La variabilidad se reconoce mejor cuando miras los valores y sus fechas, no solo una media o un récord. Una lista permite ver cuánto cambia una variable; conservar su orden permite preguntar cuánto duran los episodios. Después puedes resumirla con frecuencias y percentiles. Cada lectura aporta algo y pierde algo, por lo que conviene combinarlas con una revisión de calidad.

Checklist de calidad antes de concluir

• Comprueba qué variable, unidad, lugar y periodo representa cada número.
• Conserva fechas reales y señala huecos, sin convertirlos en ceros.
• Compara calendarios, referencias y periodos equivalentes.
• Busca cambios en sensor, emplazamiento y entorno mediante los metadatos.
• Revisa valores extremos y su procedencia antes de aceptarlos o descartarlos.
• Escribe qué demuestra la muestra y qué causa o generalización sigue pendiente.

Empieza por la serie en su orden real

Coloca cada observación en su fecha. Busca periodos que se mantienen altos o bajos, saltos y valores aislados. Si falta un día, deja visible el hueco: unir los puntos no recupera la observación perdida. Tampoco comprimas las fechas como si todos los valores estuvieran igualmente separados cuando no lo están.

NIST presenta la serie ordenada como una herramienta para detectar posibles cambios de nivel, dispersión y observaciones alejadas. Es un primer diagnóstico, no una explicación automática. Una subida visible puede justificar investigar; para decidir su significado necesitas comprobar datos y métodos, no solo la forma de la línea.

Después mira cómo se reparten los valores

Un histograma agrupa valores en intervalos y cuenta cuántos caen en cada uno. Ayuda a distinguir si la mayoría se concentra cerca del centro o si existen colas y grupos. Lee los límites de los intervalos y su anchura. Cambiar esas decisiones puede cambiar la apariencia sin cambiar ninguna observación.

Cuenta, porcentaje y densidad son escalas distintas. Un porcentaje divide por el número de datos; una densidad también considera la anchura del intervalo. No compares alturas de barras sin saber qué representan. El histograma pierde las fechas: no te dice si varios valores altos ocurrieron seguidos o separados.

Percentiles y umbrales: lee la letra pequeña

Un percentil resume una posición dentro de una muestra o referencia. Para entenderlo necesitas saber periodo, calendario y método. Con pocos valores, dos convenciones pueden dar cifras distintas. No confundas esa diferencia de cálculo con un cambio físico ni interpretes el percentil como una temperatura universal para todos los lugares.

Comprueba también si se cuentan valores mayores que el umbral o mayores o iguales. Cuando hay valores repetidos en el límite, la diferencia puede ser grande. Conserva el denominador válido: cinco superaciones entre cien datos no significan lo mismo que cinco entre veinte, y una muestra pequeña no estima por sí sola el riesgo futuro.

Extremos, medias y suavizados

Una media puede cambiar por un único valor muy alejado; una mediana puede permanecer quieta. Ninguna cifra por separado cuenta toda la distribución. Revisa el valor extremo con su fecha, unidad y procedencia. Puede ser auténtico, erróneo o quedar pendiente de confirmar; estar lejos del centro no decide cuál de esas posibilidades es cierta.

Un suavizado puede facilitar la lectura de una evolución, pero oculta parte de las oscilaciones. Conserva acceso a los valores originales y declara la ventana usada. Si necesitas estudiar persistencia o episodios breves, una línea suavizada o una media mensual no sustituyen la secuencia temporal correspondiente.

Isla de calor urbana y representatividad

La isla de calor urbana describe diferencias físicas entre ciudad y entorno rural. Una estación urbana puede medir correctamente el ambiente de su entorno. La pregunta es si ese ambiente representa el territorio que quieres describir, no si toda temperatura urbana es un error.

Para contrastar ciudad y campo, compara horarios y periodos equivalentes, y consulta altitud, exposición y cambios de emplazamiento. Una diferencia entre dos sensores no identifica por sí sola cuánto corresponde a urbanización. Evita usarla para corregir una serie sin método o para explicar automáticamente un cambio climático regional.

Metadatos y sesgo de medición

Los metadatos explican cómo y dónde se midió: sensor, abrigo, altura, horario, mantenimiento y entorno. Relaciona esas notas con los saltos candidatos. Un sesgo de medición puede desplazar valores de forma sistemática; una fluctuación física auténtica es otra cosa. Para distinguirlos necesitas evidencia, no que una explicación resulte cómoda.

Conserva el original y anota cualquier revisión. Compara con referencias pertinentes sin suponer que todas son independientes. Si un cambio de instrumento no está resuelto, comunica que parte del patrón podría ser observacional. Borrar un salto o un extremo solo para hacer una curva más limpia elimina información útil para investigarlo.

Cinco aplicaciones documentadas

NIST: orden y distribución se complementan

La guía combina la lectura de series ordenadas y distribuciones. Una conserva la posición de las observaciones; la otra resume su reparto. Ninguna sustituye a la otra cuando interesa saber si un episodio fue persistente.

NumPy: no hay una única convención muestral

Su documentación ofrece distintos métodos de percentiles. Declara cuál usas y comprueba una lista pequeña. Obtener un número reproducible no demuestra que esa lista represente el clima de una localidad.

Met Office: ciudad no equivale a fallo

Explica que materiales urbanos almacenan calor y lo liberan por la noche. Ese contexto ayuda a interpretar diferencias, pero no convierte una pareja de estaciones en una atribución completa ni toda diferencia local en explicación del calentamiento global.

NOAA: consulta la continuidad

La explicación de GHCNm versión 3 describe comparaciones entre estaciones para estudiar saltos relativos. Comprueba versión y ajustes, sin asumir que cualquier revisión posterior tiene idéntico procesamiento.

OMM: identifica la referencia

Las normales climáticas estándar incluyen periodos de treinta años como 1991–2020. Indicar la referencia permite interpretar desviaciones; no transforma una anomalía aislada en una tendencia ni en una previsión.

Ocho ejemplos propios de lectura de datos

Todos son sintéticos y no describen estaciones reales. Los componentes instrumentales se dan como conocidos para enseñar la operación, sin proponer correcciones a observaciones reales.

1. Mismo reparto, distinto orden: −1,−1,1,1 y −1,1,−1,1 tienen media 0 y los mismos valores. La racha de positivos más larga es de dos y de uno, respectivamente. El histograma sería igual, la secuencia no.
2. Barras y anchuras: 0,1,1,2,3,7 se agrupan en intervalos de 0 incluido a 2 excluido, de 2 incluido a 4 excluido y de 4 a 8. Cuentan 3,2,1 valores: 50 %,33,33 %,16,67 %. Sus anchuras son 2,2,4; las densidades son 0,25;0,1667;0,04167 por unidad.
3. Igualdad en el umbral: en 0,2,2,4,6, tres de cinco valores son menores o iguales a 2: 60 %. Los mayores que 2 son dos, 40 %; los mayores o iguales son cuatro, 80 %. Cambiar la desigualdad cambia el recuento.
4. P 90 y método: para 1,2,4,8,16, la posición lineal con origen cero es 4×0,9=3,6. Interpolar entre 8 y 16 da 12,8. El método del vecino más próximo da 16. La diferencia de 3,2 procede del método.
5. Un extremo y dos centros: 0,0,0,0,20 tiene media 4 y mediana 0. La desviación con divisor 5 es 8. La mediana quieta no elimina el 20 ni demuestra que sea un error.
6. Fechas incompletas: en los días 1,2,4,5 se observan 10,11,13,14 °C. Son cuatro de cinco fechas, 80 % de cobertura. Entre días 2 y 4 el cambio es 2 °C en dos días: 1 °C por día. Suponer 12 °C en el día 3 sería interpolar, no observar.
7. Contraste urbano–rural: tres noches urbanas de 22,24,23 °C y rurales de 20,21,22 dan diferencias 2,3,1 y media 2 °C. Sin comprobar exposición y comparabilidad no se atribuye ese contraste solo a urbanización.
8. Sesgo añadido conocido: la señal 10,11,10,11 °C recibe un error supuesto de 0,0,2,2 y se registra 10,11,12,13. La media pasa de 10,5 a 11,5; la varianza con divisor 4, de 0,25 a 1,25 °C². No se ha demostrado ese sesgo en ninguna estación.

Conclusión que los datos puedan sostener

Describe primero el patrón observado, después las comprobaciones y por último las interpretaciones defendibles. Adjunta fechas, unidades, cobertura, referencia, método de percentiles y metadatos relevantes. Explica la incertidumbre de la conclusión y qué causa sigue sin identificar. Una lectura útil conserva extremos y dudas razonables sin confundir una gráfica sugerente con una demostración completa.

Fuentes y lecturas recomendadas

• NIST: serie ordenada para revisar cambios y valores alejados
• NIST: histogramas, frecuencias y normalización
• NumPy: convenciones de estimación de percentiles
• Met Office: isla de calor urbana y contexto de las observaciones
• NOAA NCEI: versiones, metadatos y continuidad de GHCNm
• OMM: normales climáticas y referencias identificables

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