Pronósticos meteorológicos: si la probabilidad es el camino del futuro para la ciencia, ¿por qué los meteorólogos todavía se equivocan con tanta frecuencia?

Answer 1

1. La física newtoniana podría (en teoría) predecir el clima bastante bien. Sin embargo, requeriría conocer con mucha precisión el estado (posición, velocidad, energía, etc.) de una inmensa cantidad de partículas / objetos. Esto se debe a la dinámica no lineal del clima, de modo que pequeños cambios en el estado de los objetos conducen a patrones climáticos macroscópicos drásticamente diferentes. Un pequeño cambio en la humedad o la temperatura podría ser la diferencia entre llover o no llover, lo que a su vez conduciría a mayores cambios en otras partes del clima. (Pruébelo. Piense en las variables que se necesitarían para ir a un modelo meteorológico. Velocidad del viento, patrones de nubes, efectos de las mareas, temperatura del agua, temperatura del aire, etc.)

El vuelo espacial es relativamente simple en comparación. En primer orden, la trayectoria de una nave espacial es el tipo de problema que se encuentra en los libros de texto de mecánica introductoria. Es un objeto con cierta masa y aceleración y su trayectoria se ve afectada por la gravedad. Más importante aún, los pequeños cambios en el refinamiento del modelo llevan a pequeños cambios en la trayectoria. Es decir, no mostrará la naturaleza caótica de los patrones climáticos. El número de objetos a considerar también son relativamente pocos: cohetes, planetas, sol, lunas.

2. Tener un modelo probabilístico de fenómeno no dice “Tengo una buena idea, pero no estoy seguro. Mi margen de error es bastante alto”, al menos con respecto al modelo. Considere un lanzamiento de moneda (perfectamente justo y aleatorio). La probabilidad de obtener cabezas es del 50% y la probabilidad de obtener colas es del 50%. Este es un buen modelo del lanzamiento de la moneda y más información no lo mejorará. Es cierto que no puedo predecir un solo lanzamiento de moneda con un pequeño error. Sin embargo, puedo predecir que en un número suficientemente grande de tiradas, la mitad será cara y la mitad será cola con un pequeño error (esencialmente la definición de probabilidad).

Una de las nociones probabilísticas de la mecánica cuántica es que las partículas no tienen una posición exacta. Su posición es una distribución de probabilidad. Esto se puede probar en experimentos que usan muchas medidas, como probar lanzamientos de monedas. Además, los experimentos han demostrado que una partícula no puede tener una posición exacta [1].

3. Finalmente, debo agregar que muchas, muchas personas han estudiado estos problemas. Estos son problemas difíciles y me parece grosero llamar perezosos a otras personas sin haber tomado el tiempo para comprender el problema.

[1] http://en.wikipedia.org/wiki/Dua…

Answer 2

En primer lugar, la idea de que los pronósticos meteorológicos son “a menudo” incorrectos no es completamente correcta. Por ejemplo, los pronósticos a corto plazo para la temperatura corresponden a algunos grados de la temperatura observada en más del 85% del tiempo. Las previsiones más avanzadas en el tiempo se vuelven menos precisas que las previsiones a corto plazo, por supuesto. En alrededor de 7 a 10 días en el futuro, los pronósticos meteorológicos tienen muy poca habilidad en comparación con, digamos, el pronóstico del promedio climatológico para esa época del año.

La probabilidad, como se usa en el pronóstico del tiempo, es una medida de incertidumbre en el pronóstico. La probabilidad de precipitación (PoP) se usa ampliamente: en un volumen particular de espacio-tiempo (por ejemplo, un pronóstico dentro de un área metropolitana particular durante las próximas 12 horas), el PoP expresa la probabilidad de precipitación medible (al menos 0.01 pulgadas) ) dentro de esa zona durante ese tiempo. Un pronóstico de 20% de PoP significa que hay una posibilidad entre cinco de que se observen precipitaciones medibles; a la inversa, las probabilidades de que no se mida nada son cuatro de cada cinco. Tenga en cuenta que, a menos que el pronóstico sea de 0% PoP o 100% PoP, un pronóstico en particular no es totalmente correcto ni totalmente erróneo. Decimos que los pronósticos probabilísticos son perfectamente “confiables” cuando la frecuencia observada de los pronósticos que requieren X% PoP es igual a X%. Es decir, por ejemplo, la confiabilidad perfecta sería si observamos lluvias mensurables el 20% del tiempo cada vez que pronosticamos un 20% de PoP.

Generalmente, cuando se observa lluvia, las probabilidades más altas son mejores que las probabilidades bajas, y cuando no se observa lluvia, las probabilidades más bajas son más precisas que las probabilidades altas … pero tenga en cuenta que, incluso si pronosticamos un PoP del 90%, no lloverá ¡El 10% del tiempo si nuestro pronóstico es perfectamente confiable!

Muchas personas tienen la impresión de que un 50% de PoP significa que el meteorólogo está “simplemente adivinando”; en realidad, si por alguna razón, un pronosticador no tiene idea de cuál es la probabilidad de un evento dentro de un determinado volumen espacio-tiempo, la mejor “supongo” NO es 50%, sino que es lo que sea el promedio climatológico para esa época del año. Si ese promedio es, por ejemplo, 20% de PoP (un valor de verano típico en muchos lugares), entonces un valor de 50% es considerablemente más alto que el promedio.

El clima en cualquier día dado nunca es exactamente igual a cualquier otro día. Por lo tanto, los meteorólogos nunca volverán a ver una situación meteorológica particular, ya que el clima no es repetible. Esta es una fuente importante de incertidumbre en el pronóstico del tiempo. Además, los datos meteorológicos que utilizamos no son perfectamente precisos, y hay muchas partes del mundo (sobre océanos y desiertos, por ejemplo) con poca o ninguna información meteorológica. Las ecuaciones que utilizamos para describir los procesos atmosféricos que utilizan la física newtoniana no son lineales. Formalmente, el clima es un sistema físico determinista, no periódico (“caótico”) que depende en gran medida de las condiciones iniciales utilizadas para resolver esas ecuaciones. Una pequeña diferencia en las condiciones iniciales puede crecer rápidamente y, después de unos 7-10 días, la precisión de la solución se ha deteriorado hasta el punto en que ya no contiene información útil.