No voy a pronosticar como el hombre del tiempo

sesgo de humedad

Tengo años de datos – pct de probabilidad frente a lluvia o no. Teniendo en cuenta el historial de este meteorólogo, si esta noche dice que la probabilidad de lluvia de mañana es X, ¿cuál es mi mejor suposición sobre la probabilidad de lluvia real?

En efecto, estás pensando en un modelo en el que la verdadera probabilidad de lluvia, p, es una función de la probabilidad prevista q: p = p(q). Cada vez que se hace una predicción, se observa una realización de una variante Bernoulli con una probabilidad p(q) de éxito. Se trata de una configuración clásica de regresión logística si se quiere modelar la probabilidad real como una combinación lineal de las funciones base f1, f2, …, fk; es decir, el modelo dice

con errores iid e. Si eres agnóstico sobre la forma de la relación (aunque si el meteorólogo es bueno p(q) – q debería ser razonablemente pequeño), considera usar un conjunto de splines para la base. El resultado, como es habitual, consiste en estimaciones de los coeficientes y una estimación de la varianza de e. Dada cualquier predicción futura q, basta con introducir el valor en el modelo con los coeficientes estimados para obtener una respuesta a su pregunta (y utilizar la varianza de e para construir un intervalo de predicción en torno a esa respuesta si lo desea).

oficina meteorológica del reino unido

Tengo años de datos – pct de probabilidad frente a lluvia o no. Teniendo en cuenta el historial de este meteorólogo, si esta noche dice que la probabilidad de lluvia de mañana es X, ¿cuál es mi mejor conjetura sobre la probabilidad de lluvia real?

En efecto, estás pensando en un modelo en el que la verdadera probabilidad de lluvia, p, es una función de la probabilidad prevista q: p = p(q). Cada vez que se hace una predicción, se observa una realización de una variante Bernoulli con una probabilidad p(q) de éxito. Se trata de una configuración clásica de regresión logística si se quiere modelar la probabilidad real como una combinación lineal de las funciones base f1, f2, …, fk; es decir, el modelo dice

con errores iid e. Si eres agnóstico sobre la forma de la relación (aunque si el meteorólogo es bueno p(q) – q debería ser razonablemente pequeño), considera usar un conjunto de splines para la base. El resultado, como es habitual, consiste en estimaciones de los coeficientes y una estimación de la varianza de e. Dada cualquier predicción futura q, basta con introducir el valor en el modelo con los coeficientes estimados para obtener una respuesta a su pregunta (y utilizar la varianza de e para construir un intervalo de predicción en torno a esa respuesta si lo desea).

1987 tormenta uk

Una previsión de siete días puede predecir el tiempo en un 80% de las veces y una de cinco días puede predecir el tiempo en un 90% aproximadamente. Sin embargo, una previsión de 10 días -o más- sólo acierta la mitad de las veces.

Si quiere saber qué tiempo hará en la próxima semana, una previsión meteorológica puede darle una idea realmente buena de lo que puede esperar. Una previsión de siete días puede predecir con exactitud el tiempo en un 80% de las veces y una previsión de cinco días puede predecir con exactitud el tiempo en un 90% de las veces.

Sin embargo, una previsión de 10 días -o más- sólo acierta la mitad de las veces. Los meteorólogos utilizan programas informáticos llamados modelos meteorológicos para hacer las previsiones. Como no podemos recoger datos del futuro, los modelos tienen que utilizar estimaciones y suposiciones para predecir el tiempo futuro. La atmósfera cambia constantemente, por lo que esas estimaciones son menos fiables cuanto más se avanza en el futuro.

Parte de la información necesaria para hacer una previsión meteorológica procede de los satélites medioambientales. La NOAA, la Administración Nacional Oceánica y Atmosférica, opera tres tipos de satélites medioambientales que vigilan el tiempo de la Tierra:

servicio meteorológico nacional

Desde que tenía tres años, Rose tenía un interés inusual por el tiempo, pero nunca quiso salir en la televisión. “Juré que nunca me convertiría en locutora”, explica. Le interesaba más la ciencia que hay detrás del tiempo. Estaba segura de que quería enseñar e investigar la meteorología en una universidad.

Por eso, el papel actual de Rose como una de las meteorólogas de televisión más reconocidas de Virginia podría considerarse inesperado, pero es un papel que ella aprecia. Como meteoróloga de la mañana de los días laborables en la cadena de televisión CBS 6 de Richmond, es una portavoz de confianza, no sólo en lo que respecta al tiempo, sino también a la ciencia en general.

Es una gran científica. Todos los días de la semana se levanta a la 1:00 de la madrugada y se pone a trabajar sobre las 3:30 para preparar la previsión del día. Mira los datos de los satélites y los radares para hacer sus propias predicciones meteorológicas. Después de una hora de estudiar los datos y hacer gráficos, está lista para salir al aire a las 4:30 a.m. Ofrece actualizaciones del tiempo en los programas de noticias durante toda la mañana.