1704437017
图4–6 高温预测对比
1704437018
1704437019
弗娄尔的发现仍然引起了一些令人不安的问题。预报发布的七八天之后，如果计算机模型的预测结果被证明是零技术含量，则会是另外一种情况。这些模型得到的结果竟然还不如普通人坐在家里查阅长期天气平均状况表得到的结果准确，怎么会这样？也许是因为计算机程序对天气系统中自然出现的反馈过于敏感，于是开始自我反馈。这不仅说明噪声中不再有信号，还说明噪声正在渐渐增强。
1704437020
1704437021
还有一个更大的问题，那就是如果提前过长时间做出的预测不准确，那气象频道（预测近10天的天气情况）和 AccuWeather 网站（将预测时间提前到15天）这样的公司为何还要继续发布预测呢？罗斯博士认为，因为这样做不会造成任何伤害，即使是单纯基于气候学的预测，对他们的用户而言也是有点用处的。
1704437022
1704437023
对于商业性的气象预报来说，统计学上的准确度没必要斤斤计较。在受众眼中，只有感知上的准确度才是有价值的。
1704437024
1704437025
比如，以赢利为目的的气象预报公司很少确切地预测下雨的概率为50%，这个概率对用户来说似乎显得空洞又模糊。相反，它们会投掷硬币且将数值四舍五入，得到60%或者40%的降水概率，尽管这样做会使预测结果更加不准确、不诚实。
1704437026
1704437027
弗娄尔还发现预测公司竟然明目张胆地篡改数字，这可能是气象预报行业里公开的秘密了。大多数商业性气象预报都是有偏向性的，可能是故意为之。这些预测公司尤其偏向于预测更多的降水量（但实际上降水并没有那么多），气象学家称之为“降水偏向”。从政府部门得到越多的原始数据，客户面对的气象预报就越多，这种偏向性就会越严重。预测就是这样通过减少准确性来“增加价值”的。
1704437028
1704437029
天气预报说降水概率为60%，你出门会带伞吗？
1704437030
1704437031
关于预测的重要测试中有一项叫作标定，我认为这是最重要的测试。很多次你都说降水概率为40%，但真正下雨的情况有几次呢？如果长期以来，下雨的概率的确为40%，那就说明你的预测是已标定的。而如果下雨的概率有时只有20%或者高达60%，那么你的预测就是未标定的。
1704437032
1704437033
很多领域都难以实现标定，它要求我们做到用概率的方法思考问题，而我们大部分人（包括大部分预测“专家”在内）对此都不是十分擅长。标定会给“过于自信”的预测者——大多数预测者都具有的特点——当头一棒，还需要利用大量数据进行充分评价，也就是对预测者发布的数百个预测进行全面评估。
1704437034
1704437035
气象学家的预测涉及大量数据，他们每天都要预测几百座城市的气温、降雨和其他类型降水的概率。一年下来，气象学家得进行数万次预测。
1704437036
1704437037
这种频繁的预测不仅在我们想评估某个预测的时候大有帮助，对那些预测者本身也很有用，他们会从中得到很多反馈，知道自己当前的做法是不是有什么不妥，以便根据情况加以改变。比如，某些计算机模型倾向于给出多雨天气的预测——比应有的下雨天气多。一旦察觉到这一偏向，你就可以将其改正过来。同样，如果你对自己的预测过于自信，你很快也会认识到这一点。
1704437038
1704437039
美国国家气象局的预测已被证实为极好的标定预测（见图4–7）。如果美国国家气象局说降水概率为20%，就真的有20%的概率会下雨。美国国家气象局一直充分利用反馈信息，所以预测才真实、准确。
1704437040
1704437041
1704437042
1704437043
1704437044
图4–7 国家气象局标定图示
1704437045
1704437046
气象频道的气象学家在某些情况下会编造事实。比如，从过去的情况看，当他们预测下雨的概率为20%时，实际只有5%的概率会下雨。对此，气象频道承认自己是故意为之，这与气象频道的经济动机有关。
1704437047
1704437048
与虚假的天气预报相比，人们对气象预报未能预测到大雨天气的失误更为关注。当大雨不期而至时，人们就会抱怨是气象预报员破坏了他们的野炊，而天气意外放晴则会被视为额外的嘉奖。这并不是科学，但是就像气象频道的罗斯博士对我说的那样：“如果预测是客观的，对降水概率的预报没有任何偏向，那我们可能就有麻烦了。”
1704437049
1704437050
气象频道仍然是一个相对守旧的组织——它的很多用户误认为它是一家政府机构——大多数时候总是照章办事。他们对降水的虚报仅限于在不大可能下雨时稍稍夸大降雨概率——当他们知道实际降雨的概率只有5%~10%时，会假称降雨的概率为20%——万一露馅了还能为自己遮丑。而有时，气象预报的预测又十分符合标定水准（见图4–8），比如，当它预测下雨的概率为70%时，降雨概率还真就是70%。
1704437051
1704437052
1704437053
1704437054
1704437055
图4–8 气象频道标定图示
1704437056
1704437057
若当地的网络新闻中发布了气象预报，事情就会变得混乱不堪。此时，（预测者的）偏向便会突显出来，完全顾不得准确性和真实性了。
1704437058
1704437059
堪萨斯城应该算作气象预报的“大市场”了。这里有酷暑寒冬，有龙卷风和干旱，这个城市的气象预报足以登上所有主流网络。一位名叫 J·D·艾格尔斯顿的当地人，为了帮女儿完成五年级的课程项目，开始跟踪分析当地的电视气象预报。艾格尔斯顿发现这项分析非常有意思，所以连续做了7个月，并把结果发送给“魔鬼经济学”博客。
1704437060
1704437061
电视气象预报员通常不怎么关注预测的准确性，他们可以利用美国国家气象局通过网络或电台免费发布的预测信息，但是与这些信息相比，他们的预测准确性要差很多，而且远不符合标定水平。在艾格尔斯顿的研究里，当堪萨斯城的电视气象预报员预测某些日子100%会下雨时，事实上有1/3的时候根本没下雨（见图4–9）。
1704437062
1704437063
但是，电视气象预报员不会为此道歉。一位气象预报员告诉艾格尔斯顿：“雇用气象员时并没有对其预测准确性的评估，口头陈述表现反而比准确性更重要。”另一位预报员说：“对于电视观众来说，准确性根本不是大问题。”他们的这种态度似乎都是善意的玩笑：谁会在意这一点点的降水偏向呢？尤其还是为了提高收视率。既然公众并不认为我们的预测有多准确，那我们为什么还要劳心费神地做到准确呢？
1704437064
1704437065
1704437066