Previsões do tempo: até que ponto elas são confiáveis?

Você visita regularmente seu site favorito sobre o clima ou verifica a previsão todas as manhãs no celular? Algumas pessoas são realmente obcecadas pelas condições climáticas. Nos Estados Unidos, temos um canal de televisão unicamente dedicado a isso, e tenho amigos que prestam mais atenção a este canal do que às notícias, ao seu time favorito... talvez mais que às suas esposas!

Quando você verifica o tempo, pode obter apenas a previsão do dia seguinte ou ir adiante e consulta a previsão de 5 ou até 10 dias. Mas você já se perguntou até que ponto essas previsões são confiáveis? Muitas pessoas contam com essas previsões do tempo de longo prazo, mas elas são realmente confiáveis ou estão mais para o equivalente a previsões feitas em bola de cristal?

Neste artigo, observaremos os dados de temperatura e usaremos várias ferramentas estatísticas para avaliar até que ponto a previsão é confiável.

Coleta de dados

Visitamos um dos principais sites sobre condições climáticas e coletamos as temperaturas mais altas previstas para o dia seguinte, 5 dias e 10 dias (em ºC) para State College, Pensilvânia, onde se localiza a sede mundial da Minitab. Fizemos isso todos os dias durante 30 dias e registramos as temperaturas previstas, além da temperatura real de cada dia, no Minitab Statistical Software.

Em seguida, usando o Calc > Calculator, computamos as diferenças entre as 3 temperaturas máximas previstas e a leitura real de temperatura de cada dia.

 
Registramos as previsões de 10 dias, 5 dias e para o dia seguinte no Minitab. Depois, calculamos a diferença entre as temperaturas máximas previstas e reais.

Previsões: previsíveis ou corrigíveis?

Em qualquer análise, colocar os dados em gráfico é sempre uma boa maneira de começar. Como esses dados foram coletados com o passar do tempo, poderemos usar o Gráfico > sequencial para representar as temperaturas reais e previstas de cada dia.

O gráfico abaixo mostra que a previsão foi mais confiável em alguns dias, em comparação aos outros. Ele mostra ainda os aumentos e quedas de temperatura que ocorreram em State College durante a última primavera.

 
Podemos usar o Gráfico Sequencial para comparar a previsão com a temperatura real de cada dia do estudo.

Para comparar facilmente o centro e a dispersão para a diferença entre a temperatura real e as três precisões, podemos usar o Gráfico > de valores individuais.

 
O gráfico de valor individual mostra que a previsão de 10 dias exibe mais variação do que as outras duas previsões.

Com um desvio padrão de 3,4 graus, podemos ver que a previsão de 10 dias super estimou a temperatura máxima em até 5 graus e a subestimou em 10 graus, como mostrado no gráfico abaixo. As previsões de 5 dias e dia seguinte foram menos variáveis, com desvios padrão de 2,4 e 1,2, respectivamente.

Agora, essa diferença de variância entre as 3 previsões é estatisticamente significativa ou esses exemplos observados são prováveis, dado que as variâncias são verdadeiramente iguais? Vamos usar um teste de variâncias iguais para descobrir.

Existem várias formas de conduzir um teste de variâncias com o Minitab. Neste caso, usaremos os Testes de > hipótese do assistente para obter um relatório abrangente dos nossos resultados. Com um valor p de 0,000 (não mostrado), podemos concluir que existe uma diferença estatisticamente significativa entre as variâncias. Especificamente, a variância da diferença da previsão do dia seguinte é significativamente menor que as variâncias das diferenças da previsão de 5 dias e 10 dias.

Conclusão: A previsão do dia seguinte é significativamente mais precisa que as outras duas previsões.

Agora, vamos usar os Testes de > hipótese do Assistente para realizar uma ANOVA de Welch para variâncias não iguais e avaliar a precisão das previsões. Usando um valor alfa de 0,05, o valor p de 0,011 é significativo. Portanto, as três médias não são iguais (veja a figura abaixo). Especificamente, a média superestimada de 0,4º da previsão do dia seguinte é significativamente maior que a média subestimada
de -1,7º da previsão de 10 dias.

Conclusão: As diferenças de médias do dia seguinte e de 5 dias parecem ser igualmente precisas, ambas com intervalos de confiança incluindo 0.

 
A disparidade média da previsão do dia seguinte é significativamente menor que a previsão de 10 dias.

Roupa de banho ou casaco?

Agora que concluímos as comparações e determinamos que a previsão de 10 dias é significativamente menos precisa, vamos avaliar como as previsões de dia seguinte e 5 dias podem ser usadas para prever se você deverá planejar vestir uma roupa de banho ou um casaco.

Previsão de 5 dias

Embora a previsão de 5 dias seja mais variável que a do dia seguinte, ainda queremos uma bola de cristal: queremos ver no futuro e talvez em mais de 24 horas. Para avaliar visual e estatisticamente o quanto podemos prever a temperatura real usando a previsão de 5 dias, podemos realizar uma análise de regressão com o Gráfico de linhas de > regressão > Stat

 
Podemos usar um gráfico de linhas para explorar a relação entre a temperatura real e a previsão de 5 dias.

O valor p de 0,000, encontrado na janela Session, indica que uma relação linear significativa existe entre a temperatura real e a previsão de 5 dias.

O valor R ao quadrado informa que este modelo é responsável por 77% da variação vista na temperatura máxima real, o que provavelmente é melhor que a média da sua bola de cristal.

Além disso, usando gráficos residuais (não mostrados), podemos verificar as previsões do modelo e concluir que a análise é válida.

Previsão do dia seguinte

Agora, vamos realizar uma análise semelhante para a previsão do dia seguinte. O gráfico abaixo e o valor de R ao quadrado alto indicam que a previsão do dia seguinte é um previsor melhor e muito confiável da temperatura máxima real.

 
Como esses pontos caem perto da linha, o modelo de regressão parecer ser bem adequado.

Usando intervalos de previsão, podemos calcular um intervalo provável de valores para uma determinada previsão do dia seguinte. Por exemplo, podemos estar 95% certos de que uma previsão de dia seguinte de 25ºC provavelmente corresponderá a uma temperatura real entre 22,3º e 26,9ºC.

É importante observar que, embora a regressão informe se existe uma relação linear, ela não informa se é uma relação de 1 para 1. Em outras palavras, nosso valor p pode ser significativo, porque uma previsão de 25ºC indica uma máxima real de 25ºC, ou pode ser significativo porque uma previsão de 25ºC fez um bom trabalho ao prever uma máxima real de, digamos 12,5ºC (p. ex. se o coeficiente de inclinação for de 0,5).

Para ver se existe uma relação de 1 para 1, podemos calcular os intervalos de confiança para o coeficiente usando os Resultados > gerais de > regressão de > Stat.


Podemos usar um intervalo de confiança para avaliar o coeficiente quanto à interceptação y e à inclinação.

Como o intervalo de confiança da constante (-0,76; 3,38) mostrado na saída acima inclui 0 e o intervalo de confiança para o coeficiente de inclinação (0,85; 1,01) inclui 1, podemos concluir que a relação entre a previsão do dia seguinte e a temperatura real é, na realidade, uma relação de 1 para 1.

Conclusão

Diante de todos os fatores de influência, o clima é inegavelmente um processo complexo, e como todo processo pode conter muita variação. No entanto, se você for fazer planos com base no tempo e quiser minimizar a variação, os dados que coletamos sugerem que é melhor apostar na previsão do dia seguinte.

Não há muitos recursos que possamos usar para prever precisamente 5 dias à frente, portanto falando relativamente, a previsão de 5 dias é o que existe mais próximo disso em nossas vidas. Quanto à previsão de 10 dias, provavelmente os meteorologistas sabem exatamente o quanto as condições climáticas podem ser imprevisíveis 10 dias à frente. E ainda assim eles a fornecem aos observadores do clima, pois ainda queremos ter alguma ideia do futuro, apesar da não confiabilidade das previsões. Mas é bom saber em quais previsões podemos realmente confiar e quais delas são mais próximas de uma leitura da sorte!


Michelle Paret
Gerente de marketing de produto, Minitab, LLC.

Eston Martz
Especialista de serviços criativos sênior, Minitab Inc.

Baixar este artigo como arquivo PDF (Somente inglês)

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado. Leia nossa política

OK