Najbliższy mecz
kolejka 12 · sobota, 24 października · u siebie
LUKS CZARNI Czarna Białostocka
vs
MKS SUPRAŚLANKA Supraśl
LUKS CZARNI Czarna Białostocka jest faworytem. Szczegóły prognozy
Szansa na top 3
3%
tak kończy się 0 na 10 symulacji sezonu
Punkty na koniec sezonu
48,3
± 6,6 · miejsce średnio 7,4.
LUKS CZARNI Czarna Białostocka zajmuje 8. miejsce (na 16) z 17 pkt po 11 meczach. Ostatnie 5 meczów: 3 zwycięstwa, 0 remisów, 2 porażki. Model prognozuje 48,3 ± 6,6 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 →- 6. UKS PIONIER Brańsk 18 pkt
- 7. LKS PROMIEŃ Mońki 18 pkt
- 8. LUKS CZARNI Czarna Białostocka 17 pkt
- 9. BKS TUR Bielsk Podlaski 17 pkt
- 10. MKS RUCH Wysokie Mazowieckie 14 pkt
Koniec sezonu
Cała liga →P(top 3)
3%
P(spadek)
0%
Przedział punktów
36–61
95% symulacji
Rozkład końcowych miejsc
Oczekiwane miejsce: 7,4
Kolejne mecze
30.10 · kolejka 13
na wyjeździe
LUKS CZARNI Czarna Białostocka
@
UKS PIONIER Brańsk
Faworytem jest UKS PIONIER Brańsk.
07.11 · kolejka 14
u siebie
LUKS CZARNI Czarna Białostocka
vs
KS Śniadowo
LUKS CZARNI Czarna Białostocka faworytem.
Model vs rzeczywistość
trafienia 6/11W 6 z 11 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 47%.
- 1. z SKS POMORZANKA Sejny · 09.08 2:1 Z 38%
- 2. z BKS TUR Bielsk Podlaski · 15.08 0:0 R 20%
- 3. u LKS PROMIEŃ Mońki · 22.08 3:5 P 51%
- 4. z KS HETMAN SKŁODOWSCY Tykocin · 30.08 4:1 Z 45%
- 5. u UKS KRYPNIANKA Krypno · 06.09 1:1 R 24%
- 6. z MLKS WISSA Szczuczyn · 12.09 2:4 P 62%
- 7. u KS Wasilków · 19.09 1:2 P 87%
- 8. z ŁKS II Łomża · 26.09 3:2 Z 11%
- 9. u KS WARMIA Grajewo · 03.10 1:2 P 83%
- 10. z PW HOME LZS Krynki · 11.10 6:1 Z 76%
- 11. u MKS RUCH Wysokie Mazowieckie · 17.10 7:2 Z 18%
Pasek pokazuje, jakie prawdopodobieństwo model dawał temu, co faktycznie się wydarzyło — zielony, gdy typ modelu był trafiony, czerwony, gdy nie.