Este artículo es la “vacuna” contra el error más frecuente en atribución: ver una relación y venderla como causa. Aquí reunimos trampas habituales (de las que nos muerden a todos), por qué pasan y cómo evitarlas con checks rápidos. Si nos aprendemos estos, subimos mucho el nivel sin necesidad de ecuaciones 😊.

Este artículo forma parte del tema Atribución en WikiMeteo.es, donde reunimos conceptos y guías prácticas para entender mejor el tiempo y el clima.

1. Qué estamos intentando evitar (en una frase)

Evitar pasar de “observamos X” a “X causó Y” sin definición del evento, sin comparación (contrafactual/baseline) y sin rangos.

2. Idea clave en 30 segundos

• En una frase: una conclusión buena es condicional (“bajo esta definición…”) y viene con rango; una mala suena absoluta.
• Señal típica: “esto demuestra que…” sin explicar qué se comparó.
• Confusión común: confundir “más probable” con “causa única”.

3. Errores comunes (y cómo evitarlos)

3.1 Elegir el evento después de ver los datos (cherry-picking)

• Qué pasa: ajustamos umbral/ventana/región para que salga “más espectacular”.
• Cómo evitarlo: definir el evento antes (o declarar sensibilidad: “si cambio umbral, pasa esto…”).

3.2 Confundir hazard con impacto

• Qué pasa: “la lluvia causó la inundación” como si el suelo, la exposición y el drenaje no existieran.
• Cómo evitarlo: separar: hazard (meteorología) vs impacto (vulnerabilidad/exposición).

3.3 Usar una estación puntual como si fuese la región

• Qué pasa: un récord urbano se usa para hablar de “toda la zona”.
• Cómo evitarlo: red de estaciones o región coherente; declarar representatividad.

3.4 Olvidar que en convectivo lo local manda

• Qué pasa: se atribuye una tormenta concreta como si fuera un fenómeno regional estable.
• Cómo evitarlo: reconocer alta variabilidad espacial; usar framing que respete escala.

3.5 Interpretar mal el risk ratio (RR)

• Qué pasa: “RR=3” se convierte en “3 veces más fuerte” (cuando es “3 veces más probable” bajo ese framing).
• Cómo evitarlo: decir explícitamente “probabilidad” vs “intensidad” y añadir rango.

3.6 Tratar “significativo” como “seguro”

• Qué pasa: “significativo” se vende como certeza absoluta.
• Cómo evitarlo: recordar que depende de supuestos; usar rangos y coherencia física.

3.7 Baseline/contrafactual poco claro

• Qué pasa: no se dice con qué mundo comparamos, o se elige el baseline “conveniente”.
• Cómo evitarlo: declarar periodo y motivo; evitar comparaciones opacas.

3.8 Confusión por cambios de medición (homogeneidad)

• Qué pasa: cambio de sensor/emplazamiento crea una tendencia falsa.
• Cómo evitarlo: revisar metadatos/QC; homogeneizar o advertir.

3.9 Asumir que el reanálisis “clava” los picos locales

• Qué pasa: se usa un producto suavizado para afirmar máximos extremos puntuales.
• Cómo evitarlo: usar reanálisis para contexto; picos locales con observación densa/radar.

3.10 Error de comunicación: “lo causó” en vez de “cambió el riesgo”

• Qué pasa: frase corta, pero introduce causalidad única.
• Cómo evitarlo: lenguaje calibrado: “aumentó la probabilidad de eventos de este tipo, en este rango”.

4. Checklist anti-trampas (rápido)

• ¿Evento definido (umbral/región/ventana)?
• ¿Baseline/contrafactual declarado?
• ¿Métrica correcta (RR/FAR/Δ) y bien explicada?
• ¿Intervalo/rango incluido?
• ¿Representatividad (estación vs región) declarada?
• ¿Sesgos del dato/modelo declarados?
• ¿Hazard separado de impacto?
• ¿Qué NO se puede inferir está dicho?

5. Mini guía de datos: estaciones, reanálisis y sesgos (muy práctica)

5.1 Estaciones

• Pros: capturan extremos locales reales.
• Riesgos: cambios de entorno/emplazamiento; series cortas.
• Regla: para región, usa red; para récord local, explica que es local.

5.2 Reanálisis

• Pros: coherencia física y patrón sinóptico.
• Riesgos: suavizan máximos locales; resolución limita.
• Regla: perfecto para “contexto”, cautela para “pico exacto”.

5.3 Sesgos típicos

• Convectivo: infraestimación de picos
• Relieve/costa: desplazamientos
• Urbano: isla de calor y cambios de entorno

6. Errores comunes

• Cherry-picking del evento
• Confundir hazard con impacto
• RR mal interpretado
• Significancia como certeza
• Baseline opaco
• Sesgos de datos ignorados

7. Buenas prácticas

• Definir evento antes y declarar sensibilidad
• Publicar rangos y límites
• Usar lenguaje calibrado (riesgo, no causa única)
• Separar meteorología de vulnerabilidad

8. Resumen y claves finales

• Lo serio siempre es condicional + con rangos
• RR es probabilidad, no fuerza
• Escala y datos mandan: local ≠ regional
• Transparencia evita sobreprometer

9. Mini-glosario

• Contrafactual: escenario comparativo para estimar cambio de riesgo
• Risk ratio (RR): cuántas veces cambia la probabilidad bajo el framing
• Sesgo: desviación sistemática del dato/modelo
• Hazard: fenómeno meteorológico; impacto depende de exposición/vulnerabilidad

10. Referencias y lecturas recomendadas

• IPCC: atribución, confianza e incertidumbre
• WMO: glosarios y guías
• NOAA: recursos de estadística y extremos