Najbliższy mecz
kolejka 14 · sobota, 24 października · u siebie
LKS UNIA TURZA ŚLĄSKA
vs
RUCH CHORZÓW II
LKS UNIA TURZA ŚLĄSKA jest faworytem. Szczegóły prognozy
Szansa na mistrzostwo
73%
tak kończy się 7 na 10 symulacji sezonu
Punkty na koniec sezonu
76,8
± 6,6 · miejsce średnio 1,5.
LKS UNIA TURZA ŚLĄSKA zajmuje 1. miejsce (na 18) z 34 pkt po 13 meczach. Ostatnie 5 meczów: 5 zwycięstw, 0 remisów, 0 porażek. Model prognozuje 76,8 ± 6,6 pkt na koniec sezonu; mistrzostwo w 7 na 10 symulacji, pierwsza trójka w ponad 9 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
Koniec sezonu
Cała liga →P(top 3)
95%
P(spadek)
0%
Przedział punktów
63–88
95% symulacji
Rozkład końcowych miejsc
Oczekiwane miejsce: 1,5
Kolejne mecze
31.10 · kolejka 15
na wyjeździe
LKS UNIA TURZA ŚLĄSKA
@
KS DECOR BEŁK
LKS UNIA TURZA ŚLĄSKA faworytem.
07.11 · kolejka 16
u siebie
LKS UNIA TURZA ŚLĄSKA
vs
GKS GIEKSA KATOWICE II
LKS UNIA TURZA ŚLĄSKA faworytem.
Model vs rzeczywistość
trafienia 10/13W 10 z 13 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 48%.
- 1. z SPÓJNIA LANDEK-JASIENICA · 02.08 0:2 P 23%
- 2. z KS ROZWÓJ KATOWICE · 08.08 4:0 Z 55%
- 3. u VICTORIA KOSMOS M-BET CZĘSTOCHOWA · 15.08 7:1 Z 45%
- 4. z KS POLONIA ŁAZISKA GÓRNE · 22.08 1:1 R 25%
- 5. u KS KUŹNIA USTROŃ · 26.08 2:0 Z 39%
- 6. z TS PODBESKIDZIE BIELSKO-BIAŁA II · 29.08 3:1 Z 43%
- 7. u KS RUCH RADZIONKÓW · 05.09 1:0 Z 33%
- 8. z MRKS CZECHOWICE-DZIEDZICE · 12.09 3:0 Z 40%
- 9. u LGKS 38 PODLESIANKA KATOWICE · 19.09 3:1 Z 58%
- 10. z LKS PRZEMSZA SIEWIERZ · 26.09 1:0 Z 68%
- 11. u LKS DRAMA ZBROSŁAWICE · 03.10 5:1 Z 52%
- 12. z GKS PIAST GLIWICE II · 10.10 1:0 Z 79%
- 13. u TS GWAREK TARNOWSKIE GÓRY · 17.10 2:1 Z 66%
Pasek pokazuje, jakie prawdopodobieństwo model dawał temu, co faktycznie się wydarzyło — zielony, gdy typ modelu był trafiony, czerwony, gdy nie.