Najbliższy mecz
kolejka 12 · sobota, 24 października · u siebie
BKS TUR Bielsk Podlaski
vs
MKS RUCH Wysokie Mazowieckie
BKS TUR Bielsk Podlaski jest faworytem. Szczegóły prognozy
Szansa na top 3
22%
tak kończy się 2 na 10 symulacji sezonu
Punkty na koniec sezonu
56,8
± 6,1 · miejsce średnio 4,8.
BKS TUR Bielsk Podlaski zajmuje 4. miejsce (na 16) z 20 pkt po 11 meczach. Ostatnie 5 meczów: 4 zwycięstwa, 0 remisów, 1 porażka. Model prognozuje 56,8 ± 6,1 pkt na koniec sezonu; mistrzostwo rzadziej niż w 1 na 10 symulacji, pierwsza trójka w 2 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 →- 2. KS WARMIA Grajewo 26 pkt
- 3. ŁKS II Łomża 24 pkt
- 4. BKS TUR Bielsk Podlaski 20 pkt
- 5. MLKS WISSA Szczuczyn 19 pkt
- 6. KS HETMAN SKŁODOWSCY Tykocin 19 pkt
Koniec sezonu
Cała liga →P(top 3)
22%
P(spadek)
0%
Przedział punktów
44–68
95% symulacji
Rozkład końcowych miejsc
Oczekiwane miejsce: 4,8
Kolejne mecze
31.10 · kolejka 13
na wyjeździe
BKS TUR Bielsk Podlaski
@
MKS SUPRAŚLANKA Supraśl
BKS TUR Bielsk Podlaski faworytem.
07.11 · kolejka 14
u siebie
BKS TUR Bielsk Podlaski
vs
UKS PIONIER Brańsk
BKS TUR Bielsk Podlaski faworytem.
Model vs rzeczywistość
trafienia 4/11W 4 z 11 meczów faworyt wskazany przez model był właściwy. Średnio model dawał faktycznemu rozstrzygnięciu 37% — ta drużyna zaskakuje model częściej niż inne.
- 1. z KS Michałowo · 09.08 1:2 P 17%
- 2. u LUKS CZARNI Czarna Białostocka · 15.08 0:0 R 20%
- 3. z SKS POMORZANKA Sejny · 22.08 3:1 Z 60%
- 4. z LKS PROMIEŃ Mońki · 29.08 1:3 P 33%
- 5. u KS HETMAN SKŁODOWSCY Tykocin · 05.09 2:2 R 18%
- 6. z UKS KRYPNIANKA Krypno · 12.09 2:0 Z 69%
- 7. u MLKS WISSA Szczuczyn · 20.09 6:1 Z 16%
- 8. z KS Wasilków · 26.09 2:1 Z 11%
- 9. u ŁKS II Łomża · 04.10 0:1 P 64%
- 10. z KS WARMIA Grajewo · 10.10 3:0 Z 26%
- 11. u PW HOME LZS Krynki · 18.10 8:0 Z 78%
Pasek pokazuje, jakie prawdopodobieństwo model dawał temu, co faktycznie się wydarzyło — zielony, gdy typ modelu był trafiony, czerwony, gdy nie.