+03 Москва, Волгоград
Кабинет
Plzen 3:1 FK Crvena Zvezda · 71'Кауно Жальгирис 1:0 Бешикташ · 74'Омония 3:1 St. Truiden · 71'Red Bull Salzburg 2:0 Mjallby AIF · 73'Lillestrom 0:1 Эгнатия Рогожина · 73'
Меню
Разделы статистики27.08.2026
Матчи
Расписание, результаты, составы
156матчей сегодня
СегодняЗавтра
Команды
Форма, серии, домашние и гостевые
23080команд
ОбзорСезон
Лиги и кубки
Таблицы, тренды турниров
456турниров
Топ-5Все
Рефери
Карточки, пенальти, строгость
17635арбитров
РейтингПо лигам
Инструменты аналитики27.08.2026
Прогрузы
Движение линии и объёмы
311473сигналов сегодня
СегодняЗавтра
Анализ дня
Сводка по матчам дня
156матчей в обзоре
ОбзорСезон
AI-прогнозы
Модельные вероятности ML
прогнозов с value
ЗначениеВсе
Матч-листы
Выгрузка данных в Excel
XLSXформат экспорта
СкачатьИстория
Главная / Сравнение команд
Сравнение команд
Метрики, личные встречи и статистическая оценка исхода для двух любых команд бок о бок.
BAN
Bangkok United
4 матчей в сезоне
Заменить
Форма · 5 матчей
П
Н
П
В
Н
5 из 15
5
место в лиге
VS
5 игр
HOM
Home United
5 матчей в сезоне
Заменить
Форма · 5 матчей
П
Н
В
П
П
4 из 15
4
место в лиге
Атака Среднее за матч в выборке
1.5
Голы
за матч
2.4
4.7
Удары в створ
за матч
3.3
4.8
Угловые
за матч
3.5
Владение и пас Среднее за матч в выборке
57
Владение
% за матч
41
372
Точные передачи
за матч
273
Дисциплина Меньше — лучше
11.3
Фолы
за матч
9.3
2.0
Жёлтые карты
за матч
2.2
Оборона Меньше — лучше
1.2
Пропущено
за матч
0.9
Статистическая оценка
П1/Х/П2 по модели Пуассона на основе среднего кол-ва голов
36%
21%
43%
П1ХП2
Хозяева забивают в среднем 1.3 гола за матч — больше, чем соперник (1.2).
Гости пропускают в среднем 2.4 гола за матч — меньше, чем хозяева (2.8).
Оценка — статистическая модель Пуассона по средним голам, не прогноз AI-модели.
Это не прогноз AI-модели — простая статистическая оценка по средним показателям, без учёта состава, травм и формы соперников.