Los pronósticos probabilísticos resumen 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 en un partido de fútbol determinado será un empate sin goles), los pronósticos probabilísticos asignan una probabilidad a cada uno de varios resultados diferentes, y el conjunto completo de probabilidades representa un pronóstico de probabilidad . Por lo tanto, los pronósticos probabilísticos son un tipo de clasificación probabilística .
La previsión meteorológica es un servicio en el que a veces se publican predicciones de probabilidad para el consumo público, aunque también pueden ser utilizadas por los meteorólogos como base de un tipo de previsión más simple. Por ejemplo, los meteorólogos pueden combinar su propia experiencia con predicciones de probabilidad generadas por ordenador para elaborar una previsión del tipo "esperamos fuertes lluvias".
Las apuestas deportivas son otro campo de aplicación en el que las predicciones probabilísticas pueden desempeñar un papel. Las cuotas publicadas antes de la carrera de caballos pueden considerarse como un resumen de las opiniones de los apostadores sobre el resultado probable de una carrera, aunque esto debe moderarse con cautela, ya que deben tenerse en cuenta los beneficios de las casas de apuestas . En las apuestas deportivas, las predicciones de probabilidad pueden no publicarse como tales, pero pueden ser la base de las actividades de las casas de apuestas al establecer las tasas de pago, etc.
La predicción probabilística se utiliza en la predicción meteorológica de diversas maneras. Una de las más sencillas es la publicación de información sobre las precipitaciones en forma de probabilidad de precipitación .
La información de probabilidad se obtiene normalmente utilizando varias ejecuciones de modelos numéricos, con condiciones iniciales ligeramente variables. Esta técnica suele denominarse previsión por conjuntos mediante un sistema de predicción por conjuntos (EPS). El EPS no produce una distribución de probabilidad de previsión completa para todos los eventos posibles, y es posible utilizar métodos puramente estadísticos o híbridos estadísticos/numéricos para hacerlo. [1] Por ejemplo, la temperatura puede adoptar una cantidad teóricamente infinita de valores posibles (eventos); un método estadístico produciría una distribución que asignara 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, según la cantidad de 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 de reproducción (BV) y los vectores singulares (SV). [2] Esta técnica no garantiza que produzca una distribución de conjunto idéntica a la distribución de pronóstico real, pero obtener dicha información probabilística es uno de los objetivos de la elección de perturbaciones iniciales. Otras variantes de sistemas de pronóstico de conjunto que no tienen una interpretación probabilística inmediata incluyen aquellos que reúnen los pronósticos producidos por diferentes sistemas numéricos de predicción meteorológica .
Canadá ha sido uno de los primeros países en difundir sus pronósticos probabilísticos, brindando probabilidades de precipitación en porcentajes. [ cita requerida ] Como ejemplo de pronósticos totalmente probabilísticos, recientemente se han desarrollado pronósticos de distribución de cantidades de lluvia mediante métodos puramente estadísticos cuyo desempeño es competitivo con los pronósticos híbridos EPS [ aclaración necesaria ] / pronósticos estadísticos de lluvia de cantidades de lluvia diarias. [3]
La previsión probabilística también se ha utilizado en combinación con redes neuronales para la generación de energía. Esto se hace mediante una previsión meteorológica mejorada que utiliza intervalos probabilísticos para tener en cuenta las incertidumbres en la previsión eólica y solar, a diferencia de las técnicas tradicionales como la previsión puntual. [4]
La previsión macroeconómica es el proceso de hacer predicciones sobre la economía en relación con variables clave como el PIB y la inflación, entre otras, y generalmente se presenta como previsiones puntuales. Uno de los problemas de las previsiones puntuales es que no reflejan las incertidumbres de las previsiones, y es aquí donde el papel de las previsiones probabilísticas puede resultar útil. La mayoría de los pronosticadores asignan probabilidades a una serie de resultados o escenarios alternativos fuera de sus previsiones centrales. Estas probabilidades proporcionan una evaluación más amplia del riesgo asociado a sus previsiones centrales y están influidas por cambios inesperados o extremos en las variables clave.
Ejemplos destacados de pronósticos de probabilidad son aquellos que se llevan a cabo en encuestas en las que se pide a los pronosticadores, 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 probabilidades de pronóstico [5] cada enero en sus publicaciones Consensus Forecasts, Asia Pacific Consensus Forecasts y Eastern Europe Consensus Forecasts.
Además de las empresas de encuestas que se ocupan de este tema, las previsiones de probabilidad también son un tema de investigación académica. Esto se analizó en un artículo de investigación de 2000 de Anthony Garratt, Kevin Lee, M. Hashem Pesaran y Yongcheol Shin titulado "Incertidumbres de previsión en el modelado macroeconométrico: una aplicación a la economía del Reino Unido". [6] La MAS publicó un artículo sobre el tema en su Macroeconomic Review en octubre de 2015 titulado A Brief Survey of Density Forecasting in Macroeconomics. [7]
Hasta la fecha, los pronósticos probabilísticos no se han investigado ampliamente en el contexto del pronóstico energético . Sin embargo, la situación está cambiando. [8] [9] Mientras que la Competencia Global de Pronóstico de Energía (GEFCom) en 2012 se centró en el pronóstico puntual de la carga eléctrica y la energía eólica, la edición de 2014 apuntó al pronóstico probabilístico de la carga eléctrica, la energía eólica , la energía solar y los precios de la electricidad . Los dos equipos con mejor desempeño en la pista de precios de GEFCom2014 utilizaron variantes de Promedio de Regresión Cuantil (QRA), [10] una nueva técnica que implica la aplicación de la regresión cuantil a los pronósticos puntuales de un pequeño número de modelos de pronóstico individuales o expertos, por lo tanto, permite aprovechar el desarrollo existente de pronóstico puntual.
Lumina Decision Systems ha creado un ejemplo de pronóstico probabilístico del uso de energía para los próximos 25 años utilizando el Annual Energy Outlook (AEO) 2010 del Departamento de Energía de EE. UU.
Los pronósticos de probabilidad también se han utilizado en el campo del pronóstico de población. [11]
La evaluación de pronósticos probabilísticos es más compleja que la evaluación de 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 dicha regla es la puntuación de Brier .