You're viewing data from 6 Sep — today's update hasn't been published yet.
PREDICCIÓN DEL MODELO · 2026-09-04
HARD

C. Gauff vs C. Bucsapredicción

✓ Acertado
GAUFFPROBABILIDAD DE VICTORIABUCSA
91%
prob. modelo
@1.03
cuota · 97% impl.
H2H 1–0 GauffHard 75%🎾Saque 63%📈Forma 9/10 · 8✓
CONDICIONES DEL PARTIDOen el modelocontexto
Superficie
Dura

Bote regular y velocidad media-alta: condiciones neutras, sin favorecer un estilo.

Temperatura
29°C

Ambiente cálido: la bola vuela algo más y el físico cuenta.

Humedad
45%

Aire seco: la bola viaja con normalidad.

Viento
19 km/h

Algo de viento: dificulta el control desde el fondo.

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.

EL RAZONAMIENTO DEL MODELO

Ranking: #4 vs #40 (mejor clasificado)

Cara a cara: 1-0 a favor

Sólido en pista dura: 71% en su carrera en esta superficie

Modelo 91% vs mercado 97% → el modelo lo ve menos probable que la cuota

Forma reciente: 9/10 en los últimos partidos

En racha: 8 victorias seguidas

Con ritmo de partido: 5 partidos en las últimas 2 semanas

Probabilidad calibrada del modelo (~64% de precisión fuera de muestra, validada específicamente en WTA). No es una garantía: el modelo ≈ el mercado de media, así que la cuota ya captura casi toda la ventaja. +18 · juega con responsabilidad.
@1.10
cuota justa
−6.3%
valor esperado
CÓMO IMPORTA CADA FACTOR
Level (Elo/ranking)▸ Gauff●●●
Gauff (Elo 2038, ranking #4) vs Bucsa (Elo 1637, ranking #40): 401-point Elo gap and 36-ranking gap define the match. Model assigns 91% to Gauff.
Form▸ Gauff●●●
Gauff: 9/10 recent, 8-win streak, quality wins vs Pegula (2003 Elo) and Kostyuk (1966 Elo). Bucsa: 2/10 recent, 2-win streak, no quality wins. Extreme divergence.
Surface▸ Gauff●●
Hard favors Gauff: 75% career on hard vs baseline 75%; Bucsa 47% on hard vs baseline 42% (5-point surface penalty). Gauff gains 5 points on the surface.
Serve/Return▸ Gauff●●
Gauff serves 63% vs Bucsa's 56% (7-point edge); Gauff returns 46% vs Bucsa's 42% (4-point edge). Gauff's serve is the stronger weapon; Bucsa's return cannot neutralize it.
Head-to-head▸ Gauff
1–0 to Gauff (2023, Wta tier). Single meeting; minimal predictive weight over the structural gaps in level and form.
Rest/Fatigue= Igualado
Both rested 1 day since last match; Gauff played 5 matches in 14 days, Bucsa 4. Minimal distinction; both tournament-sharp, no fatigue red flag.
Weather▸ Gauff
Warm (29°C), dry (45% humidity), 20 km/h wind favor the better server and flatter hitter. Gauff's 7-point serve edge slightly amplified; wind impairs precision, favoring baseline power.
DOMINIO ESTRUCTURAL

Gauff posee una ventaja estructural decisiva: 401 puntos de Elo sobre Bucsa y 36 posiciones de ranking. El modelo calibrado en WTA sitúa a Gauff en el 91% de probabilidad, reflejo de una brecha de nivel que no es pequeña. Bucsa (ranking 40, Elo 1637) afronta a una jugadora en el top 4 mundial que está en su prime competitivo.

Esta diferencia de nivel no es teórica: se manifiesta en el pista. Gauff gana 28 puntos de porcentaje en baseline (75% vs 42%), una separación que en tennis significa romper servicios y ganar los rallies largas sistemáticamente. No hay sorpresa de ranking aquí.

FORMA IRRECONCILIABLE

La forma actual amplifica el abismo. Gauff lleva 9 de sus últimas 10 partidos ganados, con una racha de 8 victorias consecutivas, incluyendo scalps de Pegula (Elo 2003) y Kostyuk (Elo 1966). Bucsa está 2/10 en los últimos diez, con apenas una racha de 2 victorias, sin victorias de calidad en su historial reciente. Es una divergencia extrema de momentum.

En el contexto de US Open, Gauff entra con confianza de rodillo compressor, mientras que Bucsa trata de recuperarse de una sequía de perder. Las rachas no lo explican todo, pero en matches tan desequilibrados de nivel, la forma acentúa la brecha: Gauff está en la mejor versión posible de sí misma; Bucsa no.

SAQUE Y SUPERFICIE

Gauff saca al 63% vs el 56% de Bucsa (ventaja de 7 puntos), y en hard court esa diferencia es crítica. El saque rápido en pista rápida es arma decisiva. Bucsa, además, cede 5 puntos en rendimiento de baseline sobre hard (47% vs su 42% línea de base), señal de que no prospera especialmente en esta superficie. Gauff, por el contrario, mantiene su 75% de baseline en hard, sin penalización.

El clima (29°C, 45% humedad, 20 km/h de viento) favorece ligeramente al jugador más potente y con mejor saque. El viento exige precisión que Gauff posee; Bucsa, con un saque inferior y menos confianza sobre hard, verá los vientos como enemigos mayores. Todos los factores técnicos apuntan a Gauff.

HISTORIAL Y CONTEXTO

Gauff derrotó a Bucsa hace dos años (2023, WTA tier), pero ese precedente tiene poco peso. Un único encuentro no redefine una brecha de 36 ranking puntos ni invierte una forma de 9/10. El contexto es US Open en casa para Gauff, que siempre suma (multitud, familiaridad), aunque el mercado ya lo ha incorporado.

Ambas jugadoras tienen descanso equivalente (1 día) y carga de partidos razonable (Gauff 5 en 14 días, Bucsa 4). No hay fatiga crítica que favorezca al underdog. Los factores estructurales no dejan espacio para sorpresas.

VALOR Y EXPECTATIVA

El modelo asigna 91% a Gauff; el mercado, 97% (odds 1.03). La divergencia de 6 puntos es señal de que la cuota sobrevaloraría ligeramente el favoritismo. Con EV de −6.3%, las cuotas para Gauff son matemáticamente negativas: el precio pagado no compensa el riesgo, incluso siendo Gauff la más probable. En términos de probabilidad pura, el 91% del modelo es creíble dado el nivel, forma e historial; en términos de dinero, 1.03 es un retorno insuficiente para ese riesgo, por pequeño que sea.

Bucsa tiene un 9% de probabilidad (modelo) frente a 3% (mercado), lo que la hace teóricamente infravaluada. Sin embargo, una probabilidad baja es baja: Bucsa tendría que ganar casi cada punto que Gauff pierde, lo que no es realista bajo estos números de nivel. La única vía es un colapso extraordinario de Gauff o una actuación histórica de Bucsa. El match debería favorecer a Gauff con claridad, pero pagar 1.03 por ello es pagar por certeza, no por probabilidad.

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.

Analizar los partidos de hoy →