En mundo factual casi nunca hay un “número exacto”. Lo normal es un rango. Y no es porque el análisis sea malo: es porque medir el riesgo de un evento extremo tiene incertidumbres reales (datos, definición del evento, escala, muestra, sesgos). La clave es saber de dónde sale el rango y qué significa para comunicarlo bien.

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 significa “incertidumbre” en factual

Significa que, para el evento definido, la probabilidad P1 no es un punto perfecto sino un intervalo plausible. El intervalo recoge lo que no podemos clavar con exactitud.

2. Idea clave en 30 segundos

• En una frase: un rango grande no es “fallo”, suele ser “evento raro + muestra limitada + definición sensible”.
• Señal típica: P1 reportado como “entre A y B” (con método declarado).
• Confusión común: interpretar un rango como “no sabemos nada”.

3. De dónde sale la incertidumbre (las 7 fuentes típicas)

1. Definición del evento: umbral, ventana, región, estadístico (max/mean)
2. Datos: QC, representatividad, cambios de estación
3. Escala: punto vs celda; convección sub-grid
4. Reanálisis: smoothing de picos, especialmente precipitación
5. Modelos: sesgos en colas (p95/p99), parametrizaciones
6. Muestra (N): pocos miembros o pocos años
7. Dependencia: miembros no totalmente independientes; bloques temporales correlacionados

4. Cómo leer un rango sin autoengañarse

• Intervalo estrecho: mucha información (N grande) y definición estable
• Intervalo ancho: evento raro o definición sensible; aún así es útil porque pone límites
• Regla: si el rango cambia mucho al variar umbral/ventana, comunícalo como sensibilidad

5. Eventos raros (n pequeño) — donde más se sufre

Si en el ensemble hay 0–2 superaciones, el rango se dispara. Eso es normal. Lo honesto es dar cotas (p. ej., “P1 < 1/N” o intervalos amplios) y evitar titulares fuertes.

6. Ejemplo rápido: ola de calor

• Si defines “ola” como ≥3 días, P1 suele ser más estable
• Si defines “un día récord”, P1 es más sensible y el rango crece

7. Ejemplo rápido: sequía

La sequía depende de ventana (meses) y de qué indicador uses. Cambiar SPI vs SPEI vs humedad del suelo cambia resultados: eso es parte de la incertidumbre, no un error.

8. Errores comunes

• Dar un número sin rango
• Confundir “rango” con “excusa”
• Esconder la sensibilidad (umbral/ventana)
• Mezclar hazard con impacto (vulnerabilidad)

9. Buenas prácticas

• Declarar método del rango (binomial/bootstrap/bayesiano)
• Reportar sensibilidad mínima
• Explicar principales fuentes de incertidumbre en 2–3 líneas
• Usar lenguaje calibrado

10. Frases seguras (para comunicar sin sobreprometer)

• “La estimación se da como rango porque el evento es raro y la muestra es limitada.”
• “El resultado es sensible a la definición del evento; mostramos esa sensibilidad.”
• “El reanálisis apoya el contexto regional, pero suaviza picos locales.”

11. Mini-glosario

• Bootstrap: técnica para estimar rangos re-muestreando
• Dependencia: datos correlacionados (no todo cuenta como independiente)
• Cola: parte extrema de una distribución (p99, récords)

12. Referencias y lecturas recomendadas

• Met Office
• NOAA
• IPCC