Si el contrafactual fuese una receta de cocina, la pregunta no sería “¿qué plato es más pro?”, sino: ¿qué receta encaja con los ingredientes que tengo? En atribución, “método recomendado” significa elegir un enfoque que sea honesto con los datos, replicable y adecuado al evento (y luego contarlo sin vender humo).

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 eligiendo realmente

Elegir método es elegir cómo estimas dos probabilidades: la del mundo “actual” y la del “contrafactual”. Lo que cambia entre métodos es de dónde sale ese contrafactual y qué supuestos te estás comiendo.

2. Idea clave en 30 segundos

• En una frase: método recomendado = el que mejor define P(actual) y P(contrafactual) con datos y supuestos explícitos.
• Señal típica: si el resultado cambia mucho al cambiar dataset/umbral, hay que contarlo.
• Confusión común: “modelo” no significa “verdad”; significa “supuesto cuantificado”.

3. Árbol de decisión (rápido)

• ¿Tengo buena observación local? (estaciones, series largas, QC) → enfoque observacional / estadístico
• ¿Necesito separar forzamientos y construir un contrafactual explícito? → enfoque con modelos + ensembles
• ¿Evento muy local (convección/orografía)? → cuidado: reanálisis suaviza; modelos pueden no resolver; declarar límites
• ¿Evento compuesto? → priorizar método que represente coincidencias, no solo un umbral

4. Método 1: enfoque observacional (estaciones + reanálisis como apoyo)

Útil cuando el evento puede definirse bien en datos observados (p.ej., Tmax extrema regional). Se hace:

• definir evento (umbral, ventana, región, estación)
• estimar frecuencia/retorno y rangos
• evaluar tendencia/no-estacionariedad

Limitación: el contrafactual no está “construido” físicamente; se infiere comparando periodos o condiciones, y eso requiere prudencia.

5. Método 2: ensembles con mundos factual vs contrafactual

Este es el enfoque clásico de muchos estudios rápidos: simulas muchas veces el clima:

• Factual: con forzamientos actuales (incluyendo antropogénicos)
• Contrafactual: sin (o con) forzamientos modificados (según diseño)

Y comparas P(evento) en ambos. Ventaja: contrafactual explícito. Cuidado: depende del modelo, resolución, sesgos y diseño.

6. Método 3: híbrido (reanálisis + modelos + estadística)

Muy práctico: reanálisis para contexto y coherencia física, modelos para contrafactual, y estadística para extremos/colas. Suele ser una opción sólida si se documenta bien.

7. Eventos compuestos (lo que cambia el método)

Si el riesgo real es “calor + sequedad + viento”, o “lluvia extrema + suelo saturado”, el método debe representar:

• ingredientes
• coincidencia

Si no, acabas atribuyendo un ingrediente y vendiéndolo como “el evento”.

8. Mini guía de datos (para no pegarte el tiro)

• Estaciones: revisar cambios de sensor/entorno, gaps, outliers
• Homogeneidad: rupturas en series distorsionan tendencias
• Reanálisis: excelente para patrón y contexto; peor para extremos locales
• Resolución: costa/orografía/convección: cuidado con suavizado

9. Cómo comunicar el método (sin sobreprometer)

• Explica qué es el contrafactual en tu estudio (qué supuestos)
• Da rangos/intervalos
• Separar hazard de impacto/vulnerabilidad

10. Errores comunes

• Elegir método por “queda mejor” en vez de por adecuación
• Ignorar sesgos del modelo o del reanálisis
• No documentar supuestos del contrafactual
• Presentar RR como certeza o como intensidad

11. Buenas prácticas

• Transparencia: datos, diseño, supuestos, sensibilidad
• Rangos siempre
• Explicar límites (resolución, colas, muestra)

12. Checklist antes de publicar

• ¿Evento definido y replicable?
• ¿Método justificado para ese evento?
• ¿Contrafactual explicado (supuestos)?
• ¿Rangos/intervalos incluidos?
• ¿Sesgos/escala declarados?
• ¿Hazard vs impacto separado?

13. Mini-glosario

• Ensemble: muchas simulaciones para estimar probabilidades
• Factual/contrafactual: mundos con/sin ciertos forzamientos
• Sesgo: desviación sistemática del modelo/dataset
• No-estacionariedad: distribución cambia con el tiempo

14. Referencias y lecturas recomendadas

• IPCC (atribución, confianza, incertidumbre)
• WMO (glosarios y guías)
• NOAA (extremos, comunicación del riesgo)