Si eliges mal la métrica, puedes “ganar” en la tabla y perder en la realidad. Este artículo te ayuda a elegir qué métrica usar según la pregunta (error típico, extremos, eventos, probabilidades, convección) y a evitar confusiones clásicas (correlación alta = bueno, un RMSE mejor = siempre mejor, o comparar modelos sin baseline).

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 métrica es una respuesta numérica a una pregunta. El problema es que mucha gente usa una métrica para contestar otra pregunta distinta. Resultado: autoengaño y discusiones eternas. Aquí hacemos el “traductor” métrica→uso correcto.

2. Idea clave en 30 segundos

• En una frase: primero decide la pregunta; luego eliges la métrica
• Señal típica: un modelo “mejor” en correlación, peor en eventos de impacto
• Confusión común: comparar números sin baseline (climatología/persistencia)

3. Mapa rápido: qué métrica usar según la pregunta

• ¿Cuál es el error típico? MAE.
• ¿Me penalizan mucho los errores grandes? RMSE (y compáralo con MAE).
• ¿Voy sistemáticamente alto/bajo? Bias.
• ¿Detecto eventos por encima de un umbral? Matriz de confusión + POD/FAR/CSI.
• ¿Mis probabilidades son honestas? Brier + fiabilidad.
• ¿Aporto valor frente a “lo normal”? Skill vs climatología/persistencia.
• ¿Mi serie se parece en forma? Correlación (pero ojo: no mide error absoluto).

4. Por qué la correlación engaña tanto

La correlación te dice si sube y baja “a la vez”, no si aciertas valores. Puedes tener correlación alta y un sesgo enorme (siempre 3–4 ºC por encima). Úsala solo como apoyo para “forma”, nunca como métrica principal de calidad.

5. Continuo vs evento: no mezcles

• Continuo: temperatura, viento medio, presión → MAE/RMSE/bias.
• Evento: lluvia > 20 mm, racha > 80 km/h → matriz por umbral.

Si verificas lluvia intensa solo con MAE, te puedes creer que vas bien aunque falles lo importante.

6. Probabilidades: el bin alto es tu detector de sobreconfianza

Si dices 80–100% y ocurre mucho menos, hay sobreconfianza. El Brier resume, pero la fiabilidad te dice dónde se rompe (en bins bajos o altos).

7. Ejemplos rápidos (vida real)

• Temperatura: MAE pequeño pero bias positivo persistente → corrección de sesgo.
• Lluvia intensa: MAE aceptable pero POD bajo en > 60 mm → el problema no es “promedio”, es detección de extremos.
• Ensembles: Brier mejora pero fiabilidad en bin alto empeora → probabilidades demasiado agresivas.

8. Errores comunes

• Usar correlación como “nota final”.
• No separar por régimen (convectivo vs estratiforme).
• Comparar modelos sin baseline (climatología/persistencia).
• Quedarse con un único umbral en eventos.

9. Buenas prácticas

• 1–3 métricas, no 20: elige las que responden a tu pregunta.
• Siempre baseline: si no, cualquier mejora puede ser espejismo.
• Eventos: 2–3 umbrales + matriz.
• Prob: Brier + fiabilidad por bins.

10. Resumen y claves finales

• La métrica se elige según la pregunta
• Correlación no es calidad; es “forma”
• Continuo y evento se verifican distinto
• En probabilístico, Brier y fiabilidad son pareja
• Baseline evita autoengaños

11. Mini-glosario

• MAE: error medio absoluto
• RMSE: error cuadrático medio (castiga outliers)
• Bias: sesgo
• Matriz de confusión: tabla por umbral
• Brier: score de probabilidades

12. Referencias y lecturas recomendadas

• WMO: guías de verificación y probabilístico
• NOAA: materiales de verificación
• AEMET: recursos de predicción/verificación