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

Cambio en probabilidad: el lenguaje más útil: método recomendado

El método recomendado para estudiar un cambio de probabilidad depende de la pregunta, la calidad de los datos y los procesos que generan el evento. Un cálculo más complejo no garantiza una atribución mejor. Conviene definir primero qué se compara y decidir después cómo estimarlo. Esta guía conecta conteos, modelos de extremos, análisis condicionado y enfoque bayesiano; explica ensemble y riesgo relativo e incluye una mini guía de estaciones, reanálisis y sesgos. Los ocho ejercicios son sintéticos y no constituyen nuevas atribuciones de episodios reales.

Empezar por una pregunta precisa

Definir variable, región, estación del año, duración, umbral y oportunidades. Preguntar por el cambio de frecuencia de una clase de eventos es distinto de preguntar cuánto se intensificó un episodio manteniendo su circulación. Para un mismo E y probabilidad contrafactual positiva, RR = pF / pC expresa riesgo relativo y Δp = pF − pC expresa diferencia absoluta. Comparar épocas observadas puede describir cambios; atribuirlos a una influencia necesita además un contrafactual y evidencia física. El modelo estadístico no crea por sí solo esa identificación causal.

Elegir la herramienta según la información

Si hay suficientes oportunidades comparables, contar excedencias permite una estimación transparente. Si el evento es raro, una distribución de extremos puede usar más información, a costa de supuestos sobre la cola que deben evaluarse. Si se fija una situación meteorológica concreta, el resultado debe conservar ese condicionamiento: no identifica automáticamente toda la frecuencia de situaciones similares. Un análisis bayesiano puede representar incertidumbre mediante previas y verosimilitud explícitas. En todos los casos, comprobar datos y procesos antes de buscar una cifra grande o un intervalo estrecho.

Checklist para escoger un método

  • Evento y pregunta causal definidos antes del ajuste.
  • Datos con unidades, cobertura y soporte compatibles.
  • Modelos capaces de representar los procesos relevantes.
  • Dependencia del ensemble e incertidumbre documentadas.
  • Sensibilidad a cola, referencia y decisiones revisada.
  • Conclusión y lenguaje compatibles con lo estimado.

Cinco aplicaciones documentadas

Protocolo de World Weather Attribution

Philip organiza definición, observaciones, evaluación de modelos y síntesis antes de comunicar. Es una estructura de trabajo, con adaptación al evento.

Calor europeo de 2017

El protocolo documenta que modelos disponibles representaban mal la variabilidad de extremos regionales en los Balcanes. Esa evaluación impidió una atribución formal regional con aquel conjunto, mostrando que detener la inferencia también es un resultado válido.

Texas en 2011

Paciorek analiza temperatura y lluvia de marzo–agosto promediadas sobre Texas. Comparar conteos y extremos permite examinar cómo método y definición afectan incertidumbre. Aquí no se reproducen sus estimaciones ni se usan sus datos.

Estaciones GHCN diario

NOAA distingue unidades, ausencias y marcas de calidad. En .dly, −9999 significa ausencia; una marca vacía de calidad no demuestra homogeneidad. Estos controles preceden cualquier ajuste.

Reanálisis ERA5

ECMWF explica la combinación de observaciones y modelo y los periodos de procesamiento. La dispersión del ensemble aporta incertidumbre relativa aleatoria, sin abarcar toda incertidumbre sistemática. No sustituye una evaluación específica del evento.

Mini guía de estaciones, reanálisis y sesgos

Con estaciones, revisar ubicación, instrumento, continuidad y ventana de observación; conservar ausencias y motivos de exclusión. Con reanálisis, registrar producto, versión, variable, unidad y acumulación o promedio. Una celda no representa automáticamente una estación. Un ajuste de sesgo necesita justificación y evaluación: coincidir en la media no garantiza acertar en extremos. Conservar originales, transformaciones y criterios permite comprobar qué decisiones cambian el resultado. No tratar varios productos con observaciones compartidas como pruebas completamente independientes ni elegir solo los que producen el efecto esperado.

Evaluar incertidumbre y sensibilidad

Más simulaciones pueden reducir error de muestreo, pero no eliminan automáticamente sesgos, incertidumbre del contrafactual o procesos mal representados. El remuestreo debe respetar dependencias; un bootstrap no produce por sí solo una distribución posterior bayesiana. Comparar alternativas justificadas de evento, modelo y cola, manteniendo clara la pregunta de cada una. Si falta evidencia adecuada, comunicar que la estimación no está identificada o que la atribución queda abierta. Un resultado incierto no autoriza a reemplazarlo por certeza de ausencia de efecto.

Ocho verificaciones independientes

Datos, diseños y parámetros sintéticos. Los resultados muestran consecuencias de supuestos explícitos; no seleccionan por sí solos un método válido para el clima real.

  1. Sintético: conteo comparable. Factual tiene 60 eventos entre 600 oportunidades y contrafactual 15 entre 600: 0,10 y 0,025. RR cuatro y aumento de 7,5 puntos porcentuales. Es la operación de conteo, sin demostrar independencia, adecuación de modelos o atribución causal.
  2. Sintético: cero y límite. Cero eventos en cien ensayos Bernoulli independientes e idénticos no prueba pC nula. El límite superior binomial unilateral del 95 % es 1 − 0,05 elevado a 1/100: 0,029513. Con pF conocida exactamente como 0,10 y pC positiva, corresponde a límite inferior de RR 3,388332. No se ha añadido un evento ficticio.
  3. Sintético: cola impuesta. Se da probabilidad 0,10 de superar 20 mm en ambos mundos. Los excesos sobre 20 son exponenciales con medias factual 5 mm y contrafactual 3 mm. Superar 30 tiene probabilidades 0,013534 y 0,003567, RR 3,793668. No es un ajuste realizado ni evidencia de que esa cola describa una lluvia real.
  4. Sintético: síntesis definida. Dos resultados compatibles dados tienen RR dos y ocho. La media aritmética con pesos iguales es cinco; promediar sus logaritmos y volver a la escala original da cuatro. El procedimiento elegido cambia lo resumido. No hay una receta universal que valide cualquiera de las dos síntesis.
  5. Sintético: sensibilidad bayesiana. Para pF se impone modelo binomial con dos eventos en ocho ensayos. Previa Beta(1; 1) da posterior Beta(3; 7), media 0,30. Previa Beta(2; 8) da Beta(4; 14), media 0,222222. Si pC es conocida exactamente como 0,10, las medias posteriores de RR son tres y 2,222222. Son supuestos distintos, sin intervalos calculados aquí.
  6. Sintético: condicionado o total. P(Z) es 0,40 factual y 0,20 contrafactual; P(E dado Z), 0,30 y 0,20; fuera de Z, ambas 0,05. Las probabilidades totales son 0,15 y 0,08, RR 1,875. Manteniendo Z, RR es 1,5. El resultado condicionado no determina por sí solo el total.
  7. Sintético: dependencia del ensemble. Veinte indicadores tienen probabilidad 0,20 y correlación común 0,20. La varianza de su media es 0,0384; asumir independencia daría 0,008. El tamaño equivalente por varianza es 4,166667. No son cuatro observaciones reales ni un permiso para sustituir los conteos en una fórmula binomial.
  8. Sintético: horizonte de comunicación. Probabilidades anuales factual 0,04 y contrafactual 0,02 dan RR dos. Con años independientes y clima estacionario, al menos un evento en treinta años tiene probabilidades 0,706142 y 0,454516: RR 1,553615. La razón anual no se conserva al cambiar el horizonte. No es una proyección validada.

Errores al recomendar una técnica

No elegir el método por el resultado más llamativo. Un conteo transparente puede ser útil, pero falla si cambia el evento o el denominador. Una distribución de extremos no repara datos inadecuados. Un posterior depende del modelo y la previa; un intervalo de confianza describe otro procedimiento. No confundir un cambio condicionado de intensidad con el cambio total de frecuencia. La síntesis necesita resultados comparables y atención a dependencia y sesgo. El riesgo relativo del peligro tampoco determina daños sin exposición, vulnerabilidad y relaciones de respuesta.

Glosario y frase de cierre

Estimando: cantidad que se quiere conocer. Ensemble: conjunto de simulaciones o modelos. Cola: parte extrema de una distribución. Previa: distribución antes de incorporar los datos en Bayes. Contrafactual: escenario definido por una intervención. Una conclusión trazable especifica evento, referencia, método, incertidumbre y limitación principal. El método recomendado es el que responde a esa pregunta con evidencia suficiente y supuestos revisables.

Fuentes y lecturas recomendadas

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