Las tablas de verificación son la forma más rápida de pasar del “creo que va bien” a “sé en qué falla y cómo mejorarlo”. No hace falta software raro: con una hoja de cálculo y cuatro tablas bien montadas puedes descubrir sesgos, falsas alarmas y puntos ciegos en lluvia intensa, viento o niebla.

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 significa “verlo en tablas” y por qué sirve

“Verificación en tablas” significa resumir muchos pronósticos y observaciones en pocas filas y columnas para responder preguntas concretas: ¿cuánto me equivoco? ¿detecto bien los eventos? ¿hago demasiadas falsas alarmas? ¿mis probabilidades son honestas?

Las tablas sirven porque separan tres cosas que suelen mezclarse: cantidad (cuánto), evento (sí/no por umbral) y probabilidad (porcentajes).

2. Idea clave en 30 segundos

• En una frase: una tabla buena te dice qué tipo de error tienes (sesgo, fallos o falsas alarmas) y dónde (umbrales/ventanas), sin necesidad de gráficos
• Señal típica: aciertas “en promedio”, pero fallas justo los umbrales de impacto (p. ej., >40 mm/24h o rachas >70 km/h)
• Confusión común: usar una única tabla global y concluir demasiado sin separar por umbral, zona o situación

3. La tabla mínima para empezar (sin complicarse)

Si solo puedes hacer una, haz esta: una tabla por variable y ventana, con columnas de sesgo y error típico.

• Variable: lluvia acumulada 24h, racha máxima 10 min, visibilidad mínima 1h
• Ventana: día D (00–24), o 06–12 si es operativo
• Columnas: bias (promedio pronóstico − observado), MAE (error medio absoluto), RMSE (si te importan patinazos)

Con eso ya puedes ver si te pasas, te quedas corto o tienes mucha dispersión.

4. Tabla de eventos y umbrales (la más útil para impactos)

Cuando lo que importa es si se supera un umbral (avisos), usa una tabla de contingencia (matriz de confusión). Para cada umbral defines “evento” y cuentas:

• H (hits): se pronosticó evento y ocurrió
• M (misses): no se pronosticó y ocurrió
• F (false alarms): se pronosticó y no ocurrió
• C (correct negatives): no se pronosticó y no ocurrió

De esa tabla salen métricas fáciles:

• POD: H/(H+M) (cuánto detectas)
• FAR: F/(H+F) (cuánta falsa alarma)
• CSI: H/(H+M+F) (equilibrio útil en eventos raros)

5. Cómo montar la tabla paso a paso en una hoja de cálculo

• Paso 1: una fila por caso (día o periodo): fecha, estación/zona, pronóstico, observado
• Paso 2: crea columnas “evento pronosticado” y “evento observado” (1/0) según el umbral
• Paso 3: cuenta H/M/F/C con reglas simples (por ejemplo, H si pron=1 y obs=1)
• Paso 4: calcula POD, FAR, CSI
• Paso 5: repite por varios umbrales (mejor una tabla por umbral que mezclarlo todo)

6. Ejemplos prácticos (lluvia intensa, viento, niebla)

6.1 Lluvia intensa

Umbrales típicos operativos (ajusta por región): >20 mm/24h, >40 mm/24h, >80 mm/24h. Monta una tabla por umbral. Si ves POD alto pero FAR altísimo, estás “avisando por si acaso”; si POD bajo y FAR bajo, estás siendo demasiado conservador y se te escapan episodios.

6.2 Viento

Elige rachas máximas: >50, >70, >90 km/h. Importa separar por exposición (costa/valle/collado) porque la representatividad cambia mucho. Si el bias es negativo (te quedas corto) pero CSI no es terrible, probablemente fallas la intensidad más que la detección.

6.3 Niebla

Define evento por visibilidad: VIS<200 m o VIS<500 m, y ventana (por ejemplo 06–10). La niebla es rara: el “porcentaje de acierto total” engaña. Aquí CSI, POD y FAR son mucho más informativos que “accuracy”.

7. Tablas para probabilidades (cuando hay %)

Si tu pronóstico es probabilístico (p. ej., 60% de superar 40 mm), la tabla más útil es una tabla de fiabilidad: agrupa casos por rangos de probabilidad (0–10, 10–20, …) y en cada rango calcula la frecuencia observada real. Si en el bin 70–80% solo ocurre 40%, estás sobreconfiado.

ROC/AUC no se “ve” tan directo en una tabla simple como la fiabilidad, pero puedes empezar con algo básico: dos o tres umbrales de decisión (p. ej., avisar si P>30%, P>50%, P>70%) y hacer contingencias para cada uno; verás cómo cambian POD y FAR.

8. Errores comunes

• Mezclar umbrales en una sola tabla y perder información
• No separar por ventana (24h vs 6h) y comparar cosas distintas
• No controlar calidad de observaciones (datos sucios = verificación falsa)
• Usar “accuracy” en eventos raros (niebla, extremos) y creer que todo va genial
• Concluir que “una AUC alta” prueba fiabilidad (no lo hace)

9. Buenas prácticas

• Define objetivo (impacto) y elige umbrales con sentido
• Haz tablas por umbral y por ventana operativa
• Reporta tamaño de muestra (n): con pocos casos, las métricas bailan
• Separa por situaciones (costa/interior, verano/otoño, régimen) para entender el mecanismo del fallo
• Si usas probabilidades, exige tabla de fiabilidad además de cualquier métrica de discriminación

10. Resumen y claves finales

• Empieza con una tabla mínima (bias, MAE, RMSE) para ver sesgo y error típico
• Para impactos, la tabla reina es la contingencia por umbral (H/M/F/C)
• CSI/POD/FAR te dicen si detectas, si alarmas de más o si te lo comes
• En niebla y extremos, evita “accuracy” y mira CSI
• Para probabilidades, la tabla de fiabilidad es obligatoria para no autoengañarse

11. Mini-glosario

• Bias: tendencia a pasarse o quedarse corto.
• MAE: error medio absoluto (fácil de interpretar).
• RMSE: error que castiga más los patinazos grandes.
• Contingencia: tabla H/M/F/C de evento sí/no.
• CSI: éxito crítico para eventos raros (ignora TN).
• POD: detección (sensibilidad).
• FAR: falsas alarmas.
• Fiabilidad: si los porcentajes significan lo que dicen.

12. Referencias y lecturas recomendadas

• WMO: guías y glosario de verificación
• Met Office: recursos de verificación aplicada y probabilística
• NOAA: materiales educativos y ejemplos prácticos de métricas