Qué significa de verdad «70 % de probabilidad de lluvia»

Es uno de los números más consultados del planeta y uno de los peor entendidos. No mide qué parte de tu ciudad se mojará, ni cuántas horas lloverá, ni cuánta agua caerá. Mide otra cosa — más simple y más útil — que merece la pena entender de una vez. Y detrás de esas dos cifras hay una historia larga: la de un oficio que renunció a sonar seguro para poder ser honesto.

Los malentendidos clásicos

Los primeros partes oficiales del tiempo en Estados Unidos no se llamaban predicciones. Se llamaban, literalmente, «probabilidades». Los firmaba desde 1871 Cleveland Abbe, un astrónomo de Cincinnati reclutado por el servicio meteorológico que acababa de montar el ejército, y que evitaba a conciencia la palabra «pronóstico»: prefería anunciar sinopsis y probabilidades. El público, entre la guasa y el cariño, terminó llamándolo Old Probabilities, el viejo Probabilidades. Era prudencia bien entendida — y, sin embargo, en aquellos boletines no había un solo número. La palabra iba sola, sin cifra que la sujetara. Hubo que esperar casi un siglo, hasta 1965, para que ese mismo servicio se atreviera a ponerle de forma rutinaria un porcentaje delante del público.

Y en cuanto apareció la cifra, apareció el malentendido. Cuando un equipo de investigadores encabezado por el psicólogo Gerd Gigerenzer preguntó, en 2005, qué significa «30 % de probabilidad de lluvia mañana» a ciudadanos de Ámsterdam, Atenas, Berlín, Milán y Nueva York, recogió de todo: que lloverá el 30 % del tiempo, que lloverá en el 30 % del territorio, incluso que 3 de cada 10 meteorólogos creen que lloverá. Solo en Nueva York — donde los pronósticos probabilistas llevaban décadas emitiéndose — la mayoría eligió la interpretación correcta. En Europa ganaron las erróneas.

Lo interesante es que ninguna de esas respuestas es una tontería. Todas son lecturas impecables de una frase incompleta. Un porcentaje es siempre un porcentaje de algo, y la frase no dice de qué: ¿de las horas del día, de los kilómetros cuadrados del municipio, de los meteorólogos de la sala, de los días parecidos a mañana? Los estadísticos llaman a ese «algo» la clase de referencia, y sin ella un número no afirma nada. El fallo, por tanto, no está en el ciudadano que se equivoca: está en un enunciado que lleva medio siglo saliendo a la calle con el sustantivo en la sombra. Vamos a encenderlo.

Lo que el número dice de verdad

La clase de referencia correcta son los días. De todas las situaciones atmosféricas análogas a la de mañana, en el 70 % de ellas acaba lloviendo — y en el 30 % restante, no. Como repetir el día no es posible (el martes solo ocurre una vez), el pronosticador hace la promesa en serie: de cada diez veces que te diga «70 %», debería llover en unas siete. Si llueve las diez, su número era tramposo por defecto; si llueve tres, por exceso. La probabilidad no se juzga en un día — se juzga en la colección de días.

Merece la pena detenerse en la palabra, porque su biografía explica buena parte del malentendido. «Probable» viene del latín probare, que no significaba «parecer cierto» sino probar, poner algo a prueba y aprobarlo. Durante siglos, una opinión probable fue la que respaldaba una autoridad respetable — un médico, un texto antiguo, un tribunal —, no la que ocurría a menudo. Solo en el siglo XVII, con los primeros matemáticos que se pusieron a estudiar en serio los juegos de dados, la palabra se casó con el recuento y adquirió el sentido que hoy le damos. Aquel matrimonio tardío es el que seguimos digiriendo: cuando oímos «probable» todavía nos suena al juicio de alguien, y lo que hay detrás es una cuenta.

Tres precisiones deshacen casi todas las confusiones que quedan. Primera: «llover» tiene definición técnica — que se recoja una cantidad medible, típicamente al menos 0,1 mm, en el punto y el periodo del pronóstico —, y el umbral no es universal: el servicio estadounidense usa una centésima de pulgada, 0,254 mm, más del doble. El mismo cielo medido con dos reglas distintas puede dar dos probabilidades distintas. Segunda: es probabilidad de ocurrencia, no de intensidad — un 90 % puede ser de cuatro gotas, y un 20 % puede esconder una tormenta improbable pero torrencial. Tercera: se refiere a tu punto, no al conjunto del municipio. El servicio estadounidense lo hace incluso explícito y descompone el número en dos factores: la confianza en que llueva en algún lugar de la zona, multiplicada por la fracción de la zona que se mojaría si llueve. Un 50 % de confianza sobre un área en la que solo se mojaría la mitad da un 25 % para tu tejado. Suena a contabilidad, pero es exactamente la pregunta que te importa: ¿me va a llover a mí?

Falta, aun así, la otra mitad del enunciado. Una probabilidad sin un reloj al lado sigue siendo ambigua.

La letra pequeña: ¿70 % de qué intervalo?

Toda probabilidad de lluvia va pegada a un intervalo de tiempo, y ese intervalo cambia el número por completo. Un 70 % para «mañana» no es un 70 % para cada hora de mañana: convive sin contradicción con probabilidades horarias del 10 o el 20 %, porque para que el «sí» del día se cumpla basta con que llueva en algún momento.

La aritmética lo enseña mejor que cualquier explicación. Doce horas seguidas con un 10 % cada una, si fueran independientes entre sí, darían un día con un 72 % de probabilidad de lluvia: doce oportunidades pequeñas suman una oportunidad grande. (No son independientes, claro — la lluvia viene en bloques, y si llueve a las cinco es mucho más probable que llueva a las seis —, de modo que el número real se queda por debajo; pero la intuición es esa.) De ahí sale además una regla que puedes usar como control de calidad: la probabilidad del día nunca puede ser menor que la mayor de sus horas. Si una app te enseña un día al 30 % y una tarde al 60 %, algo no cuadra.

Por eso una misma app puede mostrarte a la vez un día «lluvioso» y una tarde casi limpia sin mentir en ninguna de las dos: son la misma información a dos escalas. En MeteoRanking verás ambas — la probabilidad del día en cada tarjeta y la de cada hora en la tira horaria — y conviene leer cada una para lo suyo: la diaria decide si el día es de paraguas; la horaria decide cuándo puedes salir sin él. Queda entonces la pregunta incómoda: ese 70 %, ¿quién lo decide?

De dónde sale: contar futuros

No lo decide nadie. Eso es lo primero, y lo más difícil de creer: detrás de la cifra no hay un experto calibrando su corazonada, hay un recuento. Y el recuento nació de un fracaso. Como contamos en ¿Por qué (a veces) fallan las predicciones?, Edward Lorenz descubrió en 1961 que la atmósfera amplifica sin freno las diferencias más ínfimas del punto de partida, de manera que la predicción perfecta es imposible para siempre, con cualquier ordenador. Durante un par de décadas aquello pareció una condena. Después alguien le dio la vuelta con una idea sencilla y magnífica: si no sabemos exactamente cómo es el presente, simulemos muchos presentes posibles y veamos en qué se parecen sus futuros.

Esa es la idea del ensemble, rutinaria en los grandes centros desde comienzos de los años noventa. El ECMWF, por ejemplo, ejecuta cincuenta y una copias de su modelo en cada ciclo, cada una partiendo de una foto inicial ligeramente distinta pero igual de compatible con lo que midieron los satélites, los globos y las estaciones. Si en treinta y cinco de esas cincuenta y una atmósferas posibles llueve mañana en tu ciudad, la probabilidad es del 69 %. Literalmente eso: una fracción, un censo de mañanas. Un 70 % quiere decir que en la mayoría de las atmósferas compatibles con lo que sabemos hoy mañana llueve — pero no en todas.

Conviene saber qué es lo que ese censo no captura. Las copias se separan por lo que ignoramos del presente, pero comparten la misma física y la misma malla; así que un error común a todas — una montaña mal representada, un tipo de nube que el modelo no sabe fabricar — no aparece como duda, aparece como acuerdo. Los ensembles tienden por eso a ser algo más confiados de lo que deberían, y hay que corregirlos con el historial. Aun con esa cautela, el cambio de mentalidad fue enorme: durante siglos, quien predecía el tiempo afirmaba; desde que hay ensembles, el pronóstico declara cuánto duda, y esa duda es un dato tan medible como la temperatura. Nosotros contamos futuros de otra manera — no cincuenta y una versiones de un mismo modelo, sino nueve modelos distintos votando.

Cómo la calculamos nosotros: nueve votos

En MeteoRanking usamos la variante multimodelo, y sin trastienda: para cada día y cada ciudad, cada uno de los nueve modelos globales que consultamos (ECMWF, GFS, ICON, Météo-France, UKMO, GEM, JMA, AIFS y CMA) emite su voto respondiendo a una sola pregunta — ¿tu pronóstico deja al menos 0,1 mm? La probabilidad que publicamos es la suma de los síes, con un matiz: cada voto pesa según el acierto reciente de ese modelo con la lluvia de tu ciudad. Si los nueve pesaran igual, 6 síes de 9 serían un 67 %; en la práctica el número se inclina hacia lo que digan los que mejor vienen distinguiendo los días de lluvia ahí donde estás. Y quién es ese «mejor» cambia de una ciudad a otra, que es justo lo que un promedio ciego se pierde.

Sigue siendo deliberadamente simple, y tiene una virtud que compensa de sobra su simpleza: se puede verificar. Cada día apuntamos si llovió de verdad (al menos 0,1 mm en la observación) y publicamos el acierto sí/no de cada modelo — y del combinado — en tu ciudad. Cuando medimos, además, el pronóstico de cada día se puntúa con los pesos del día anterior, para que nadie se examine con las respuestas delante. Y si el combinado no es el que mejor lo ha hecho, lo verás igual: no gana en todas las ciudades y no pretendemos que lo haga.

También te decimos lo incómodo. La llovizna débil es lo más difícil de acertar que existe: son los días que se deciden en la décima de milímetro, con un pluviómetro que puede registrar un cero mientras la calle está mojada y tú jurarías que ha llovido. Los nueve modelos tropiezan ahí y, por tanto, también nosotros. El detalle del método está en Cómo funciona. Queda entonces la pregunta que casi nadie hace: si el número es una probabilidad, ¿cómo se sabe si estuvo bien?

¿Y cómo se sabe si un 70 % era «bueno»?

Un día suelto no sirve de examen. Si anuncio un 70 % y no llueve, quizá he acertado de pleno: quizá era uno de los tres días de cada diez en los que, con ese número, toca no llover. Ahí está la trampa mental que nos hace discutir con el móvil en la mano — juzgamos una afirmación estadística con una anécdota.

El examen justo lo diseñó en 1950 Glenn Brier, un estadístico del servicio meteorológico estadounidense, y la idea es de una sencillez engañosa: se penaliza al pronosticador con el cuadrado de la distancia entre lo que dijo y lo que pasó (1 si llovió, 0 si no). Anunciar un 90 % y acertar cuesta casi nada; anunciar un 90 % y fallar cuesta muchísimo. Lo bonito es que con esa regla no se puede hacer trampa por ninguno de los dos lados: al que se pasa de seguro lo arruina un solo fallo, y al cobarde que dice «50 %» todos los días lo condena a una mediocridad perpetua que cualquiera bate. Decir la verdad sobre lo que uno no sabe pasa a ser, por fin, la estrategia ganadora.

La otra mitad del examen se llama calibración, y es una comprobación casi doméstica: se reúnen todos los días en los que se anunció en torno al 70 % y se mira si llovió, efectivamente, en torno al 70 % de ellos. Y luego lo mismo con el 20, con el 40, con el 90. Un servicio bien calibrado dibuja una diagonal limpia; uno que infla la lluvia se separa de ella siempre por el mismo lado. Y esa tentación existe: en algunos servicios comerciales se ha documentado un «sesgo húmedo», la costumbre de subir un poco las probabilidades de lluvia porque el público perdona el paraguas que sobró y no perdona la mojadura que nadie avisó. La calibración es el detector: una probabilidad amable se delata en la serie larga.

Y aquí está lo más llamativo de este oficio. Es un examen exigente — no se aprueba con palabrería — y la meteorología lo pasa notablemente bien: las probabilidades de lluvia de los buenos servicios llevan décadas entre las predicciones mejor calibradas que existen, por delante de las que emiten los expertos humanos en casi cualquier otro campo. La razón no es que los meteorólogos sean más listos que nadie. Es que reciben la respuesta correcta cada mañana, la anotan y la publican. Casi ninguna profesión que haga predicciones acepta eso. Ese es exactamente el espíritu de nuestra sección de fiabilidad: el juicio en serie larga, publicado, en lugar del anecdotario del día que te pilló sin paraguas.

Cómo usarla sin equivocarte

La probabilidad no te dice qué hacer; te dice cuánto te juegas. Y para convertirla en decisión hay una regla con nombre propio, la razón coste-pérdida: actúa cuando la probabilidad supere el cociente entre lo que te cuesta protegerte y lo que te costaría el estropicio. ¿Coger el paraguas? Es una molestia mínima frente a llegar empapado a una reunión: la cuenta ya sale a favor con un 20 o un 30 %. ¿Una boda al aire libre, hormigonar una solera, tender una cosecha al sol? Ahí el estropicio es tan caro comparado con una lona o con esperar un día que conviene actuar incluso con un 10 %. No existe un umbral universal: existe tu umbral, y depende de lo que puedes perder, no de lo que va a llover.

Y al revés: con un 70 % no está «garantizado» que llueva — tres de cada diez veces con ese número el día acaba seco, y el pronóstico habrá funcionado bien. Lo que sí es siempre un error es exigirle certezas al cielo. La noche del 15 de octubre de 1987, el hombre del tiempo de la BBC, Michael Fish, contó en antena que una espectadora había llamado preocupada por un huracán, y tranquilizó al país: no venía ninguno. Horas después, la peor tempestad que Inglaterra recordaba en siglos derribaba unos quince millones de árboles y se cobraba una veintena de vidas a ambos lados del canal. En su descargo hay que decir dos cosas: aquello, técnicamente, no fue un huracán, y Fish sostuvo siempre que se refería a otro sistema, al otro lado del Atlántico. Pero la frase quedó, y quedó por lo que enseña — el problema no estuvo en el modelo, estuvo en el tono. Una probabilidad, por baja que sea, deja la puerta entornada; una negación la cierra.

No es casualidad que la palabra «pronóstico» nos llegara de la medicina y no del cielo. Viene del griego prognostikón, «conocimiento anticipado», y da título a un tratado hipocrático que enseñaba a los médicos algo que hoy suena sorprendentemente moderno: que su obligación no era prometer la curación, sino saber prever el curso de la enfermedad y decirlo a tiempo. Veinticinco siglos después, la frase sigue valiendo palabra por palabra para quien mira un mapa de isobaras. Quien promete certezas con la lluvia no ha entendido el problema; quien te da una probabilidad honesta y luego te enseña su historial de aciertos, sí.

← Todos los artículos