Verificar sirve, sobre todo, para no engañarte. Los “errores comunes” en verificación no son fallos de cálculo: son fallos de enfoque que te hacen creer que mejoras cuando en realidad solo cambias el ángulo. Aquí repasamos las trampas más habituales (sin baseline, métricas mal elegidas, confundir discriminación con fiabilidad, no separar regímenes, comparar periodos fáciles) y cómo evitarlas con un método simple.

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

La verificación está para contestar una pregunta con honestidad: ¿mi pronóstico aporta valor y dónde falla?. Si caes en trampas típicas, el sistema te “premia” por hacer cosas que empeoran la toma de decisiones.

2. Idea clave en 30 segundos

• En una frase: el error más común es medir mucho y decidir poco (o decidir mal)
• Señal típica: un score global mejora, pero los eventos de impacto empeoran
• Confusión común: creer que ROC/AUC o correlación ya demuestran calidad completa

3. Top 10 errores comunes (y la salida rápida)

• 1) No usar baseline: compara siempre con climatología/persistencia.
• 2) No definir operador: fija acumulación, ventana, punto vs área.
• 3) Mezclar continuo y evento: MAE no sustituye a matriz por umbral.
• 4) Un solo umbral: usa 2–3 umbrales de impacto.
• 5) No separar regímenes: convectivo/estratiforme, niebla/no niebla.
• 6) Concluir por pocos casos: reporta N y base rate.
• 7) “Ganar” por periodo fácil: verifica por estación y años.
• 8) Confundir discriminación con fiabilidad: puedes discriminar y estar mal calibrado.
• 9) Ignorar la observación: sin QC verificas ruido.
• 10) Cambiar mil cosas a la vez: una intervención, re-medida.

4. Baseline: el cinturón de seguridad

Sin baseline, cualquier score puede parecer bueno. Baselines típicos:

• Climatología: probabilidad base del evento y valores típicos.
• Persistencia: “mañana como hoy”, especialmente duro en niebla.

5. La trampa de “una métrica para todo”

• MAE/RMSE: continuos.
• Matriz de confusión: eventos por umbral.
• Brier/CRPS: probabilístico.

Si mezclas, te sale un número, sí… pero responde a otra pregunta.

6. Probabilidad: los errores típicos de calibración

Con probabilidades, los mitos más comunes son:

• “Si la AUC es alta, ya está”: AUC mide discriminación, no fiabilidad.
• “El ensemble da 90%, por tanto pasará”: 90% significa 9 de cada 10 casos, no certeza.

La salida: Brier/CRPS + fiabilidad por bins, con foco en bins altos.

7. Convección: por qué se rompe la verificación clásica

En tormentas convectivas, el error de desplazamiento/fase es enorme. Puedes fallar el punto y acertar el área. Si el uso es areal, necesitas operador espacial (vecindad) o, al menos, tolerancia explícita.

8. Errores comunes

• Comparar modelos con distinto periodo o distinta observación
• No documentar cambios
• Optimizar un score y empeorar el impacto

9. Buenas prácticas

• Panel corto y fijo (2–6 métricas)
• Baseline siempre
• Estratificación mínima (régimen/umbral)
• Una intervención a la vez

10. Resumen y claves finales

• Define pregunta y operador antes de medir
• Baseline evita autoengaños
• Eventos y continuos no se verifican igual
• Probabilidad exige fiabilidad, no solo discriminación
• Convección necesita pensar en espacio y fase

11. Mini-glosario

• Baseline: referencia (climatología/persistencia)
• Fiabilidad: calibración de probabilidades
• Discriminación: separar casos con/sin evento (ROC/AUC)
• Base rate: frecuencia del evento

12. Referencias y lecturas recomendadas

• WMO: verificación y probabilístico
• NOAA: recursos de verificación
• UCAR: materiales educativos y guías prácticas