Track record · WTA Tour.

Sherif (WTA #107) parte como amplia favorita ante Ruggeri (#312), con una diferencia de ranking de 205 posiciones que el modelo traduce en un 95% de probabilidad. La superficie no está confirmada (Brescia suele jugarse en clay, terreno donde Sherif históricamente rinde mejor por su juego de fondo), pero al faltar el dato oficial no aplico ajuste por surface. El contexto de 96h no aporta señales nuevas —ni lesiones ni cambios— así que recorto levemente desde el cap por la ausencia de información de forma reciente y la incertidumbre de surface. La amenaza principal es la propia regularidad de Sherif, que ha tenido tramos irregulares en ITFs menores como este. Stats clave: Ranking WTA: Sherif #107 vs Ruggeri #312 (diff -205) · Probabilidad base del modelo: 95% Sherif · Ajuste forma del modelo: -1.3 (leve negativo) · Surface no confirmada — sin ajuste por superficie aplicado

Keys (WTA #7) llega como favorita clara frente a Muchova (#20), con una diferencia de ranking de +13 que el modelo traduce en 86% de probabilidad base. La superficie del torneo de Berlín es césped, aunque el dato no fue confirmado en el input — terreno que históricamente premia el saque potente de la estadounidense. La amenaza real es la variabilidad de Muchova, capaz de incomodar a cualquier top-10 cuando su drive y su slice funcionan, además del historial de Keys con lesiones intermitentes. Sin señales contextuales en 96h, ajusto a la baja desde el 85 base por prudencia ante la falta de confirmación de surface. Stats clave: Keys rank WTA #7 vs Muchova #20 · Diferencia de ranking +13 a favor de Keys · Probabilidad modelo: 86% Keys · Form_adj prácticamente neutro (-0.006)

Bouzkova (rank 27, cuarta preclasificada) parte con una diferencia de ranking enorme frente a Klugman (rank 655, wildcard de 17 años), y el modelo le asigna 95% con base 85. La superficie no fue provista —se juega sobre césped en Nottingham— y ahí Klugman, británica formada en grass, suele rendir mejor que su ranking sugiere, además de venir con confianza tras su primera victoria WTA como lucky loser y respaldo del público local. Ajusto a la baja desde 85 a 80 por esa combinación de factor superficie + impulso emocional de la junior, sin llegar a descartar dado el salto cuantitativo de nivel. La amenaza real es que Bouzkova arranque tibia ante una rival sin presión. Stats clave: Bouzkova rank 46 vs Klugman rank 655 (diff +609) · Prob modelo: 95% Bouzkova · Bouzkova es 4° cabeza de serie del torneo · Klugman, 17 años, wildcard con primera victoria WTA reciente · Superficie (césped) no incorporada al ajuste base

Svitolina llega como #13 del ranking WTA frente a una Lys #39, con una diferencia de 26 puestos que el modelo traduce en 95% de probabilidad. La superficie del torneo de Berlín es césped, pero el dato no fue provisto al modelo, así que el ajuste por surface no se aplicó —Svitolina históricamente se mueve bien en hierba, aunque Lys es alemana y juega en casa, factor que puede empujar su nivel. Sin señales contextuales en 96h, mantengo la base pero recorto desde 85 hasta 78 por la ausencia de ajuste de superficie y el riesgo de localía en una segunda ronda donde Svitolina suele tardar en entrar al torneo. Stats clave: Svitolina rank #13 vs Lys rank #39 (diff +26) · Probabilidad modelo: 95% Svitolina · Ajuste de forma +2.4% a favor de Svitolina · Surface no provista — ajuste no aplicado

Vidmanova (WTA #145) tiene una brecha de ranking de 202 puestos sobre Micic (#347), lo que el modelo traduce en 95% de probabilidad y confianza base 85. La superficie del torneo en Figueira da Foz no fue provista, lo que impide validar si alguna jugadora tiene un sesgo positivo en esa cancha; por prudencia recorto 5 puntos. Sin contexto reciente de lesiones o fatiga, no hay razón para mover más allá. La amenaza típica en estos cruces de challenger/ITF es la varianza alta de la favorita ante una rival que no figura en el radar. Stats clave: Vidmanova rank WTA #145 · Micic rank WTA #347 · Rank diff +202 a favor de Vidmanova · Prob modelo 95% para Vidmanova

Sobre césped en Nottingham, Golubic (rank 80) parte como favorita ante Sonmez (rank 110) y el modelo le asigna 95% por la diferencia de ranking, pero el contexto reciente obliga a moderar la lectura. Sonmez llega con momentum tangible —venció en sets corridos a Leylah Fernandez, segunda cabeza de serie— y juega motivada por entrar al top 50, mientras que Golubic necesitó pasar por qualy y eliminar dos veces a la misma rival (Kenin) para llegar acá, lo que sugiere desgaste y un nivel no dominante. A favor de la suiza pesa la experiencia en grass y que Sonmez viene de una lesión de rodilla a fines de mayo en Roland Garros, factor de riesgo físico no menor en superficie rápida. Ajusto la base de 85 a 75 reflejando que el 95% del modelo, sin ajuste por surface y contra una rival en forma ascendente, está claramente inflado. Stats clave: Golubic rank 80 vs Sonmez rank 110 (diff +30) · Prob base modelo 95% sin ajuste por surface (advertencia de datos) · Sonmez eliminó a Fernandez (2° preclasificada) en sets corridos en R1 · Golubic llegó vía qualy, venció a Kenin dos veces seguidas · Sonmez con lesión de rodilla reciente (mayo, Roland Garros)

Sobre césped en Berlín, Noskova (#12) parte como amplia favorita ante Parry (#122) con una diferencia de ranking de +110 escalones, y el modelo le asigna 95% base. Ajusto a la baja porque el contexto pesa: Parry llega invicta desde la qualy sin ceder un set, el H2H está 2-2 en otras superficies y es el primer duelo entre ambas sobre hierba —una superficie que históricamente comprime las diferencias de ranking y favorece a jugadoras en ritmo. Noskova además debe defender puntos de la gira de césped pasada, lo que añade presión. Mantengo el pick por la brecha estructural de nivel, pero recorto 10 puntos por momentum de la rival y superficie volátil. Stats clave: Diferencia de ranking +110 (Noskova #12 vs Parry #122) · Probabilidad base del modelo: 95% · H2H igualado 2-2 en otras superficies · Parry invicta esta semana en Berlín incluyendo qualy, sin ceder sets · Primer enfrentamiento entre ambas sobre césped

Sabalenka (rank #1) llega como amplia favorita ante Alexandrova (#10) en el WTA de Berlín, torneo sobre hierba — aunque la surface no fue confirmada por el feed, Berlin es tradicionalmente césped, surface donde Sabalenka ha mostrado mejoras consistentes en los últimos años. El modelo le asigna 81.4% apoyado en diff de ranking +9 y forma reciente ligeramente a su favor (+2.9). Sin señales contextuales en las últimas 96h por la lejanía del fixture, ajusto levemente a la baja por la advertencia de surface no provista y porque Alexandrova es una sacadora peligrosa en pistas rápidas, con upsets ocasionales sobre top-5. Confianza final 78. Stats clave: Sabalenka rank #1 vs Alexandrova rank #10 (diff +9) · Probabilidad base del modelo: 81.4% · Ajuste de forma reciente: +2.9 a favor de Sabalenka · Surface no confirmada en el feed (Berlin típicamente hierba)

La diferencia de ranking es contundente: Gorgodze (#176) está casi 190 puestos por encima de Ferro (#364), que arrastra años de irregularidad post-lesiones y caída sostenida en el ranking. El modelo le asigna 95% a la georgiana, pero al tratarse de un ITF/challenger en Brescia sobre superficie no confirmada y sin contexto reciente que valide forma física actual, recorto el cap. Ferro tiene pasado top-50 y en formato corto cualquier WTA con historial puede generar ruido, aunque la brecha de nivel actual es clara. Mantengo el pick pero por debajo del techo por falta de información de surface y forma in-situ. Stats clave: Rank Gorgodze #176 vs Ferro #364 (diff -188) · Probabilidad modelo 95% a Gorgodze · Ajuste de forma +1.7 a favor de la georgiana · Surface del match no confirmada

Bouzas Maneiro llega como #42 WTA frente a una Volynets #96, diferencia de 54 puestos que el modelo traduce en 95% de probabilidad. El partido es en Nottingham, sobre césped (gira británica previa a Wimbledon), superficie no provista explícitamente por el feed —lo que obliga a recortar algo de confianza dado que Volynets ha mostrado registros decentes en hierba históricamente y la superficie es la más igualadora del circuito. Sin contexto reciente útil (kickoff con anticipación irreal), ajusto la base 85 a 78 para no inflar sobre datos faltantes. La amenaza real es la varianza propia del césped, donde el saque y los breaks puntuales pueden inclinar sets cortos. Stats clave: Bouzas Maneiro rank WTA #42 vs Volynets #96 · Diferencia de ranking -54 a favor de la española · Probabilidad modelo: 95% Bouzas Maneiro · Surface no confirmada (sede Nottingham, típicamente césped)

La diferencia de ranking es contundente: Charaeva está #160 WTA frente a una Kulikova #510, una brecha de 350 puestos que en el circuito ITF/WTA secundario sobre tierra batida europea (Figueira Da Foz se juega tradicionalmente en clay) suele traducirse en superioridad clara de la mejor rankeada. El modelo asigna 95% a Charaeva con base 85; sin contexto reciente relevante en las últimas 96h, mantengo cerca de la base pero descuento levemente porque la surface no fue confirmada por el feed y los partidos de segunda ronda en torneos menores tienen mayor varianza de la habitual. La amenaza principal es un día flojo de la favorita o que Kulikova llegue con buen ritmo desde qualy. Stats clave: Charaeva rank WTA #160 vs Kulikova #510 (diff 350 puestos) · Probabilidad del modelo: 95% Charaeva · Sin novedades de lesión o fatiga en últimas 96h · Surface no confirmada — ajuste defensivo de -5

Pegula (WTA #6) llega con una brecha de ranking considerable frente a Siniakova (#47), que es especialista en dobles y rinde por debajo de su ranking en singles. La superficie es hierba en Berlín, un terreno donde Pegula ha mostrado solidez con su juego plano desde el fondo y donde Siniakova, pese a sus credenciales en césped, no ha sostenido resultados consistentes en singles este año. El modelo marca 95% para Pegula; sin contexto reciente que ajustar y dado que la superficie real (hierba) no fue confirmada en el input, recorto levemente la base de 85 a 80 por prudencia ante el dato faltante. La amenaza es el saque y juego de transición de Siniakova en pasto, que puede romper ritmo en sets cortos. Stats clave: Pegula rank WTA #6 vs Siniakova #47 (diff +41) · Probabilidad del modelo 95% para Pegula · Ajuste de forma +1.5% a favor de Pegula · Surface no confirmada — recorte prudencial de 5 puntos

Teichmann (WTA #120) llega con una diferencia de ranking de 109 puestos sobre Palicova (#229), brecha significativa para un cuadro de nivel ITF/challenger como Figueira da Foz. El modelo le asigna 95% pero la surface no fue confirmada, lo que impide validar si Teichmann (zurda con buen historial en clay europeo) mantiene su ventaja natural en esta superficie específica. La amenaza es doble: Palicova es jugadora joven en ascenso jugando en torneo de menor categoría donde la favorita a veces baja revoluciones, y la falta de ajuste por surface obliga a recortar la confianza base. Bajo de 85 a 78 por la advertencia de datos. Stats clave: Teichmann rank WTA #120 vs Palicova #229 · Diferencia de ranking -109 a favor de Teichmann · Probabilidad base del modelo 95% · Surface no confirmada — ajuste no aplicado

Eala llega como favorita clara según el modelo, con un ranking WTA #53 frente al #69 de Vekic y una probabilidad asignada del 91.4%. La advertencia relevante es que no se dispone de la surface confirmada del partido (Berlín suele jugarse sobre césped en esta fecha, surface donde Vekic históricamente rinde por encima de su ranking), por lo que aplico un ajuste defensivo de -5 sobre la base 85. Sin señales contextuales en las últimas 96h ni datos de surface para validar, mantengo el pick por el margen probabilístico pero sin inflarlo. La amenaza concreta es que Vekic tiene experiencia en cuadros grandes y puede competir mano a mano si el escenario favorece su saque. Stats clave: Ranking WTA Eala #53 vs Vekic #69 (diff -16) · Probabilidad de modelo 91.4% para Eala · Forma reciente ligeramente en contra (form_adj -0.005) · Surface no confirmada — ajuste por superficie no aplicado

La diferencia de ranking es contundente: Giovannini #220 contra Astakhova #427, una brecha de 207 posiciones que el modelo traduce en 95% para la argentina. No tenemos confirmación de surface (Brescia suele jugarse en clay outdoor, pero no está validado en el input) ni contexto de últimas 96h, así que recorto desde la base 85 hasta 78 para reflejar esa incertidumbre de datos. La amenaza es típica de challengers WTA: jugadora de ranking bajo puede llegar más fresca o con condiciones locales favorables, pero la diferencia de nivel es demasiado amplia para descartar el favoritismo. Stats clave: Giovannini rank #220 vs Astakhova rank #427 · Rank diff -207 a favor de Giovannini · Prob modelo 95% para Giovannini · Surface no confirmada — ajuste defensivo de -7

Navarro (WTA #15) enfrenta a Starodubtseva (#111) en el césped de Nottingham, con una diferencia de ranking de 96 puestos que el modelo traduce en 95% de probabilidad para la estadounidense. La superficie no fue provista en data, lo que impide refinar por especialización en grass —Starodubtseva tiene mejor adaptación a tierra que a hierba, lo que en principio refuerza a Navarro, pero sin el dato confirmado prefiero no inflar—. Sin señales contextuales en las últimas 96h (la fecha es lejana), mantengo la base con un leve recorte de 2 puntos por la advertencia de datos. La amenaza real es la varianza propia del césped en rondas tempranas, donde top-20 a veces resbalan ante jugadoras con saque pesado. Stats clave: Navarro ranking WTA #15 vs Starodubtseva #111 · rank_diff -96 a favor de Navarro · probabilidad del modelo 95% para Navarro · surface no confirmada — ajuste por superficie no aplicado

La diferencia de ranking es enorme: Vandromme (#342) está casi 600 puestos por encima de Zamarripa (#926), lo que en circuito ITF/WTA menor suele traducirse en partidos muy desequilibrados. El modelo asigna 95% a la belga, pero al tratarse de una primera ronda en Figueira da Foz sin superficie confirmada en el dataset y sin contexto reciente que valide forma física, prefiero recortar la confianza. La amenaza típica en este escalón es la volatilidad de jugadoras jóvenes y el factor sorpresa en torneos de bajo nivel, donde una sola jornada irregular borra la brecha de ranking. Ajusto a 78 por la advertencia de surface no provista. Stats clave: Rank Vandromme #342 vs Zamarripa #926 · Diferencia de ranking +584 · Prob modelo 95% · Surface no disponible (ajuste no aplicado)

Badosa (WTA #25) parte como amplia favorita ante Lamens (#97) en el debut de Berlín, torneo sobre césped previo a Wimbledon. El modelo le asigna 95% por la brecha de ranking de 72 puestos, pero el dato a vigilar es que no se aplicó ajuste por superficie y el grass tiende a comprimir diferencias —Lamens tiene mejor adaptación natural a pistas rápidas que la española, cuya mejor superficie es la tierra. Sin contexto de últimas 96h, recorto la base de 85 a 78 para reflejar la incertidumbre por la superficie no confirmada y el historial irregular de Badosa fuera de clay. Stats clave: Badosa rank WTA #25 vs Lamens #97 (diff 72 puestos) · Probabilidad base del modelo: 95% · Ajuste por surface no aplicado (dato faltante) · Forma reciente ligeramente negativa (-1.8)

Sin datos numéricos de ranking ni récord por surface en el input, el pick se apoya en el contexto externo: Wang Xiyu llega como favorita clara por ranking superior y viene de alcanzar por primera vez la 4ª ronda de Roland Garros, lo que confirma forma reciente en clay — superficie del WTA 125K de Brescia. Gao Xinyu juega sin presión pero parte desde abajo en jerarquía. La principal incertidumbre es el componente psicológico de un duelo entre compatriotas chinas, que puede aplanar la diferencia teórica, y la ausencia de stats duras de H2H y récord en clay 2026 reduce la convicción. Stats clave: Wang Xiyu favorita por ranking superior (contexto) · Wang Xiyu llegó a 4ª ronda en Roland Garros 2025 (clay) · Gao Xinyu sin presión como underdog · Superficie: clay (Brescia)

En grass, Muchova tiene mejor calidad de tenis y domina el H2H 2-0 incluyendo una victoria en Wimbledon 2021, lo que es señal directa sobre esta superficie. Su 2026 es muy sólido (24-7, 77.4%) y viene de ganar título en Doha. La principal incertidumbre — y por eso no subo más la confianza — es su condición física (requirió asistencia médica reciente y tiene historial de lesiones) sumado a que Zhang ya tiene rodaje en césped tras pasar la qualy, mientras Muchova debuta en la superficie (0-0 en grass este año). Stats clave: Muchova #20 WTA, 1888 pts · Récord 2026: 24-7 (77.4%) · H2H 2-0 a favor de Muchova, incluyendo grass · Muchova 0-0 en grass 2026 (debut superficie) · Zhang viene de superar la qualy en Berlín

Sobre césped en Berlín, Noskova (WTA #12) parte como amplia favorita ante Zarazua (#77), con una diferencia de 65 puestos en ranking que el modelo traduce en 95% de probabilidad. Sin embargo, el contexto pide cautela: la checa no compite desde Roland Garros (transición clay→grass siempre delicada) mientras que la mexicana llega con dos victorias previas en estas mismas canchas tras pasar la qualy. Ajusto la base 85 hacia abajo a 78 para reflejar la falta de ritmo de Noskova sobre hierba y la incógnita de surface (no se aplicó ajuste por superficie por dato faltante). La amenaza real es un primer set frío de la favorita ante una rival ya rodada. Stats clave: Noskova WTA #12 vs Zarazua WTA #77 (diff 65) · Prob modelo: 95% Noskova · Zarazua 2-0 en qualy de Berlín esta semana · Noskova sin partidos desde Roland Garros · Primer H2H entre ambas

Partido sobre grass (Berlin) en debut de torneo. Keys es #7 WTA con 15-8 (65.2%) en el año y viene en buena forma (4 victorias en últimos 5). Wang Xinyu no tiene stats provistas, lo que sugiere ranking considerablemente inferior a top 30; en grass, el saque potente de Keys es un arma especialmente diferencial. Principal incertidumbre: ninguna de las dos llega con récord en grass este año (0-0), por lo que la adaptación a superficie es un riesgo real. Stats clave: Keys #7 WTA (4335 pts) · Récord 2026: 15-8 (65.2%) · Últimos 5: WWWWL · Récord grass 2026: 0-0 · Oponente sin ranking ATP/WTA listado

Astakhova llega como favorita clara según el modelo (rank diff +69) en este Round 1 del WTA 125K de Brescia, aunque la superficie no fue provista y eso impide ajustar por especialización. El contexto muestra una Astakhova más rodada en circuito superior, mientras Basiletti viene con resultados mixtos y derrotas frente a top como Svitolina. La base de 85 me parece optimista para tenis femenino en categoría 125K, donde la varianza es alta y Astakhova viene de caer ante Grant en Foggia. Ajusto a la baja para reflejar la ausencia del dato de surface y el momento irregular de la rusa. Stats clave: Rank diff +69 a favor de Astakhova · Prob modelo 95% (base 85) · Astakhova viene de derrota reciente ante Grant en Foggia · Surface no disponible — ajuste por superficie no aplicado

La superficie del torneo de Brescia (WTA 125K, tierra batida indoor/outdoor) no fue provista por el modelo, así que el ajuste de surface no se aplicó —ese es el primer asterisco. La diferencia de ranking es enorme (92 vs 237) y el modelo le da 95% a Grabher, pero el contexto pesa fuerte en contra: viene de cirugía de muñeca, retiro por enfermedad en Roland Garros hace menos de tres semanas y prácticamente sin rodaje competitivo. Paquet llega con ritmo y victoria reciente, lo que estrecha el margen real. Ajusto base 85 a 72 por riesgo físico y falta de minutos en cancha; el favoritismo se mantiene pero con cautela. Stats clave: Diferencia de ranking +145 (Grabher 92, Paquet 237) · Prob base del modelo: 95% para Grabher · Grabher retirada por enfermedad en R2 de Roland Garros (28-may-2026) · Regreso post-cirugía de muñeca, rodaje competitivo limitado · Surface no informada — ajuste de superficie no aplicado

La superficie del partido (césped de Nottingham) no fue confirmada por el feed, lo que limita un ajuste fino. Aun así, la diferencia de ranking es contundente: Sakatsume #151 WTA frente a Dudeney #439, con el modelo asignando 95% a la japonesa. El contexto introduce una señal a la baja: Dudeney llega con dos títulos ITF consecutivos en mayo, momentum real que suele comprimir gaps en superficies rápidas y en formato qualy a un set decisivo. Ajusto base 85 a 78 por ese momentum más la advertencia de surface faltante; sigue siendo pick claro pero con prudencia. Stats clave: Sakatsume WTA #151 vs Dudeney WTA #439 (diff +288) · Probabilidad del modelo: 95% Sakatsume · Dudeney llega con 2 títulos ITF consecutivos en mayo 2026 · Primer H2H entre ambas, sin historial previo · Surface no confirmada por el feed (advertencia de datos)

La diferencia de ranking es abrumadora: Osuigwe (#152 WTA) contra Tomai (#1390 WTA), una brecha de más de 1.200 puestos que el modelo traduce en 95% de probabilidad. El contexto refuerza el escenario base: Tomai juega con wild card su primer WTA 125 a los 21 años, sin track record en este nivel, mientras Osuigwe viene de alcanzar semifinales en el Oeiras CETO Open, otro WTA 125 en Portugal, lo que sugiere adaptación al circuito y posiblemente a condiciones similares. La superficie no fue provista, pero el gap competitivo es tan amplio que ese factor pierde peso. Mantengo el cap en 85 sin inflar: en tenis femenino de clasificación los upsets existen y Tomai no tiene presión de resultado. Stats clave: Osuigwe rank WTA #152 vs Tomai #1390 (diff +1238) · Probabilidad base del modelo: 95% · Osuigwe llega de semifinales en Oeiras CETO Open (WTA 125 en Portugal) · Tomai debuta en WTA 125 vía wild card, sin H2H previo

Sobre césped en Ilkley, Krueger llega con un récord de 9-1 en la superficie esta temporada y un diferencial de ranking enorme (#49 vs #302) que el modelo traduce en 95% de probabilidad. El contexto matiza ligeramente: Naef viene de seis victorias consecutivas para llegar a la final y le ganó el único H2H justamente sobre césped (Wimbledon Q 2023, 6-4 6-2), por lo que ajusto la base 85 a 82 para reconocer ese antecedente y la dinámica de la suiza. Aun así, el salto de nivel WTA vs ITF/qualy y la forma de Krueger en grass del año mantienen el pick claramente del lado de la estadounidense. La amenaza real es un saque elevado de Naef que neutralice el ritmo desde el fondo. Stats clave: Krueger rank #49 vs Naef #302 (diff +253) · Prob modelo: Krueger 95% · Krueger 9-1 en césped en la temporada · Naef ganó el único H2H previo en césped (Wimbledon Q 2023) · Naef llega con 6 victorias consecutivas

La brecha de ranking es enorme (Voloshchuk 460 vs Losciale 971, diff -511) y el modelo le asigna 95% a la ucraniana, base 85. La superficie no fue provista — es qualy del WTA 125K de Figueira Da Foz, probablemente tierra batida outdoor, pero sin confirmación oficial reduzco levemente. El H2H reciente refuerza: Voloshchuk ya ganó 2-0 a Losciale en noviembre de 2025, y la diferencia generacional (19 vs 29 años) favorece a la jugadora joven en ascenso frente a una veterana estancada en el ranking 900+. Ajusto -5 por la falta de dato de superficie y porque ambas vienen de derrota el 11 de junio (factor neutro pero añade ruido). Mantengo publicable. Stats clave: Rank diff -511 (Voloshchuk 460 vs Losciale 971) · Prob modelo 95% a Voloshchuk · H2H 1-0 Voloshchuk (2-0 en nov 2025) · Surface no confirmada — ajuste -5

Sobre césped Siniakova tiene experiencia significativamente mayor y un H2H 1-0 favorable, aunque ganado en tres sets ajustados. El contexto refuerza el pick: 21 victorias en sus últimos 26 partidos vs jugadoras chinas y llega con confianza tras ganar dobles en Roland Garros. La incertidumbre principal es que es su primer partido del año en grass mientras Yuan ya jugó en la superficie la semana pasada, lo que limita la convicción. Stats clave: Siniakova #47 WTA · H2H 1-0 Siniakova · Récord 21-5 vs jugadoras chinas · Récord año Siniakova 10-10 (50%) · Primer partido del año en grass para Siniakova

Diferencia de ranking abrumadora: Kobori figura entre la 333-421 del WTA mientras Lopez Martinez está por encima del puesto 700, una brecha de más de 300 posiciones que el modelo traduce en 95% de probabilidad. La surface no fue provista (torneo ITF sobre tierra en Figueira da Foz, típicamente clay), así que no aplico ajuste por superficie y prefiero recortar levemente desde la base 85. El contexto de 96h no reporta lesiones ni cambios, por lo que no hay señal para mover en ninguna dirección. La única amenaza real es la varianza propia de torneos ITF/challenger donde la jugadora local puede elevar nivel, pero la diferencia estructural es demasiado amplia. Stats clave: Kobori rank ~333-421 vs Lopez Martinez ~707-738 · Brecha de ranking de más de 300 posiciones · Probabilidad del modelo 95% para Kobori · Sin lesiones ni novedades en últimas 96h

El modelo da 80% a Volynets por diferencia de ranking (96 vs 106), pero hay dos señales de cautela que pesan en césped. Primero, no se provee surface_adj —Nottingham es césped, superficie de altísima varianza donde 10 puestos de ranking pesan menos que en cancha dura. Segundo, el H2H favorece a Birrell 2-1, incluyendo el único partido previo sobre césped entre ambas. Ajusto la base de 80 a 72: Volynets sigue siendo favorita por ranking y forma, pero el historial directo en superficie y la naturaleza impredecible del césped reducen el margen. Sin lesiones reportadas en ninguna, no hay razón para descartar. Stats clave: Rank Volynets #96 vs Birrell #106 (diff +10) · Prob base modelo: 80.1% · H2H favorece a Birrell 2-1, incluyendo único duelo en césped · Superficie césped no incorporada en el cálculo base

Ruggeri llega como favorita clara en la qualy del WTA 125K de Brescia con una diferencia de ranking sustancial (312 vs 507, casi 200 puestos) y jugando en su país natal. La superficie no fue provista en el feed, lo que limita la lectura fina, pero el diferencial de nivel es lo suficientemente amplio como para que el factor surface sea secundario en una qualy de este escalón. El contexto reciente confirma forma sólida (7 victorias en los últimos 10) y no hay reportes de lesiones en 96h. Mantengo la base en 85; la única amenaza real es la varianza típica de qualies con jugadoras jóvenes. Stats clave: Ranking: Ruggeri 312 vs Kotliar 507 (diff +195) · Probabilidad del modelo: 95% Ruggeri · Forma reciente Ruggeri: 7-3 últimos 10 · Ventaja de localía en Brescia, Italia

Pieri llega con una diferencia de ranking favorable (349 vs 367) en un Qualy de WTA 125 jugado en Brescia, terreno italiano para ambas. El modelo le asigna 93% por la brecha, pero la surface no fue provista y a nivel ITF/Qualy de bajo ranking la varianza entre jugadoras separadas por apenas 18 puestos es alta. Sin señales contextuales en las últimas 96h (ni lesiones ni fatiga reportada), ajusto a la baja desde 85 para reflejar la incertidumbre estructural del segmento. La amenaza principal es la propia volatilidad del nivel: a este escalón, el rank diff pesa menos que en circuito principal. Stats clave: Rank Pieri #349 vs Cherubini #367 (diff +18) · Probabilidad modelo: 93% Pieri · Surface no provista — ajuste por superficie no aplicado · Sin lesiones ni novedades en las últimas 96h

El modelo da 95% a Bronzetti por un diferencial de ranking de +96 posiciones, pero hay que matizar: la surface del partido (arcilla en Módena) no fue incorporada al cálculo, y Samson —pese a ser junior de 18 años— está rankeada #137 real y viene jugando bien en tierra batida europea. Bronzetti aporta experiencia WTA y juega en casa tras llegar a semis en Foggia, lo que sostiene el favoritismo, pero un primer cruce sin H2H contra una jugadora joven en ascenso en su mejor superficie introduce más varianza que la que refleja el 95% base. Ajusto a la baja desde 85 a 78 por la advertencia de surface no aplicada y el riesgo natural de una rival emergente sin lectura previa. Stats clave: Bronzetti #105 vs Samson #201 en el input del modelo (rank diff +96) · Prob base del modelo: 95% Bronzetti · Bronzetti viene de semifinal en WTA 125 Foggia · Samson, 18 años, en buen momento sobre arcilla · Primer enfrentamiento oficial — sin H2H · Surface no incorporada al cálculo (advertencia de datos)

El modelo le da 78% a Rakhimova apoyado en la diferencia de ranking (91 vs 100), pero el contexto recorta el margen de forma clara. Rakhimova viene de un partido de 2h51min disputado apenas un día antes, fatiga relevante en césped donde los puntos son cortos pero las piernas pesan en saques y cambios de dirección. Suma que el H2H está 2-2 y que Selekhmeteva ganó el cruce más reciente en febrero. Ajusto la base de 78 a 68 por el desgaste físico de la rusa y la incertidumbre adicional de no contar con surface confirmada en el modelo. La amenaza es que Selekhmeteva llega sin ritmo competitivo desde Roland Garros (24 de mayo), lo que también puede pesarle en una qualy a un set decisivo. Stats clave: Rank: Rakhimova 91 vs Selekhmeteva 100 (diff -9) · Probabilidad base modelo: 78.4% Rakhimova · H2H igualado 2-2, último ganado por Selekhmeteva (feb 2026) · Rakhimova jugó 2h51min el día previo · Selekhmeteva sin partido oficial desde 24/05

Sin información de surface confirmada (Nottingham suele ser césped, pero el dato no fue provisto), trabajo con la base cuantitativa: Sonmez (#110) tiene 21 puestos de ventaja sobre Tararudee (#131) y mejor forma reciente (+2.4). El modelo le asigna 95%, pero el contexto pesa en contra: Sonmez juega segundo día consecutivo tras caer en cuartos en 's-Hertogenbosch, viene saliendo de una molestia de rodilla en Roland Garros, y además Tararudee se le impuso en el único H2H previo en 2025. Ajusto la base de 85 a 72 — la favorita por papel sigue siéndolo, pero la combinación fatiga + lesión reciente + H2H adverso recorta el margen de forma significativa. Stats clave: Sonmez rank #110 vs Tararudee #131 (diff +21) · Forma ajustada +2.4 a favor de Sonmez · H2H 2025: Tararudee 1-0 · Sonmez jugó cuartos en 's-Hertogenbosch el día previo · Lesión de rodilla en Roland Garros (recuperada parcialmente)

El partido se juega sobre césped en Nottingham, superficie donde Golubic tiene historial sólido —fue finalista en este mismo torneo en 2021 y su juego plano y de slice se adapta bien a la hierba. El modelo asigna 95% a la suiza por diferencia de ranking (80 vs 103), pero ese número se siente inflado para una qualy WTA donde Erjavec llega con buen momento tras alcanzar final WTA 125 en China en mayo. Es además primer H2H, sin lectura previa. Ajusto la base 85 a 78 por la varianza típica de qualys sobre césped y el momento competitivo reciente de la eslovena. Stats clave: Golubic rank 80 vs Erjavec rank 103 (diff +23) · Probabilidad modelo: 95% Golubic · Golubic es 6ta cabeza de serie de la qualy · Erjavec viene de final WTA 125 en mayo 2026 · Primer enfrentamiento directo (sin H2H)

Sobre césped (torneo de Berlín), Bartunkova llega con ventaja clara de ranking (#126 vs #269, diff +143) y con rodaje específico en la superficie tras alcanzar la final del WTA 125 de Birmingham hace pocas semanas. El modelo le asigna 95% base, pero ajusto a la baja porque no se aplicó adjuste por surface y Noha Akugue viene con confianza alta tras tres títulos ITF en 2026, incluido el W100 de Wiesbaden. Sin H2H previo, la incertidumbre del primer cruce también pesa. La amenaza concreta es un ritmo de servicio incómodo en césped para la checa si no entra fina al partido. Stats clave: Rank diff: Bartunkova #126 vs Akugue #269 (+143) · Bartunkova finalista WTA 125 Birmingham 2026 (césped) · Akugue 3 títulos ITF 2026 incl. W100 Wiesbaden · Prob modelo: 95% Bartunkova · Sin enfrentamientos previos (H2H 0-0)

Bronzetti llega como clara favorita por ranking (#105 vs #161), una diferencia de 56 puestos que el modelo traduce en 95% de probabilidad. La sede en Modena le añade el factor local, jugando en Italia frente a una compatriota de menor circuito. La surface del cuadro no fue provista, lo que impide afinar el ajuste por terreno —probable tierra batida indoor/outdoor dado el calendario italiano de junio, donde Bronzetti se mueve con comodidad. Recorto la confianza desde 85 hacia 78 por la ausencia de dato de surface y por la varianza propia de un cuarto de final WTA 125/ITF donde las locales de ranking medio pueden tener días erráticos. Stats clave: Ranking WTA: Bronzetti #105 vs Brancaccio #161 · Diferencia de ranking: +56 a favor de Bronzetti · Probabilidad modelo: 95% Bronzetti · Sede Modena (Italia) — ambas locales, sin ventaja neta de público

Naef llega con ranking WTA 302 frente a la 332 de Urhobo, una diferencia modesta en términos absolutos pero relevante en este nivel del circuito, donde 30 puestos suelen reflejar consistencia semanal en challengers e ITF. El modelo dispara 95% para la suiza, base 85. Sin embargo, la superficie no fue provista (Ilkley es hierba histórica, pero el dato no está confirmado) y a este nivel del ranking la varianza por surface y forma puntual es alta. Sin contexto reciente que confirme estado físico ni señales de las últimas 96h, recorto a 78 para no sobrevender un favoritismo que el dato cuantitativo apoya pero el cualitativo no respalda. Stats clave: Rank WTA Naef #302 vs Urhobo #332 · Diferencia de ranking +30 a favor de Naef · Probabilidad del modelo 95% match_winner · Surface no confirmada — ajuste por superficie no aplicado

El torneo se juega en Londres, lo que sugiere pasto (Queen's/preparación a Wimbledon), superficie donde Raducanu históricamente rinde mejor que Cirstea —aunque el dato de surface no fue provisto al modelo, así que no se aplicó ajuste cuantitativo. El gap de ranking favorece a la británica (#29 vs #41) y la forma reciente también la respalda (+1.4). El modelo le asigna 83.5% con base 84; ajusto levemente a la baja a 78 por la ausencia de ajuste por surface y porque Cirstea tiene perfil de veterana capaz de complicar a rivales jóvenes en condiciones rápidas. La amenaza principal es la irregularidad histórica de Raducanu y posible factor presión de jugar en casa. Stats clave: Raducanu rank #29 vs Cirstea #41 (diff -12) · Probabilidad base del modelo: 83.5% · Ajuste por forma reciente: +1.4 · Sede Londres sugiere pasto, superficie favorable a Raducanu (no cuantificada por el modelo)

El torneo se juega sobre tierra batida en Módena, superficie donde Kawa históricamente se mueve con comodidad como jugadora europea de clay. El modelo le da 76% basado en diferencia de ranking (#134 vs #142), y el contexto refuerza levemente: Kawa llega con rodaje reciente tras disputar la qualy de Roland Garros en mayo, mientras Salkova no compite desde Rouen en abril —casi dos meses de inactividad en un circuito donde el ritmo competitivo pesa. Ajusto +2 a 78%. La amenaza es que ambas son jugadoras de nivel similar (8 puestos de diferencia) y un upset en WTA 125K nunca se puede descartar. Stats clave: Kawa rank #134 vs Salkova #142 (diff -8) · Probabilidad base del modelo: 76% Kawa · Kawa con actividad reciente (qualy Roland Garros, mayo 2026) · Salkova sin competir desde abril 2026 (~2 meses de inactividad)

Aunque las stats numéricas no fueron provistas en el input, el contexto es inequívoco: Medvedev es top ATP y tercer preclasificado del Libema Open, un torneo ATP 250 en grass, enfrentando a Boogaard, un wildcard de 17 años con ranking 779 que recién ganó su primer partido ATP. La diferencia de nivel en grass es masiva y Medvedev históricamente rinde bien en superficies rápidas. La principal incertidumbre es la forma irregular reciente de Medvedev (4 eliminaciones en R1 de Grand Slams en sus últimas 5 participaciones), pero esos eran rivales tour-level, no un junior #779. Stats clave: Medvedev tercer preclasificado del torneo · Boogaard ranking 779 ATP · Boogaard tiene 17 años y juega con wildcard · Boogaard apenas logró su primera victoria ATP en R1 · Superficie: grass (favorece a Medvedev)

Sobre césped en 's-Hertogenbosch, Linette (rank #52) parte como amplia favorita ante Sonmez (#110), con el modelo dándole 95% por la diferencia de 58 puestos. El contexto introduce dos matices: Sonmez viene de una caída con herida en rodilla en Roland Garros hace menos de dos semanas (aunque reportada como recuperada), y el H2H 0-1 corresponde a un retiro de Linette, no a una derrota real en cancha. Ajusto la base de 85 a 78 porque es la primera vez que ambas se miden completas y la polaca tiene historial físico frágil; aun así, su jerarquía y experiencia en césped (donde Sonmez nunca llegó a un QF de tour) sostienen el pick. La amenaza principal es una recaída física de Linette, no el nivel de Sonmez. Stats clave: Linette rank #52 vs Sonmez #110 (diff -58) · Prob modelo 95% para Linette · H2H 0-1 viciado por retiro previo de Linette · Primer QF en césped a nivel WTA para Sonmez · Sonmez con lesión reciente en rodilla en Roland Garros

Sobre césped en Londres, Rybakina (rank #5) parte como amplia favorita frente a Maria (#43), con el modelo otorgándole 95% basado en diferencial de ranking de 38 puestos y forma reciente +2.5%. El contexto, sin embargo, mete ruido: Maria es la campeona defensora del torneo, ya eliminó a Rybakina en cuartos el año pasado en esta misma superficie y llega con tres partidos de ritmo desde qualy, mientras que para Rybakina es su debut sobre hierba de la temporada tras una salida temprana en Roland Garros. El slice game de Maria sobre césped y el factor revancha justifican un ajuste a la baja desde 85 hacia 78. Sigue siendo pick por nivel y potencia de saque de Rybakina, pero la calibración honesta exige descontar la varianza superficie-específica. Stats clave: Rybakina rank #5 vs Maria rank #43 (diff +38) · Prob base del modelo: 95% Rybakina · Forma reciente: +2.5% a favor de Rybakina · H2H reciente: Maria ganó en cuartos de Londres 2025 · Maria llega con 3 victorias desde qualy; Rybakina debuta en césped

El torneo se juega sobre césped en Ilkley, una superficie de transición previa a Wimbledon donde la diferencia de ranking pesa menos que en otras surfaces por lo rápido del bote y el factor saque. Krueger (#49 WTA) tiene una brecha enorme sobre Dudeney (#439), y el modelo le asigna 95% base. Ajusto a la baja: Dudeney llega con confianza tras el mejor triunfo de su carrera en R1, juega en casa con wild card y tiene background previo en césped (cuartos juniors en Wimbledon 2021), factores que en superficie rápida pueden generar un set incómodo. La amenaza real es un Krueger frío de saque en condiciones europeas; aun así, la diferencia de nivel es demasiado amplia para descartar el pick. Stats clave: Krueger rank #49 WTA vs Dudeney #439 (diff -390) · Probabilidad base del modelo: 95% · Dudeney es wild card local, sin track record WTA consolidado · Superficie: césped (Ilkley, previa a Wimbledon)

El modelo otorga 95% a Jimenez Kasintseva por la diferencia de ranking (114 vs 143, +29 posiciones), pero ajusto a la baja porque la surface del WTA 125K de Módena no fue provista y el ajuste por superficie no se aplicó —un input clave en tenis que no puedo verificar—. Lepchenko es una veterana zurda con experiencia en clay europea, lo que añade incertidumbre cualitativa que el modelo no captura. El contexto de 96h no aporta señal nueva (sin lesiones ni cambios reportados), así que el ajuste es puramente por incertidumbre de datos. Mantengo el pick por el favoritismo claro de la andorrana, pero con confianza moderada. Stats clave: Rank Jimenez Kasintseva #114 vs Lepchenko #143 (diff +29) · Probabilidad modelo 95% para la andorrana · Surface no provista — ajuste de superficie no aplicado · Sin señales contextuales relevantes en últimas 96h

Salkova (WTA #142) llega como favorita amplia frente a una Trevisan que cayó al #696 tras un 2025 muy irregular, con una diferencia de ranking de 554 puestos. El modelo le asigna 95% a la checa, pero la superficie del match no fue provista —probablemente clay indoor/outdoor en Modena, que históricamente favorece a Trevisan (zurda, ex top-20 en tierra). Sin contexto reciente que ajustar y con la advertencia de surface sin aplicar, recorto el techo: la italiana sigue teniendo herramientas en clay aunque su nivel actual no acompañe. Mantengo el pick pero con confianza algo por debajo de la base. Stats clave: Salkova rank WTA #142 vs Trevisan #696 (diff +554) · Prob modelo 95% para Salkova · Forma reciente +2.5% a favor de Salkova · Surface no provista — ajuste no aplicado (Trevisan histórica especialista en clay)

Jovic llega como #35 del ranking WTA frente a la #53 Eala, una diferencia de 18 puestos que el modelo traduce en 93.4% de probabilidad. Sin embargo, la surface del partido no fue provista —dato crítico en Londres, donde podría tratarse de hierba y Eala históricamente se ha movido mejor en superficies rápidas que Jovic, aún en desarrollo en el circuito. Sin contexto reciente en las últimas 96h y con la advertencia de surface sin aplicar, recorto la base de 85 a 78 por prudencia: la diferencia de ranking sostiene el pick, pero la falta de ajuste por superficie deja un margen de error que no quiero ignorar. La amenaza principal es justamente que el match sea en grass y Eala neutralice con saque y agresividad. Stats clave: Jovic rank WTA #35 vs Eala #53 · Diferencia de ranking +18 a favor de Jovic · Probabilidad del modelo 93.4% para Jovic · Surface no provista — ajuste por superficie no aplicado

Potapova llega como clara favorita en 's-Hertogenbosch con ranking #55 frente al #97 de Lamens, una diferencia de 42 posiciones que el modelo traduce en 95% de probabilidad. La superficie no está confirmada en los datos provistos (probablemente hierba dado el torneo neerlandés de junio), y ahí está la principal amenaza: Lamens es jugadora local y la hierba tiende a comprimir diferencias de ranking, favoreciendo a sacadoras consistentes en su superficie de casa. Sin contexto reciente relevante (partido a meses vista), ajusto a la baja desde 85 por la advertencia de surface no confirmada y el factor local de Lamens. La forma reciente (+3.3) sostiene la lectura pro-Potapova. Stats clave: Potapova rank #55 vs Lamens rank #97 (diff +42) · Probabilidad modelo: 95% Potapova · Ajuste forma: +3.3 a favor de Potapova · Surface no confirmada — torneo de hierba histórico, Lamens jugadora local

La brecha de ranking es enorme: Lepchenko (143 WTA) frente a Basiletti (496 WTA), una diferencia de 353 posiciones que el modelo traduce en 95% de probabilidad. La surface no fue confirmada (Modena suele ser clay outdoor en ITF/WTA 125), por lo que no aplico ajuste por superficie y bajo levemente desde el cap. Sin señales contextuales en 96h, mantengo el peso casi íntegro del modelo, pero descuento por la naturaleza R1 donde jugadoras de bajo ranking local a veces compiten por encima de su nivel. La amenaza principal es una Lepchenko poco activa o sin ritmo competitivo reciente, riesgo típico de veteranas en ITF/WTA menores. Stats clave: Lepchenko rank WTA 143 · Basiletti rank WTA 496 · Rank diff -353 a favor de Lepchenko · Probabilidad modelo 95%

Diferencia de ranking amplia a favor de Jimenez Kasintseva (114 vs 226, +112 posiciones), lo que el modelo traduce en 95% de probabilidad y confianza base 85. Sin embargo, la surface del torneo de Modena no fue provista y no se pudo aplicar ajuste por superficie, un factor #1 en tenis WTA. Tampoco hay contexto reciente (96h) que respalde o cuestione el favoritismo, y Pieri al ser jugadora de circuito ITF/challenger en clay europeo puede rendir por encima de su ranking en esta sede. Ajusto a la baja desde 85 a 78 por la falta de dato de superficie y la incertidumbre que eso introduce en una R1 de torneo menor. Stats clave: Jimenez Kasintseva rank #114 vs Pieri rank #226 (diff +112) · Probabilidad modelo: 95% favorita · Base de confianza 85, ajustada a 78 por falta de dato de surface · Sede Modena (típicamente clay) — Pieri es italiana, posible factor local no cuantificado

El partido se juega en Ilkley, un challenger sobre hierba (preparación para Wimbledon), aunque el dato de surface no fue confirmado por el modelo. Swan (rank 270) llega con una diferencia de ranking importante sobre Martincova (rank 464), y como británica jugando en casa suele tener buen rendimiento sobre césped en la gira doméstica. El modelo asigna 95% a Swan; ajusto a la baja porque la falta de ajuste por surface y la volatilidad típica de R1 en challengers de hierba (saques peligrosos, poco margen de quiebre) genera más incertidumbre de la que reflejan los ranks. La amenaza principal es la experiencia tour de Martincova, ex top-100, que en hierba puede competir si encuentra ritmo de saque. Stats clave: Swan rank 270 vs Martincova rank 464 (diff -194) · Probabilidad base del modelo 95% para Swan · Forma reciente favorece a Swan (+1.7) · Surface no confirmada — sin ajuste aplicado · Sede Ilkley (Reino Unido), ventaja local para Swan

Brancaccio (WTA #161) llega con una diferencia de ranking enorme frente a Bosio (#373), una brecha de 212 puestos que en circuito WTA 125/ITF suele traducirse en partidos resueltos en sets corridos. El modelo le asigna 95% y la base es 85, pero la superficie del torneo de Modena no fue informada, lo que impide validar récord específico por surface. Sin contexto reciente que mueva la aguja y con esa advertencia de datos, prefiero descontar levemente para no apoyarme ciegamente en el ranking. Amenaza principal: en rondas iniciales de challengers, la jugadora peor rankeada a veces llega con más ritmo competitivo reciente. Stats clave: Brancaccio WTA #161 vs Bosio WTA #373 · Rank diff -212 a favor de Brancaccio · Prob modelo 95% para Brancaccio · Surface no informada — ajuste no aplicado

Kawa (WTA 134) llega como clara favorita ante Pigato (WTA 266), con una diferencia de 132 puestos de ranking que el modelo traduce en 95% de probabilidad. La superficie del torneo de Módena no fue confirmada en el input, lo que impide aplicar ajuste por surface — un dato no menor considerando que Pigato es local italiana y suele tener mejor rendimiento en clay europea. Sin lesiones ni señales contextuales relevantes en las últimas 96h, mantengo el pick pero recorto la base de 85 a 80 por la incertidumbre de superficie y el factor localía de la rival. Stats clave: Kawa rank WTA 134 vs Pigato rank WTA 266 (diff +132) · Probabilidad del modelo: 95% Kawa · Ajuste de forma reciente: +2.5% a favor de Kawa · Pigato juega como local en Italia (factor no cuantificado) · Surface del match no confirmada en el input

Sobre césped, superficie donde Cilic tiene amplia experiencia (finalista de Wimbledon histórico) y mejor adaptación que Shapovalov en este momento de carrera. H2H está 3-3 pero Cilic ganó los últimos dos cruces, incluido uno en Australia 2026 en sets corridos, lo que indica que la dinámica reciente del enfrentamiento le favorece. El contexto externo refuerza el pick: Shapovalov vuelve de una lesión prolongada de rodilla y arrastra 4 derrotas consecutivas con récord 8-11, mientras Cilic está 11-10. La principal incertidumbre es la varianza propia del césped en R1, donde el saque pesa mucho y un solo break define sets. Stats clave: H2H 3-3 global pero Cilic ganó los últimos 2 · Cilic 11-10 en 2026 vs Shapovalov 8-11 · Shapovalov con 4 derrotas seguidas · Shapovalov regresa de lesión en la rodilla · Superficie césped, favorable al perfil de Cilic

Final sobre tierra batida en Foggia entre la española #158 (el contexto la ubica ahí, no en 140) y la joven Grant #234. El modelo da 95% a Romero Gormaz apoyado en una diferencia de ranking de +94, pero no incorpora el ajuste por surface ni el momentum reciente de Grant, que viene de ganar el W75 de Kosice y se proyecta al top 200. Grant juega además en su país de adopción con motivación extra y ya superó la lesión de hombro de inicio de año. La favorita sigue siendo Romero por jerarquía y por haber vencido a Bronzetti en semis, pero ajusto la base de 85 a 74 porque el contexto reduce claramente el margen real. Stats clave: Rank gap +94 (Romero #158 vs Grant #234 según contexto) · Grant ganó W75 Kosice recientemente, proyección top 200 · Romero venció a Bronzetti en semis · Final WTA 125K sobre clay · Surface adj no aplicado por el modelo (dato faltante)

Partido en grass (qualy de Queen's), superficie donde Maria es especialista reconocida y campeona defensora del torneo en 2025 con su juego de slice. La diferencia de ranking es amplia (#43 vs ~#292) y el factor motivacional citado en el contexto externo refuerza el pick: Maria está obligada a jugar qualy pese a ser campeona defensora y necesita defender 500 puntos. La incertidumbre principal es su flojo año global (7-15, 31.8%) y que no tiene partidos en grass aún en 2026, por lo que la confianza no escala más arriba. Stats clave: Maria #43 WTA vs Miyazaki ~#292 · Maria campeona defensora Queen's 2025 (grass) · Récord 2026 de Maria: 7-15 (31.8%) · Maria 0-0 en grass 2026 (sin muestra del año) · Motivación alta: defiende 500 puntos sin wildcard

La final se juega sobre césped en Birmingham, superficie donde Eala ha llegado a la final ganando todos sus partidos en sets corridos. La diferencia de ranking es contundente (#53 vs #126, gap de 73 posiciones) y el modelo le asigna 95% a la filipina, con base 85. Ajusto levemente a la baja a 80 porque Bartunkova viene en una racha de regreso post-suspensión jugando sin presión, y las finales entre compañeras de dobles suelen ser tácticamente impredecibles —además, la superficie no estaba confirmada en los datos del modelo, lo que reduce mi convicción. La amenaza real es más emocional/táctica que estadística. Stats clave: Eala #53 WTA vs Bartunkova #126 (diff +73) · Probabilidad base del modelo: 95% · Eala llegó a la final ganando en sets corridos en césped · Bartunkova regresa de suspensión por dopaje 2024

Sobre césped (inicio de la gira de hierba en 's-Hertogenbosch), Vandewinkel llega como favorita clara por ranking (125 vs 194, diff +69) y con H2H reciente favorable: la venció 6-2 6-4 en Trnava en marzo. El modelo le asigna 95% de base, pero ajusto a la baja por dos señales contextuales: su forma reciente es irregular (3-7 en los últimos 10) tras haber dominado a principios de año, y arrastra el antecedente de retiro por lesión cervical en Bogotá en abril. El césped además iguala más que otras superficies y no hay data específica de surface para ninguna. Mantengo el lado pero recorto la confianza. Stats clave: Rank diff +69 (125 vs 194) · H2H reciente 1-0 Vandewinkel (6-2 6-4 en Trnava, marzo 2026) · Forma reciente Vandewinkel: 3-7 en últimos 10 · Retiro por lesión cervical en Bogotá (abril 2026)

La diferencia de ranking es enorme: Ortenzi (217) está más de 600 puestos por encima de Turini (824), y el modelo le asigna 95% con base 85. La surface no fue provista (Modena suele ser clay en circuito ITF/WTA italiano de junio), lo que añade incertidumbre al ajuste técnico. Ortenzi cargó una eliminación sorpresiva el 4 de junio en Caserta siendo máxima favorita, señal de momento mental frágil que merece descuento; Turini también viene de derrota, así que la motivación se neutraliza. Ajusto a la baja desde 85 a 78 por la falta de surface confirmada y el bajón reciente de la favorita. Stats clave: Rank Ortenzi 217 vs Turini 824 (diff +607) · Prob modelo 95% Ortenzi · Ortenzi eliminada en R2 de Caserta el 4 jun siendo top seed · Turini cayó ante Romero Gormaz el 4 jun · Surface no confirmada — ajuste no aplicado

Partido de qualy en grass ('s-Hertogenbosch), superficie de alta varianza donde el saque pesa más que el ranking. Damm llega como #116 ATP vs Ficovich #200, una diferencia de ~84 puestos que históricamente marca favoritismo claro a nivel challenger/qualy. El contexto externo refuerza el pick: Ficovich llega con solo 1 victoria en sus últimos 5 partidos, mientras que el H2H 1-1 introduce la principal incertidumbre (Ficovich ganó el último cruce en 2022, aunque en otra superficie y contexto). Formato BO3 aumenta la varianza, por eso no subimos la confianza. Stats clave: Damm #116 ATP vs Ficovich #200 ATP (~84 puestos de diferencia) · H2H empatado 1-1, último ganador Ficovich (2022) · Ficovich 1-4 en últimos 5 partidos · Superficie grass, formato BO3 en qualy

Sobre arcilla en una final de Grand Slam a BO5, Zverev es claramente el jugador con más jerarquía: top-3 ATP histórico reciente, finalista de Slam previo y con H2H 3-1 a favor sobre Cobolli. El formato BO5 reduce la varianza y favorece al jugador más sólido físicamente, algo donde Zverev tiene ventaja. El contexto externo introduce una contra que vale señalar: Cobolli llega más descansado por el retiro de Arnaldi en semis, mientras Zverev arrastra carga de un cuadro completo, y además el alemán ya perdió sus 3 finales de Slam anteriores — riesgo mental real que impide subir más la confianza. Stats clave: H2H 3-1 a favor de Zverev · Split 1-1 en clay esta temporada entre ambos · Formato BO5 en final de Roland Garros (clay) · Zverev 0-3 en finales de Grand Slam previas · Cobolli llegó a la final sin jugar semifinal (walkover de Arnaldi)

Blinkova (rank 61) tiene una diferencia de 221 puestos sobre Burrage (rank 282), una brecha enorme incluso para qualy de WTA. La superficie no fue provista, pero el contexto refuerza el favoritismo: Burrage regresa de un historial significativo de lesiones (muñeca y tobillo, múltiples cirugías) y aún busca recuperar nivel competitivo. El modelo asigna 95% a Blinkova; mantengo el cap en 85 porque en qualy hay varianza inherente y no hay datos de surface ni de forma reciente fina para inflar más. La amenaza es el factor local (Londres, terreno de Burrage) y el modo 'sin nada que perder' de la británica. Stats clave: Blinkova rank 61 vs Burrage rank 282 (diff -221) · Probabilidad del modelo: 95% Blinkova · Burrage regresando de cirugías de muñeca y tobillo · Match en qualy, varianza estructural más alta

Vekic (WTA #69) parte con 103 puestos de ventaja sobre Monnet (#172) en una qualy de césped en Londres, escenario donde la croata acumula mucha más experiencia a nivel WTA principal —incluyendo cuartos de Wimbledon 2023— frente a una francesa cuya producción está mayormente en ITF y Challengers. El H2H es 1-0 para Vekic (Linz, abril 2026) y viene de competir en cuadro principal de Roland Garros, lo que indica ritmo competitivo reciente. El modelo le asigna 95% y la base es 85; ajusto levemente a la baja por el historial físico de Vekic y el riesgo siempre presente en primera ronda de qualy sobre césped, superficie de alta varianza. Mantengo el pick con confianza alta pero no máxima. Stats clave: Rank diff +103 (Vekic #69 vs Monnet #172) · H2H 1-0 Vekic (Linz, abril 2026) · Vekic con rodaje WTA reciente: 2da ronda Roland Garros 2026 · Forma adj +2.3 a favor de Vekic · Superficie no confirmada (presumible césped, Londres) — varianza extra

Sobre césped (inicio de gira previa a Wimbledon), Vandewinkel llega con ranking 125 frente a Barthel (233), una diferencia de 108 puestos que el modelo traduce en 95% de probabilidad. La belga de 22 años está en fase ascendente buscando consolidar top 100, mientras Barthel a los 35 lleva tiempo en posiciones bajas del ranking. El modelo no aplicó ajuste por surface (dato no provisto) y arrastra una señal de lesión: Vandewinkel se retiró en Bogotá en abril por molestia cervical, sin claridad sobre estado actual. Ajusto base 85 → 80 por esa incertidumbre física, manteniendo el pick porque la brecha de ranking sigue siendo amplia. Stats clave: Rank diff: Vandewinkel 125 vs Barthel 233 (+108) · Probabilidad modelo: 95% · Forma reciente favorable a Vandewinkel (+2.5) · Antecedente de retiro por lesión cervical en abril 2026 · Surface césped no incorporada al ajuste cuantitativo

Seidel (WTA #84) llega con una diferencia de ranking de 140 puestos sobre Liu (#224), y el modelo le asigna 95% de probabilidad sobre césped en 's-Hertogenbosch. El H2H está empatado 1-1, con la última victoria reciente para Liu en Guangzhou 2025, lo que matiza el favoritismo. Además, falta la confirmación de surface en el modelo y Seidel arrastra antecedentes de lesión en tobillo (retiro en Wimbledon 2025), mientras Liu atraviesa transición tras separarse de su entrenador histórico. Ajusto la base de 85 a 78 por la advertencia de surface y el H2H reciente desfavorable. Stats clave: Seidel WTA #84 vs Liu #224 (rank diff +140) · Probabilidad base modelo: 95% · H2H 1-1, último triunfo para Liu (Guangzhou Oct 2025) · Seidel retirada por lesión de tobillo en Wimbledon 2025 · Surface no provista en datos del modelo

Sobre grass (surface de 's-Hertogenbosch), la diferencia de ranking ATP es enorme: Ficovich #200 vs Loof #1472, una brecha de ~1270 puestos que en circuito profesional rara vez se revierte en qualy. El factor externo refuerza el pick: Ficovich es especialista en singles con experiencia en Challengers, mientras que Loof es más bien jugador de dobles con ranking individual marginal. La principal incertidumbre es la localía del neerlandés y que grass iguala parcialmente al sacador menos experimentado, pero no alcanza para neutralizar semejante diferencia de nivel. Stats clave: Ficovich ranking ATP ~200 · Loof ranking ATP ~1472 · Diferencia de ~1270 puestos · Loof perfil principal de dobles · Primer H2H entre ambos · Superficie grass en qualy ATP 250

Timofeeva (WTA #138) llega como amplia favorita ante Kabbaj (#430), con una diferencia de ranking de 292 puestos que el modelo traduce en una probabilidad base del 95%. La superficie del torneo (ITF Makarska) no fue provista, lo que impide afinar el ajuste —Timofeeva tiene background sólido en clay europeo, pero sin confirmación prefiero no inflar. Sin señales contextuales en las últimas 96h, ajusto levemente a la baja desde el cap por la advertencia de datos y la varianza típica de cuadros ITF/WTA125 donde la #430 suele ser jugadora local o en buena forma local invisible al ranking. La amenaza principal es justamente que Kabbaj sea jugadora en ascenso cuyo ranking no refleja su nivel actual. Stats clave: Timofeeva WTA #138 vs Kabbaj WTA #430 · Diferencia de ranking +292 a favor de Timofeeva · Probabilidad base del modelo: 95% · Surface no confirmada — ajuste por superficie no aplicado · Forma reciente ajuste -3.3

Avanesyan (WTA #124) llega con una diferencia de ranking de 105 puestos sobre Palicova (#229), brecha considerable a este nivel de ITF/WTA 125. El modelo le asigna 95% de probabilidad, base 85. Sin información de surface confirmada (cancha de Makarska suele ser clay, pero no está validado) ni contexto reciente de 96h, prefiero recortar levemente la confianza a 80 para reflejar esa incertidumbre informativa. La amenaza típica en estos cuadros menores es la motivación dispar y el desgaste físico acumulado en semanas seguidas de challengers, factor que no podemos verificar. Stats clave: Rank Avanesyan #124 vs Palicova #229 (diff -105) · Prob modelo Avanesyan 95% · Base confianza 85, ajustada -5 por falta de dato de surface · Sin contexto reciente verificable (96h)

Semenistaja (WTA #98) llega como favorita clara frente a Lazaro Garcia (#180), una diferencia de 82 puestos que en circuito secundario WTA suele traducirse en dominio del jugador mejor rankeado. La surface del torneo en Makarska no fue provista, lo que impide afinar el ajuste —Croacia en junio suele ser clay outdoor, terreno donde la española podría reducir levemente la brecha, pero no lo suficiente para revertir el favoritismo. El modelo marca 95% para la letona; sin contexto reciente que valide ese techo y con el dato de surface ausente, recorto a 80 por prudencia. Amenaza principal: que Lazaro Garcia tenga mejor adaptación a clay y haga el partido físico. Stats clave: Rank WTA: Semenistaja #98 vs Lazaro Garcia #180 · Diferencia de ranking: -82 a favor de la visitante · Probabilidad del modelo: 95% Semenistaja · Surface no provista — ajuste neutralizado

Romero Gormaz llega como favorita clara según el modelo, con un diferencial de ranking de 32 puestos (140 vs 172) en un cuadro WTA 125/ITF en Foggia. La superficie del torneo no fue provista al modelo, así que el ajuste por surface no se aplicó —factor #1 en tenis— y eso me obliga a recortar la base de 85. No hay señales contextuales en las últimas 96h (lesiones, fatiga, retiros) que muevan la aguja en ninguna dirección. La amenaza principal es la varianza típica entre jugadoras fuera del top 100, donde un mal día de servicio iguala matchs rápidamente; por eso ajusto base 85 → 75. Stats clave: Rank WTA Romero Gormaz: 140 · Rank WTA Monnet: 172 · Diferencial de ranking: +32 a favor de la española · Prob modelo match winner: 95% (sin ajuste de surface aplicado)

Masarova llega como favorita amplia por ranking (WTA 115 vs 223 de Stoiana, diff +108) y con leve ventaja de forma reciente (+2.8%). El modelo le asigna 95%, pero hay dos señales que invitan a moderar: la surface del partido no está confirmada —Birmingham es césped y Stoiana viene del circuito ITF/college con base más rápida que la suiza— y no contamos con contexto de últimas 96h para validar estado físico. Mantengo confianza alta pero por debajo del cap, ajustando -7 sobre la base por la advertencia de surface no aplicada. Stats clave: Rank WTA: Masarova 115 vs Stoiana 223 (diff +108) · Probabilidad modelo: 95% Masarova · Ajuste de forma reciente: +2.8% a favor de Masarova · Surface no confirmada — ajuste por superficie no aplicado · Cuartos de final WTA 250 Birmingham (césped)

La superficie del partido es césped (Birmingham) aunque no fue cargada al modelo, factor que iguala algo más las condiciones que en otras superficies. La diferencia de ranking es enorme (#53 vs #247) y el modelo le da 95% a Eala, pero hay matices contextuales que obligan a moderar: Sawangkaew llega con cuatro victorias sin ceder set en el torneo y lidera el H2H profesional 1-0, aunque Eala se cobró revancha en los SEA Games 2025. Además, Eala viene de remontar un 2-5 en la ronda previa, señal de competitividad pero también de desgaste físico, y arrastra antecedente reciente de molestia en pierna derecha sin gravedad confirmada. Ajusto la base de 85 a la baja por momento de la rival y dudas físicas menores, manteniendo a Eala como pick claro dado el abismo de ranking. Stats clave: Eala WTA #53 vs Sawangkaew #247 (diff +194) · Modelo: 95% prob match_winner Eala · Sawangkaew 4-0 en el torneo sin ceder set · H2H profesional 1-0 Sawangkaew; Eala ganó en SEA Games 2025 · Eala con antecedente de molestia en pierna derecha en 2026

Sobre césped (Birmingham), Krueger llega como la jugadora claramente mejor rankeada (#49 WTA) frente a Preston (#205), una diferencia de 156 puestos que el modelo traduce en 95% de probabilidad. El contexto reciente no provee surface explícita en los datos del modelo, lo que obliga a ajustar a la baja: el césped es la superficie más volátil del circuito y suele comprimir diferencias de ranking, especialmente contra jugadoras jóvenes y agresivas como Preston, que puede sacar provecho de puntos cortos. Sumado al cambio reciente de entrenador de Krueger (Hugo Armando desde sept-2025), todavía en fase de adaptación, recorto la base 85 hasta 78. Sin lesiones reportadas en 96h, el favoritismo se sostiene pero con menos margen del que sugiere el modelo crudo. Stats clave: Krueger rank WTA #49 vs Preston #205 (diff -156) · Probabilidad base del modelo: 95% Krueger · Primer H2H oficial entre ambas · Cambio de entrenador de Krueger en sept-2025 (Hugo Armando) · Sin lesiones reportadas en últimas 96h

En arcilla parisina, el diferencial es abrumador: Andreeva es la #9 del mundo enfrentando a una #146 que llegó desde la qualy, escenario donde el modelo proyecta 95% para la rusa. El contexto refuerza la lectura: Chwalinska admitió no estar en óptimas condiciones físicas tras su semifinal, mientras que Andreeva, pese a la carga emocional del cruce con Kostyuk, llega con menos desgaste relativo y mayor profundidad de juego en clay. La única amenaza real es el factor 'primera final de Grand Slam' para una jugadora de 19 años, que puede generar nervios iniciales. Mantengo el cap de 85 sin inflar pese al margen estadístico. Stats clave: Rank #9 (Andreeva) vs #146 (Chwalinska), diff -137 · Prob modelo 95% para Andreeva en clay · Chwalinska reconoció no estar en óptimas condiciones físicas tras semifinal · Primera final de GS para ambas, sin H2H previo

Bartunkova (WTA #126) parte como amplia favorita ante Stojsavljevic (#291), con una diferencia de ranking de 165 puestos que el modelo traduce en 95% de probabilidad. La superficie es césped en Birmingham —dato no incorporado al ajuste por surface— y la checa, quinta cabeza de serie, llega con victorias sólidas en dos sets sobre Dart y Knutson, mientras Stojsavljevic, de 17 años, gastó más en tres sets ante Kalieva. La amenaza es la juventud y atrevimiento de la británica en césped local, que históricamente nivela algo el ranking. Ajusto la base 85 a 80 por la falta de dato confirmado de surface y la ventaja contextual menor que tiene la local. Stats clave: Rank WTA: Bartunkova #126 vs Stojsavljevic #291 (diff +165) · Probabilidad modelo: 95% Bartunkova · Bartunkova avanzó en dos sets vs Knutson; venció a Dart en ronda previa · Stojsavljevic, 17 años, requirió tres sets vs Kalieva (mayor desgaste)

Grant llega como favorita clara en este cuartos de final del WTA 125K de Foggia, con un diferencial de ranking de +115 puestos (234 vs 349) y una racha reciente de 4 victorias en sus últimos 5 partidos. El modelo le asigna 95% de probabilidad y base 85; ajusto levemente a la baja por dos factores: no se especifica la surface del torneo (ajuste no aplicado) y hubo un reporte de lesión de hombro a comienzos de mayo, aunque sus resultados posteriores sugieren recuperación. La amenaza principal es el factor derbi italiano, que históricamente nivela este tipo de cruces, pero la brecha de nivel es demasiado amplia para descartar el pick. Stats clave: Rank WTA: Grant 234 vs Pieri 349 (diff +115) · Probabilidad del modelo: 95% · Forma reciente Grant: 4 victorias en últimos 5 partidos · Grant 18 años, recién ingresada al top 200