · 08.08 2:0 Z 40%
2. z AKS SPARTA Augustów · 15.08 3:1 Z 51%
3. u KS ORLĘTA Czyżew · 23.08 0:4 P 61%
4. z JAGIELLONIA III Białystok SSA · 29.08 5:8 P 93%
5. u KS PUSZCZA Hajnówka · 05.09 3:0 Z 66%
6. u WIGRY II Suwałki S.A. · 13.09 1:5 P 75%
7. z KS II Wasilków · 19.09 2:2 R 12%
8. u KS SPARTA 1951 Szepietowo · 27.09 4:0 Z 49%
9. z GKS Gródek · 03.10 2:0 Z 59%
10. u KS SOKÓŁ 1946 Sokółka · 11.10 1:2 P 21%
11. z AUTO-MAJSTER CSP UNIA 1976 Ciechanowiec · 17.10 4:1 Z 52%

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