Atribución de eventos extremos · Última actualización: 2026-11-03

Cambio en probabilidad: el lenguaje más útil: cómo verlo en datos

Ver un cambio de probabilidad en datos exige algo más que encontrar un récord o una línea ascendente. Hay que definir qué se cuenta, cuántas oportunidades válidas existen y con qué referencia se compara. Una ola de calor y una lluvia extrema pueden requerir índices y escalas diferentes. Esta guía recorre series, umbrales, distribuciones y ensembles, con una mini guía de estaciones, reanálisis y sesgos. Los ocho ejercicios son sintéticos; los contextos documentados no se presentan como nuevos datos procesados ni atribuciones recalculadas.

Leer primero la serie

Identificar variable, unidades, lugar, fechas, duración y calidad. Un hueco no es un día sin lluvia. Un valor aislado marcado necesita revisión, sin borrarlo solo por ser extremo. Examinar cambios de estación, instrumento o ventana diaria. En un reanálisis, revisar versión, acumulaciones y escala espacial: no es una medición directa en cada celda. Dos periodos pueden diferir porque cambia la cobertura o la composición de la muestra. Una gráfica debe mostrar también esas limitaciones, no solo la parte que parece una tendencia.

Contar un evento bien definido

Fijar umbral y si se usa «mayor que» o «al menos». Dividir eventos por oportunidades válidas comparables. Para pC positiva, RR = pF / pC compara probabilidades factual y contrafactual; la diferencia absoluta es pF − pC. En datos observados, una comparación temporal puede describir cambios, pero atribuirlos a una influencia requiere además diseño y evidencia física. El contrafactual no aparece como otra columna observada del planeta. Un conteo cero tampoco demuestra que la probabilidad real sea nula.

Checklist de lectura de datos

  • Variable, unidades, soporte y oportunidades identificados.
  • Ausencias, marcas de calidad y cambios de cobertura visibles.
  • Umbral, empates y referencia conservados entre comparaciones.
  • Distribuciones y colas examinadas sin forzar un ajuste.
  • Pesos, dependencia y bootstrap del ensemble explicados.
  • Conclusión limitada a lo que los datos y el diseño identifican.

Cinco aplicaciones documentadas

Estaciones de GHCN diario

NOAA documenta unidades y marcas de medición, calidad y fuente. En el formato .dly, PRCP se expresa en décimas de milímetro y −9999 indica ausencia. Esa información permite construir una serie coherente antes de contar eventos; no demuestra por sí sola homogeneidad.

Reanálisis ERA5

ECMWF explica cómo combinar modelo y observaciones y distingue periodos de acumulación y productos. Una serie horaria, un ensemble y una media mensual no se interpretan sin comprobar su procesamiento. La dispersión del ensemble tampoco representa toda la incertidumbre sistemática.

Lluvia de Louisiana en 2016

El protocolo de Philip y colaboradores describe un estudio de precipitación de tres días que utiliza estaciones y preserva dependencia espacial mediante bloques en el bootstrap. El ejemplo enseña que una red extensa no equivale automáticamente al mismo número de observaciones independientes.

Ola de calor norteamericana de 2021

WWA señala que el episodio quedó muy fuera del rango histórico y que cuantificar su rareza era difícil. Los resultados numéricos se condicionan a una hipótesis de evento muy raro sin nuevas no linealidades. No basta con prolongar visualmente una curva para obtener certeza.

Texas en el análisis de Paciorek

El trabajo compara temperatura y precipitación promediadas sobre Texas entre marzo y agosto de 2011 bajo un diseño de simulación. Sirve para examinar cómo definición del evento e incertidumbre afectan la lectura. Aquí no se reproducen sus estimaciones ni se convierten sus figuras en registros.

Mini guía de estaciones, reanálisis y sesgos

Para estaciones, conservar metadatos, ventana de observación y controles de calidad. Para reanálisis, anotar producto, variable, versión, unidades y periodo de acumulación. No llamar «observado» a cada detalle del campo modelizado. Al comparar modelos con estaciones, revisar si representan el mismo soporte y proceso. Un ajuste de sesgo necesita justificación: hacer coincidir una media no garantiza una cola correcta. Mantener los valores originales y las transformaciones permite saber si el resultado cambia por datos, por decisiones o por el fenómeno estudiado.

Distribuciones, pesos e incertidumbre

Un histograma ayuda a ver la forma y una distribución acumulada permite contar qué fracción queda por debajo de un umbral. Los empates importan. Usar un percentil diferente en cada periodo puede cambiar el evento comparado. En un ensemble, distinguir realizaciones y modelos y explicar los pesos. El bootstrap debe respetar dependencias y pares cuando el diseño realmente los establece; no inventarlos por compartir una fecha. Un intervalo ancho o que cruza el nulo informa incertidumbre, sin demostrar una probabilidad exactamente igual entre mundos.

Ocho verificaciones independientes

Todos los valores, distribuciones y experimentos siguientes son sintéticos. No se han descargado nuevas series ni ajustado modelos climáticos.

  1. Sintético: huecos en una serie. Valores en milímetros [5; 12; ausencia; 20; 3] contienen dos días de al menos 10 mm entre cuatro válidos: frecuencia 0,5. Dividir entre cinco daría 0,4. El control identifica el denominador; no convierte cuatro días en una climatología suficiente.
  2. Sintético: empates y umbral. Factual [10; 10; 20; 30] y contrafactual [5; 10; 10; 20] dan, para más de 10 unidades, probabilidades empíricas 0,5 y 0,25, RR dos. Para al menos 10, son uno y 0,75, RR 4 /3. Cambiar el operador cambia el evento.
  3. Sintético: referencia móvil. Factual [12; 22; 32; 42] y contrafactual [2; 12; 22; 32] superan 25 unidades con frecuencias 0,5 y 0,25, RR dos. Sus medianas son 27 y 17; superar la mediana propia da 0,5 en ambos. No son dos estimaciones del mismo evento fijo.
  4. Sintético: composición de la muestra. Se fijan probabilidades de lluvia 0,20 en un estrato húmedo y 0,02 en otro seco, sin cambios dentro de ellos. Un muestreo con 80 % húmedo da 0,164; otro con 20 % húmedo, 0,056: razón 2,928571. Con pesos iguales ambos dan 0,11. Cambió el muestreo, no las probabilidades de los estratos.
  5. Sintético: pesos del ensemble. Modelo A: 100 oportunidades por mundo, conteos factual/contrafactual 20/10. Modelo B: 900 por mundo, conteos 18/18. Agrupar realizaciones da 0,038/0,028, RR 1,357143. Dar igual peso a las probabilidades de ambos modelos da 0,11/0,06, RR 1,833333. Son mezclas distintas, sin una receta universal de peso óptimo.
  6. Sintético: bootstrap de pares. Un experimento establece pares con factual [1; 0; 1; 0] y contrafactual [0; 0; 1; 0]. La diferencia media es 0,25. Remuestrear cuatro pares da varianza de esa media 0,046875; remuestrear por separado, 0,109375. Se conservan pares solo cuando el diseño los justifica. Son varianzas sintéticas de la diferencia, no intervalos de RR.
  7. Sintético: rango de incertidumbre. RR central 1,8 e intervalo dado [0,7; 4] implican incremento relativo central 80 % y rango [−30 %; 300 %]. Incluye ausencia de cambio. No prueba un efecto nulo ni un aumento inequívoco al nivel del intervalo. No se deriva del pequeño bootstrap anterior ni recibe aquí un nivel nominal nuevo.
  8. Sintético: cambio de una cola. Se imponen temperaturas normales con media contrafactual 18°C, factual 20°C y desviación de 2°C en ambos mundos. Para superar 22°C, pC =0,022750 y pF =0,158655, RR aproximada 6,973817. Es consecuencia de esa familia y parámetros dados, sin ajuste a una ola de calor real ni pronóstico.

Errores de lectura que conviene evitar

No deducir un cambio de probabilidad solo del récord mayor ni de un desplazamiento de la media sin examinar distribución y umbral. No tratar todos los miembros como independientes, elegir pesos por el resultado o rellenar ausencias con ceros. Separar observaciones, simulaciones y ajustes, y conservar versiones y decisiones. Una figura legible puede mostrar una limitación; no debe ocultarla con una línea suavizada. Rehacer los conteos confirma una operación, pero no establece por sí solo una atribución causal.

Glosario y comunicación útil

Umbral: valor que define E junto al operador. Ensemble: conjunto de realizaciones o modelos. Bootstrap: remuestreo bajo un diseño. Sesgo: desviación sistemática. Contrafactual: comparación definida mediante una intervención. Explicar fuente, evento, frecuencia, incertidumbre y límite principal ayuda a comunicar sin sobreprometer. El cambio del peligro no identifica automáticamente daños: exposición y vulnerabilidad necesitan contexto propio. Una atribución retrospectiva tampoco sustituye avisos o pronósticos para una fecha concreta.

Fuentes y lecturas recomendadas

J+A♾️ · Artículo revisado y ampliado en WikiMeteo.es