Spread significa dispersión: cuánto difieren entre sí las simulaciones de un ensemble. Skill significa habilidad predictiva, que se evalúa contrastando previsiones con observaciones y con una referencia. La relación spread–skill pregunta si el desacuerdo entre simulaciones ayuda a anticipar cuándo una previsión será más incierta.
La idea es sencilla: si muchos escenarios razonables coinciden, suele haber más confianza que si discrepan mucho. El matiz es decisivo: deben ser escenarios capaces de representar bien la incertidumbre. Muchos miembros pueden coincidir y equivocarse juntos.
Una pluma estrecha y otra abierta
Imagina dos pronósticos inventados de temperatura para una misma hora. En el primero, casi todos los miembros están entre 19 y 21 °C; en el segundo, entre 12 y 28 °C. El primero muestra mayor acuerdo sobre esa temperatura.
Eso no garantiza que se observarán 20 °C. Podría haber una niebla que el sistema no representa y que mantenga la temperatura más baja. La anchura de la pluma informa sobre las diferencias calculadas, no sobre todos los errores posibles.
El error solo se conoce después
La dispersión se calcula antes de que ocurra el tiempo. Para conocer el error hace falta esperar y comparar con observaciones. Por eso la relación se aprende verificando numerosos casos.
Si los días con poca dispersión suelen tener errores pequeños y los de mucha dispersión errores mayores, la información ayuda a ajustar la confianza. Un caso excepcional no invalida esa relación; tampoco basta un acierto para demostrar que funciona.
Confianza excesiva o insuficiente
Un conjunto demasiado estrecho para los errores que comete es subdispersivo: aparenta más certeza de la que merece. Uno demasiado abierto puede exagerar la incertidumbre y ser sobredispersivo.
No se arregla simplemente buscando siempre más líneas separadas. Lo útil es que la amplitud acompañe a la incertidumbre real. Si una situación es predecible, un rango estrecho puede estar bien; si es delicada, hace falta representar las alternativas relevantes.
La confianza depende de la pregunta
Puede haber gran acuerdo en que llegará una borrasca y poco en la cantidad de lluvia de una localidad. También puede estar bien definida la masa de aire a 850 hPa y ser incierta la mínima de un valle.
Confianza alta en una variable no se traslada automáticamente a otra, ni a una escala más pequeña. Revisa qué muestra la pluma y cuál es el lugar y periodo que te interesan.
Un rango no es una garantía
El mínimo y máximo de los miembros no encierran obligatoriamente la observación futura. El conjunto es finito y puede compartir limitaciones. También un intervalo de percentiles deja parte de la distribución fuera por definición.
Si se anuncia un intervalo que pretende contener el 80 % de los casos, será normal que algunos queden fuera. Para comprobarlo se cuenta qué ocurre en muchos pronósticos semejantes; no se exige que todos entren.
Habilidad y utilidad no son lo mismo
Una previsión puede mejorar una referencia habitual y seguir teniendo incertidumbre. Además, su utilidad depende de qué decisión permite tomar.
Ejemplo inventado: preparar una alternativa bajo techo cuesta poco y una tormenta perjudicaría mucho la actividad. Puede ser sensato prepararla con una probabilidad moderada. Para otro plan menos sensible, la misma probabilidad quizá no cambie la decisión. No existe un umbral único para todas las actividades.
Cinco comprobaciones antes de confiar
- Comprueba variable, unidades, periodo y lugar.
- Mira media o mediana junto con el rango o los percentiles.
- Busca escenarios distintos que el promedio pueda ocultar.
- Consulta el comportamiento conocido del sistema en condiciones similares.
- Actualiza con observaciones y avisos oficiales conforme se acerque el episodio.
La repetición de un escenario en varias salidas aporta contexto, pero no significa que sean pruebas independientes. Los pronósticos sucesivos pueden compartir datos y errores.
Conclusión
Usa la dispersión para graduar confianza, conservando sus límites. La pregunta útil no es cuántos miembros coinciden, sino si ese acuerdo suele corresponder a mejores previsiones de la variable que importa. Una confianza bien calibrada comunica qué se sabe, qué sigue abierto y cuándo conviene revisar el plan.