El pronóstico probabilístico resume lo que se sabe o las opiniones sobre eventos futuros. A diferencia de los pronósticos de valor único (como pronosticar que la temperatura máxima en un sitio determinado en un día determinado será de 23 grados Celsius, o que el resultado de un partido de fútbol determinado será un empate sin goles), los pronósticos probabilísticos asignan una probabilidad para cada uno de varios resultados diferentes, y el conjunto completo de probabilidades representa un pronóstico de probabilidad . Así, la previsión probabilística es un tipo de clasificación probabilística .
La previsión meteorológica representa un servicio en el que a veces se publican predicciones probabilísticas para consumo público, aunque los meteorólogos también pueden utilizarla como base de un tipo más sencillo de previsión. Por ejemplo, los pronosticadores pueden combinar su propia experiencia con pronósticos de probabilidad generados por computadora para elaborar un pronóstico del tipo "esperamos fuertes lluvias".
Las apuestas deportivas son otro campo de aplicación en el que la previsión probabilística puede desempeñar un papel. Se puede considerar que las cuotas previas a la carrera publicadas para una carrera de caballos corresponden a un resumen de las opiniones de los apostadores sobre el resultado probable de una carrera, aunque esto debe moderarse con cautela ya que se deben tener en cuenta los beneficios de las casas de apuestas . En las apuestas deportivas, las previsiones de probabilidad pueden no publicarse como tales, pero pueden ser la base de las actividades de las casas de apuestas a la hora de fijar las tasas de rentabilidad, etc.
El pronóstico probabilístico se utiliza en el pronóstico del tiempo de varias maneras. Uno de los más sencillos es la publicación de información sobre las precipitaciones en forma de probabilidad de precipitación .
La información de probabilidad generalmente se obtiene mediante el uso de varias ejecuciones de modelos numéricos, con condiciones iniciales que varían ligeramente. Esta técnica suele denominarse predicción por conjuntos mediante un sistema de predicción por conjuntos (EPS). EPS no produce una distribución de probabilidad de pronóstico completa sobre todos los eventos posibles, y es posible utilizar métodos puramente estadísticos o híbridos estadísticos/numéricos para hacerlo. [1] Por ejemplo, la temperatura puede tomar un número teóricamente infinito de valores posibles (eventos); un método estadístico produciría una distribución asignando un valor de probabilidad a cada temperatura posible. Las temperaturas inverosímilmente altas o bajas tendrían entonces valores de probabilidad cercanos a cero.
Si fuera posible ejecutar el modelo para cada conjunto posible de condiciones iniciales, cada una con una probabilidad asociada, entonces, de acuerdo con cuántos miembros (es decir, ejecuciones individuales del modelo) del conjunto predicen un determinado evento, se podría calcular la probabilidad condicional real. del evento dado. En la práctica, los pronosticadores intentan adivinar un pequeño número de perturbaciones (generalmente alrededor de 20) que consideran que tienen más probabilidades de producir resultados meteorológicos distintos. Dos técnicas comunes para este propósito son los vectores reproductores (BV) y los vectores singulares (SV). [2] No se garantiza que esta técnica produzca una distribución de conjunto idéntica a la distribución de pronóstico real, pero lograr dicha información probabilística es uno de los objetivos de la elección de las perturbaciones iniciales. Otras variantes de sistemas de pronóstico por conjuntos que no tienen una interpretación probabilística inmediata incluyen aquellos que ensamblan los pronósticos producidos por diferentes sistemas numéricos de predicción del tiempo .
Canadá ha sido uno de los primeros países en difundir su pronóstico probabilístico dando posibilidades de precipitación en porcentajes. [ cita necesaria ] Como ejemplo de pronósticos totalmente probabilísticos, recientemente se han desarrollado pronósticos de distribución de cantidades de lluvia mediante métodos puramente estadísticos cuyo rendimiento es competitivo con EPS híbrido [ aclaración necesaria ] / pronósticos estadísticos de lluvia de cantidades de lluvia diarias. [3]
También se ha utilizado la previsión probabilística en combinación con redes neuronales para la generación de energía. Esto se logra mediante un pronóstico meteorológico mejorado utilizando intervalos probabilísticos para tener en cuenta las incertidumbres en el pronóstico eólico y solar, a diferencia de técnicas tradicionales como el pronóstico puntual. [4]
El pronóstico macroeconómico es el proceso de hacer predicciones sobre la economía para variables clave como el PIB y la inflación, entre otras, y generalmente se presenta como pronósticos puntuales. Uno de los problemas de los pronósticos puntuales es que no transmiten incertidumbres en el pronóstico, y aquí es donde el papel del pronóstico de probabilidad puede resultar útil. La mayoría de los pronosticadores asociarían probabilidades a una variedad de resultados o escenarios alternativos fuera de sus pronósticos centrales. Estas probabilidades proporcionan una evaluación más amplia del riesgo asociado a sus pronósticos centrales y están influenciadas por cambios inesperados o extremos en variables clave.
Ejemplos destacados de pronósticos de probabilidad son aquellos realizados en encuestas en las que a los pronosticadores se les pregunta, además de sus pronósticos centrales, sus estimaciones de probabilidad dentro de un rango específico. La Autoridad Monetaria de Singapur (MAS) es una de esas organizaciones que publica pronósticos de probabilidad en su encuesta trimestral MAS de pronosticadores profesionales. Otra es Consensus Economics , una empresa de encuestas macroeconómicas, que publica una encuesta especial sobre las probabilidades de pronóstico [5] cada enero en sus publicaciones Consensus Forecasts, Asia Pacific Consensus Forecasts y Eastern Europe Consensus Forecasts.
Además de las empresas encuestadoras que cubren este tema, los pronósticos de probabilidad también son un tema de investigación académica. Esto se discutió en un artículo de investigación de 2000 de Anthony Garratt, Kevin Lee, M. Hashem Pesaran y Yongcheol Shin titulado 'Forecast Uncertainties in Macroeconometric Modelling: An Application to the UK Economy'. [6] La MAS publicó un artículo sobre el tema en su Macroeconomic Review en octubre de 2015 llamado A Brief Survey of Density Forecasting in Macroeconomics. [7]
Hasta la fecha, los pronósticos probabilísticos no se han investigado exhaustivamente en el contexto de los pronósticos energéticos . Sin embargo, la situación está cambiando. [8] [9] Mientras que el Concurso Mundial de Previsión Energética (GEFCom) de 2012 se centró en la previsión de la carga eléctrica y la energía eólica, la edición de 2014 tuvo como objetivo la previsión probabilística de la carga eléctrica, la energía eólica , la energía solar y los precios de la electricidad . Los dos equipos con mejor desempeño en el seguimiento de precios de GEFCom2014 utilizaron variantes del Promedio de regresión cuantil (QRA), [10] una nueva técnica que implica aplicar regresión cuantil a los pronósticos puntuales de un pequeño número de modelos de pronóstico individuales o expertos, lo que permite aprovechar el desarrollo existente de la previsión puntual.
Lumina Decision Systems ha creado un ejemplo de pronóstico probabilístico del uso de energía para los próximos 25 años utilizando la Perspectiva Energética Anual (AEO) 2010 del Departamento de Energía de EE. UU.
Los pronósticos de probabilidad también se han utilizado en el campo de la previsión demográfica. [11]
Evaluar pronósticos probabilísticos es más complejo que evaluar pronósticos deterministas. [12] Si se utiliza un enfoque basado en conjuntos, primero es necesario combinar los miembros individuales del conjunto y expresarlos en términos de una distribución de probabilidad. [13] Existen reglas de puntuación probabilísticas (adecuadas) , como la puntuación de probabilidad clasificada continua para evaluar pronósticos probabilísticos. [14] Un ejemplo de tal regla es la puntuación de Brier .