Najbliższy mecz
kolejka 14 · piątek, 23 października · u siebie
KS RUCH RADZIONKÓW
vs
MRKS CZECHOWICE-DZIEDZICE
Mecz otwarty. Szczegóły prognozy
Szansa na top 3
32%
tak kończy się 3 na 10 symulacji sezonu
Punkty na koniec sezonu
61,7
± 7,1 · miejsce średnio 4,9.
KS RUCH RADZIONKÓW zajmuje 2. miejsce (na 18) z 27 pkt po 13 meczach. Ostatnie 5 meczów: 4 zwycięstwa, 1 remis, 0 porażek. Model prognozuje 61,7 ± 7,1 pkt na koniec sezonu; mistrzostwo rzadziej niż w 1 na 10 symulacji, pierwsza trójka w 3 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 →- 1. LKS UNIA TURZA ŚLĄSKA 34 pkt
- 2. KS RUCH RADZIONKÓW 27 pkt
- 3. MRKS CZECHOWICE-DZIEDZICE 25 pkt
- 4. RUCH CHORZÓW II 24 pkt
Koniec sezonu
Cała liga →P(top 3)
32%
P(spadek)
0%
Przedział punktów
48–75
95% symulacji
Rozkład końcowych miejsc
Oczekiwane miejsce: 4,9
Kolejne mecze
31.10 · kolejka 15
na wyjeździe
KS RUCH RADZIONKÓW
@
LGKS 38 PODLESIANKA KATOWICE
Mecz otwarty.
07.11 · kolejka 16
u siebie
KS RUCH RADZIONKÓW
vs
LKS PRZEMSZA SIEWIERZ
Mecz otwarty.
Model vs rzeczywistość
trafienia 6/13W 6 z 13 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 38% — ta drużyna zaskakuje model częściej niż inne.
- 1. z GKS PIAST GLIWICE II · 01.08 3:0 Z 49%
- 2. u TS GWAREK TARNOWSKIE GÓRY · 08.08 0:0 R 22%
- 3. z RUCH CHORZÓW II · 14.08 1:1 R 23%
- 4. u KS DECOR BEŁK · 22.08 1:0 Z 41%
- 5. z GKS GIEKSA KATOWICE II · 26.08 1:0 Z 31%
- 6. u GKS SZOMBIERKI BYTOM · 29.08 1:0 Z 41%
- 7. z LKS UNIA TURZA ŚLĄSKA · 05.09 0:1 P 33%
- 8. u KS ROZWÓJ KATOWICE · 12.09 0:1 P 18%
- 9. z VICTORIA KOSMOS M-BET CZĘSTOCHOWA · 18.09 4:1 Z 91%
- 10. z KS POLONIA ŁAZISKA GÓRNE · 26.09 1:0 Z 42%
- 11. z KS KUŹNIA USTROŃ · 03.10 1:0 Z 57%
- 12. u TS PODBESKIDZIE BIELSKO-BIAŁA II · 10.10 2:0 Z 17%
- 13. z SPÓJNIA LANDEK-JASIENICA · 17.10 2:2 R 29%
Pasek pokazuje, jakie prawdopodobieństwo model dawał temu, co faktycznie się wydarzyło — zielony, gdy typ modelu był trafiony, czerwony, gdy nie.