Bote regular y velocidad media-alta: condiciones neutras, sin favorecer un estilo.
Ambiente cálido: la bola vuela algo más y el físico cuenta.
Aire muy seco: la bola viaja más rápida.
Viento flojo: sin efecto apreciable.
La superficie sí entra en el modelo (la especialización por superficie es uno de sus factores). El clima y la altitud son contexto que publicamos para ti — NO mueven la probabilidad.
›Ranking: #37 vs #368 (mejor clasificado)
›Forma reciente: 7/10 en los últimos partidos
›Modelo 72% vs mercado 86% → el modelo lo ve menos probable que la cuota
La brecha de Elo entre Fery (1940) y Hewitt (1587) es de 353 puntos, equivalente a una separación de 331 posiciones en ranking (#37 vs #368). Este diferencial es estructural: refleja consistencia táctica, velocidad de juego y recursos mentales acumulados a lo largo del tiempo. El modelo cuantifica la probabilidad en 72% para Fery, una estimación que se alinea con la magnitud del desfase.
Hewitt ha ganado solo 1 de sus últimos 10 partidos, sin victorias de calidad en su muestra. Fery ha ganado 7 de 10, incluidas derrotas de jugadores de alto nivel como Dimitrov (Elo 1917) y Cobolli (Elo 2014). La consistencia reciente refuerza el pronóstico; el rival no dispone de momentum competitivo ni evidencia de forma ascendente.
Hewitt llega con apenas 1 día de descanso tras jugar hace 1 día, mientras Fery cuenta con 8 días de margen. En términos de descanso acumulado, Fery tiene ventaja obvia. Sin embargo, la configuración de carga es inversa: Hewitt ha jugado solo 1 partido en 7 días (baja carga), mientras Fery ha disputado 2 en 14 días (carga moderada). Esto sugiere que Hewitt podría llegar más fresco en el primer set, aunque la fatiga acumulada de la semana previa (si la hubo) no es medible en estos datos.
En un contexto ATP, 8 días de descanso para Fery es óptimo; 1 día de descanso para Hewitt es congestionado. La ventaja es clara para el favorito, aunque el efecto mitigador de la baja carga semanal de Hewitt no es despreciable.
Fery muestra un grave problema en hard court: 33% de puntos ganados, 25 puntos por debajo de su línea base de 58%. Esta penalización es la más grande en el dataset y sugiere que su estilo (probablemente de golpes fluidos o juego de fondo) no se adapta bien a la velocidad y rigidez de la pista. Hewitt no tiene datos comparables, por lo que no es posible medir su declive o mejora en hard court.
En saque, Fery logra 64% vs Hewitt con 62% (+2 puntos porcentuales). Es una diferencia marginal. En resto, ambos están parejos (38% vs 37%). Ni el saque ni el resto son factores decisivos; el verdadero problema para Fery es cómo genera puntos desde la línea de fondo en una superficie que lo penaliza.
Las condiciones de Winston-Salem son cálidas (29 °C), muy secas (30% humedad) y con viento ligero (5 km/h). Estos parámetros son neutros: no aceleran exageradamente la bola ni la ralentizan. No hay altitud que afecte a la velocidad de servicio. El clima no es un factor diferenciador en este enfrentamiento.
El modelo asigna a Fery 72% de probabilidad; el mercado (cuota 1.16) implica 86%. La divergencia de 14 puntos porcentuales es significativa y sugiere que los apostantes están sobrevalorando al favorito. Aunque Fery parte con una ventaja clara en nivel, forma y descanso, la penalización aguda en hard court (33% en su peor superficie) introduce una incertidumbre que el modelo capta mejor que la cuota convencional.
El valor esperado de jugar a favor de Fery es negativo (EV -16.4%), lo que significa que la cuota de 1.16 no compensa el riesgo. Para un inversor, esta línea es cara. Fery es el favorito probable, pero el mercado ha precificado demasiada certeza en una cancha que históricamente lo debilita.
Impacto y análisis a partir de datos reales del partido (Elo, forma, cara a cara, descanso, superficie vs base, clima, altitud). El modelo ≈ el mercado de media; la cuota ya captura casi toda la ventaja. +18 · juega con responsabilidad.