Tre point, fem mål og to historier om samme kamp

Favoritten fik sin sejr. Men vejen dertil var præcis den slags virkelighed, som gør det farligt at reducere en fodboldkamp til ét tal.

De tal peger mod et mere chanceskabende hjemmehold, men de fortæller ikke hele historien om afslutningernes kvalitet. Vi har ikke et selvstændigt verificeret xG-regnskab for kampen og opfinder derfor ikke et.

Den farlige forskel mellem kontrol og sikkerhed

Inden kampen så FC Midtjylland ud som en klar favorit. Holdet havde leveret stærke resultater i ligaen, og Lyngby kom fra en 3-3-kamp mod FC Nordsjælland, hvor en tremålsføring var blevet sat over styr. Samtidig havde midtjyderne et tæt program med europæisk fodbold torsdag og ligafodbold søndag. Det var ikke svært at pege på hjemmeholdet. Det svære var at afgøre, hvor stor fordel der var tilbage, når odds og risiko var regnet med.

Torsdag tabte FCM 0-1 hjemme mod Sint-Truidense efter en chancepræget europæisk kamp. Det gav vores spørgsmål om restitution og rotation substans. Alligevel indledte midtjyderne søndagens opgør med energi og skabte tidligt muligheder. Cho Gue-sungs føringsmål var ikke en isoleret hændelse i en ellers lige første fase; det passede ind i en stærk hjemmeåbning. For den tilskuer, der kun havde hørt ordet »europæisk belastning«, var det en nyttig påmindelse: en risikofaktor er ikke en forudsigelse om, at et hold nødvendigvis spiller dårligt.

Det væsentlige vendepunkt kom med udligningen. Da Ousmane Diao mistede bolden i egen sidste tredjedel, var Lyngby klar til at udnytte muligheden. Simon Colyn fik en afslutning og gjorde det til 1-1. Det var præcis et af de faresignaler, som optakten fremhævede: ikke at gæsterne skulle have bolden mest, men at de kunne blive farlige, når Midtjyllands defensive struktur blev brudt. Udligningen beviser ikke, at Lyngby havde et stærkere angreb end antaget. Den viser, hvor meget én fejl kan betyde i en sport med få mål.

Midtjylland kom igen foran lige før pausen. Straffesparket efter hånd på bolden i feltet blev sikkert omsat af Philip Billing, og straks efter pausen øgede Friday Etim. Ved 3-1 kunne kampen have udviklet sig til en komfortabel hjemmesejr. Men fodboldens stillinger lever ikke deres eget liv: FCM fik muligheder for at lukke opgøret helt, og Lyngby fik lov at bevare en chance. Gustav Fraulos sene frispark sendte igen spænding ind i kampen.

Begge klubbers referater beskriver i store træk samme mønster fra forskellige vinkler. Midtjylland fremhæver den offensive chanceproduktion og sejren, mens Lyngby betoner den offensive vilje og de kostbare defensive fejl. Når de to vinkler lægges oven på hinanden, fremstår kampen hverken som et rent favorit-cruise eller som et tilfælde, hvor Lyngby burde have taget point. FCM producerede flere afslutninger og vandt. Lyngby formåede samtidig at straffe et boldtab og skabe et sidste pres.

Det er netop derfor, efteranalysen ikke må starte med at rette modellen, så den passer til resultatet. Hvis vi ændrer fortiden i vores arkiv, mister vi muligheden for at lære. Vores førkampstal bliver stående. Her vurderer vi dem på deres egne præmisser: 62 procent til FCM var en tydelig favoritvurdering, men også omkring 38 procent til, at FCM ikke ville vinde. Resultatet faldt i favoritens favør. Det gør ikke den resterende usikkerhed til en fejl.

Et andet vigtigt læringspunkt handler om de fem scoringer. Før kampen gav vores simple model over 2,5 mål en forholdsvis høj sandsynlighed. Den retning blev rigtig. Men summen af fem mål skyldtes flere meget forskellige hændelser: et etableret angreb, en boldtabssituation, et straffespark, en scoring efter pausen og et sent frispark. En model med to målrater kan beskrive den overordnede sandsynlighed for mange eller få scoringer. Den kan ikke fortælle, hvilke særlige situationer der vil skabe dem. Det skal den heller ikke foregive.

For os er kampen derfor et godt eksempel på to sandheder, der sagtens kan eksistere samtidig: Midtjylland var en værdig vinder i kampbilledet, og favoritens pris kunne stadig være utilstrækkelig. Resultater afslutter fodboldkampe. De afslutter ikke det kritiske arbejde med en prognose.

Én kamp. Tre måder at blive dygtigere på.

Du behøver ikke forstå alle formler for at få glæde af analysen. Og du behøver ikke spille, fordi du kan beregne dem.

Ramte vores 62 procent?

Modellen gav FCM omkring 62 sejre i 100 tænkte kampe under de samme forudsætninger. Den lovede ikke netop denne sejr. Én kamp kan kontrollere resultatet, men ikke bevise, at sandsynligheden var præcis.

Før kampen ville vores model tildele præcis 3-2 omtrent 4,41 %. Det kan lyde lavt, men en helt specifik stilling er altid kun én af mange mulige kombinationer. At ramme den præcise score er ikke den rigtige standard for en 1X2-analyse. Et mere meningsfuldt mål på længere sigt er, om udfaldene i mange kampe indtræffer omtrent så ofte, som vores sandsynligheder siger.

Hovedmarkedet kunne altså opfylde to forskellige udsagn: »FCM-sejr var det mest sandsynlige udfald« og »vi kunne ikke dokumentere et attraktivt væddemål«. Ingen modsigelse. Ved en tænkt pris på 1,40 er der break-even først, hvis den sande sejrssandsynlighed er over 71,43 %. Vores reference lå lavere.

Vi skal heller ikke behandle »PASS« som en hemmelig gevinst, bare fordi et dårligt prissat bet vinder. Den historiske gevinst ved et tænkt vundet væddemål på 1,40 ville være 40 kr. i nettogevinst pr. 100 kr. indsat. Det ændrer ikke det forventede regnestykke før kickoff. Vores dokumenterede beslutning var at undlade spillet.

Hvor sandsynligt var præcis 3–2?

Et modelbud på FC Midtjylland som favorit indebar ikke, at vi forventede et bestemt slutresultat. Vores oprindelige simple Poisson-reference arbejdede med gennemsnit på 2,30 mål for FCM og 1,20 for Lyngby. Den gav cirka 4,41 % sandsynlighed for nøjagtig 3–2 og cirka 13,22 % for præcis fem mål, uanset fordeling.

Hver celle er en separat matematisk Poisson-beregning med de oprindelige målrater. Tabellen viser 0–5 mål for hvert hold; resten af sandsynlighedsmassen ligger uden for tabellen. Den er ikke en efterfølgende modeljustering.

Odds er en pris. Ikke en spådom.

Det vigtigste tal på en bettingkupon er ikke oddset alene. Det er afstanden mellem den chance, du mener er realistisk, og den chance, prisen kræver.

Det skjulte ekstra regnestykke: Markedets margin

Tre udfald i 1X2 skal tilsammen udgøre 100 % sandsynlighed. Men når vi lægger de rå sandsynligheder indbygget i tre priser sammen, kommer vi ofte over 100 %. Forskellen er markedets overround. Den er en prisstruktur, ikke en garanti for udbyderens faktiske fortjeneste.

Hvis vi fjerner marginen ved simpel proportional normalisering, får vi et groft billede af markedets implicitte styrkeforhold. Det er ikke det samme som sande sandsynligheder, og andre metoder til marginfjernelse kan give andre estimater. Pointen er, at 1 / odds ikke uden videre er en unbiased prognose.

Ti markeder. Hvad ramte – og hvad gjorde ikke?

Vi havde ti åbne prischecks i optakten. De var undersøgelsesmarkeder, ikke ti anbefalede bets. Vi kan nu gøre deres udfald op, men ikke et faktisk spille-regnskab, fordi vi ikke anbefalede et køb, og priserne ikke var verificeret som tilgængelige danske væddemål.

Vigtig begrænsning: Ti markeder er ikke ti uafhængige forsøg. FCM-sejr, 1X og 12 er beslægtede udfald; over/under 2,5 og begge scorer ja/nej er andre par med direkte sammenhæng. »Fem ud af ti« er en beskrivelse af denne kamps facit — ikke en måling af modellens træfsikkerhed over tid.

Ét rigtigt resultat er ikke et bevis. Hvordan måler vi kvalitet?

Vi kan regne en binær Brier-score på sandsynligheden for FCM-sejr, men én kamp kan ikke fortælle os, om modellen er kalibreret. For et enkelt ja/nej-udfald er Brier-score den kvadrerede forskel mellem den angivne chance og facit (1 eller 0). Et samlet 1X2-regnskab kræver en særskilt flerkategori-beregning og må ikke sammenlignes ukritisk med tallet her. Jo lavere gennemsnit over et passende stort antal forudsigelser, jo bedre i denne målestok.

Vi kan måle andre ting. Kalibrering: Når vi over mange kampe siger 60 %, sker udfaldet så omkring seks gange ud af ti? Diskrimination: Giver vi reelt større sandsynlighed til stærkere favoritter? Markedsrelevans: Har vores førkampsmodel en dokumenterbar fordel efter usikkerhed og margin? Disciplin: Kan vi konsekvent sige nej, når prisgrundlaget ikke er godt nok?

Hvorfor er »fem af ti« ikke vores hitrate? Vores ti kort overlapper: 1X2 omfatter tre gensidigt udelukkende udfald, over/under er modsætninger, begge hold scorer ja/nej er modsætninger, og dobbeltchance genbruger 1X2-resultatet. Vi har derfor ikke ti uafhængige observationer. Og fordi vi ikke anbefalede ti bets, har vi slet ikke et resultatregnskab for ti spillede anbefalinger.

To xG-tal. Én kamp. Hvad gør vi?

Professionel analyse handler ikke kun om at have flere tal. Det handler om at vide, hvor tallene kommer fra, og hvornår de kan sammenlignes.

En kontrol af kampdata viser en reel forskel mellem leverandører. FotMob opgiver 2,37–0,52 xG, mens en anden publiceret kampstatistik opgiver 2,36–1,16 xG. Vi har ikke grundlag for at slå fast, hvilken metode eller hvilken hændelsesregistrering der forklarer forskellen. Derfor vælger vi ikke stiltiende et af tallene som det endegyldige facit.

Førkampens 2,30 og 1,20 er ikke kampens xG. Det var vores modelparametre baseret på et begrænset datagrundlag. At de ligner nogle af efterkampens xG-tal, er ikke en validering: begreberne, datagrundlaget og tidspunkterne er forskellige.

Hvad lærte vi — og hvem kan bruge det?

Seks konkrete forbedringer til næste optakt

Læs videre

Den oprindelige optakt er bevaret nedenfor med de daværende modeltal og markedsobservationer. Det giver alle mulighed for at efterprøve vores vurdering, uden at vi retter historien til efter facit.

Kilder og transparens

1. FC Midtjylland: officielt kampreferat, 25. oktober – mål, boldtab og kampforløb.
2. Lyngby BK: klubbernes anden vinkel, 25. oktober – Lyngbys muligheder og reducering.
3. FC Midtjylland: Conference League, 22. oktober – belastning før ligakampen.
4. FC Midtjylland: officiel startellever, 25. oktober.
5. TNT Sports: kampstatistik – afslutninger, skud på mål og hjørnespark.
6. FotMob: kampstatistik og xG – udbyderspecifik opgørelse.
7. OddAlerts: kampstatistik og xG – opgørelse, der afviger fra FotMob.
8. Stats Perform: definition af expected goals.
9. Royal Meteorological Society: Brier-score – probabilistisk prognoseevaluering.
10. Vores oprindelige optakt, arkiveret nedenfor på samme side – modelparametre, 1X2-sandsynligheder, prisdisciplin og ti prischecks. Ingen verificeret dansk spilpris blev dokumenteret.

Efteranalyse skrevet 27. oktober 2026. Modeltal er fra den oprindelige optakt og er ikke opdateret efter kampens resultat. Sammenligning med markedet er en illustrativ læringsøvelse, ikke dokumentation for en handel. Vi gengiver forskellige xG-opgørelser fra navngivne dataleverandører og angiver forskellen åbent.