En los campos de la previsión y la predicción , la habilidad de previsión o habilidad de predicción es cualquier medida de la precisión y/o grado de asociación de la predicción con una observación o estimación del valor real de lo que se está prediciendo (formalmente, el predictando); puede cuantificarse como una puntuación de habilidad . [1]
En meteorología , más específicamente en la previsión meteorológica , la habilidad mide la superioridad de un pronóstico sobre una simple línea base histórica de observaciones pasadas. La misma metodología de previsión puede dar como resultado diferentes puntuaciones de habilidad en diferentes lugares, o incluso en el mismo lugar para diferentes estaciones (por ejemplo, el clima primaveral puede estar impulsado por condiciones locales erráticas, mientras que las olas de frío invernales pueden correlacionarse con vientos polares observables). La habilidad de previsión meteorológica a menudo se presenta en forma de mapas geográficos estacionales.
La habilidad de pronóstico para pronósticos de valor único (es decir, series temporales de una cantidad escalar ) se representa comúnmente en términos de métricas como correlación , error cuadrático medio , error absoluto medio , error absoluto medio relativo, sesgo y la puntuación de Brier , entre otras. También se están utilizando varias puntuaciones asociadas con el concepto de entropía en la teoría de la información . [2] [3]
El término "habilidad de pronóstico" también puede usarse de manera cualitativa, en cuyo caso podría referirse al desempeño del pronóstico según una única métrica o al desempeño general del pronóstico basado en múltiples métricas.
Las puntuaciones de habilidad de pronóstico probabilístico pueden utilizar métricas como la Puntuación de habilidad probabilística clasificada (RPSS) o la Puntuación de habilidad continua (CRPSS), entre otras. Las métricas de habilidad categóricas como la Tasa de falsas alarmas (FAR), la Probabilidad de detección (POD), el Índice de éxito crítico (CSI) y la Puntuación de amenaza equitativa (ETS) también son relevantes para algunas aplicaciones de pronóstico. La habilidad se expresa a menudo, pero no exclusivamente, como la representación relativa que compara el desempeño de una predicción de pronóstico particular con el de una predicción de referencia, una formulación llamada "Puntuación de habilidad".
Los cálculos de las métricas y puntuaciones de la habilidad de predicción deben realizarse sobre una muestra lo suficientemente grande de pares de predicción-observación para que sean estadísticamente robustos. Una muestra de predicciones para un único predictando (por ejemplo, la temperatura en una ubicación o un único valor bursátil) normalmente incluye predicciones realizadas en varias fechas diferentes. Una muestra también podría agrupar pares de predicción-observación en el espacio, para una predicción realizada en una única fecha, como en el caso de la predicción de un fenómeno meteorológico que se verifica en muchas ubicaciones.
En la siguiente tabla se ofrece un ejemplo de cálculo de habilidad que utiliza la métrica de error "Error cuadrático medio (MSE)" y la puntuación de habilidad asociada. En este caso, un pronóstico perfecto da como resultado una métrica de habilidad de pronóstico de cero y un valor de puntuación de habilidad de 1,0. Un pronóstico con una habilidad igual a la del pronóstico de referencia tendría una puntuación de habilidad de 0,0, y un pronóstico que sea menos hábil que el pronóstico de referencia tendría valores de puntuación de habilidad negativos ilimitados. [4] [5]
Se puede encontrar una amplia gama de métricas de pronóstico en recursos publicados y en línea. Un buen punto de partida son las páginas web de larga data de la Oficina Australiana de Meteorología sobre verificación en el Grupo de Trabajo Conjunto WWRP/WGNE sobre Investigación de Verificación de Pronósticos. [6]
Un libro de texto y referencia popular que analiza la habilidad de pronóstico es Métodos estadísticos en las ciencias atmosféricas . [7]