Atribución de eventos extremos · Última actualización: 2026-01-15

Riesgo relativo: cómo se interpreta sin trampas: incertidumbre

El RR (riesgo relativo) puede parecer una cifra “limpia”, pero casi siempre viene con una mochila: rango + supuestos. Y esa mochila no es un defecto: es la realidad de trabajar con extremos, datos imperfectos y definiciones que cambian el resultado. Aquí tú+yo lo dejamos clarísimo: si no entiendes el rango, no entiendes el RR.

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

Accesos directos:

  • Si te han dado un RR y no sabes “qué creer”: ve a “Cómo leer rangos en 5 pasos”.
  • Si vas a publicar o tuitear: mira “Checklist de transparencia”.
  • Relacionado: modelos_prediccion y ciclones_borrascas
  • Tags: cambio-climatico extremos reanalisis
  • Keywords: downscaling ensemble ola de calor risk ratio

1. Qué es “incertidumbre” en RR (y qué NO es)

Cuando ves un RR con intervalo (por ejemplo, “RR=2, rango 1.2–4”), ese rango mezcla cosas distintas:

  • Ruido estadístico: pocas muestras (N pequeño), colas, dependencia.
  • Incertidumbre de datos: reanálisis suaviza, estaciones con huecos, cambios de instrumento.
  • Incertidumbre de definición: cambiar umbral/ventana/área cambia el evento.
  • Incertidumbre de modelo: sesgos en extremos, parametrizaciones, resolución.

Lo que NO es: una “excusa”. Es información esencial sobre cuánto puedes afirmar.

2. Idea clave en 30 segundos

  • En una frase: el RR no es una cifra; es una cifra + un rango + supuestos.
  • Señal típica: RR grande con rango enorme = evidencia limitada o evento rarísimo.
  • Confusión común: “si el intervalo incluye 1, entonces no hay nada” (no necesariamente).

3. De dónde salen los rangos (explicado simple)

  • Bootstrap: re-muestreas datos para ver cuánto puede variar RR.
  • Ensembles: distintos miembros dan distintas realizaciones del clima; de ahí sale variabilidad.
  • Ajustes de extremos (colas): modelas la cola y obtienes intervalos (sensibles a supuestos).

4. Los 7 “motores” de incertidumbre que más importan

  1. Definición del evento (E): umbral (p95 vs p99), ventana (1 vs 3 días), área (punto vs bbox).
  2. Punto vs celda: una estación puede tener picos que una celda nunca verá.
  3. Sesgos en colas: los modelos fallan más en p99+ (los extremos viven ahí).
  4. Dependencia (N efectivo): los días no son independientes; el N real es menor.
  5. Reanálisis y resolución: suaviza extremos locales (convectivos, rachas puntuales).
  6. Downscaling: puede añadir detalle, pero también añadir supuestos extra (y sesgos nuevos).
  7. Selección del periodo base: cambia percentiles/rareza y, por tanto, RR.

5. Cómo leer rangos en 5 pasos (sin autoengañarte)

  1. Pregunta 1: ¿el evento está definido y copiable?
  2. Pregunta 2: ¿el rango es principalmente estadístico (N pequeño) o estructural (definición/datos)?
  3. Pregunta 3: ¿hay sesgo probable en colas (p99+)?
  4. Pregunta 4: ¿RR es robusto bajo sensibilidad mínima (umbral/ventana/área)?
  5. Pregunta 5: ¿la comunicación respeta límites (hazard≠impacto; RR≠causa única)?

6. Ejemplos típicos donde el rango se dispara

  • Ola de calor rara: umbral p99 y pocos años → RR grande con rango muy amplio.
  • Ciclón/borrasca (viento): racha puntual vs viento medio en celda → definición/operador dominan.
  • Downscaling agresivo: ganas detalle pero el rango se ensancha por supuestos extra.

7. Errores comunes al hablar de incertidumbre

  • “No es significativo, así que no hay efecto”: puede ser falta de potencia (N pequeño).
  • “RR=3” sin intervalo: ocultas la mitad de la información.
  • Confundir precisión con exactitud: un número con decimales no es “más verdad”.

8. Checklist de transparencia (para publicar)

  • Definición del evento: variable, ventana, umbral, área/operador, periodo base
  • Datos: fuente, versión, resolución, QC básico
  • Método: cómo se estima P(E) y RR (conteo/colas/ensembles)
  • Intervalo: tipo (p5–p95, IC95%), bootstrap (bloques si procede), N o N_eff
  • Sensibilidad: al menos 2–3 variantes (umbral/ventana/área)
  • Sesgos: declaración explícita de límites en colas y en reanálisis/downscaling
  • Reproducibilidad: parámetros, fecha de corte, scripts (si aplica)

9. Resumen y claves finales

  • RR sin rango no se interpreta bien.
  • Los extremos amplifican incertidumbre (colas + N pequeño).
  • La definición del evento suele dominar más de lo que parece.
  • Transparencia = supuestos + rango + sensibilidad.
  • Hazard no es impacto; RR no es “culpable único”.

10. Mini-glosario

  • Cola: parte extrema de la distribución (p99, p99.9…).
  • N efectivo (N_eff): tamaño real de muestra cuando hay dependencia.
  • Ensemble: conjunto de simulaciones para muestrear variabilidad/incertidumbre.
  • Downscaling: técnicas para pasar a escala más fina (dinámico o estadístico).

11. Referencias y lecturas recomendadas

  • IPCC
  • WMO
  • NOAA