📊 statistics

A Bayesian bivariate conditional Poisson regression for goal dependence in the English Premier League

Cet article introduit un modèle de régression de Poisson conditionnelle bivariée bayésienne pour analyser les données de la Premier League anglaise, révélant une corrélation négative entre le nombre de buts à domicile et à l'extérieur et démontrant comment l'assistance au stade et les fautes influencent de manière asymétrique la dynamique de score.

Auteurs originaux : Marcus Nolan, Wagner Barreto-Souza, Luiza S. C. Piancastelli, Raanju R. Sundararajan

Publié 2026-08-10

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Marcus Nolan, Wagner Barreto-Souza, Luiza S. C. Piancastelli, Raanju R. Sundararajan

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous regardez un match de football. Le score n'est pas simplement un générateur de nombres aléatoires qui recrache des buts ; c'est l'histoire de deux équipes qui dansent, poussent et réagissent l'une à l'autre. Si l'équipe à domicile marque, l'équipe à l'extérieur peut paniquer et attaquer sauvagement, ou elle peut se replier pour tenter de protéger son retard. Cela signifie que le nombre de buts marqués par une équipe est probablement lié au nombre de buts marqués par l'autre. Depuis des décennies, les statisticiens tentent d'écrire des équations mathématiques pour prédire ces scores. L'ancienne façon de penser était comme lancer deux dés séparés : un pour l'équipe à domicile, un pour l'équipe à l'extérieur, en supposant que ce qui arrive à l'un n'a absolument rien à voir avec l'autre. Mais quiconque a regardé un match sait que ce n'est pas vrai. Les équipes sont dans la même pièce, réagissant au même public, au même arbitre et aux mouvements de l'autre.

Ce document plonge dans cette connexion complexe et passionnante. Les auteurs ont voulu construire une meilleure « boule de cristal » pour les scores de football qui ne se contente pas de deviner les chiffres, mais qui comprend la relation entre eux. Ils ont utilisé un nouveau type de mathématiques sophistiquées appelé « régression de Poisson conditionnelle bivariée bayésienne ». Ne vous laissez pas effrayer par ces grands mots. Considérez le « Poisson » comme une façon de compter des choses qui arrivent de manière aléatoire au fil du temps, comme des buts. « Bivariée » signifie simplement qu'ils regardent deux choses à la fois (les buts à domicile et les buts à l'extérieur). « Conditionnelle » est la partie magique : cela signifie qu'ils demandent : « Si l'équipe à domicile marque ce nombre de buts, qu'est-cela nous dit-il sur le nombre de buts que l'équipe à l'extérieur marquera ? » Enfin, « bayésienne » est une façon d'utiliser les mathématiques pour mettre à jour nos suppositions à mesure que nous apprenons de nouvelles choses, nous donnant une image claire de la certitude de nos prévisions. Pourquoi est-ce important ? Parce que comprendre comment les équipes interagissent nous aide à voir les règles cachées du jeu, comme la façon dont une foule en délire peut faire mieux jouer l'équipe à domicile, ou comment un avantage change toute la stratégie de jeu.

Le Nouveau Plan de Jeu : Une Rue à Double Sens

Les chercheurs ont jeté un regard neuf sur 1 140 matchs de la Premier League anglaise (EPL). Ils ont choisi trois saisons spécifiques pour obtenir un mélange parfait de situations : la saison 2018–19 (public normal), la saison 2020–21 (presque aucun public à cause de la pandémie) et la saison 2023–24 (retour des supporters). Cela leur a donné une expérience naturelle pour voir comment la présence de fans modifie le jeu. Ils ont également suivi le nombre de fautes commises par chaque équipe, traitant les fautes comme une mesure de la manière dont les équipes essayaient de s'arrêter mutuellement.

Au lieu de l'ancienne méthode des « deux dés séparés », les auteurs ont construit un nouveau modèle où les buts sont liés. Ils ont testé deux directions pour ce lien : l'équipe à domicile influence-t-elle le score de l'équipe à l'extérieur (Domicile → Extérieur), ou le score de l'équipe à l'extérieur influence-t-il celui de l'équipe à domicile (Extérieur → Domicile) ?

La Grande Découverte : L'Effet du « Bus Garé »

La découverte la plus surprenante est que la relation entre les scores des deux équipes est en réalité négative. Dans le monde des mathématiques du football, c'est un événement majeur. La plupart des anciens modèles supposaient que si une équipe marquait beaucoup, l'autre en ferait probablement autant (corrélation positive), ou qu'elles étaient totalement sans rapport. Mais ce document a découvert que lorsque l'équipe à domicile marque, l'équipe à l'extérieur a tendance à marquer moins de buts.

Les auteurs suggèrent que c'est comme un jeu tactique de « parking le bus » (garer le bus). Lorsque l'équipe à domicile marque un but, l'équipe à l'extérieur peut se sentir frustrée ou effrayée, ou l'équipe à domicile peut décider de se replier et de défendre son avance si étroitement que l'équipe à l'extérieur ne peut plus tirer au but. Les mathématiques ont montré un signal clair : pour chaque but supplémentaire marqué par l'équipe à domicile, le nombre attendu de buts pour l'équipe à l'extérieur chute d'environ 10 %. Ce lien négatif était assez fort pour que les auteurs soient convaincus qu'il s'agit d'un véritable schéma, et non d'un coup de chance.

L'Encouragement Unilatéral de la Foule

L'étude a également examiné comment la foule affecte le match. Ils ont trouvé une asymétrie très claire de l'« avantage à domicile ». Lorsque le stade est plein (environ 38 000 personnes), l'équipe à domicile marque plus de buts. Les mathématiques ont montré qu'une augmentation de 1 % de l'assistance était liée à une augmentation infime mais réelle des buts à domicile.

Cependant, la foule ne semblait pas aider l'équipe à l'extérieur du tout. Même lorsque le stade était bondé, le nombre de buts marqués par l'équipe à l'extérieur n'augmentait pas. C'était comme si la foule était un boost spécial réservé uniquement à l'équipe qui joue sur ses propres terres. Lorsque les fans étaient absents (pendant la saison 2020–21 avec seulement 462 personnes en moyenne), le score de l'équipe à domicile chutait, et le score de l'équipe à l'extérieur augmentait légèrement, rendant le match plus équilibré. Cela confirme que la foule est une arme secrète pour l'équipe à domicile, mais qu'elle ne donne pas de boost à l'équipe visiteuse.

Qu'en est-il des Fautes ?

Les chercheurs ont également vérifié si le nombre de fautes commises par une équipe aidait l'autre à marquer. Les résultats ici étaient un peu flous. Les données suggéraient que lorsque l'équipe à l'extérieur commettait beaucoup de fautes, l'équipe à domicile pouvait marquer quelques buts de plus, mais les preuves n'étaient pas assez solides pour en être sûr à 100 %. Il est possible que les fautes soient simplement le signe d'un jeu désordonné, mais le document n'a pas pu affirmer avec certitude que les fautes causent directement plus de buts pour l'adversaire.

Le Verdict

Les auteurs ont comparé leur nouveau modèle « lié » contre l'ancien modèle de « dés séparés ». Le nouveau modèle est un meilleur prédicteur. Il ne se contente pas de trouver les scores moyens corrects ; il saisit également la relation entre les équipes. L'ancien modèle échouait à capturer le fait que lorsqu'une équipe marque, l'autre marque souvent moins. En utilisant cette nouvelle méthode, les auteurs ont créé une image plus réaliste de la façon dont les matchs de football se déroulent réellement, montrant que le jeu est une conversation dynamique entre deux équipes, et non deux monologues séparés.

En bref, le document prouve que les buts de football sont connectés, que la foule à domicile est une force puissante uniquement pour l'équipe à domicile, et que lorsqu'une équipe à domicile marque, l'équipe à l'extérieur trouve souvent plus difficile de marquer en retour. C'est un rappel qu'en football, chaque but change l'histoire pour les deux camps.

Résumé Technique : Une régression de Poisson conditionnelle bivariée bayésienne pour la dépendance des buts dans la Premier League anglaise

Énoncé du problème
Les résultats des matchs de football sont caractérisés par une paire de comptages d'entiers non négatifs : les buts marqués par l'équipe à domicile et les buts marqués par l'équipe à l'extérieur. Bien que les modèles de score traditionnels, tels que les travaux séminaux de Maher (1982) et leurs extensions ultérieures par Dixon et Coles (1997) et Karlis et Ntzoufras (2003), aient établi l'importance de l'avantage à domicile et de la force des équipes, ils reposent souvent sur l'hypothèse que le nombre de buts à domicile et à l'extérieur est indépendant ou, dans le cas des modèles de Poisson bivariés standards, restreignent la dépendance à une corrélation non négative. Cette restriction est une limitation significative, car la dynamique des matchs implique souvent une dépendance négative ; par exemple, une équipe protégeant un avantage peut supprimer les occasions de score de l'adversaire (« garer le bus »). De plus, les modèles existants peinent souvent à capturer simultanément la structure de dépendance jointe et les effets distincts et asymétriques des covariables au niveau du match, telles que l'assistance au stade et les fautes, sur les deux processus de scoring.

Méthodologie
Pour répondre à ces limitations, les auteurs proposent un modèle de régression de Poisson conditionnelle bivariée bayésienne (BCP). La méthodologie est construite sur la paramétrisation introduite par Berkhout et Plug (2004) et reparamétrée par Piancastelli et al. (2023a).

Structure du modèle : Le modèle définit la distribution jointe des buts à domicile ( $Y_1$ ) et des buts à l'extérieur ( $Y_2$ ) en spécifiant l'un de manière marginale et l'autre de manière conditionnelle. Plus précisément, $Y_1 \sim \text{Poisson}(\lambda_1)$ et $Y_2 | Y_1 = y_1 \sim \text{Poisson}(\mu_2 e^{\phi y_1})$ , où $\mu_2$ est une fonction de $\lambda_1, \lambda_2,$ et du paramètre de dépendance $\phi$ . Cette formulation permet des corrélations positives et négatives, déterminées par le signe de $\phi$ .
Intégration des covariables : Le modèle incorpore des covariables spécifiques au match via des spécifications log-linéaires pour les paramètres d'intensité $\lambda_{1,i}$ $λ_{1, i}$ et $\lambda_{2,i}$ $λ_{2, i}$ . Les covariables incluent :
- L'assistance au stade transformée en logarithme ( $\log(\text{Assistance} + 1)$ ) pour gérer les matchs à assistance nulle (ex. : pendant la pandémie).
- Les fautes commises par les équipes à domicile et à l'extérieur.
- Des coefficients de régression séparés sont estimés pour les buts à domicile et à l'extérieur, permettant les effets asymétriques des covariables sur les deux processus.
Cadre d'inférence : L'étude emploie un cadre d'inférence bayésienne complète.
- Priors : Une approche de Bayes empirique est utilisée, où les distributions a priori pour les coefficients de régression et le paramètre de dépendance sont centrées sur zéro avec des écarts-types dérivés des estimations de maximum de vraisemblance (MLE) fréquentistes.
- Calcul : Les distributions postérieures sont approximées par un échantillonnage de Monte Carlo Hamiltonien (HMC) implémenté dans Stan. Quatre chaînes de 2 000 itérations chacune ont été exécutées.
- Validation du modèle : L'ajustement du modèle est évalué via des vérifications prédictives postérieures (PPC), comparant les statistiques de résumé observées (moyennes, variances, corrélations et résultats des matchs) aux ensembles de données reproduits à partir de la distribution postérieure.
- Sélection du modèle : La performance prédictive est évaluée à l'aide de la validation croisée de type Leave-One-Out (LOO-CV) et de la densité prédictive logarithmique attendue (ELPD). Les auteurs comparent deux spécifications directionnelles (Domicile $\to$ Extérieur vs Extérieur $\to$ Domicile) et une référence de Poisson indépendante.

Principales contributions

Structure de dépendance flexible : L'article introduit un cadre de régression BCP qui accueille explicitement une corrélation négative entre les buts à domicile et à l'extérieur, surmontant la contrainte de corrélation non négative des modèles de Poisson bivariés standards.
Effets de covariables asymétriques : Le modèle permet l'estimation séparée de la manière dont l'assistance et les fautes influencent les taux de scoring à domicile versus à l'extérieur, tout en modélisant simultanément la dépendance entre les deux.
Paramétrisation traitable : Contrairement à d'autres spécifications récentes de Poisson conditionnel (ex. : Petretta et al., 2025), cette approche utilise une paramétrisation où les moments marginaux et les mesures de corrélation sont analytiquement bien définis et disponibles sous forme fermée.
Application empirique : Le cadre est appliqué à un ensemble de données de 1 140 matchs de la Premier League anglaise (EPL) à travers trois périodes distinctes : pré-pandémie (2018–19), assistance restreinte (2020–21) et post-pandémie (2023–24).

Résultats

Dépendance : L'estimation postérieure du paramètre de dépendance $\phi$ dans la spécification préférée Domicile $\to$ Extérieur est de $-0,107$ (IC à 95 % : $[-0,147, -0,066]$ ). Cela indique une corrélation négative statistiquement significative, suggérant qu'une augmentation des buts à domicile est associée à une réduction du nombre attendu de buts à l'extérieur.
Performance du modèle : Les deux spécifications BCP (Domicile $\to$ Extérieur et Extérieur $\to$ Domicile) ont surpassé le modèle de Poisson indépendant en termes de précision prédictive jointe (ELPD-LOO). Cependant, la spécification Domicile $\to$ Extérieur a démontré une précision prédictive conditionnelle supérieure, justifiant sa sélection comme modèle principal.
Effets des covariables :
- Assistance : Il existe une association positive et significative entre l'assistance au stade et les buts de l'équipe à domicile (moyenne postérieure $\approx 0,024$ ). Inversement, l'association entre l'assistance et les buts de l'équipe à l'extérieur est centrée sur zéro avec un intervalle de crédibilité incluant zéro. Cela confirme l'asymétrie de l'influence de la foule.
- Fautes : Les effets des fautes étaient moins décisifs. Bien que les fautes à l'extérieur montrent une faible association positive avec les buts à domicile, les intervalles de crédibilité à 95 % pour les deux coefficients de faute incluent zéro, indiquant l'absence de preuve forte d'un effet de faute décisif à ce niveau d'analyse.
Vérifications prédictives postérieures : Le modèle BCP a réussi à reproduire la corrélation négative observée entre les buts et la proportion de défaites à domicile, alors que le modèle de Poisson indépendant n'a pas réussi à capturer la corrélation des buts.

Signification et affirmations
L'article affirme que la régression BCP fournit une description jointe plus réaliste des résultats des matchs de football en capturant la dépendance négative inhérente aux interactions tactiques (ex. : protection de l'avance). Les résultats soulignent que la présence de la foule booste principalement le scoring de l'équipe à domicile sans effet correspondant sur l'équipe à l'extérieur, renforçant ainsi le concept d'avantage à domicile. Les auteurs soulignent que, bien que le modèle améliore les hypothèses d'indépendance traditionnelles et capture la dépendance structurelle, l'effet d'assistance estimé doit être interprété comme une association ajustée plutôt que comme un effet causal définitif, compte tenu des facteurs de confusion liés aux conditions pandémiques et à la composition des équipes à travers les saisons sélectionnées. L'étude conclut que le cadre BCP offre un outil robuste et interprétable pour analyser la dépendance des buts et les impacts des covariables dans l'analyse du football.