Probabilités et matchs de football

Mathieu Ribatet

Institut Montpelliérain Alexander Grothendieck

Université de Montpellier

Probabilités et matchs de football Semaine des mathématiques – 1 / 29

 1. Les paris
⊲ sportifs
Qu’est ce qu’un pari
sportif ?
Qu’est que la cote ?
Cotes et probabilités
Les probabilités selon
les bookmakers
Pourquoi ça marge
(avec un grand
nombre de paris)?

2. Modélisation
1. Les paris sportifs
stochastique

3. Football

4. Application

Probabilités et matchs de football Semaine des mathématiques – 2 / 29

 Qu’est ce qu’un pari sportif ?

1. Les paris sportifs

Qu’est ce qu’un
ä Un pari sportif consiste à miser de l’argent sur la réalisation
⊲ pari sportif ? d’un événement sportif.
Qu’est que la cote ?
Cotes et probabilités
Les probabilités selon Exemple 1. Pour le match Saint-Etienne // Montpellier de ce
les bookmakers
Pourquoi ça marge week-end, je mise sur la victoire de Saint-Etienne.
(avec un grand
nombre de paris)?

2. Modélisation
stochastique

3. Football

4. Application

Probabilités et matchs de football Semaine des mathématiques – 3 / 29

 Qu’est ce qu’un pari sportif ?

1. Les paris sportifs

Qu’est ce qu’un
ä Un pari sportif consiste à miser de l’argent sur la réalisation
⊲ pari sportif ? d’un événement sportif.
Qu’est que la cote ?
Cotes et probabilités
Les probabilités selon Exemple 1. Pour le match Saint-Etienne // Montpellier de ce
les bookmakers
Pourquoi ça marge week-end, je mise sur la victoire de Saint-Etienne.
(avec un grand
nombre de paris)?

2. Modélisation
ä A chaque pari est associée une cote qui permet de déterminer
stochastique
à l’avance l’argent gagné si le pari s’avère bon.
3. Football

4. Application

Probabilités et matchs de football Semaine des mathématiques – 3 / 29

 Qu’est que la cote ?

1. Les paris sportifs

Qu’est ce qu’un pari
ä Plusieurs conventions existent mais nous allons nous focaliser
sportif ? sur les cotes européennes.
Qu’est que la cote
⊲ ?
Cotes et probabilités
Les probabilités selon
les bookmakers
Pourquoi ça marge
(avec un grand
nombre de paris)?

2. Modélisation
stochastique

3. Football

4. Application

Probabilités et matchs de football Semaine des mathématiques – 4 / 29

 Qu’est que la cote ?

1. Les paris sportifs

Qu’est ce qu’un pari
ä Plusieurs conventions existent mais nous allons nous focaliser
sportif ? sur les cotes européennes.
Qu’est que la cote
⊲ ? ä Les cotes européennes sont définies par
Cotes et probabilités
Les probabilités selon
les bookmakers
Pourquoi ça marge
Gain = Mise × Cote,
(avec un grand
nombre de paris)?
et la cote est donc supérieure à 1.
2. Modélisation
stochastique

3. Football

4. Application

Probabilités et matchs de football Semaine des mathématiques – 4 / 29

 Qu’est que la cote ?

1. Les paris sportifs

Qu’est ce qu’un pari
ä Plusieurs conventions existent mais nous allons nous focaliser
sportif ? sur les cotes européennes.
Qu’est que la cote
⊲ ? ä Les cotes européennes sont définies par
Cotes et probabilités
Les probabilités selon
les bookmakers
Pourquoi ça marge
Gain = Mise × Cote,
(avec un grand
nombre de paris)?
et la cote est donc supérieure à 1.
2. Modélisation
stochastique

3. Football Exemple 2. Je mise 10 euros sur la victoire de Saint-Etienne à

4. Application une cote de 1,90. Si mon pari est bon, je recevrai alors

10 × 1, 90 = 19 euros (incluant ma mise de départ).

Probabilités et matchs de football Semaine des mathématiques – 4 / 29

 Qu’est que la cote ?

1. Les paris sportifs

Qu’est ce qu’un pari
ä Plusieurs conventions existent mais nous allons nous focaliser
sportif ? sur les cotes européennes.
Qu’est que la cote
⊲ ? ä Les cotes européennes sont définies par
Cotes et probabilités
Les probabilités selon
les bookmakers
Pourquoi ça marge
Gain = Mise × Cote,
(avec un grand
nombre de paris)?
et la cote est donc supérieure à 1.
2. Modélisation
stochastique

3. Football Exemple 2. Je mise 10 euros sur la victoire de Saint-Etienne à

4. Application une cote de 1,90. Si mon pari est bon, je recevrai alors

10 × 1, 90 = 19 euros (incluant ma mise de départ).

 Plus la cote est grande, plus le gain sera important (mais le


risque également) ;
Plus la cote est proche de 1, plus le gain sera faible (et le risque
également).

Probabilités et matchs de football Semaine des mathématiques – 4 / 29

 Cotes et probabilités

1. Les paris sportifs

Qu’est ce qu’un pari
ä Dans un monde parfait on a
sportif ?
Qu’est que la cote ? 1
Cotes et Cote = .
⊲ probabilités Pr(mon pari se réalise)
Les probabilités selon
les bookmakers
Pourquoi ça marge
(avec un grand
nombre de paris)?
ä Ceci vérifie bien les propriétés énoncées précédemment
2. Modélisation puisque
stochastique

3. Football
pari sûr ⇔ proba. proche de 1 ⇔ cote faible ⇔ petit gain
4. Application
pari risqué ⇔ proba. proche de 0 ⇔ cote élevée ⇔ gros gain

Probabilités et matchs de football Semaine des mathématiques – 5 / 29

 Cotes et probabilités

1. Les paris sportifs

Qu’est ce qu’un pari
ä Dans un monde parfait on a
sportif ?
Qu’est que la cote ? 1
Cotes et Cote = .
⊲ probabilités Pr(mon pari se réalise)
Les probabilités selon
les bookmakers
Pourquoi ça marge
(avec un grand
nombre de paris)?
ä Ceci vérifie bien les propriétés énoncées précédemment
2. Modélisation puisque
stochastique

3. Football
pari sûr ⇔ proba. proche de 1 ⇔ cote faible ⇔ petit gain
4. Application
pari risqué ⇔ proba. proche de 0 ⇔ cote élevée ⇔ gros gain

ä Oui mais le monde n’est pas parfait !!!

Probabilités et matchs de football Semaine des mathématiques – 5 / 29

 Les probabilités selon les bookmakers

1. Les paris sportifs

Qu’est ce qu’un pari
sportif ?
Qu’est que la cote ?
Cotes et probabilités
Les probabilités
selon les
⊲ bookmakers
Pourquoi ça marge
(avec un grand
nombre de paris)?

2. Modélisation
stochastique
Figure 1: Les cotes de [Link] pour 3 matchs de la 31ème journée de Ligue 1.
3. Football

4. Application

Probabilités et matchs de football Semaine des mathématiques – 6 / 29

 Les probabilités selon les bookmakers

1. Les paris sportifs

Qu’est ce qu’un pari
sportif ?
Qu’est que la cote ?
Cotes et probabilités
Les probabilités
selon les
⊲ bookmakers
Pourquoi ça marge
(avec un grand
nombre de paris)?

2. Modélisation
stochastique
Figure 1: Les cotes de [Link] pour 3 matchs de la 31ème journée de Ligue 1.
3. Football

4. Application Table 1: Les "probabilités" associées aux cotes précédentes.

Match 1 N 2 Somme
PSG // Monaco 0,74 0,22 0,12
Lyon // Nantes 0,61 0,29 0,17
Marseille // Rennes 0,56 0,29 0,22

Probabilités et matchs de football Semaine des mathématiques – 6 / 29

 Les probabilités selon les bookmakers

1. Les paris sportifs

Qu’est ce qu’un pari
sportif ?
Qu’est que la cote ?
Cotes et probabilités
Les probabilités
selon les
⊲ bookmakers
Pourquoi ça marge
(avec un grand
nombre de paris)?

2. Modélisation
stochastique
Figure 1: Les cotes de [Link] pour 3 matchs de la 31ème journée de Ligue 1.
3. Football

4. Application Table 1: Les "probabilités" associées aux cotes précédentes.

Match 1 N 2 Somme
PSG // Monaco 0,74 0,22 0,12 1,08
Lyon // Nantes 0,61 0,29 0,17 1,07
Marseille // Rennes 0,56 0,29 0,22 1,07

Probabilités et matchs de football Semaine des mathématiques – 6 / 29

 Les probabilités selon les bookmakers

1. Les paris sportifs

Qu’est ce qu’un pari
sportif ?
Qu’est que la cote ?
Cotes et probabilités
Les probabilités
selon les
⊲ bookmakers
Pourquoi ça marge
(avec un grand
nombre de paris)?

2. Modélisation
stochastique
Figure 1: Les cotes de [Link] pour 3 matchs de la 31ème journée de Ligue 1.
3. Football

4. Application Table 1: Les "probabilités" associées aux cotes précédentes.

Match 1 N 2 Somme
PSG // Monaco 0,74 0,22 0,12 1,08
Lyon // Nantes 0,61 0,29 0,17 1,07
Marseille // Rennes 0,56 0,29 0,22 1,07

 Les bookmakers prennent leurs marges !!!

Probabilités et matchs de football Semaine des mathématiques – 6 / 29
 Pourquoi ça marge (avec un grand nombre de paris)?

ä Supposons que je paris 1 euro sur les trois paris possibles du match
PSG // Monaco. J’ai donc misé au total 3 euros.

Probabilités et matchs de football Semaine des mathématiques – 7 / 29

 Pourquoi ça marge (avec un grand nombre de paris)?

ä Supposons que je paris 1 euro sur les trois paris possibles du match
PSG // Monaco. J’ai donc misé au total 3 euros.
ä A l’issue du match, trois cas sont alors possibles :

Résultat du match Cote Gain Proba. Proba. × Gain

1 : PSG gagne 1,16 −3 + 1, 36 = −1, 64 0,69 -1,13
N : Match nul 7,00 −3 + 4, 60 = 1, 60 0,20 0,32
2 : Monaco gagne 17,00 −3 + 8, 50 = 5, 50 0,11 0,60
Total 1 -0,20

Probabilités et matchs de football Semaine des mathématiques – 7 / 29

 Pourquoi ça marge (avec un grand nombre de paris)?

ä Supposons que je paris 1 euro sur les trois paris possibles du match
PSG // Monaco. J’ai donc misé au total 3 euros.
ä A l’issue du match, trois cas sont alors possibles :

Résultat du match Cote Gain Proba. Proba. × Gain

1 : PSG gagne 1,16 −3 + 1, 36 = −1, 64 0,69 -1,13
N : Match nul 7,00 −3 + 4, 60 = 1, 60 0,20 0,32
2 : Monaco gagne 17,00 −3 + 8, 50 = 5, 50 0,11 0,60
Total 1 -0,20

ä En fait la formule du gain moyen est simple (sous hypothèse)

µ ¶
X 1 1
Gain moyen = −3 + cotes × proba. = −3 + 3 × =3 − 1 < 0.
marge marge

Probabilités et matchs de football Semaine des mathématiques – 7 / 29

 Pourquoi ça marge (avec un grand nombre de paris)?

ä Supposons que je paris 1 euro sur les trois paris possibles du match
PSG // Monaco. J’ai donc misé au total 3 euros.
ä A l’issue du match, trois cas sont alors possibles :

Résultat du match Cote Gain Proba. Proba. × Gain

1 : PSG gagne 1,16 −3 + 1, 36 = −1, 64 0,69 -1,13
N : Match nul 7,00 −3 + 4, 60 = 1, 60 0,20 0,32
2 : Monaco gagne 17,00 −3 + 8, 50 = 5, 50 0,11 0,60
Total 1 -0,20

ä En fait la formule du gain moyen est simple (sous hypothèse)

µ ¶
X 1 1
Gain moyen = −3 + cotes × proba. = −3 + 3 × =3 − 1 < 0.
marge marge



Ici le PMU gagne en moyenne 6 centimes / euro misé.
Journée type de L1 : 5 millions d’euros engagés ⇒ 300 000 euros. . .

Probabilités et matchs de football Semaine des mathématiques – 7 / 29

1. Les paris sportifs

2. Modélisation
⊲ stochastique
Les statistiques
Exemples
Principe générique

3. Football

4. Application

2. Modélisation stochastique

Probabilités et matchs de football Semaine des mathématiques – 8 / 29

 Les statistiques

1. Les paris sportifs

ä Pour beaucoup de gens, la statistique se résume à :
2. Modélisation
stochastique
– calculer des moyennes, médianes ;
⊲ Les statistiques
Exemples – faire de beaux graphiques (histogramme).
Principe générique

3. Football ä Rien de bien passionnant donc !

4. Application

Probabilités et matchs de football Semaine des mathématiques – 9 / 29

 Les statistiques

1. Les paris sportifs

ä Pour beaucoup de gens, la statistique se résume à :
2. Modélisation
stochastique
– calculer des moyennes, médianes ;
⊲ Les statistiques
Exemples – faire de beaux graphiques (histogramme).
Principe générique

3. Football ä Rien de bien passionnant donc !

4. Application ä C’est en fait très réducteur et ignore tout un pan de la
statistique qu’est la

modélisation stochastique

ä Voyons quelques exemples.

Probabilités et matchs de football Semaine des mathématiques – 9 / 29

 Exemples

1. Les paris sportifs

ä Prévision d’une série
2. Modélisation
stochastique temporelle comme :
Les statistiques
⊲ Exemples – la température à
Principe générique
Montpellier pour les
3. Football
prochains jours ;
4. Application
– le cours d’un actif
financier. . .

Probabilités et matchs de football Semaine des mathématiques – 10 / 29

 Exemples

1. Les paris sportifs

ä Prévision d’une quantité
2. Modélisation
stochastique d’intérêt sur une région
Les statistiques
d’étude comme :
⊲ Exemples
Principe générique
– la concentration d’un
3. Football
polluant dans le sol ;
4. Application
– le nombre de personnes
atteintes de la grippe. . .

Probabilités et matchs de football Semaine des mathématiques – 10 / 29

 Exemples

1. Les paris sportifs

ä Prévisions sportives
2. Modélisation
stochastique comme :
Les statistiques
⊲ Exemples – l’issue des matchs de
Principe générique
Ligue 1 !!!
3. Football

4. Application

Probabilités et matchs de football Semaine des mathématiques – 10 / 29

 Principe générique

1. Les paris sportifs

ä La modélisation statistique repose (bien souvent) sur un
2. Modélisation
stochastique modèle statistique noté
Les statistiques
Exemples © ª
Principe f (y; θ) : y ∈ Y , θ ∈ Θ ,
⊲ générique

3. Football
où
4. Application
– y correspondra à des observations (e.g., nombre de buts) ;
– θ est un ensemble de paramètres à déterminer à l’aide des
données disponibles—on parle alors d’estimation.

 Avoir un bon modèle statistique et les valeurs adéquates des

paramètres est le saint graal du statisticien !

Probabilités et matchs de football Semaine des mathématiques – 11 / 29

1. Les paris sportifs

2. Modélisation
stochastique

⊲ 3. Football
Objectifs
Représenter le hasard
Loi de Poisson
Le paramètre λ de la
loi de Poisson
Formalisation
mathématique 3. Football
Parcimonie

4. Application

Probabilités et matchs de football Semaine des mathématiques – 12 / 29

 Objectifs

1. Les paris sportifs

ä Nous voulons avoir une approche statistique pour établir des
2. Modélisation
stochastique paris sur les matchs de Ligue 1.
3. Football ä On va se concentrer sur les paris de type 1N2 pour lesquels 3
⊲ Objectifs options sont possibles :
Représenter le hasard
Loi de Poisson
Le paramètre λ de la 1 Victoire de l’équipe qui joue à domicile ;
loi de Poisson
Formalisation N Match nul ;
mathématique
Parcimonie 2 Victoire de l’équipe qui joue à l’extérieur.
4. Application
ä On aimerait également avoir la possibilité de parier sur le
score exact—si nous nous sentons téméraires.

Probabilités et matchs de football Semaine des mathématiques – 13 / 29

 Objectifs

1. Les paris sportifs

ä Nous voulons avoir une approche statistique pour établir des
2. Modélisation
stochastique paris sur les matchs de Ligue 1.
3. Football ä On va se concentrer sur les paris de type 1N2 pour lesquels 3
⊲ Objectifs options sont possibles :
Représenter le hasard
Loi de Poisson
Le paramètre λ de la 1 Victoire de l’équipe qui joue à domicile ;
loi de Poisson
Formalisation N Match nul ;
mathématique
Parcimonie 2 Victoire de l’équipe qui joue à l’extérieur.
4. Application
ä On aimerait également avoir la possibilité de parier sur le
score exact—si nous nous sentons téméraires.

 Avoir recours aux approches probabilistes est complètement

naturel puisque l’issue d’un match reste incertaine avant que ce
dernier ne soit terminé. . .

Probabilités et matchs de football Semaine des mathématiques – 13 / 29

 Où est l’aléa dans un match de foot ?

ä Il n’y pas de réponse universelle à cette question :-(

1. Les paris sportifs
ä Cela dépend du degré de sophistication mis en oeuvre.
2. Modélisation
stochastique ä Cela dit une approche naturelle est de considérer que l’aléa
3. Football
Objectifs
porte sur le nombre de buts inscrits par l’équipe A (domicile)
Représenter le et l’équipe B (extérieure).
⊲ hasard
Loi de Poisson
Le paramètre λ de la
loi de Poisson
Formalisation
mathématique
Parcimonie

4. Application

Probabilités et matchs de football Semaine des mathématiques – 14 / 29

 Où est l’aléa dans un match de foot ?

ä Il n’y pas de réponse universelle à cette question :-(

1. Les paris sportifs
ä Cela dépend du degré de sophistication mis en oeuvre.
2. Modélisation
stochastique ä Cela dit une approche naturelle est de considérer que l’aléa
3. Football
Objectifs
porte sur le nombre de buts inscrits par l’équipe A (domicile)
Représenter le et l’équipe B (extérieure).
⊲ hasard
Loi de Poisson ä Notons donc pour le match A reçoit B
Le paramètre λ de la
loi de Poisson
Formalisation
mathématique
N A = Nombre de buts de l’équipe A
Parcimonie
NB = Nombre de buts de l’équipe B
4. Application

ä N A et NB sont ce qu’on appelle des variables aléatoires.

ä Ici la modélisation stochastique consiste donc à "trouver" le
modèle statistique
© ª
f (y; θ) : y ∈ N × N, θ ∈ Θ , (N = {0, 1, 2, . . .}),

pour le couple (N A , NB ).

Probabilités et matchs de football Semaine des mathématiques – 14 / 29

 Petite remarque en passant

1. Les paris sportifs

ä Si notre intérêt porte seulement sur les paris de type 1N2, on
2. Modélisation
stochastique pourrait alors chercher un modèle statistique
3. Football
Objectifs { f (y; θ) : y ∈ Z, θ ∈ Θ}, (Z = {. . . , −1, 0, 1, . . .}),
Représenter le
⊲ hasard
Loi de Poisson
Le paramètre λ de la
pour l’entier D = N A − NB .
loi de Poisson
Formalisation
ä En effet, on a clairement
mathématique
Parcimonie
Victoire de A ⇐⇒ N A > NB ⇐⇒ D > 0
4. Application
Match nul ⇐⇒ N A = NB ⇐⇒ D = 0
Victoire de B ⇐⇒ N A < NB ⇐⇒ D < 0

Probabilités et matchs de football Semaine des mathématiques – 15 / 29

 Petite remarque en passant

1. Les paris sportifs

ä Si notre intérêt porte seulement sur les paris de type 1N2, on
2. Modélisation
stochastique pourrait alors chercher un modèle statistique
3. Football
Objectifs { f (y; θ) : y ∈ Z, θ ∈ Θ}, (Z = {. . . , −1, 0, 1, . . .}),
Représenter le
⊲ hasard
Loi de Poisson
Le paramètre λ de la
pour l’entier D = N A − NB .
loi de Poisson
Formalisation
ä En effet, on a clairement
mathématique
Parcimonie
Victoire de A ⇐⇒ N A > NB ⇐⇒ D > 0
4. Application
Match nul ⇐⇒ N A = NB ⇐⇒ D = 0
Victoire de B ⇐⇒ N A < NB ⇐⇒ D < 0

La remarque de .
Par contre, on ne pourra plus prédire le score exact. . .

Probabilités et matchs de football Semaine des mathématiques – 15 / 29

 Loi de Poisson

1. Les paris sportifs

Théorème.
2. Modélisation
stochastique Soit X (n, p) ∼ Bin(n, p)—nombre de succès parmi n tentatives
3. Football indépendantes chacune de probabilité de réussite p. Si
Objectifs
Représenter le hasard
np → λ < ∞ lorsque n → ∞, alors
⊲ Loi de Poisson
Le paramètre λ de la
loi de Poisson X (n, p) −→ Poisson(λ), n → ∞.
Formalisation
mathématique
Parcimonie

4. Application

Probabilités et matchs de football Semaine des mathématiques – 16 / 29

 Loi de Poisson

1. Les paris sportifs

Théorème.
2. Modélisation
stochastique Soit X (n, p) ∼ Bin(n, p)—nombre de succès parmi n tentatives
3. Football indépendantes chacune de probabilité de réussite p. Si
Objectifs
Représenter le hasard
np → λ < ∞ lorsque n → ∞, alors
⊲ Loi de Poisson
Le paramètre λ de la
loi de Poisson X (n, p) −→ Poisson(λ), n → ∞.
Formalisation
mathématique
Parcimonie

4. Application
La remarque de .
Si l’équipe A, lors du match contre l’équipe B , a un nombre assez
grand d’occasions de but

Probabilités et matchs de football Semaine des mathématiques – 16 / 29

 Loi de Poisson

1. Les paris sportifs

Théorème.
2. Modélisation
stochastique Soit X (n, p) ∼ Bin(n, p)—nombre de succès parmi n tentatives
3. Football indépendantes chacune de probabilité de réussite p. Si
Objectifs
Représenter le hasard
np → λ < ∞ lorsque n → ∞, alors
⊲ Loi de Poisson
Le paramètre λ de la
loi de Poisson X (n, p) −→ Poisson(λ), n → ∞.
Formalisation
mathématique
Parcimonie

4. Application
La remarque de .
Si l’équipe A, lors du match contre l’équipe B , a un nombre assez
grand d’occasions de but mais que seulement un petit nombre
d’entre elles se concrétisent,

Probabilités et matchs de football Semaine des mathématiques – 16 / 29

 Loi de Poisson

1. Les paris sportifs

Théorème.
2. Modélisation
stochastique Soit X (n, p) ∼ Bin(n, p)—nombre de succès parmi n tentatives
3. Football indépendantes chacune de probabilité de réussite p. Si
Objectifs
Représenter le hasard
np → λ < ∞ lorsque n → ∞, alors
⊲ Loi de Poisson
Le paramètre λ de la
loi de Poisson X (n, p) −→ Poisson(λ), n → ∞.
Formalisation
mathématique
Parcimonie

4. Application
La remarque de .
Si l’équipe A, lors du match contre l’équipe B , a un nombre assez
grand d’occasions de but mais que seulement un petit nombre
d’entre elles se concrétisent, alors le nombre de buts de l’équipe
A devrait suivre une loi de Poisson !!! (et idem pour l’équipe B )

Probabilités et matchs de football Semaine des mathématiques – 16 / 29

 Loi de Poisson

1. Les paris sportifs

Théorème.
2. Modélisation
stochastique Soit X (n, p) ∼ Bin(n, p)—nombre de succès parmi n tentatives
3. Football indépendantes chacune de probabilité de réussite p. Si
Objectifs
Représenter le hasard
np → λ < ∞ lorsque n → ∞, alors
⊲ Loi de Poisson
Le paramètre λ de la
loi de Poisson X (n, p) −→ Poisson(λ), n → ∞.
Formalisation
mathématique
Parcimonie

4. Application
La remarque de .
Si l’équipe A, lors du match contre l’équipe B , a un nombre assez
grand d’occasions de but mais que seulement un petit nombre
d’entre elles se concrétisent, alors le nombre de buts de l’équipe
A devrait suivre une loi de Poisson !!! (et idem pour l’équipe B )

 Vérifions ça sur des données. . .

Probabilités et matchs de football Semaine des mathématiques – 16 / 29
 Buts inscrits lors de la saison 2014–2015 de Ligue 1
140

140
120

120
100

100
80

80
Effectifs

Effectifs
60

60
40

40
20

20
0

0
0 1 2 3 4 5 6 0 1 2 3 4 5 6 7
Nombre de buts inscrits a domicile Nombre de buts inscrits a l’exterieur

Probabilités et matchs de football Semaine des mathématiques – 17 / 29

 Buts inscrits lors de la saison 2014–2015 de Ligue 1
140

140
Observations
120

120
Poisson
100

100
80

80
Effectifs

Effectifs
60

60
40

40
20

20
0

0
0 1 2 3 4 5 6 0 1 2 3 4 5 6 7
Nombre de buts inscrits a domicile Nombre de buts inscrits a l’exterieur

Probabilités et matchs de football Semaine des mathématiques – 17 / 29

 Buts inscrits lors de la saison 2014–2015 de Ligue 1
140

140
Observations
120

120
Poisson
100

100
80

80
Effectifs

Effectifs
60

60
40

40
20

20
0

0
0 1 2 3 4 5 6 0 1 2 3 4 5 6 7
Nombre de buts inscrits a domicile Nombre de buts inscrits a l’exterieur

La remarque de .

ä Les théorèmes c’est pas juste pour embêter les étudiants. . .

ä Ça a souvent une interprétation concrète—surtout en maths appli !!!

Probabilités et matchs de football Semaine des mathématiques – 17 / 29

 Le paramètre λ de la loi de Poisson

1. Les paris sportifs

ä La loi de Poisson possède un unique paramètre (souvent) noté
2. Modélisation
stochastique λ > 0.
3. Football ä Son interprétation est simple :
Objectifs
Représenter le hasard – plus λ est grand, plus l’équipe marquera de buts en
Loi de Poisson
Le paramètre λ de moyenne ;
⊲ la loi de Poisson
Formalisation – plus λ est proche de 0, moins elle marquera de buts en
mathématique
Parcimonie moyenne.
4. Application

Probabilités et matchs de football Semaine des mathématiques – 18 / 29

 Le paramètre λ de la loi de Poisson

1. Les paris sportifs

ä La loi de Poisson possède un unique paramètre (souvent) noté
2. Modélisation
stochastique λ > 0.
3. Football ä Son interprétation est simple :
Objectifs
Représenter le hasard – plus λ est grand, plus l’équipe marquera de buts en
Loi de Poisson
Le paramètre λ de moyenne ;
⊲ la loi de Poisson
Formalisation – plus λ est proche de 0, moins elle marquera de buts en
mathématique
Parcimonie moyenne.
4. Application
400

400
Loi de Poisson avec λ = 1 Loi de Poisson avec λ = 5
300

300
Effectif

Effectif
200

200
100

100
0

0
0 1 2 3 4 6 7 0 1 2 3 4 5 6 7 8 9 10 11 12 13
Nombre de buts fictifs Nombre de buts fictifs

Probabilités et matchs de football Semaine des mathématiques – 18 / 29

 Le paramètre λ de la loi de Poisson

1. Les paris sportifs

ä La loi de Poisson possède un unique paramètre (souvent) noté
2. Modélisation
stochastique λ > 0.
3. Football ä Son interprétation est simple :
Objectifs
Représenter le hasard – plus λ est grand, plus l’équipe marquera de buts en
Loi de Poisson
Le paramètre λ de moyenne ;
⊲ la loi de Poisson
Formalisation – plus λ est proche de 0, moins elle marquera de buts en
mathématique
Parcimonie moyenne.
4. Application

La remarque de .

ä Donc typiquement λPSG > λTroyes non ?

ä Mais peut être aussi que λdomicile > λexterieur ?

Probabilités et matchs de football Semaine des mathématiques – 18 / 29

 Formalisation mathématique

1. Les paris sportifs

ä Il s’agit maintenant de traduire nos intuitions en
2. Modélisation
stochastique maths. . . C’est le travail d’un modélisateur !
3. Football
Objectifs
Représenter le hasard
Loi de Poisson
Le paramètre λ de la
loi de Poisson
Formalisation
⊲ mathématique
Parcimonie

4. Application

Probabilités et matchs de football Semaine des mathématiques – 19 / 29

 Formalisation mathématique

1. Les paris sportifs

ä Il s’agit maintenant de traduire nos intuitions en
2. Modélisation
stochastique maths. . . C’est le travail d’un modélisateur !
3. Football ä Considérons le match de A recevant B .
Objectifs
Représenter le hasard
Loi de Poisson
Le paramètre λ de la
loi de Poisson
Formalisation
⊲ mathématique
Parcimonie

4. Application

Probabilités et matchs de football Semaine des mathématiques – 19 / 29

 Formalisation mathématique

1. Les paris sportifs

ä Il s’agit maintenant de traduire nos intuitions en
2. Modélisation
stochastique maths. . . C’est le travail d’un modélisateur !
3. Football ä Considérons le match de A recevant B .
Objectifs
Représenter le hasard
ä On pourrait considérer le modèle suivant
Loi de Poisson
Le paramètre λ de la
loi de Poisson N A ∼ Poisson(λ A ), NB ∼ Poisson(λB ),
Formalisation
⊲ mathématique
Parcimonie où
4. Application
¡ ¢
λ A = exp µ + domicile A + attaque A − défenseB ,
¡ ¢
λB = exp µ + attaqueB − défense A .

Probabilités et matchs de football Semaine des mathématiques – 19 / 29

 Formalisation mathématique

1. Les paris sportifs

ä Il s’agit maintenant de traduire nos intuitions en
2. Modélisation
stochastique maths. . . C’est le travail d’un modélisateur !
3. Football ä Considérons le match de A recevant B .
Objectifs
Représenter le hasard
ä On pourrait considérer le modèle suivant
Loi de Poisson
Le paramètre λ de la
loi de Poisson N A ∼ Poisson(λ A ), NB ∼ Poisson(λB ),
Formalisation
⊲ mathématique
Parcimonie où
4. Application
¡ ¢
λ A = exp µ + domicile A + attaque A − défenseB ,
¡ ¢
λB = exp µ + attaqueB − défense A .

 µ est lié au nombre attendu de buts marqués par une équipe

quelconque de Ligue 1

Probabilités et matchs de football Semaine des mathématiques – 19 / 29

 Formalisation mathématique

1. Les paris sportifs

ä Il s’agit maintenant de traduire nos intuitions en
2. Modélisation
stochastique maths. . . C’est le travail d’un modélisateur !
3. Football ä Considérons le match de A recevant B .
Objectifs
Représenter le hasard
ä On pourrait considérer le modèle suivant
Loi de Poisson
Le paramètre λ de la
loi de Poisson N A ∼ Poisson(λ A ), NB ∼ Poisson(λB ),
Formalisation
⊲ mathématique
Parcimonie où
4. Application
¡ ¢
λ A = exp µ + domicile A + attaque A − défenseB ,
¡ ¢
λB = exp µ + attaqueB − défense A .

 domicile est lié au “surplus offensif” de l’équipe A lorsqu’elle

A
joue à domicile

Probabilités et matchs de football Semaine des mathématiques – 19 / 29

 Formalisation mathématique

1. Les paris sportifs

ä Il s’agit maintenant de traduire nos intuitions en
2. Modélisation
stochastique maths. . . C’est le travail d’un modélisateur !
3. Football ä Considérons le match de A recevant B .
Objectifs
Représenter le hasard
ä On pourrait considérer le modèle suivant
Loi de Poisson
Le paramètre λ de la
loi de Poisson N A ∼ Poisson(λ A ), NB ∼ Poisson(λB ),
Formalisation
⊲ mathématique
Parcimonie où
4. Application
¡ ¢
λ A = exp µ + domicile A + attaque A − défenseB ,
¡ ¢
λB = exp µ + attaqueB − défense A .

 attaque A est lié à la performance offensive de l’équipe A

Probabilités et matchs de football Semaine des mathématiques – 19 / 29

 Formalisation mathématique

1. Les paris sportifs

ä Il s’agit maintenant de traduire nos intuitions en
2. Modélisation
stochastique maths. . . C’est le travail d’un modélisateur !
3. Football ä Considérons le match de A recevant B .
Objectifs
Représenter le hasard
ä On pourrait considérer le modèle suivant
Loi de Poisson
Le paramètre λ de la
loi de Poisson N A ∼ Poisson(λ A ), NB ∼ Poisson(λB ),
Formalisation
⊲ mathématique
Parcimonie où
4. Application
¡ ¢
λ A = exp µ + domicile A + attaque A − défenseB ,
¡ ¢
λB = exp µ + attaqueB − défense A .

 defense B est lié à la performance défensive de l’équipe B

Probabilités et matchs de football Semaine des mathématiques – 19 / 29

 Formalisation mathématique

1. Les paris sportifs

ä Il s’agit maintenant de traduire nos intuitions en
2. Modélisation
stochastique maths. . . C’est le travail d’un modélisateur !
3. Football ä Considérons le match de A recevant B .
Objectifs
Représenter le hasard
ä On pourrait considérer le modèle suivant
Loi de Poisson
Le paramètre λ de la
loi de Poisson N A ∼ Poisson(λ A ), NB ∼ Poisson(λB ),
Formalisation
⊲ mathématique
Parcimonie où
4. Application
¡ ¢
λ A = exp µ + domicile A + attaque A − défenseB ,
¡ ¢
λB = exp µ + attaqueB − défense A .

La remarque de .
On utilise une exponentielle pour que nos “λ” soient toujours
positifs.
Probabilités et matchs de football Semaine des mathématiques – 19 / 29
 Parcimonie

ä Le modèle proposé possède trop de paramètres—Occam’s

1. Les paris sportifs

2. Modélisation
razor.
stochastique ä En effet on a en tout 1 + 3 × 20 = 61 paramètres pour
3. Football
Objectifs
“seulement” 380 matchs !
Représenter le hasard ä Soit environ 1 paramètre pour 6 observations : c’est trop !
Loi de Poisson
Le paramètre λ de la ä Une approche classique consiste à “apprendre de ses pairs”
loi de Poisson
Formalisation
mathématique
⊲ Parcimonie
4. Application

Probabilités et matchs de football Semaine des mathématiques – 20 / 29

 Parcimonie

ä Le modèle proposé possède trop de paramètres—Occam’s

1. Les paris sportifs

2. Modélisation
razor.
stochastique ä En effet on a en tout 1 + 3 × 20 = 61 paramètres pour
3. Football
Objectifs
“seulement” 380 matchs !
Représenter le hasard ä Soit environ 1 paramètre pour 6 observations : c’est trop !
Loi de Poisson
Le paramètre λ de la ä Une approche classique consiste à “apprendre de ses pairs”
loi de Poisson
Formalisation
mathématique
⊲ Parcimonie
4. Application

attaque A ∼ N (0, 10)

Probabilités et matchs de football Semaine des mathématiques – 20 / 29

 Parcimonie

ä Le modèle proposé possède trop de paramètres—Occam’s

1. Les paris sportifs

2. Modélisation
razor.
stochastique ä En effet on a en tout 1 + 3 × 20 = 61 paramètres pour
3. Football
Objectifs
“seulement” 380 matchs !
Représenter le hasard ä Soit environ 1 paramètre pour 6 observations : c’est trop !
Loi de Poisson
Le paramètre λ de la ä Une approche classique consiste à “apprendre de ses pairs”
loi de Poisson
Formalisation
mathématique
⊲ Parcimonie
4. Application

attaque A ∼ N (0, 10)

Probabilités et matchs de football Semaine des mathématiques – 20 / 29

 Résumons ce que nous avons fait : A reçoit B

Probabilités et matchs de football Semaine des mathématiques – 21 / 29

 Résumons ce que nous avons fait : A reçoit B

NA NB

Probabilités et matchs de football Semaine des mathématiques – 21 / 29

 Résumons ce que nous avons fait : A reçoit B

défenseB attaque A

NA NB

domicile A µ

Probabilités et matchs de football Semaine des mathématiques – 21 / 29

 Résumons ce que nous avons fait : A reçoit B

défenseB attaque A attaqueB défense A

NA NB

domicile A µ

Probabilités et matchs de football Semaine des mathématiques – 21 / 29

 Résumons ce que nous avons fait : A reçoit B

Attaque L1

défenseB attaque A attaqueB défense A

NA NB

domicile A µ

Probabilités et matchs de football Semaine des mathématiques – 21 / 29

 Résumons ce que nous avons fait : A reçoit B

Attaque L1 Défense L1

défenseB attaque A attaqueB défense A

NA NB

domicile A µ

Probabilités et matchs de football Semaine des mathématiques – 21 / 29

 Résumons ce que nous avons fait : A reçoit B

Attaque L1 Défense L1

défenseB attaque A attaqueB défense A

NA NB

domicile A µ

Effet domicile L1 Championnats européens

Probabilités et matchs de football Semaine des mathématiques – 21 / 29

1. Les paris sportifs

2. Modélisation
stochastique

3. Football

⊲ 4. Application
Les données
Résultats
Pronostics

4. Application

Probabilités et matchs de football Semaine des mathématiques – 22 / 29

 Les données

1. Les paris sportifs

2. Modélisation
Date Domicile Extérieur But domicile But extérieur
stochastique 07/08/15 Lille Paris SG 0 1
3. Football
08/08/15 Bastia Rennes 2 1
4. Application
⊲ Les données 08/08/15 Marseille Caen 0 1
Résultats 08/08/15 Montpellier Angers 0 2
Pronostics
.. .. .. .. ..
. . . . .
12/03/16 Toulouse Bordeaux 4 0
13/03/16 Nantes Angers 2 0
13/03/16 Troyes Paris SG 0 9
13/03/16 Rennes Lyon 2 2

Probabilités et matchs de football Semaine des mathématiques – 23 / 29

 Les données

1. Les paris sportifs

2. Modélisation
Date Domicile Extérieur But domicile But extérieur
stochastique 07/08/15 Lille Paris SG 0 1
3. Football
08/08/15 Bastia Rennes 2 1
4. Application
⊲ Les données 08/08/15 Marseille Caen 0 1
Résultats 08/08/15 Montpellier Angers 0 2
Pronostics
.. .. .. .. ..
. . . . .
12/03/16 Toulouse Bordeaux 4 0
13/03/16 Nantes Angers 2 0
13/03/16 Troyes Paris SG 0 9
13/03/16 Rennes Lyon 2 2

ä A partir de ces données, nous sommes capable de déterminer

des bonnes valeurs pour les paramètres—c’est l’estimation.

Probabilités et matchs de football Semaine des mathématiques – 23 / 29

 Résultats

µ ≈ −0.11 =⇒ exp(−0, 11) ≈ 0, 9 buts / match

Attaque Défense Domicile

Ajaccio GFCO 0,00 -0,24 -0,31
Angers 0,12 0,13 -0,33
Bastia -0,54 0,10 0,66
Bordeaux 0,19 -0,30 -0,02
Caen 0,24 -0,19 -0,45
Guingamp -0,45 -0,26 0,69
Lille -0,95 0,50 0,63
Lorient 0,17 -0,18 0,03
Lyon 0,15 0,03 0,31
Marseille 0,22 0,26 -0,07
Monaco 0,26 0,08 -0,06
Montpellier 0,17 -0,10 -0,06
Nantes -0,34 0,26 0,12
Nice 0,22 -0,03 0,02
Paris SG 0,79 1,06 0,14
Reims -0,12 -0,16 0,15
Rennes 0,34 0,01 -0,62
St Etienne 0,04 0,00 0,17
Toulouse -0,23 -0,40 0,09
Troyes -0,29 -0,60 -1,11

Probabilités et matchs de football Semaine des mathématiques – 24 / 29

 Résultats

µ ≈ −0.11 =⇒ exp(−0, 11) ≈ 0, 9 buts / match

Attaque Défense Domicile

Ajaccio GFCO 0,00 -0,24 -0,31 La remarque de .


Angers 0,12 0,13 -0,33
Bastia -0,54 0,10 0,66
L’effet à domicile de Bastia est de
Bordeaux 0,19 -0,30 -0,02
Caen 0,24 -0,19 -0,45 0,66, i.e., Bastia marque en
Guingamp -0,45 -0,26 0,69 moyenne exp(0, 66) ≈ 1, 93 fois
Lille -0,95 0,50 0,63


Lorient 0,17 -0,18 0,03 plus de buts à domicile.
Lyon 0,15 0,03 0,31 L’effet à domicile du MHSC est
Marseille 0,22 0,26 -0,07
Monaco 0,26 0,08 -0,06
quasiment inexistant ⇒
Montpellier 0,17 -0,10 -0,06 supporters bougez vous !
Nantes -0,34 0,26 0,12
Nice 0,22 -0,03 0,02
Paris SG 0,79 1,06 0,14
Reims -0,12 -0,16 0,15
Rennes 0,34 0,01 -0,62
St Etienne 0,04 0,00 0,17
Toulouse -0,23 -0,40 0,09
Troyes -0,29 -0,60 -1,11

Probabilités et matchs de football Semaine des mathématiques – 24 / 29

 Les chiffres c’est bien, mais les graphiques. . .

1. Les paris sportifs

2. Modélisation
stochastique

3. Football

4. Application
Les données
⊲ Résultats
Pronostics

Probabilités et matchs de football Semaine des mathématiques – 25 / 29

 Les chiffres c’est bien, mais les graphiques. . .

1. Les paris sportifs

2. Modélisation
stochastique

3. Football

4. Application
Les données
⊲ Résultats
Pronostics

−2 −1 0 1
Performance offensive

Probabilités et matchs de football Semaine des mathématiques – 25 / 29

 Les chiffres c’est bien, mais les graphiques. . .

1. Les paris sportifs

2. Modélisation
stochastique

3. Football

4. Application
Les données
⊲ Résultats
Pronostics

−1 0 1 2
Performance defensive

Probabilités et matchs de football Semaine des mathématiques – 25 / 29

 Les chiffres c’est bien, mais les graphiques. . .

1. Les paris sportifs

2. Modélisation
stochastique

3. Football

4. Application
Les données
⊲ Résultats
Pronostics

−3 −2 −1 0 1 2
Effet domicile

Probabilités et matchs de football Semaine des mathématiques – 25 / 29

 Les chiffres c’est bien, mais les graphiques. . .

1.0
1. Les paris sportifs

2. Modélisation
stochastique

3. Football

4. Application

0.5
Les données Performance defensive
⊲ Résultats
Pronostics
0.0
−0.5

−1.0 −0.5 0.0 0.5

Performance offensive

Probabilités et matchs de football Semaine des mathématiques – 25 / 29

 Les chiffres c’est bien, mais les graphiques. . .

1. Les paris sportifs

0.5
2. Modélisation
stochastique

3. Football

4. Application
Les données
⊲ Résultats
0.0
Effet domicile

Pronostics
−0.5
−1.0

−1.0 −0.5 0.0 0.5

Performance offensive

Probabilités et matchs de football Semaine des mathématiques – 25 / 29

 Et les pronostics alors ?

1. Les paris sportifs

ä D’accord on connaît les paramètres mais je m’en fiche un peu
2. Modélisation
stochastique en fait. . . Ce qui m’intéresse c’est le pronostic !
3. Football

4. Application
Les données
Résultats
⊲ Pronostics

Probabilités et matchs de football Semaine des mathématiques – 26 / 29

 Et les pronostics alors ?

1. Les paris sportifs

ä D’accord on connaît les paramètres mais je m’en fiche un peu
2. Modélisation
stochastique en fait. . . Ce qui m’intéresse c’est le pronostic !
3. Football ä La stratégie est toute simple. . . Illustrons la pour match de A
4. Application recevant B .
Les données
Résultats 1. Je récupère les paramètres de A et ceux de B ;
⊲ Pronostics
2. A l’aide de l’ordinateur, je génère des matchs fictifs avec
ces paramètres, i.e.,

N A ∼ Poisson(λ A ), NB ∼ Poisson(λB ).

3. Sur ces matchs fictifs je regarde le nombre de fois où A à

gagné par exemple. Si ce nombre est grand, je miserai sur
la victoire de A (car c’est très probable).

Probabilités et matchs de football Semaine des mathématiques – 26 / 29

1. Les paris sportifs
Exemple 3. Pour le match PSG // Monaco de ce week-end, on a
2. Modélisation
stochastique obtenu
3. Football λPSG = 1, 99, λMonaco = 0, 43.
4. Application
Les données On fait alors jouer par ordinateur 5000 matchs fictifs (loi de
Résultats
⊲ Pronostics Poisson), et on obtient

1 N 2
PSG // Monaco 3716 892 392

 Je miserai donc sur une victoire de PSG—comme par hasard !!!

Probabilités et matchs de football Semaine des mathématiques – 27 / 29
 Pronostic (enfin les proba.)

1. Les paris sportifs

2. Modélisation Table 2: Probabilités renvoyées par le modèle pour les paris 1N2 de la 31ème journée de
stochastique
Ligue 1.
3. Football
Match 1 N 2
4. Application
Les données Marseille // Rennes 0.34 0.32 0.34
Résultats
St Etienne // Montpellier 0.37 0.31 0.32
⊲ Pronostics
Caen // Troyes 0.52 0.26 0.22
Reims // Guingamp 0.48 0.30 0.22
Angers // Lorient 0.28 0.37 0.35
Lille // Toulouse 0.49 0.35 0.17
Lyon // Nantes 0.50 0.32 0.18
Bordeaux // Bastia 0.35 0.35 0.30
Nice // Ajaccio GFCO 0.43 0.31 0.26
Paris SG // Monaco 0.73 0.20 0.07

Probabilités et matchs de football Semaine des mathématiques – 28 / 29