View full document (in Spanish) [PDF 4.60 MB] - PreventionWeb

Figura 52
nal. Si la curva es roja se refiere a los pronósticos realizados
por el modelo a la categoría “bajo lo normal” y si es de color
azul se refiere a los pronósticos realizados por el modelo
en la categoría “Sobre la normal”, lo mas adecuado es
que ambas curvas se encuentren por encima de la diagonal
y aproximándose al vértice superior izquierdo.
6. Segundo paso, aunque los indicadores estadísticos son
una referencia técnica, se deben entender por completo
sus significados. El primer coeficiente de Pearson’s 1 y el de
Spearman 2 indican el grado de asociación que poseen los
valores observados con los valores pronosticados y deberán
aproximarse a 1, mientras más alto sean éstos valores
más favorable serán los resultados (no es bueno obtener
valores próximos a -1). (Figura 53)
Figura 53
El error cuadrado medio (Mean squared error) y la raíz del
error del cuadrado medio (Root mean squared error) tienen
el mismo significado: representan la suma de desviaciones
existente entre los valores observados y los valores pronosticados,
es decir, el error que existe para que los valores
pronosticados traten de alcanzar al valor observado. En forma
práctica, si los valores observados y los pronosticados
son similares o casi iguales, significa que el error va ser casi
nulo o cero, por lo tanto también su raíz cuadrada.
Se debe considerar que este indicador es muy relativo, no
es lo mismo encontrar una diferencia entre ambos valores
(observados y pronosticados) en una zona lluviosa que en
una zona seca, por ejemplo:
Precipitación Precipitación Error Observaciones
pronosticada Observada
430 mm/mes 380 mm/mes 50 mm Zona lluviosa
10 mm/mes 0.0 mm/mes 10 mm Zona Seca
C A P I T U L O II
7. Los demás valores hacen referencia a las medidas categóricas,
es decir al grado de acierto del modelo con los
datos históricos.
Hit Score: es el porcentaje de aciertos del modelo en relación
al total de pronósticos realizados de toda la serie
histórica.
Lo óptimo es contar con un valor cercano a 100% el cual
indicara un modelo perfecto.
Hit Skill Score: es el indicador de evaluación de la destreza
del modelo, porcentaje de veces que el resultado corresponde
a una casualidad. Lo óptimo es tener un valor cercano
a ±100% el cual indicaría un modelo perfecto.
LEPS score (Linear Error in Probability Space): que calcula
un resultado definido utilizando una tabla que muestra
diferentes resultados de aciertos, dependiendo de la categoría
observada y de las anteriores probabilidades de las
categorías. La distribución de probabilidades es transformada
a una función de probabilidad acumulada. (Figura 54)
Gerrity score: calcula un resultado definido utilizando una
tabla de resultados alternativa a aquella utilizada para los
resultados LEPS. (Figura 55)
Figura 55
1. Randall E et al. A beginner’s guide to structural equation modeling
pg. 38.
2. William H. Press. Numerical recipes: the art of scientific computing
pg. 349.
CENTRO INTERNACIONAL PARA LA INVESTIGACIÓN DEL FENÓMENO DE EL NIÑO - CIIFEN 25