Las gráficas ayudan porque el ojo detecta patrones que una tabla esconde: sesgos, “saltos” por cambios de datos, rachas raras, y sobre todo el clásico: el modelo no falla siempre, falla de la misma manera. Pero también son una fábrica de trampas: es facilísimo ver “habilidad” donde solo hay correlación, o creer que una AUC bonita significa que acertamos lo importante. Aquí vamos a ver qué gráficas usar, cómo leerlas y cómo tener en cuenta sesgos del dato de referencia (pluvio, radar, viento) para no engañarnos.

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 y por qué importa

Una buena gráfica de verificación convierte el “me parece que…” en “se ve aquí”: sesgo sistemático, fallos en extremos, falsas alarmas, cambios por temporadas o por referencias. Si además anotas cambios de datos (radar/estación), evitas atribuir al modelo lo que era un cambio de referencia.

2. Idea clave en 30 segundos

• En una frase: usa gráficas que enseñen sesgo, extremos y eventos; no te quedes con una AUC bonita
• Señal típica: nube predicho-vs-observado pegada a una recta pero desplazada (bias)
• Confusión común: correlación/AUC alta = “acierto”

3. Gráfica 1: serie temporal de error (la más útil)

Una línea semanal (o diaria) de bias y MAE/RMSE enseña estabilidad, degradación y saltos. Si ves un salto brusco, pregunta primero: ¿cambió la referencia? ¿hubo huecos? ¿cambió el régimen (convectiva vs estratiforme)?

4. Gráfica 2: predicho vs observado (scatter)

• Qué buscar: si la nube está centrada en la diagonal, bien; si está por encima/abajo, hay bias.
• Extremos: mira el abanico en valores altos; ahí suele romperse todo.
• Dato de referencia: en convectiva, el punto (pluvio) puede “castigar” aunque el campo sea útil.

5. Gráfica 3: histograma del error

Sirve para ver si el error es simétrico o si hay colas (pocos casos muy malos). Ojo: un histograma bonito puede esconder que fallas justo los casos de impacto.

6. Gráfica 4: matriz de confusión (eventos)

Para eventos (p. ej. lluvia > 20 mm/24h o racha > 70 km/h), la matriz enseña: aciertos, falsas alarmas, fallos y rechazos correctos. El truco es no “celebrar” muchos rechazos correctos cuando el evento es raro.

7. Gráfica 5: ROC y AUC (y la trampa)

• ROC: muestra compromiso entre detección y falsas alarmas.
• AUC: resume ROC, pero no te dice si estás calibrado, ni si aciertas magnitud, ni si tu umbral es útil.
• Evento raro: puedes tener AUC alta y aun así un sistema inútil en términos de coste/beneficio.

8. Convectiva: checklist de errores típicos al verificar precipitación

• Verificar punto con objetivo areal (sin neighborhood)
• Usar acumulación 24h cuando el impacto era 1–3h
• Penalizar desplazamiento como fallo total
• Radar sin QC como “verdad” de acumulación
• No separar convectivo/estratiforme
• Mirar solo AUC o correlación

9. Errores comunes

• Escoger una gráfica que “queda bien” pero no responde a la pregunta
• No anotar cambios de referencia
• Confundir “discriminación” (ROC) con “calibración”

10. Buenas prácticas

• Siempre: serie temporal + scatter
• Si hay eventos: matriz de confusión
• Si es probabilístico: añade fiabilidad (calibración) además de ROC
• Anota cambios de datos y régimen

11. Resumen y claves finales

• Las gráficas sirven para ver patrones, no para decorar informes
• Serie temporal y scatter son el “mínimo vital”
• Matriz de confusión manda en eventos
• ROC/AUC ayuda, pero no cierra el caso
• Convectiva necesita operador y checklist para no autoengañarte

12. Mini-glosario

• Matriz de confusión: tabla de aciertos y errores en eventos
• ROC: curva de detección vs falsas alarmas
• AUC: área bajo ROC, mide discriminación
• Overfitting: ajustar demasiado a un periodo y fallar fuera

13. Referencias y lecturas recomendadas

• WMO: verificación
• NOAA: guías de verificación
• UCAR/COMET: material didáctico de verificación