Track record auditable.

El torneo de Halle se juega sobre césped, superficie donde Bellucci (zurdo con buen saque plano) suele rendir mejor que Collignon, más cómodo en pistas lentas. El modelo da 81.6% al italiano apoyándose en diff de ranking (-11, 73 vs 84) y forma reciente (+1.3), pero la advertencia es clara: no se aplicó ajuste por surface y el césped tiende a achicar diferencias y amplificar varianza por el peso del saque. Sin señales contextuales en 96h, descuento parte de la confianza del modelo para reflejar esa incertidumbre estructural y bajo 82 → 72. La amenaza concreta es que Collignon tenga un día de saque inspirado en una superficie donde un tiebreak define todo. Stats clave: Rank ATP: Bellucci #73 vs Collignon #84 (diff -11) · Probabilidad modelo Bellucci: 81.6% · Ajuste de forma reciente: +1.3 a favor del italiano · Superficie (césped Halle) no incorporada al modelo

Humbert (ATP #36) llega como claro favorito frente a Medjedovic (#80), con una diferencia de 44 puestos que el modelo traduce en 95% de probabilidad. El torneo se juega en Londres en junio, lo que sugiere césped —superficie donde Humbert tiene recorrido y se siente cómodo con su zurda y servicio plano—, aunque la surface no está confirmada en el feed. La amenaza es real: Medjedovic tiene saque grande y en hierba un set puede irse en pocos puntos, lo que eleva la varianza. Sin señales contextuales en 96h, recorto levemente el base 85 a 80 para reflejar la incertidumbre de superficie no confirmada. Stats clave: Humbert ATP #36 vs Medjedovic ATP #80 · Rank diff -44 a favor de Humbert · Prob modelo 95% Humbert · Surface no confirmada (probable césped por sede London)

Lehecka (rank 19) llega con una diferencia de 92 puestos sobre Hijikata (rank 111), un gap que históricamente en ATP se traduce en victorias muy frecuentes del favorito, especialmente en cuadros principales. El modelo le asigna 95% pero falta dato de surface confirmado —el evento en Londres sugiere césped, donde Lehecka ha mostrado buen tenis y Hijikata es más errático. Sin contexto adverso de las últimas 96h, mantengo cerca de la base pero recorto levemente por la advertencia de surface no aplicado y por el riesgo natural de upset en superficie rápida donde el saque del australiano puede generar sets disputados. La amenaza concreta es un Hijikata sirviendo bien en césped que fuerce tie-breaks. Stats clave: Rank diff -92 (Lehecka #19 vs Hijikata #111) · Probabilidad del modelo 95% para Lehecka · Ajuste de forma -1.1 (marginal) · Surface no confirmada — posible césped en Londres

Mannarino (rank 68) tiene una diferencia de 117 puestos sobre Fery (185), lo que el modelo traduce en 95% de probabilidad. El contexto sugiere césped por la sede en London en junio, superficie donde Mannarino históricamente se siente cómodo con su juego plano y zurdo, aunque la surface no fue confirmada en el dataset. Sin señales contextuales nuevas en 96h, mantengo la base pero recorto levemente por la falta de ajuste de surface y la varianza típica de Fery como local con apoyo en Reino Unido. La amenaza real es un Mannarino irregular mentalmente si pierde el primer set. Stats clave: Rank ATP: Mannarino 68 vs Fery 185 · Diferencia de ranking +117 a favor del francés · Probabilidad modelo: 95% Mannarino · Sede London en junio sugiere césped (no confirmado)

Tabilo (rank #81) llega con 30 puestos de ventaja sobre Hijikata (#111) y el modelo le asigna 95% de probabilidad. El problema es que la surface no fue provista y la sede en Londres en junio sugiere pasto (gira pre-Wimbledon), superficie donde ambos jugadores son irregulares y el ranking pesa menos —el pasto es el gran ecualizador del circuito. Por eso recorto desde el cap base 85 hasta 78: la diferencia de ranking se mantiene como factor dominante, pero sin confirmar surface ni contexto reciente, inflar la confianza sería irresponsable. Stats clave: Tabilo rank ATP #81 vs Hijikata #111 (diff +30 a favor del chileno) · Probabilidad del modelo: 95% Tabilo · Form adjustment marginal (-0.009), sin diferencia relevante de forma · Surface no provista — Londres en junio sugiere pasto, donde el ranking pesa menos

El modelo da 95% a Mensik por diferencia de ranking (18 vs 68) y forma reciente, pero la superficie no fue provista y el partido es sobre hierba en Londres — un terreno donde Mannarino (rank 68) es especialista y viene de semifinal en 's-Hertogenbosch, mientras Mensik tiene muy poca experiencia en césped pese a su semi en Roland Garros. Además, el checo arrastra antecedentes físicos en 2026 (abdomen en enero, pie en abril, calambres en RG). Ajusto fuerte a la baja desde 85: el favoritismo se mantiene por jerarquía y forma, pero la superficie neutraliza buena parte del gap. La amenaza concreta es que el saque-volea y el slice zurdo de Mannarino son veneno en hierba contra un jugador aún en adaptación. Stats clave: Mensik rank 18 vs Mannarino rank 68 (diff +50) · Mannarino semifinalista reciente en 's-Hertogenbosch (hierba) · Mensik con poca experiencia en hierba tras semi en Roland Garros · Historial físico 2026 de Mensik: abdomen, pie y calambres en RG · Primer H2H entre ambos

El partido se juega sobre césped en Queen's Club, superficie donde Giron acumula 30 victorias en su carrera mientras Buse solo registra un partido profesional previo en esta cancha. El modelo ya marca 95% para el estadounidense por diferencia de ranking (#64 vs #100) y forma, y el contexto refuerza la lectura: Giron entró como lucky loser pero eso implica que ya jugó dos partidos previos en estas canchas, sumando adaptación. La amenaza pasa por la motivación de Buse cerca de su mejor ranking histórico, aunque su nulo background en hierba es un obstáculo técnico difícil de compensar en una semana. Mantengo el cap en 85, sin inflar más allá del techo permitido. Stats clave: Giron rank #64 vs Buse #100 (diff -36) · Giron 30 victorias en césped en carrera · Buse solo 1 partido profesional previo en césped · Giron ya disputó 2 partidos en las canchas del torneo (vía qualy)

Halle se juega sobre hierba, superficie donde Popyrin (rank 50) tiene más kilometraje en cuadro principal ATP que Collignon (rank 84), quien construyó la mayor parte de su 2024-2025 en challengers de clay. La diferencia de 34 puestos y el saque pesado del australiano son activos directos sobre pasto rápido, donde los puntos cortos amplifican la ventaja del mejor sacador. El modelo marca 95% como base, pero ese número no incorpora que la superficie no fue confirmada en datos y que primeras rondas en hierba son históricamente volátiles por tie-breaks. Ajusto a la baja por prudencia: cap razonable en 78, no en 85. Stats clave: Rank ATP: Popyrin 50 vs Collignon 84 (diff +34) · Prob modelo match_winner: 95% · Sede Halle — superficie hierba (no confirmada en feed) · Forma ajuste -1.2, sin contexto reciente disponible

Sobre césped en Halle, Bublik es el campeón defensor y enfrenta a un Bellucci (rank 73) que viene de la qualy. La diferencia de ranking es contundente (-62) y el modelo asigna 95% al kazajo, base 85. Ajusto levemente a la baja porque Bellucci llega con confianza tras cuartos en Stuttgart la semana pasada también sobre hierba, y porque Bublik tiene un perfil irregular que ocasionalmente se traduce en sets perdidos ante rivales agresivos —pero el match_winner sigue claro. La superficie rápida favorece el saque y el juego plano de Bublik, que ya validó esta cancha el año pasado. Stats clave: Bublik rank 11 vs Bellucci rank 73 (diff -62) · Prob modelo 95% para Bublik · Bublik campeón defensor en Halle (hierba) · Bellucci entró desde qualy, QF en Stuttgart la semana previa

Final de qualy del ATP 500 de Queen's sobre césped, superficie que el modelo no pudo ajustar y que cambia bastante la lectura. La base le da 79% a Kovacevic por diferencia de 9 puestos de ranking (58 vs 67) y forma similar, además de liderar el H2H 1-0 tras ganarle a Mpetshi Perricard en Brisbane a inicios de 2026 (7-6, 4-6, 6-3). El factor que obliga a ajustar hacia abajo es el perfil del francés: uno de los mejores saques del circuito, arma que en hierba neutraliza diferencias de ranking y empuja todo a tie-breaks. Ambos llegan con rodaje reciente desde Stuttgart y sin lesiones reportadas, así que la motivación por entrar al main draw está pareja. Bajo de 79 a 68 para reflejar el riesgo de superficie no incorporado al modelo. Stats clave: Rank ATP 58 (Kovacevic) vs 67 (Mpetshi Perricard), diff +9 · Prob base del modelo: 79.1% Kovacevic · H2H 1-0 Kovacevic (Brisbane 2026, 7-6 4-6 6-3) · Surface césped no ajustada por el modelo — favorece al sacador Mpetshi Perricard · Ambos con actividad reciente en Stuttgart (9 y 12 de junio)

Final sobre hierba en 's-Hertogenbosch entre el #6 del mundo y el #59 (Majchrzak listado como #76 en contexto reciente), una brecha enorme que el modelo cuantifica en 95%. De Minaur llega sin ceder un set en toda la semana y domina el H2H 2-0, además es especialista probado en hierba con título previo en este mismo cuadro. Majchrzak viene de gesta eliminando a Auger-Aliassime y Medvedev, pero arrastra un 2026 muy irregular por problemas físicos y disputa su primera final ATP a los 30 años — el desgaste físico y emocional pesa en un partido al mejor de tres. Mantengo la base en 85 (cap); el contexto refuerza al favorito pero no permite subir más. Stats clave: De Minaur rank #6 vs Majchrzak #59-76 · H2H 2-0 a favor de De Minaur · De Minaur sin sets perdidos en el torneo · Majchrzak ganó solo 1 partido en los primeros 2 meses de 2026 por lesiones · Primera final ATP de la carrera de Majchrzak

Sobre césped en la qualy de Queen's, Giron (#64 ATP) parte como favorito claro frente a Hijikata (#111), con una diferencia de 47 puestos que el modelo traduce en 95% de probabilidad y base 85. El contexto no aporta señales que muevan la aguja: sin lesiones reportadas, sin cambios técnicos y sin H2H previo. Ajusto a la baja por dos motivos: la surface no fue confirmada por el modelo (sin ajuste de superficie aplicado) y Hijikata, aunque ranqueado más abajo, tiene historial competitivo sobre césped que reduce el gap real respecto al ranking puro. Mantengo el pick pero con confianza moderada dada la varianza típica de qualy en grass. Stats clave: Giron rank #64 vs Hijikata #111 (diff -47) · Prob modelo: 95% Giron · Primer H2H entre ambos · Sin lesiones reportadas en 96h · Surface no confirmada — ajuste de superficie no aplicado

En grass (Libéma Open), Krejcikova tiene credenciales muy superiores: campeona de Wimbledon 2024 y dos veces ganadora de Grand Slam, frente a una Montgomery #484 WTA que disputa su primera final WTA viniendo de la qualy. La brecha de ranking y experiencia en superficie rápida es enorme y el formato BO3 favorece a la jugadora con mejor saque y volea, perfil de Krejcikova. La principal incertidumbre la marca el contexto externo: Krejcikova arrastra problemas de lesiones recurrentes y Montgomery llega con el envión de la racha clasificatoria tras volver en abril 2026 de nueve meses fuera por muñeca, lo que justifica no inflar la confianza más arriba. Stats clave: Montgomery #484 WTA disputando su primera final WTA · Krejcikova campeona de Wimbledon 2024 (especialista en grass) · Krejcikova con 2 títulos de Grand Slam vs Montgomery sin títulos WTA · Primer H2H entre ambas (sin historial previo) · Montgomery regresó en abril 2026 tras 9 meses por lesión de muñeca

En hierba de Halle (qualifying), Sonego parte como claro favorito frente a Basilashvili con una brecha de ranking considerable (#39 vs #107) que el modelo traduce en 95% de probabilidad. El italiano tiene mejor recorrido reciente en superficie rápida y un perfil de juego —saque plano y derecha pesada— que se adapta mejor al césped que el del georgiano, más errático desde el regreso de sus problemas físicos. Ajusto la base de 85 a 78 por la incertidumbre del retorno de Sonego tras más de tres meses fuera por lesión de muñeca: el ranking aún no refleja del todo su nivel actual y en qualy puede aparecer oxidado. La amenaza es el upside histórico de Basilashvili cuando encuentra ritmo desde el fondo, aunque sus lesiones crónicas de codo limitan esa ventana. Stats clave: Sonego #39 ATP vs Basilashvili #107 (diff +68) · Probabilidad base del modelo: 95% Sonego · Sonego regresó en abril 2026 tras +3 meses fuera por muñeca · Basilashvili arrastra problemas crónicos de codo desde 2025

Moneyline local con probabilidad 62.2% según Pythagorean ajustado por ventaja de localía, coherente con el diferencial de calidad entre ambos equipos (0.696 vs 0.459). Sin información sobre abridores confirmados ni estado del bullpen visitante, no hay base para ajustar al alza. Mantengo la confianza en la base sin inflar: el ML puro en MLB castiga la overconfidence y la varianza por matchup individual es alta. Stats clave: Prob modelo ML local: 62.2% · Pythagorean Dodgers 0.696 · Carreras esperadas locales: 5.97 · Sin contexto de abridores confirmados

El partido proyecta una diferencia mínima (0.11 carreras) con Pythagorean prácticamente empatado (0.474 vs 0.463), lo que favorece estructuralmente a los run lines +1.5 de ambos lados. Arizona como local con margen esperado positivo cubre el +1.5 en 65.7% de los escenarios según el modelo (σ=4). Sin contexto reciente confirmado (abridores, bullpen) bajo levemente desde la base 66 a 64 para no sobrevalorar una ventaja puramente cuantitativa en Chase Field, parque que tiende a inflar varianza ofensiva. Stats clave: Diferencia esperada de solo 0.11 carreras · Pyth home 0.474 vs away 0.463 (virtual empate) · prob_home_ml 52.6% — partido cerrado · Run line +1.5 con prob modelo 65.7%

El modelo proyecta una diferencia esperada de apenas 0.4 carreras a favor de Seattle, en un partido cerrado entre dos equipos parejos (Pythagorean 0.530 vs 0.481). Con esa margin_sigma de 4 carreras, el run line +1.5 del local cubre con holgura: necesita que Seattle no pierda por dos o más, escenario que el modelo asigna en 68.2%. T-Mobile Park además es un parque que tiende a comprimir el scoring (total esperado 7.31), lo que reduce blowouts y favorece a quien recibe los 1.5. Sin contexto adicional de 96h, mantengo la base sin ajustes. Stats clave: Diferencia esperada: solo 0.4 carreras · Pythagorean Seattle 0.530 vs Boston 0.481 · Total esperado bajo: 7.31 carreras · Prob modelo run line +1.5: 68.2%

El +1.5 local cotiza 61.3% en un partido proyectado cerrado (diff -0.36) donde Houston juega de local con techo cerrado neutralizando el clima. La ausencia de Ramírez y dos jardineros titulares de Cleveland reduce la probabilidad de blowout visitante, lo cual favorece directamente este mercado. En contra: Arrighetti viene irregular y el bullpen de Houston deberá cubrir si la salida se complica. Mantengo el 61 base — el contexto apoya levemente pero no lo suficiente para subir dado que ambos run lines del partido son atractivos y este es el lado de menor probabilidad nominal. Stats clave: Prob modelo 61.3% en +1.5 · Diferencia esperada -0.36 · Cleveland sin Ramírez, Martínez y DeLauter · Pyth home 0.449

El modelo proyecta un partido cerrado (diferencia esperada ~0, Pythagorean 0.475 visitante vs 0.474 local) y la run line +1.5 sale con 64.7% base. El contexto refuerza levemente: Peralta llega con dominio histórico sobre Filadelfia (no más de 2 hits en sus últimas tres aperturas vs Phillies) y los Mets podrían recuperar a Lindor en la serie, lo que sube piso ofensivo. La amenaza real es Cristopher Sánchez con 1.82 de ERA, capaz de imponer un blowout, pero con margin_sigma de 4 carreras el +1.5 sigue siendo cobertura sólida. Ajuste +2 sobre la base de 65. Stats clave: Prob modelo Mets +1.5: 64.7% · Peralta: ≤2 hits en últimas 3 aperturas vs Phillies · Pyth away 0.475 — partido parejo · Diferencia esperada -0.01 carreras

El modelo proyecta un partido muy parejo (diferencia esperada de apenas 0.3 carreras, Pythagorean 0.512 vs 0.479), lo que naturalmente favorece a la run line del local. Con σ=4 en la diferencia, los Cubs cubren el +1.5 en 67.4% de las simulaciones, una probabilidad sólida apoyada en que Wrigley empuja levemente a su favor y en que la diferencia proyectada es prácticamente nula. Sin contexto contextual de últimas 96h (abridores, viento en Wrigley, bullpen), mantengo la base sin ajuste. El riesgo principal es justamente Wrigley: con viento out, los partidos se descontrolan y aumentan los blowouts hacia cualquier lado. Stats clave: Diferencia esperada local-visitante: 0.3 carreras · Pythagorean Cubs 0.512 vs Blue Jays 0.479 · Probabilidad modelo Cubs +1.5: 67.4% · σ de margen: 4 carreras (partido cerrado proyectado)

Partido extremadamente parejo según el modelo: diferencia esperada de apenas 0.04 carreras y Pythagorean casi idéntico (0.491 vs 0.486). En ese escenario, el +1.5 local tiene piso sólido porque Texas solo necesita perder por una carrera o ganar para cubrir, y el modelo asigna 65% a ese resultado. Sin contexto reciente (abridores, bullpen, clima en Globe Life) mantengo la base sin ajuste; la incertidumbre sobre rotaciones impide inflar la confianza. Stats clave: Probabilidad modelo run line: 65.0% · Diferencia esperada: 0.04 carreras · Pythagorean Texas 0.491 vs SD 0.486 · Margin σ = 4 (alta varianza esperada)

El modelo proyecta un partido extremadamente parejo (diferencia esperada de apenas 0.1 carreras a favor del visitante, con Pythagorean 0.486 vs 0.496). En ese escenario, el run line +1.5 para el visitante captura tanto la victoria directa como las derrotas por una carrera, que es el desenlace más probable dada la varianza de σ=4. El modelo da 65.5% a este mercado y sin contexto reciente (abridores, bullpen) que ajustar, mantengo la base en 64 reconociendo la incertidumbre cualitativa. Stats clave: Diferencia esperada -0.1 carreras · Pythagorean Chicago 0.496 vs Detroit 0.486 · Probabilidad modelo White Sox +1.5: 65.5% · Total esperado 8.71 — partido proyectado cerrado

El modelo proyecta una diferencia esperada de 2.44 carreras a favor de Yankees con Pythagorean 0.671 vs 0.430, una brecha sustancial entre ambos planteles. Con σ=4 en la distribución de margen, el +1.5 captura un 83.8% de probabilidad — el escenario adverso requiere que Cincinnati gane o empate hasta el 9no, algo poco frecuente dado el diferencial proyectado. Sin contexto reciente disponible (abridores, bullpen, clima en Yankee Stadium) mantengo el base sin inflar: el riesgo no cuantificado es justamente que un abridor de Yankees con mala jornada nivele el partido. Ajuste -4 sobre base 78 para reconocer esa incertidumbre contextual. Stats clave: Pythagorean Yankees 0.671 vs Reds 0.430 · Diferencia esperada 2.44 carreras · Prob modelo run line +1.5: 83.8% · Carreras esperadas 5.83 vs 3.39

Yankees como local con Pythagorean 0.671 y ventaja proyectada de 2.44 carreras presenta un moneyline 62.8% según modelo. El gap ofensivo-defensivo entre ambos (5.83 esperadas vs 3.39 permitidas) es coherente con un favorito claro, pero la varianza inherente de MLB a partido único impide pasar de ese rango. Sin información de abridores confirmados ni estado del bullpen, mantengo el base 63 sin ajuste. Es un pick de valor moderado, no un lock. Stats clave: Prob moneyline Yankees: 62.8% · Pythagorean home 0.671 · Run differential esperado +2.44 · Carreras esperadas locales 5.83

Partido extremadamente parejo según el modelo: Pythagorean prácticamente idéntico (0.462 vs 0.463) y diferencia esperada de apenas -0.01 carreras. En ese escenario el run line +1.5 del visitante captura el 64.7% del espacio probabilístico porque con margen_sigma de 4 carreras un margen de 2+ es estadísticamente improbable. Sin contexto externo disponible (abridores, bullpen, clima en Chase Field) mantengo la base sin ajuste — no hay señal cualitativa que justifique mover el dial. Stats clave: Diferencia esperada -0.01 carreras · Pyth visitante 0.463 vs local 0.462 · margin_sigma 4.0 · Prob modelo 64.7%

Los Mariners parten como leve favorito en casa con Pythagorean 0.532 vs 0.486 de Boston y una diferencia esperada de apenas 0.37 carreras. En un margen tan ajustado, el +1.5 al local cubre tanto la victoria directa como derrotas por una carrera, escenario muy probable dada la baja producción esperada (3.87 vs 3.5). Sin contexto reciente disponible (abridores, bullpen, clima en T-Mobile) mantengo la base del modelo sin ajuste. El riesgo es un blowout visitante, pero la σ=4 del margen ya lo descuenta y la probabilidad se sostiene en 68%. Stats clave: Prob modelo Seattle +1.5: 68.0% · Diferencia esperada: solo 0.37 carreras a favor del local · Pythagorean: 0.532 Seattle vs 0.486 Boston · Total esperado bajo: 7.37 carreras (favorece coberturas cerradas)

El modelo asigna 68.7% a Cleveland cubriendo +1.5, apoyado en un Pythagorean ligeramente superior (0.493 vs 0.445) y una diferencia esperada de apenas -0.45 carreras a favor de los visitantes. En partidos tan parejos, la línea +1.5 captura el grueso de la distribución de margen (σ=4), lo que históricamente convierte a este mercado en el de mejor calibración. Sin información de abridores ni bullpen en las últimas 96h, no aplico ajuste cualitativo y mantengo la base en 69. El riesgo principal es un blowout de Houston en su parque, escenario que el modelo ya pondera como minoritario (31% para Astros -1.5). Stats clave: Prob modelo Cleveland +1.5: 68.7% · Diferencia esperada: -0.45 a favor de Cleveland · Pythagorean: 0.493 CLE vs 0.445 HOU · Carreras esperadas: 4.51 CLE vs 4.06 HOU

Mismo razonamiento de paridad estructural: con diferencia esperada de 0.1 carreras y total bajo (6.94), ambos +1.5 son mercados con valor matemático. Buehler confirmado (4.14 ERA, 4-3) le da a San Diego una ventaja relativa sobre un abridor de Texas aún sin anunciar, lo que sostiene la cobertura del +1.5 visitante incluso considerando la ofensiva local sin Seager. Mantengo la base en 64% porque el contexto no agrega convicción extra — simplemente confirma que un blowout en cualquier dirección es improbable. Stats clave: Run line +1.5 visitante prob 63.7% · Buehler confirmado vs abridor TEX TBD · Margin σ=4 con diff esperada 0.1 · Padres con rotación diezmada limita escenarios de paliza propia

El modelo proyecta un partido extremadamente parejo (diferencia esperada de apenas -0.15 carreras, Pythagorean 0.521 visitante vs 0.508 local), lo que naturalmente eleva el valor del +1.5 visitante: en escenarios tan cerrados, perder por 2+ carreras es estadísticamente poco probable (σ=4 sobre una diferencia casi nula). Sin contexto reciente de abridores ni bullpen, mantengo la base del modelo en 66% sin ajuste cualitativo. El riesgo principal es la varianza inherente de MLB y la falta de confirmación de rotaciones, por lo que no escalo más arriba. Stats clave: Diferencia esperada -0.15 carreras · Pythagorean Nationals 0.521 vs Rays 0.508 · Probabilidad modelo run line +1.5: 66.0% · Margin σ=4 sobre matchup casi 50/50

En un partido donde el modelo ve apenas 0.31 carreras de ventaja para el local, el +1.5 del visitante también tiene base sólida: 61.7% de probabilidad implícita por la distribución Normal del margen. Toronto pierde el moneyline en la proyección (46.3%) pero el run line absorbe las derrotas por un run, que son frecuentes con σ=4 en juegos tan cerrados. Sin información de abridores ni bullpen en las últimas 96h, no ajusto la base 62. Riesgo: si Cubs encuentra ofensiva en Wrigley con condiciones favorables, una paliza de 3+ carreras invalida el cover, aunque la proyección no lo sugiere. Stats clave: Probabilidad modelo Toronto +1.5: 61.7% · Diferencia esperada de solo 0.31 carreras · Pyth_away 0.475 (cerca de coin flip) · Carreras esperadas visitante 4.05

El partido proyecta como un coin flip puro: diferencia esperada de apenas 0.03 carreras y Pythagorean prácticamente idénticos (.446 local vs .449 visitante). En ese escenario, el run line +1.5 al visitante captura tanto el empate como derrotas por una carrera, lo que el modelo cuantifica en 64.9%. Sin contexto reciente disponible (abridores, bullpen, clima en Sutter Health Park), no hay base para ajustar arriba o abajo del 65 base. Mantengo la confianza base sin inflar. Stats clave: Diferencia esperada -0.03 carreras · Pythagorean Angels 0.449 vs Athletics 0.446 · Prob modelo run line +1.5 Angels: 64.9% · margin_sigma 4 (alta varianza esperada)

Cardinals llegan con mejor perfil ofensivo y defensivo según el modelo (4.81 carreras esperadas vs 3.89 de Royals), y el Pythagorean los pone como favoritos leves (0.521 vs 0.425) incluso jugando de visita. Con diferencia esperada de apenas -0.92 carrera a favor de St. Louis, el colchón de +1.5 es muy cómodo: el modelo le asigna 72.8%. Sin contexto reciente disponible (abridores, bullpen, clima en Kauffman) mantengo la base sin ajuste. La incertidumbre principal es justamente esa: no hay confirmación de rotaciones, así que no inflar. Stats clave: Prob modelo Cardinals +1.5: 72.8% · Diferencia esperada: -0.92 a favor de STL · Pythagorean STL 0.521 vs KC 0.425 · Carreras esperadas: STL 4.81, KC 3.89

El modelo da 76.7% al Yankees +1.5 apoyado en un Pythagorean local de 0.656 vs 0.517 visitante y un diferencial esperado de +1.41 carreras. El contexto, sin embargo, complica el escenario: Yankees pierde a Judge, Stanton, Grisham y Wells, lo que recorta seriamente la producción ofensiva implícita en esos 5.21 runs esperados, y mandan a Weathers (8.47 ERA en últimas 3 aperturas) a la lomita. Aun así, los White Sox también llegan golpeados (sin Murakami ni Hays) y con Burke inestable tras 4 ER y 5 BB ante Dodgers, por lo que el escenario de blowout visitante es poco probable. Ajusto base 77 a 72 por el deterioro neto del lineup local y el viento que favorece la pelota en juego hacia la derecha. Stats clave: Prob modelo Yankees +1.5: 76.7% · Pyth home 0.656 vs away 0.517 · Diferencial esperado +1.41 carreras · Weathers 8.47 ERA últimas 3 aperturas · Yankees sin Judge, Stanton, Grisham y Wells

El modelo da 65.5% al Phillies +1.5 y el contexto refuerza la posición: Nola llega con 3.42 ERA histórica frente a los Mets, que además batean .138 de carrera contra él, y NY se presenta sin Lindor ni Polanco con un bullpen sobreutilizado en junio. La ausencia de Brad Keller en el bullpen local introduce algo de riesgo si el juego se estira, pero el spread de 1.5 absorbe ese escenario. Ajusto base 65 a 70 por convergencia clara entre matchup de pitcheo y bajas ofensivas visitantes. Stats clave: Prob modelo Phillies +1.5: 65.5% · Nola carrera vs Mets: 11-10, 3.42 ERA, 218 K en 30 aperturas · Bateadores Mets vs Nola: .138 AVG histórico · Mets sin Lindor y Polanco · Diferencia esperada: +0.09 a favor local

Brewers llegan con ventaja estructural clara: Pythagorean 0.659 vs 0.494 de Cleveland, y la diferencia esperada de 1.5 carreras coincide exactamente con la línea, lo que carga al run line +1.5 con margen de seguridad (push o cover). El modelo lo valora en 77.4%, dentro del rango sólido para MLB. Sin contexto reciente disponible (abridores, bullpen, clima en American Family Field) mantengo un leve descuento sobre la base de 77 para no asumir lo que no puedo verificar, especialmente con identidad de los starters sin confirmar. Ajusto a 74. Stats clave: Pythagorean Brewers 0.659 vs Guardians 0.494 · Diferencia esperada +1.5 a favor del local · Probabilidad modelo run line +1.5: 77.4% · Carreras esperadas 4.84 vs 3.33

El modelo da 69.5% al +1.5 local en un partido cerrado (diferencia esperada apenas 0.54 carreras, Pythagorean 0.507 vs 0.450). El contexto matiza el pick en ambos sentidos: contra Texas pesa la ausencia de Seager y Carter más el desbalance de abridores (Leiter 4.97 ERA vs Ryan 3.17), pero a favor juega que el bullpen de Minnesota está entre los peores de la liga en ERA, lo que reduce el riesgo de blowout tardío en un partido que probablemente se mantenga dentro de una carrera hasta entradas medias. Ajusto levemente a la baja (68) porque la combinación Leiter + lineup mermado eleva el escenario de derrota holgada más de lo que captura σ=4. Stats clave: Diferencia esperada solo 0.54 carreras · Pythagorean Rangers 0.507 vs Twins 0.450 · Joe Ryan 3.17 ERA vs Jack Leiter 4.97 ERA · Bullpen Twins entre los peores de MLB en ERA

El moneyline local sale al 62.8% combinando ventaja Pythagorean y factor casa en Truist. La diferencia de 0.236 en winning percentage entre ambos es material para MLB, donde la mayoría de matchups quedan dentro de 0.10. Sin confirmación de abridores ni datos de bullpen en las últimas 96h, no hay base para ajustar al alza; mantengo la confianza en el piso del modelo (63) reconociendo que un mismatch de rotación podría invertir la probabilidad. Stats clave: Prob moneyline Atlanta: 62.8% · Pythagorean gap: 0.657 vs 0.421 · Carreras esperadas locales: 5.5 · Sin abridores confirmados en ventana 96h

El modelo proyecta a Atlanta como favorito claro en Truist Park con diferencial esperado de +2.26 carreras y Pythagorean de 0.657 frente a 0.421 de San Francisco. Eso lleva la probabilidad de cubrir +1.5 al 82.6%, un mercado donde los Braves se benefician del colchón de la corrida y media incluso en escenarios de derrota ajustada. Sin contexto reciente disponible (abridores, bullpen, clima), mantengo la base en 75 sin inflar — la varianza de MLB obliga a no estirar más allá del piso técnico aunque la señal cuantitativa sea fuerte. Stats clave: Prob modelo run line Atlanta +1.5: 82.6% · Diferencial esperado: +2.26 carreras a favor de Atlanta · Pythagorean: 0.657 Atlanta vs 0.421 San Francisco · Carreras esperadas: 5.5 vs 3.24

El modelo asigna 71% a Seattle cubriendo +1.5 en casa, sustentado en un Pythagorean local de .530 vs .458 visitante y una diferencia esperada de apenas 0.71 carreras a favor de los Mariners. Con margin_sigma de 4 carreras, la distribución castiga fuerte los escenarios de blowout de Baltimore, y T-Mobile Park históricamente suprime carreras visitantes. Sin contexto de últimas 96h —abridores no confirmados, estado de bullpen desconocido— mantengo la base sin inflar. El riesgo es un mal matchup de pitcheo que no podemos medir hoy, por eso no escalo. Stats clave: Prob modelo Seattle +1.5: 71.0% · Pythagorean Seattle .530 vs Baltimore .458 · Diferencia esperada: +0.71 carreras local · margin_sigma: 4.0 carreras

Partido cerrado en Fenway: el modelo proyecta diferencia esperada de apenas 0.22 carreras y Pythagorean prácticamente empatado (0.493 vs 0.466), lo que hace que cubrir +1.5 para el local sea el mercado con mayor respaldo estadístico (66.7%). Sin contexto adicional de abridores ni bullpen disponible en las últimas 96h, no hay razón para mover la base. El riesgo principal es un blowout visitante en un parque que históricamente premia al bate, pero con σ=4 carreras el cushion de 1.5 sigue siendo sólido. Mantengo 67%. Stats clave: Prob modelo Boston +1.5: 66.7% · Diferencia esperada: 0.22 carreras a favor del local · Pythagorean home 0.493 vs away 0.466 · Margin sigma: 4 carreras

El modelo proyecta diferencia esperada de apenas 0.36 carreras a favor del local con Pythagorean prácticamente parejos (.521 vs .479), lo que históricamente convierte al +1.5 del favorito ligero en uno de los mercados más estables de MLB. Con σ=4 en run line, la probabilidad de que Cardinals pierda por 2+ es contenida (67.9% cubre). Sin contexto reciente de abridores ni bullpen, no hay justificación para mover la base; mantengo 68. Stats clave: Diferencia esperada: +0.36 a favor de St. Louis · Pythagorean home 0.521 vs away 0.479 · Prob modelo run line +1.5: 67.9% · margin_sigma: 4.0

El modelo asigna 74.1% al +1.5 de Washington como local, sostenido en un Pythagorean prácticamente parejo (0.521 vs 0.425) y una diferencia esperada de apenas 1.09 carreras, dentro del margen típico de un solo run en MLB. Sin contexto reciente disponible (abridores, bullpen, clima en Nationals Park) bajo levemente la base de 74 a 70 para reflejar esa incertidumbre informativa. El riesgo principal es que sin confirmación de rotaciones, una paliza queda fuera del control del modelo, pero la estructura cuantitativa del mercado sigue siendo la más sólida del board. Stats clave: Prob modelo +1.5 Washington: 74.1% · Diferencia esperada: 1.09 carreras · Pythagorean: 0.521 vs 0.425 · Margin sigma: 4 carreras

Partido cerrado en el papel: Pythagorean de 0.491 para Detroit vs 0.443 para Houston, con diferencia esperada de apenas 0.48 carreras a favor del visitante. En ese rango de margen ajustado, el +1.5 funciona como red de seguridad razonable: el modelo asigna 69% de cobertura vía Normal(σ=4). Sin contexto de últimas 96h (abridores, bullpen, lesiones), mantengo la base sin ajuste. El riesgo es un blowout de Houston en casa, pero el run differential esperado no respalda ese escenario. Stats clave: Diferencia esperada -0.48 a favor de Detroit · Pyth Detroit 0.491 vs Houston 0.443 · Prob modelo Detroit +1.5: 69.0% · Total esperado 8.97 (juego de margen contenido)

El partido proyecta como un juego parejo, con diferencia esperada de apenas 0.23 carreras y Pythagoreans casi calcados (.472 vs .449). En ese escenario, la cobertura del +1.5 local es el mercado con mayor sustento: el modelo le asigna 66.7% bajo Normal(σ=4). Sin contexto externo disponible en las últimas 96h (abridores, bullpen, clima en Chase Field), mantengo la base sin ajuste cualitativo. El riesgo principal es justamente esa falta de confirmación de rotaciones: si Arizona sale con un abridor débil contra un día caliente en Chase, la varianza castiga al favorito de cobertura. Stats clave: Diferencia esperada: 0.23 carreras · Pythagorean home .472 vs away .449 · prob modelo Arizona +1.5: 66.7% · Total esperado 9.15 con σ=3.5

El modelo asigna 69.9% al +1.5 de Texas, sostenido en un Pythagorean local de 0.507 vs 0.445 visitante y una diferencia esperada de apenas 0.58 carreras. Con margin_sigma de 4, la cobertura de 1.5 corridas a favor del local en un partido tan ajustado tiene base estadística sólida. Sin contexto reciente de abridores ni bullpen confirmado, mantengo cerca de la base sin inflar: el riesgo principal es justamente operar a ciegas sobre el matchup de pitchers en Globe Life. Ajusto levemente a 68% por esa incertidumbre no resuelta. Stats clave: Prob modelo run line +1.5: 69.9% · Pythagorean local 0.507 vs visitante 0.445 · Diferencia esperada 0.58 carreras · Margin sigma 4 (varianza alta favorece cobertura +1.5)

Los Cubs aparecen como favoritos en casa con una ventaja sostenida en Pythagorean (0.518 vs 0.370 de Colorado) y una diferencia esperada de 1.67 carreras, lo que históricamente convierte al +1.5 local en un mercado de alta cobertura. El modelo asigna 78.6% al run line, pero sin contexto reciente (abridores no confirmados, sin lectura de viento en Wrigley que puede alterar drásticamente el run environment) prefiero recortar levemente la base. Wrigley con viento saliendo puede inflar el total y meter ruido en márgenes ajustados, así que mantengo cautela. Stats clave: Prob modelo run line Cubs +1.5: 78.6% · Pythagorean Cubs 0.518 vs Rockies 0.370 · Diferencia esperada +1.67 a favor de Cubs · σ del margen = 4 carreras (cobertura amplia del +1.5)

El moneyline local refleja la ventaja Pythagorean más el factor casa, con 60.3% asignado por el modelo. Es un pick de valor mínimo: Cubs son favoritos claros pero no dominantes, y sin confirmación de abridores ni lectura de viento en Wrigley, no hay base contextual para inflar la confianza. Lo mantengo en el piso porque el número crudo lo justifica, pero sin convicción extra; el run line es la expresión más limpia de la misma ventaja. Stats clave: Prob modelo ML Cubs: 60.3% · Carreras esperadas Cubs 5.92 vs Rockies 4.25 · Pythagorean home 0.518 vs away 0.370

El modelo proyecta un partido cerrado con diferencia esperada de apenas -0.26 carreras a favor de Detroit y Pythagorean casi igualados (.481 vs .455), lo que hace que el +1.5 para el visitante sea atractivo: necesita perder por 2+ para fallar y la distribución Normal con σ=4 le da 67% de cobertura. Sin contexto disponible sobre abridores ni bullpen (partido a futuro, sin reportes en 96h), no hay señal para mover la base ni hacia arriba ni hacia abajo. Mantengo 67% sin ajuste — el número es el número y no hay justificación cualitativa para inflarlo. Stats clave: Diferencia esperada -0.26 carreras (juego prácticamente parejo) · Pyth Detroit .481 vs Houston .455 · Prob modelo Tigers +1.5 = 67.0% · Total esperado 8.96 sugiere ofensivas moderadas, favorece coberturas de runline

Atlanta aparece como favorito en casa con 63.5% de probabilidad de ganar el juego según el modelo, apoyado en una diferencia esperada de 2.43 carreras y ventaja Pythagorean amplia (0.668 vs 0.416). La incertidumbre principal es la ausencia de información sobre abridores confirmados y bullpen, factor que en MLB puede mover este mercado fácilmente 5-8 puntos en cualquier dirección. Por eso ajusto la base 64 a 62: la señal cuantitativa es buena pero sin validación de matchup prefiero mantenerme conservador. Stats clave: Prob modelo moneyline Atlanta: 63.5% · Pythagorean home 0.668 · Carreras esperadas locales: 5.61 · Diferencia esperada: 2.43

El modelo proyecta a Atlanta como favorito claro en casa con Pythagorean de 0.668 vs 0.416 de San Francisco y una diferencia esperada de 2.43 carreras. Eso empuja el +1.5 a una probabilidad muy sólida del 83.7%, ya que los Giants necesitarían no solo ganar sino hacerlo por dos o más para tumbar el ticket. Sin contexto reciente disponible (abridores, bullpen, clima en Truist), mantengo la base 78 con un leve recorte a 76 por la varianza inherente de MLB cuando no hay confirmación de rotaciones. Stats clave: Pythagorean Atlanta 0.668 vs SF 0.416 · Diferencia esperada +2.43 carreras a favor de Atlanta · Prob modelo run line +1.5: 83.7% · Carreras esperadas: 5.61 vs 3.18

El modelo da 68.9% al run line +1.5 de los Mets, sostenido en una diferencia esperada de apenas -0.48 carreras y Pythagorean prácticamente parejo (0.471 visitante vs 0.420 local). En un partido tan cerrado, el colchón de 1.5 carreras es donde aparece el valor real: incluso si Cincinnati gana, lo más probable es que sea por una carrera. Sin información de abridores ni bullpen en las últimas 96h no puedo reforzar ni descontar, así que mantengo la base en 69. Riesgo claro: Great American Ball Park es parque hitter y un partido alto y abierto puede inflar márgenes en cualquier dirección. Stats clave: Prob modelo Mets +1.5: 68.9% · Diferencia esperada: -0.48 carreras · Pythagorean: 0.471 NYM vs 0.420 CIN · Total esperado: 8.43 carreras

Partido muy parejo en el papel: Pythagorean prácticamente idéntico (0.497 vs 0.474) y diferencia esperada de apenas 0.19 carreras a favor del local. En ese escenario el +1.5 del lado con leve ventaja de localía es el mercado con mejor sustento matemático, ya que con σ=4 en el margen, la cobertura cae naturalmente en 66.3%. Sin contexto adicional de abridores ni bullpen en las últimas 96h, no tengo justificación para mover la base, así que mantengo 66. Riesgo principal: un blowout visitante en Fenway, escenario poco probable dada la paridad ofensiva proyectada (3.87 vs 3.68). Stats clave: Prob modelo Boston +1.5: 66.3% · Diferencia esperada: 0.19 carreras · Pyth home 0.497 vs away 0.474 · Carreras esperadas: 3.87 vs 3.68

Con un total esperado de 1.54 goles, la línea de 2.5 queda claramente por encima de la media proyectada, y el modelo asigna 79.9% al Under. La narrativa es coherente: dos equipos sin pegada destacada, con lambdas bajos y probabilidad de BTTS de apenas 28.8%, lo que indica que el escenario más probable es un partido trabado con uno o ningún gol por lado. Base 80%; ajustado a 76% por muestra pequeña y falta de contexto reciente verificable sobre alineaciones o estado físico. El riesgo es un gol temprano que abra el partido, aunque incluso así llegar a 3 goles exige una segunda mitad atípica para este perfil de duelo. Stats clave: Total esperado 1.54 goles · Prob Poisson Under 2.5: 79.9% · Prob Over 2.5 solo 20.1% · BTTS No: 71.2%

El modelo proyecta apenas 1.54 goles totales con λ idénticos de 0.77 por lado, lo que coloca al Under 3.5 como el mercado más sólido del partido (92.9% Poisson). Se trata de dos selecciones de perfil defensivo y limitada producción ofensiva, con un duelo de fase de grupos donde ambos suelen priorizar no perder antes que ganar. Base 85%; ajustado a 82% por la advertencia de muestra chica y la ausencia de contexto reciente que permita validar la solidez defensiva actual. La principal incertidumbre es un partido abierto por necesidad de puntos, pero incluso en ese escenario superar 3.5 goles requiere un quiebre poco habitual en este tipo de cruces. Stats clave: Total esperado 1.54 goles · Prob Poisson Under 3.5: 92.9% · λ_home = λ_away = 0.77 · Prob Over 3.5 apenas 7.1%

El modelo proyecta apenas 1.54 goles totales con lambdas idénticas de 0.77 por lado, y la probabilidad Poisson para Under 3.5 alcanza 92.9%. El contexto refuerza el escenario de bajo scoring: Bosnia podría jugar sin sus dos referentes ofensivos (Dzeko y Tabakovic en duda) y Suiza ya mostró falta de contundencia en el debut ante Qatar, lo que podría llevar a Yakin a un planteo más cauto. Base 85%; ajustado a 83% solo por el warning de muestra chica que introduce algo de ruido sobre los lambdas. La principal amenaza sería un partido abierto por la necesidad mutua de ganar, pero incluso así superar 3.5 goles luce improbable. Stats clave: Total esperado: 1.54 goles · Prob Poisson Under 3.5: 92.9% · Dzeko y Tabakovic en duda en Bosnia · Empate 1-1 de Suiza vs Qatar con falta de contundencia

Con lambdas de 0.77 por lado y un total esperado de 1.54, la línea de 2.5 queda claramente por encima de la expectativa: el modelo da 79.9% al Under. El contexto refuerza: la necesidad de no perder en una J2 con grupo abierto suele decantar en partidos trabados, y Bosnia llega con dudas en su tridente ofensivo (Dzeko, Tabakovic). Base 80%; ajustado a 78% por la muestra pequeña y porque la motivación mutua de ganar podría abrir el juego en el tramo final. La incertidumbre principal es justamente ese eventual desgaste táctico si el partido sigue 0-0 entrando en los últimos 20 minutos. Stats clave: Prob Poisson Under 2.5: 79.9% · Goles esperados local: 0.77 · Goles esperados visitante: 0.77 · Bosnia con bajas ofensivas potenciales

Con lambdas tan bajas (0.77 cada lado), la probabilidad de que al menos uno de los dos no marque es alta: el modelo da 71.2% al BTTS No. La defensa suiza llega con plantel completo —Akanji y Elvedi disponibles— y enfrente tiene a una Bosnia que podría presentarse sin Dzeko ni Tabakovic, sus dos máximos referentes en área. Base 71%; ajustado a 70% por el warning de muestra chica. La amenaza es que ambos equipos necesitan ganar y empujarán, pero la calidad ofensiva visitante queda diluida si las bajas se confirman. Stats clave: Prob Poisson BTTS No: 71.2% · Lambda visitante: 0.77 · Suiza con defensa titular completa (Akanji-Elvedi) · Dzeko y Tabakovic en duda

Partido de debut mundialista entre un favorito cauto y un debutante absoluto que jugará replegado para no exponerse: contexto que históricamente produce partidos de pocos goles. Uzbekistán mostró en eliminatorias asiáticas un perfil defensivo sólido (clasificó con la segunda mejor defensa de su grupo) y Colombia bajo Lorenzo suele controlar más que arrasar. La baja de Masharipov reduce aún más el potencial ofensivo visitante. El riesgo principal es que Colombia desborde por bandas con Díaz y Arias y rompa el cerrojo temprano; por eso confianza moderada cerca del piso. Stats clave: Uzbekistán perfil defensivo en eliminatorias asiáticas · Colombia bajo Lorenzo promedia partidos de control, no goleadas · Masharipov en duda reduce capacidad ofensiva uzbeka · Debut mundialista típicamente conservador para el debutante absoluto

Los partidos de Croacia en fases finales suelen ser tácticos y de bajo marcador (Inglaterra-Croacia en Eurocopa 2020 cerró 1-0; varios partidos croatas en Mundial 2022 fueron under 2.5). El contexto externo refuerza: Croacia no tiene un delantero prolífico (Budimir), Modric llega sin ritmo tras lesión, e Inglaterra perdió a Livramento en defensa lo que probablemente lleve a un planteo más conservador. Debut mundialista entre rivales europeos suele tender a partidos cerrados. Riesgo: la carga emocional de la revancha por 2018 podría abrir el partido en el segundo tiempo si alguno se adelanta. Stats clave: Inglaterra-Croacia Euro 2020: 1-0 (under) · Croacia con Budimir como '9', sin goleador clínico · Modric regresa de fractura facial, sin ritmo óptimo · J1 de Mundial: tendencia histórica a partidos tácticos

Portugal es top-10 del ranking FIFA con una plantilla de élite (Bernardo Silva, Bruno Fernandes, Leão, Cristiano Ronaldo si está disponible) frente a una RD Congo que ronda el puesto 55-65 del ranking FIFA y juega su primer Mundial desde 1974. La brecha de nivel entre plantillas y experiencia en Mundial es amplia, y en debuts de torneo las selecciones europeas top suelen imponer favoritismo frente a debutantes africanos. El contexto externo no introduce nueva señal (sin lesiones ni alineaciones confirmadas reportadas), por lo que el pick se sostiene en base de conocimiento general; el riesgo residual es la varianza típica del partido único de J1. Stats clave: Portugal ranking FIFA top-10 estable últimos años · RD Congo ranking FIFA ~55-65, vuelve a un Mundial tras décadas · Plantilla portuguesa con núcleo de Champions League vs base africana mixta · Sin bajas confirmadas reportadas en el contexto externo

Rybakina (rank #5) llega como amplia favorita ante Eala (rank #53) en el WTA de Berlín, torneo sobre hierba —superficie donde el saque potente de la kazaja es un arma diferencial y donde tiene título de Wimbledon 2022 en su CV. El modelo le asigna 95% por la brecha de ranking de 48 puestos, pero sin contexto reciente confirmado y con la advertencia de que la surface no fue codificada formalmente, prefiero bajar a 80 para no inflar artificialmente. La amenaza real es Eala como zurda en ascenso que ya mostró capacidad de incomodar top-10 en 2024-25, y la hierba acorta puntos y reduce margen ante un mal día al saque de Rybakina. Mantengo el pick pero con confianza moderada. Stats clave: Rybakina rank #5 vs Eala rank #53 (diff -48) · Probabilidad base del modelo: 95% · Sede Berlín = hierba, surface favorable al perfil saque-potencia de Rybakina · Sin factores contextuales en últimas 96h

Diferencial de ranking amplio a favor de Ortenzi (217 vs 362, +145 posiciones) en un cuadro ITF/WTA de Brescia donde la jerarquía de ranking suele pesar fuerte en rondas tempranas. El modelo proyecta 95% para la argentina y la base es 85, pero ajusto a la baja porque no tenemos surface confirmada —Brescia suele jugarse en clay, terreno donde una jugadora joven como Yaneva (362) puede competir mejor de lo que sugiere el ranking puro. Sin contexto de últimas 96h ni datos de surface, prefiero recortar la confianza antes que sostener el cap. La amenaza es la varianza típica del circuito ITF, con jugadoras de ranking bajo que pueden saltar de nivel sin previo aviso. Stats clave: Ortenzi rank 217 vs Yaneva rank 362 · Diferencia de ranking +145 a favor de Ortenzi · Probabilidad del modelo 95% para Ortenzi · Surface no confirmada — ajuste por superficie no aplicado

Aunque faltan datos numéricos actualizados de Zheng Qinwen en el input, su nivel base como top WTA (medallista olímpica y finalista de Grand Slam) la ubica varios escalones por encima de Gibson, #118 con récord 9-10 en el año y mala forma reciente (LLWLL). En grass, ambas llegan con poca muestra (Gibson 0-0 en la superficie este año), lo que iguala parcialmente la cancha, pero la diferencia de calidad de saque y devolución sigue siendo el factor dominante en BO3. El contexto externo no introduce nueva señal: al ser partido futuro no hay reportes de lesiones que contradigan el favoritismo. Stats clave: Gibson #118 WTA con 634 pts · Gibson 9-10 en 2026 (47.4%) · Últimos 5 de Gibson: LLWLL · Gibson 0-0 en grass esta temporada · Zheng top WTA muy por encima del #118

Escenario típico de top player vs jugadora fuera del top 100 en grass BO3: la superficie premia el saque y acorta puntos, y Zheng tiene poder de saque y devolución muy superiores. Con Gibson llegando en mala forma (3 derrotas en últimos 5) hay base para un marcador tipo 6-3/6-4 o más corto. La incertidumbre principal es que Zheng tampoco tiene historial reciente en grass reportado, lo que puede generar algún quiebre en contra al inicio; el contexto externo no aporta señal adicional. Stats clave: Diferencia de ranking >100 puestos · Gibson 47.4% win rate en 2026 · Grass acorta duración promedio de games · Gibson sin partidos en grass este año

Yastremska (WTA #27) llega como favorita clara frente a Maria (WTA #43) en el césped de Nottingham, una superficie donde la ucraniana tiene más recursos ofensivos desde el saque y el resto plano. El modelo le asigna 91.2% pero ajusto a la baja por dos motivos: no se confirmó superficie en el dataset y Maria, pese al ranking, es una especialista histórica en grass con slice que neutraliza ritmo —ya llegó a final en Bad Homburg en césped en años recientes. Sin señal contextual en 96h, bajo de 85 a 80 para reflejar esa amenaza estilística que el modelo de ranking no captura del todo. Stats clave: Yastremska rank #27 vs Maria rank #43 · Diferencia de ranking +16 a favor de Yastremska · Prob modelo 91.2% match_winner · Superficie no confirmada en dataset (Nottingham históricamente césped)

Gauff (rank #4) se enfrenta a una Badosa (rank #25) que viene irregular en la temporada, y el modelo le asigna un 95% a la estadounidense. La superficie del partido no fue provista —Berlín es césped, donde Gauff ha mostrado mejoras pero no es históricamente su mejor terreno y Badosa puede competir mejor que en otras superficies. Por esa incertidumbre de surface no aplico el cap base de 85 y recorto a 80; sin contexto reciente que refuerce o degrade, mantengo a Gauff como favorita clara pero no inflada. Stats clave: Gauff rank #4 vs Badosa rank #25 (diff -21) · Prob modelo Gauff 95% · Forma ajuste -1.8 · Surface no provista (Berlín = césped, factor de incertidumbre)

Partido de circuito ITF/challenger femenino donde Aksu (rank 415) tiene una diferencia de 145 puestos sobre Vickery (rank 560), lo que el modelo traduce en 95% de probabilidad y base 85. La surface no fue provista —probablemente clay outdoor en Figueira da Foz, escenario habitual de torneos portugueses de bajo nivel—, y sin ese dato no puedo refinar el edge por superficie. Ajusto a la baja 7 puntos por la advertencia de calidad de datos y por la volatilidad típica del circuito secundario, donde upsets entre jugadoras fuera del top 400 son frecuentes. La amenaza principal es la experiencia previa de Vickery, que llegó a ser top 100, aunque su rank actual sugiere bajón físico o de forma. Stats clave: Rank Aksu 415 vs Vickery 560 (diff +145) · Probabilidad modelo 95% para Aksu · Base confidence 85 (cap del modelo) · Surface no provista — ajuste cualitativo a la baja

Mertens (WTA #19) parte como amplia favorita frente a Bartunkova (#126), una diferencia de 107 puestos que el modelo traduce en 95% de probabilidad. La belga tiene recorrido consolidado en circuito principal mientras que Bartunkova sigue construyendo experiencia en main draws WTA. La superficie del partido no fue provista —se juega en Berlín, presumiblemente césped en gira pre-Wimbledon, donde Mertens tiene buena lectura táctica con su slice y red—, así que aplico un leve recorte al cap por esa falta de confirmación. Sin señales contextuales en 96h, mantengo cerca de la base. Stats clave: Mertens rank #19 vs Bartunkova #126 · Diferencia de ranking +107 a favor de Mertens · Probabilidad modelo: 95% Mertens · Sede Berlín (probable césped, gira pre-Wimbledon)

El partido se juega en césped en Nottingham, superficie donde Kessler es campeona defensora y donde encuentra su mejor versión pese a un irregular 10-12 en la temporada. El modelo le asigna 95% apoyado en una diferencia de ranking de +65 (31 vs 96), y el contexto refuerza la lectura: Volynets llega desde la qualy con apenas dos victorias en cuadros principales sobre hierba en su carrera y un récord de 1-16 ante top 50 desde 2025. Mantengo la base en 85 (cap del deporte); la amenaza es la propia inconsistencia de Kessler este año, pero el diferencial de superficie y nivel es claro. Sin señales de lesión ni fatiga en las últimas 96h. Stats clave: Kessler rank 31 vs Volynets rank 96 (diff +65) · Kessler campeona defensora en Nottingham (césped) · Volynets 1-16 vs top 50 desde 2025 · Volynets solo 2 victorias en cuadros principales sobre césped en su carrera · Prob modelo 95% a favor de Kessler

Sobre césped en 's-Hertogenbosch, De Minaur (#6 ATP) parte como claro favorito frente a Majchrzak (#76 ATP), con una diferencia de 70 puestos que en grass — superficie donde el australiano ya fue campeón en 2024 — se amplifica por su juego de fondo agresivo y devolución. El H2H 2-0 a favor de De Minaur, ambos en sets corridos, refuerza el escenario. La principal incertidumbre es la racha emocional de Majchrzak tras vencer a Auger-Aliassime y Medvedev, que podría sostener su nivel un set, pero la muestra de upsets no suele extenderse a una final BO3 contra un top 10 en su superficie predilecta. Stats clave: De Minaur #6 ATP vs Majchrzak #76 ATP · H2H 2-0 De Minaur en sets corridos · De Minaur campeón Libema Open 2024 (grass) · Majchrzak disputa su primera final ATP a los 30 años

En grass y en formato BO3 de final, el peso del momentum de Majchrzak — que viene de eliminar a Auger-Aliassime y Medvedev — sugiere que probablemente robe un set antes de que De Minaur imponga su consistencia. El H2H 2-0 fue en sets corridos, lo que matiza esta lectura y es la principal incertidumbre: si De Minaur entra fino al saque sobre césped, un 2-0 también es plausible. La superficie rápida favorece sets cerrados con tiebreaks, escenario típico para que el underdog en racha estire el match. Stats clave: Majchrzak eliminó a 2 top 10 en el camino a la final · H2H previo 2-0 en sets corridos a favor de De Minaur · Grass = superficie con sets cortos y tiebreaks frecuentes · Primera final ATP de Majchrzak: factor motivacional alto

Sobre césped en Queen's, Raducanu (WTA #29) parte como favorita clara frente a Vekic (#69), con el modelo asignándole 95% en base al diferencial de ranking de 40 puestos. El contexto, sin embargo, obliga a moderar: Raducanu requirió tiempo muerto médico en cuartos por una molestia en el muslo izquierdo, y aunque llega a jugar la final, la finta de una lesión muscular en superficie rápida es un riesgo no trivial a cinco sets de tenis. Vekic entró como lucky loser, lo que sugiere nivel inferior en clasificación, pero también acumula partidos y ritmo. Ajusto de 85 a 78 por la duda física, manteniendo a la británica como pick pero sin el cap. Stats clave: Raducanu WTA #29 vs Vekic #69 (diff 40) · Modelo asigna 95% a Raducanu · Tiempo muerto médico por molestia en muslo izq. en QF · Primer H2H entre ambas — sin historial · Final sobre césped en Queen's, Londres

Diferencia de ranking enorme a favor de Parks (81 WTA vs 282 de Brockmann), y el modelo le asigna 95% base. El partido se juega sobre césped, superficie donde ninguna tiene track record relevante: Brockmann sin partidos profesionales en grass y Parks con experiencia limitada, lo que introduce una varianza no trivial en un primer cruce sin H2H. Brockmann llega además con cuatro derrotas seguidas, lo que refuerza la favoritismo, pero el desconocimiento mutuo sobre la superficie y el formato corto de qualy me lleva a moderar el cap base de 85 a 80. Stats clave: Rank diff -188 (Parks 81 vs Brockmann 282) · Prob modelo Parks 95% · Brockmann en racha de 4 derrotas consecutivas · Superficie césped sin registro profesional para Brockmann

La final se juega sobre césped en 's-Hertogenbosch, superficie donde Krejcikova llega sin ceder un solo set en todo el torneo y con dos Grand Slams en el cuerpo. La diferencia de ranking es abismal —#63 contra una Montgomery #279 que viene desde la qualy disputando su primera final WTA—, y el modelo refleja eso con 95% para la checa. El contexto refuerza: experiencia en finales, forma dominante en hierba y rival debutante a este nivel; mantengo el cap en 85 sin ajuste extra porque el techo ya recoge el escenario. Stats clave: Krejcikova #63 vs Montgomery #279 (rank diff -216) · Krejcikova sin ceder sets en el torneo · Montgomery disputa su primera final WTA tras pasar qualy · Probabilidad modelo: 95% Krejcikova

En un WTA 125K en Figueira Da Foz (probable clay outdoor, dato no confirmado por el feed), Leonard llega como #199 WTA frente a una Kulikova #510, una diferencia de ranking de +311 que el modelo traduce en 95% para la francesa. El único antecedente directo, sin embargo, fue victoria de Kulikova en 2024, lo que introduce ruido cualitativo que el modelo no incorpora. Tampoco hay confirmación de surface, así que recorto la base de 85 hacia 78 para reflejar esa incertidumbre y el H2H adverso. La amenaza concreta es que Kulikova ya le encontró la fórmula una vez y los WTA 125K suelen producir resultados ajustados entre jugadoras de estos rangos. Stats clave: Leonard WTA #199 vs Kulikova WTA #510 (diff +311) · Probabilidad modelo: 95% Leonard · H2H: Kulikova 1-0 (2024) · Surface no confirmada — ajuste por superficie no aplicado

El modelo asigna 95% a Sun apoyado en una diferencia de ranking sólida (#86 vs #174, +88) y forma marginalmente desfavorable a Kalinina (-2.7). El problema es contextual: no hay dato de surface (Berlín es hierba, pero no se pasó el ajuste) y ambas vienen de lesiones largas — Kalinina con seis meses fuera por lesión en brazo derecho hasta diciembre 2025, y Sun arrastrando molestias de muñeca desde su retiro en ASB Classic. Sun además no ha encadenado victorias en 2026, lo que choca con un 95% tan alto en qualy. Ajusto agresivamente a la baja: la favorita sigue siendo Sun por ranking, pero la calidad del 95% del modelo está inflada por no contemplar el regreso post-lesión de ambas ni la varianza típica de qualy. Bajo a 72%. Stats clave: Rank diff +88 (Sun #86 vs Kalinina #174) · Sun retirada del ASB Classic ene-2026 por muñeca · Kalinina regresó dic-2025 tras 6 meses fuera · Sin ajuste de surface aplicado (Berlín = hierba) · Primer H2H entre ambas