J. Paolini vs L. Stefanini — predicción
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 húmedo: la bola se hace pesada y los puntos se alargan.
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: #21 vs #119 (mejor clasificado)
›Cara a cara: 1-0 a favor
›Modelo 74% vs mercado 68% → el modelo lo ve MÁS probable que la cuota
›Forma reciente: 6/10 en los últimos partidos
La diferencia de ranking es sustancial: Paolini ocupa la posición 21 mundial, Stefanini la 119. El Elo refleja una brecha más clara aún: 1807 vs 1639, 168 puntos de ventaja. En el tenis femenino, esta jerarquía es predecible: la jugadora de élite controla más puntos, maneja la presión con más experiencia y comete menos errores no forzados bajo presión.
El modelo WTA calibrado internaliza esta diferencia e inyecta una probabilidad del 74% a Paolini. Es un juicio robusto: en el tenis femenino, la experiencia en Grand Slam y la consistencia técnica de una top-25 dominan contra una rival de fuera del top-100.
En pista dura, Paolini gana el 60% de sus puntos; Stefanini, solo el 22%. Esta diferencia de 38 puntos es enorme. El hard court es la superficie donde el saque domina más, donde la velocidad y la precisión de golpes lisos priman. Paolini históricamente construye más puntos ganadores aquí, mientras que Stefanini sufre más inconsistencia.
El edge de superficie ya está parcialmente integrado en la cifra de baseline (−2 puntos ajuste), pero la realidad cruda de los porcentajes (60% vs 22%) muestra quién se siente cómoda en el escenario. Ésta es una de las razones principales por las que el modelo favorece a Paolini de forma tan clara en este torneo.
La única zona donde Stefanini ofrece resistencia es en devolución. Gana el 49% de sus puntos de resto frente al 43% de Paolini: +6 puntos. Esto significa que cuando Paolini saca (58% de puntos), Stefanini romperá más breaks que lo esperado contra un rival de su nivel. Es un hilo frágil, pero real.
Sin embargo, este recurso no es suficiente para revertir la brecha de saque (Paolini 58% vs Stefanini 54%) ni de consistencia en baseline (Paolini 62% vs Stefanini 17% en puntos ganadores). Para que Stefanini gane, necesitaría mantener todos los saques de Paolini bajo presión extrema durante los rallies, algo improbable dado el dominio técnico general de su rival.
Stefanini llega con mejor dinámica: 7 de sus últimos 10 encuentros ganados, racha de 4 victorias consecutivas. Paolini registra 6 de 10 y racha rota (1). Esto importa: Stefanini puede creer en la victoria y ejecutar sin miedo. Sin embargo, esta tendencia es débil comparada con el abismo de ranking y hard court.
La fatiga inclina la balanza más hacia Paolini. Stefanini ha jugado 4 partidos en 14 días; Paolini, solo 1. Con 2 días de descanso en ambas, la acumulación de esfuerzo es un lastre que pesa hacia el final de los sets, especialmente en un hard court donde el ritmo es acelerado y el cuerpo sufre más. Para Stefanini, una ventaja de forma no compensa un cuerpo cansado.
El modelo estima 74% para Paolini; el mercado (odds 1.47) implica 68%. El EV positivo del 9.4% sugiere que la oferta infravalúa ligeramente a Paolini. Sin embargo, esto no es un grito a favor de una victoria: Paolini sigue siendo la favorita clara en todos los parámetros objetivos (ranking, Elo, hard court, descanso), y el modelo lo refleja con precisión.
El riesgo radica en que Stefanini, con mejor forma reciente y un saque sólido (54%), puede robar un set o mantener competitividad si acierta sus primeros golpes. Pero en una mejor-de-tres en US Open, la brecha técnica y física favorece ampliamente a la jugadora de élite. El precio (1.47) no es exagerado, aunque el modelo lo ve ligeramente infravalorado. Es un resultado esperado, sin edges ocultos.
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.