Las tablas son la forma más rápida de convertir “sensaciones” en evidencia. Si están bien montadas, en 60 segundos te dicen si el problema es sesgo, magnitud, falsas alarmas o probabilidades poco fiables. Este artículo enseña a construir tablas simples y, sobre todo, a leerlas sin caer en mitos.

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 tabla de verificación no es un informe bonito: es un “panel de control” para diagnosticar fallos. Importa porque evita que nos quedemos con un único número o con la anécdota del día, y nos obliga a separar: (a) cuánto fallamos, (b) cómo fallamos y (c) si añadimos valor frente a un baseline.

2. Idea clave en 30 segundos

• En una frase: una buena tabla no busca un número perfecto; busca mostrar patrones de fallo que puedas corregir
• Señal típica: un score global “bien” esconde que en los casos de impacto (QPF intensa) el método se cae
• Confusión común: celebrar una correlación alta o una AUC alta sin mirar sesgo, fiabilidad o falsas alarmas

3. Las 3 tablas mínimas que casi siempre conviene tener

• Tabla de error continuo: MAE/RMSE y bias por variable (temperatura, viento, precipitación acumulada).
• Tabla de evento: POD, FAR y CSI para 2–3 umbrales (p. ej., lluvia >10, >30, >60 mm/24h).
• Tabla probabilística: fiabilidad (bins) y, si hay ensemble, un resumen de dispersión (p. ej., rank histogram cualitativo).

4. Cómo montar una tabla de error continuo (MAE/bias) en 5 minutos

Para variables continuas (T, viento, QPF acumulada):

Lectura rápida: bias te dice “me paso o me quedo corto”; MAE te dice “cuánto me equivoco de media”. Si bias≈0 pero MAE alto, el problema suele ser variabilidad/timing, no sesgo.

5. Cómo montar una tabla de eventos (POD/FAR/CSI) para QPF

Para precipitación (especialmente tormentas): define umbrales y calcula:

Lectura rápida: si subes POD pero se dispara FAR, puede que estés “sobrealertando”. La tabla te obliga a ver ese intercambio, que un único score escondería.

6. Cómo montar una tabla simple de fiabilidad (probabilidades)

Si el pronóstico da probabilidades (o derivadas de ensembles): agrupa en bins y compara con frecuencia observada.

Lectura rápida: si en el bin 80–100% solo ocurre 50–60%, el sistema está sobreconfiado: falta calibración.

7. Rank histogram (ensembles) explicado sin drama

El rank histogram mira si el ensemble “abraza” a la realidad. No hace falta dominarlo para sacarle jugo:

• U-shape (más en extremos): ensemble subdisperso (rango demasiado estrecho).
• Campana (más en centro): ensemble sobredisperso (rango demasiado ancho).
• Sesgo a un lado: bias del ensemble (tendencia sistemática).

En tabla, puedes resumirlo cualitativamente: “subdisperso / ok / sobredisperso” por variable y semana.

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

• AUC alta NO significa probabilidades fiables: ROC/AUC mide discriminación, no calibración. Puedes ordenar bien el riesgo y aun así dar probabilidades infladas.
• AUC alta NO significa utilidad: la utilidad depende del umbral operativo y del coste de falsas alarmas vs fallos.
• Correlación buena NO significa poco error: puedes correlacionar bien y tener MAE grande.
• Correlación buena NO significa acierto en extremos: los extremos pueden estar mal aunque el conjunto “vaya” bien.

9. Ejemplos típicos (tormentas convectivas y precipitación)

• QPF convectiva: puedes tener MAE moderado en semana, pero POD bajo en >60 mm/24h: tu sistema falla justo en impacto.
• Ensemble subdisperso: rank histogram en U; en fiabilidad ves sobreconfianza. Acción típica: calibración y ampliar incertidumbre comunicada.
• Correlación alta, evento mal: la evolución diaria puede estar bien (r alta) pero el umbral de impacto falla (CSI bajo en alto umbral). Acción: ajustar umbrales y estratificar por régimen.

10. Errores comunes

• Hacer una tabla con un solo número “global” y creer que ya está.
• No separar por umbrales (en precipitación es clave).
• Comparar periodos sin anotar cambios de régimen (convectivo vs estratiforme).
• Olvidar baseline: no sabes si aportas valor.

11. Buenas prácticas

• Tablas pequeñas y repetibles: mismas columnas cada semana.
• Incluye umbrales de impacto: no solo promedios.
• Probabilístico: añade fiabilidad y una nota de dispersión del ensemble.
• Acción: cada tabla debería terminar en una mejora concreta a probar.

12. Resumen y claves finales

• Las tablas sirven para ver patrones de fallo corregibles
• Separa: continuo (MAE/bias), evento (POD/FAR/CSI) y probabilístico (fiabilidad/ensemble)
• ROC/AUC y correlación no son “certificados” de calidad
• En convectiva, mira umbrales altos y no solo promedios
• Una tabla buena acaba en una acción y re-verificación

13. Mini-glosario

• MAE: error absoluto medio
• Bias: error sistemático medio
• POD: probabilidad de detección
• FAR: ratio de falsas alarmas
• CSI: amenaza del evento
• Fiabilidad: calibración de probabilidades
• Rank histogram: diagnóstico de dispersión del ensemble

14. Referencias y lecturas recomendadas

• WMO: verificación y probabilístico (guías, glosarios)
• ECMWF/Copernicus: recursos y notas sobre ensembles y verificación
• WMO: documentación sobre verificación de precipitación y eventos