Las gráficas de verificación sirven para una cosa muy concreta: convertir muchos números en patrones que se entienden a simple vista. Bien usadas, te dicen si tu pronóstico se pasa, se queda corto, llega tarde, o acierta “en promedio” pero falla justo cuando más importa. Mal usadas, te hacen creer que un modelo es excelente porque una curva queda bonita.

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

1. Qué es “verlo en gráficas” y por qué importa

“Verlo en gráficas” es elegir un tipo de dibujo que responda a una pregunta: ¿hay sesgo? ¿cómo de grande es el error típico? ¿cuándo falla? ¿mis porcentajes son fiables? Una misma serie de datos puede parecer “buena” o “mala” según la gráfica, así que la clave es usar la correcta para el objetivo.

2. Idea clave en 30 segundos

• En una frase: una buena gráfica te dice qué tipo de error tienes (sesgo, dispersión, timing o sobreconfianza) y en qué situaciones aparece
• Señal típica: la nube de puntos se curva o se abre en abanico (sesgo dependiente de intensidad)
• Confusión común: quedarse con correlación o AUC y olvidar fiabilidad, sesgo y errores grandes

3. Las 3 gráficas mínimas para empezar

• Serie temporal (pronóstico vs observado): para ver timing, saltos, y si hay fases (por ejemplo, viento subestimado de madrugada).
• Dispersión (scatter) con línea 1:1: para ver sesgo y cómo cambia con la intensidad.
• Histograma del error (o boxplot por rango): para ver error típico y colas (patinazos).

Con esas tres ya detectas lo más frecuente: sesgo sistemático, dispersión excesiva y fallos concentrados en ciertos rangos.

4. Serie temporal: detectar timing, rampas y errores “de episodio”

Útil cuando el usuario final sufre la evolución (viento subiendo, niebla entrando/saliendo, tormenta que se organiza). Señales que buscar:

• Desfase: el pronóstico va bien, pero llega 1–3 horas tarde (o pronto).
• Rampa mal capturada: el observado sube muy rápido y el pronóstico se queda “suave”.
• Sesgo por régimen: por ejemplo, subestima picos de viento en situaciones de chorro bajo o paso de frente.

5. Dispersión (scatter): sesgo y heterocedasticidad en un vistazo

El scatter compara pares (pronóstico, observado). Lectura práctica:

• Nube centrada en 1:1: buena calibración en media, pero mira el grosor (dispersión).
• Curvatura: sesgo que depende de intensidad (p. ej., sobreestima valores bajos y subestima valores altos).
• Abanico: el error crece con la intensidad (muy típico en rachas fuertes o lluvia intensa).

Truco: colorear por estación/hora/situación (si se puede) para descubrir “familias” de errores.

6. Gráficas de error: histogramas, boxplots y percentiles

Estas no comparan valores, comparan el error (pronóstico − observado) o el error absoluto. Te ayudan a responder: ¿cuál es el error típico y cuántos patinazos hay?

• Histograma de error: si está desplazado, hay sesgo; si tiene colas largas, hay episodios problemáticos.
• Boxplot por rangos: por ejemplo, agrupar por observado (0–20, 20–40, 40–60 km/h) y ver si el error empeora en fuertes.
• Percentiles del error: P50 (mediana) como “típico”, P90 como “malo pero no extremo”.

7. Gráficas de fiabilidad: cuando trabajas con probabilidades

Si emites porcentajes (p. ej., probabilidad de racha >70 km/h), la gráfica clave es el diagrama de fiabilidad: en cada rango de probabilidad, ¿con qué frecuencia ocurrió de verdad?

• Sobreconfianza: dices 80% y ocurre 50%.
• Infraconfianza: dices 20% y ocurre 40%.
• Resolución: si casi siempre dices 40–60%, aportas poca información práctica.

Sin fiabilidad, un porcentaje no se puede comunicar con honestidad.

8. ROC y AUC: para qué sirven y para qué NO

ROC compara sensibilidad vs falsas alarmas al mover el umbral de decisión. AUC resume discriminación (separar eventos de no-eventos), pero no garantiza que las probabilidades sean “verdaderas”.

• Útil para: comparar si un sistema ordena bien los casos (eventos más probables tienden a ocurrir más).
• No sirve para afirmar: “mi 70% significa 70%”. Para eso necesitas fiabilidad.

9. Ensembles: gráficas típicas (rango, spaghetti y rank histogram)

Con ensembles, el objetivo es ver dispersión (incertidumbre) y si está bien alineada con el error.

• Spaghetti: muestra miembros; útil para detectar escenarios alternativos, pero se vuelve ilegible si hay muchos.
• Rango y percentiles (P10–P50–P90): lectura operativa: el “abanico” define el margen razonable, no una garantía.
• Rank histogram: si está en forma de U, el ensemble es demasiado estrecho (subestima incertidumbre); si es joroba central, demasiado ancho.

10. Ejemplos prácticos (viento y observación)

10.1 Viento

• Serie temporal: se ve si el pico de racha llega tarde (típico en frentes o jets bajos).
• Scatter: subestimación en rachas >70–90 km/h aparece como puntos por debajo de 1:1 en el extremo.
• Boxplot por exposición: costa/collado/valle separa errores de representatividad.

10.2 Observación y QC

Antes de culpar al pronóstico, mira señales de dato malo: saltos imposibles, periodos planos sospechosos, cambios de instrumento, anemómetro bloqueado o visibilidad “clavada”. Una gráfica de serie temporal suele delatarlo al instante.

11. Honestidad: qué NO significa una AUC alta o una correlación buena

• Correlación alta NO significa: poco error. Puedes correlacionar bien y tener bias grande (ir siempre 10 km/h por debajo).
• Correlación alta NO significa: buen pronóstico de extremos. Los extremos pueden fallar aunque el “día a día” vaya bien.
• AUC alta NO significa: probabilidades fiables. Solo indica buena discriminación (ordenar casos), no calibración.
• AUC alta NO significa: impacto operativo óptimo. Puede lograrse con umbrales que generan FAR inaceptable.

12. Errores comunes

• Elegir una gráfica “bonita” que no responde a la pregunta (por ejemplo, solo scatter cuando el problema es timing)
• Mirar solo promedios y ocultar colas (patinazos) que son los que dañan decisiones
• Comparar gráficas con ventanas distintas (1h vs 24h) y concluir cambios que no existen
• Confundir discriminación (ROC/AUC) con fiabilidad (diagrama de fiabilidad)

13. Buenas prácticas

• Usa al menos: serie temporal + scatter + distribución de error
• Si hay probabilidades: añade fiabilidad sí o sí
• Estratifica: por umbral, estación del año, exposición y régimen cuando aplique
• Reporta tamaño de muestra y define claramente variable/ventana

14. Resumen y claves finales

• Serie temporal: timing y episodios
• Scatter: sesgo y error dependiente de intensidad
• Distribución de error: colas y patinazos
• Fiabilidad: si los porcentajes significan lo que dicen
• ROC/AUC: útil para discriminar, no para certificar fiabilidad

15. Mini-glosario

• Sesgo (bias): tendencia a pasarse o quedarse corto.
• RMSE: error que castiga patinazos grandes.
• Fiabilidad: coherencia entre probabilidad emitida y frecuencia real.
• ROC/AUC: discriminación al variar umbral de decisión.
• Rank histogram: diagnóstico de si el ensemble es demasiado estrecho o ancho.

16. Referencias y lecturas recomendadas

• WMO: guías y terminología de verificación
• NOAA: materiales educativos y ejemplos de verificación
• ECMWF: recursos sobre ensembles, verificación y evaluación de probabilidades