Najbliższy mecz
kolejka 12 · niedziela, 18 października · u siebie
KORONA SA III Kielce
vs
KS VICTORIA 2015 Skalbmierz
Mecz otwarty. Szczegóły prognozy
Szansa na top 3
3%
tak kończy się 0 na 10 symulacji sezonu
Punkty na koniec sezonu
50,4
± 8,3 · miejsce średnio 8,6.
KORONA SA III Kielce zajmuje 11. miejsce (na 18) z 14 pkt po 11 meczach. Ostatnie 5 meczów: 1 zwycięstwo, 2 remisy, 2 porażki. Model prognozuje 50,4 ± 8,3 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 →- 9. OKS Opatów 16 pkt
- 10. KKP KORONA Kielce 16 pkt
- 11. KORONA SA III Kielce 14 pkt
- 12. INDUSTRIA WICHER Miedziana Góra 13 pkt
- 13. LKS KLIMONTOWIANKA Klimontów 12 pkt
Koniec sezonu
Cała liga →P(top 3)
3%
P(spadek)
0%
Przedział punktów
34–67
95% symulacji
Rozkład końcowych miejsc
Oczekiwane miejsce: 8,6
Kolejne mecze
24.10 · kolejka 13
na wyjeździe
KORONA SA III Kielce
@
MKS GRANAT Skarżysko-Kamienna
KORONA SA III Kielce faworytem.
30.10 · kolejka 14
u siebie
KORONA SA III Kielce
vs
KS HETMAN Włoszczowa
KORONA SA III Kielce faworytem.
Model vs rzeczywistość
trafienia 4/11W 4 z 11 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 36% — ta drużyna zaskakuje model częściej niż inne.
- 1. u GKS ARKA Pawłów · 09.08 1:0 Z 29%
- 2. u MKS WIERNA Małogoszcz · 15.08 1:0 Z 29%
- 3. z MKS NEPTUN Końskie · 23.08 0:1 P 27%
- 4. u MKS ORLICZ Suchedniów · 26.08 2:0 Z 46%
- 5. z MGKS SPARTAKUS Daleszyce · 30.08 1:2 P 21%
- 6. u LKS ORLĘTA Kielce · 05.09 2:5 P 52%
- 7. z MLKS SPARTA Kazimierza Wielka · 13.09 0:1 P 30%
- 8. z INDUSTRIA WICHER Miedziana Góra · 20.09 6:1 Z 66%
- 9. u GKS Rudki · 26.09 0:1 P 47%
- 10. z LKS KLIMONTOWIANKA Klimontów · 04.10 3:3 R 23%
- 11. u OKS Opatów · 10.10 3:3 R 23%
Pasek pokazuje, jakie prawdopodobieństwo model dawał temu, co faktycznie się wydarzyło — zielony, gdy typ modelu był trafiony, czerwony, gdy nie.