Najbliższy mecz
kolejka 14 · sobota, 31 października · u siebie
KS SILESIA MIECHOWICE
vs
KS BURZA BOROWA WIEŚ
Mecz otwarty. Szczegóły prognozy
Szansa na top 3
5%
tak kończy się 1 na 10 symulacji sezonu
Punkty na koniec sezonu
47,9
± 7,3 · miejsce średnio 8,8.
KS SILESIA MIECHOWICE zajmuje 8. miejsce (na 17) z 19 pkt po 12 meczach. Ostatnie 5 meczów: 2 zwycięstwa, 1 remis, 2 porażki. Model prognozuje 47,9 ± 7,3 pkt na koniec sezonu; mistrzostwo rzadziej niż w 1 na 10 symulacji, pierwsza trójka w 1 na 10 symulacji, spadek rzadziej niż w 1 na 10 symulacji.
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. KS BURZA BOROWA WIEŚ 20 pkt
- 7. LKS VICTORIA PILCHOWICE 19 pkt
- 8. KS SILESIA MIECHOWICE 19 pkt
- 9. KS ORZEŁ BIAŁY PIEKARY ŚLĄSKIE 17 pkt
- 10. KS GÓRNIK BOBROWNIKI ŚLĄSKIE 17 pkt
Koniec sezonu
Cała liga →P(top 3)
5%
P(spadek)
2%
Przedział punktów
34–63
95% symulacji
Rozkład końcowych miejsc
Oczekiwane miejsce: 8,8
Kolejne mecze
07.11 · kolejka 15
na wyjeździe
KS SILESIA MIECHOWICE
@
LKS OLIMPIA BORUSZOWICE
Mecz otwarty.
14.11 · kolejka 16
u siebie
KS SILESIA MIECHOWICE
vs
KS ORZEŁ BIAŁY PIEKARY ŚLĄSKIE
Mecz otwarty.
Model vs rzeczywistość
trafienia 4/12W 4 z 12 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 37% — ta drużyna zaskakuje model częściej niż inne.
- 1. z LKS TEMPO PANIÓWKI · 07.08 4:1 Z 35%
- 2. u KS CARBO GLIWICE · 15.08 3:0 Z 38%
- 3. z UKS UNIA STRZYBNICA · 21.08 2:1 Z 57%
- 4. u MKS CONCORDIA KNURÓW · 26.08 1:2 P 49%
- 5. z LKS VICTORIA PILCHOWICE · 29.08 0:2 P 37%
- 6. u TS TARNOWICZANKA · 05.09 4:2 Z 25%
- 7. z ŁTS ŁABĘDY · 11.09 1:2 P 27%
- 8. u KS GÓRNIK BOBROWNIKI ŚLĄSKIE · 19.09 2:5 P 41%
- 9. z BYTOMSKI SPORT II POLONIA BYTOM · 26.09 3:0 Z 22%
- 10. u KS SOŚNICA GLIWICE · 03.10 1:1 R 21%
- 11. z KS RUCH RADZIONKÓW II · 10.10 0:2 P 29%
- 12. u GKS WALKA ZABRZE · 16.10 3:0 Z 61%
Pasek pokazuje, jakie prawdopodobieństwo model dawał temu, co faktycznie się wydarzyło — zielony, gdy typ modelu był trafiony, czerwony, gdy nie.