Verificar no es una ceremonia estadística: es entender qué se está midiendo, qué parte del pronóstico representa y qué decisión mejora. Esta guía explica los mecanismos clave (sesgo, detección de eventos, discriminación, calibración, skill frente a baseline) con ejemplos claros, especialmente en niebla y observación.

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

Verificar es comparar pronóstico y observación con un diseño claro: variable, umbral (si es evento), ventana temporal y escala espacial. Importa porque separa impresión de evidencia y te dice qué ajustar: sesgo, umbrales, comunicación, o método.

2. Idea clave en 30 segundos

• En una frase: cada métrica mide un “mecanismo” distinto; si eliges la métrica equivocada, sacas la conclusión equivocada
• Señal típica: un pronóstico parece bueno en promedio, pero falla justo en lo que genera impacto
• Confusión común: pensar que AUC/ROC o una correlación alta equivalen a “pronóstico fiable”

3. Los mecanismos que solemos querer medir

• Sesgo (bias): si el pronóstico tiende a pasarse o quedarse corto sistemáticamente.
• Error típico (magnitud): cuánto te equivocas “en números” (temperatura, visibilidad, etc.).
• Detección de eventos: si capturas el evento (niebla sí/no, lluvia intensa sí/no) y cuánto falsas alarmas generas.
• Discriminación: si el método sabe separar situaciones con más riesgo de menos riesgo.
• Calibración: si tus probabilidades significan lo que dicen (p. ej., 30% ocurre ~3 de cada 10).
• Valor añadido (skill): si mejoras a una referencia simple (baseline) como climatología o persistencia.

4. Qué mide cada familia de métricas (en cristiano)

• Bias: “me paso / me quedo corto” (mecanismo: error sistemático).
• CSI (o amenaza): balance simple entre aciertos, fallos y falsas alarmas para un evento (mecanismo: detección útil).
• AUC/ROC: “ordeno bien el riesgo” (mecanismo: discriminación), pero no dice si la probabilidad es correcta.
• CRPS: calidad de una predicción probabilística o de distribución (mecanismo: distancia entre lo que pronosticas y lo que ocurrió, considerando incertidumbre).
• Skill score: “¿soy mejor que un baseline?” (mecanismo: valor añadido real).

5. Baseline: la pieza que evita autoengaños

Sin baseline, es fácil celebrar un “buen score” que en realidad no mejora nada. Dos baselines típicos:

• Climatología: lo esperable por época/lugar (especialmente útil en eventos raros o estacionales).
• Persistencia: “mañana parecido a hoy” (útil en niebla, visibilidad, viento débil, etc.).

6. Ejemplos (niebla y observación): por qué los mecanismos importan

• Niebla (evento sí/no): puedes tener POD alto (detectas muchas) pero FAR alto (falsas nieblas). El mecanismo a corregir no es “detecta” sino “sobreactiva”.
• Niebla (probabilidades): puedes discriminar bien (ROC alto) pero estar sobreconfiado: dices 70% y ocurre 40–50%. Falta calibración.
• Observación: una estación con mal emplazamiento puede “inventar” sesgo. Si la observación no es representativa, el diagnóstico del mecanismo se estropea.

7. Mitos típicos (y cómo romperlos)

• Mito: “AUC alta = pronóstico perfecto”. Realidad: AUC mide discriminación; puedes discriminar y aun así estar mal calibrado.
• Mito: “Un CSI bueno significa que ya está”. Realidad: CSI depende del umbral; sin FAR/POD y sin baseline, puedes engañarte.
• Mito: “Si tengo bias ~0, todo bien”. Realidad: puedes tener bias cero y errores grandes por dispersión o timing.

8. Plantilla de verificación semanal (simple y útil)

Objetivo: 15–25 minutos cada semana para no perder el hilo y detectar problemas temprano.

1. Elige 1–2 variables objetivo: p. ej., visibilidad (niebla) y lluvia intensa.
2. Define evento y ventana: niebla = vis<1000 m (o umbral local) durante 06–10; lluvia intensa = >40 mm/24h.
3. Define baseline: persistencia (niebla) y climatología (lluvia intensa).
4. Métricas mínimas: bias (si aplica), POD+FAR+CSI (evento), y si hay probabilidades: una comprobación de fiabilidad básica.
5. Revisa 2 casos: uno acierto y uno fallo (anota “tipo de fallo”: sesgo, desplazamiento, timing, calibración).
6. Acción: una mejora concreta (umbral, comunicación, calibración, escala) y anótala.

Gráfico simple recomendado: una línea semanal de CSI (o skill vs baseline) y, al lado, barras de FAR. Con eso detectas rápido si mejoras “a costa” de falsas alarmas.

9. Errores comunes

• Comparar semanas con distinto régimen sin anotarlo (niebla radiativa vs advectiva).
• Quedarte con una sola métrica (p. ej., CSI) sin mirar POD/FAR.
• No fijar baseline y celebrar números que no añaden valor.
• Ignorar calidad/representatividad de la observación (especialmente en niebla).

10. Buenas prácticas

• Define antes de medir: evento, umbral, ventana, escala.
• Mide mecanismo: sesgo, detección, discriminación, calibración, skill.
• Usa baseline: sin baseline no hay “valor añadido”.
• Acaba en acción: una mejora concreta cada ciclo.

11. Mini-glosario

• Bias: tendencia sistemática a sobre/infraestimar
• CSI: amenaza; balance de aciertos/fallos/falsas alarmas para un evento
• ROC/AUC: discriminación de un sistema probabilístico
• Calibración: probabilidades que coinciden con frecuencias
• CRPS: score probabilístico para una distribución
• Baseline: referencia simple (climatología/persistencia)

12. Referencias y lecturas recomendadas

• WMO: guías y glosarios de verificación y probabilístico
• NOAA: recursos educativos y materiales de verificación
• AEMET: documentación y recursos de predicción/verificación (cuando aplique)