Totalmente de acuerdo con lo que expone Fobitos. Y para simplificar el calculo de puntuaciones, lo mejor sería una escala LINEAL a la hora de valorar los errores de temperatura. Una escala lineal es una escala de este tipo:
Error Puntos
0.0 a 0.3 10
0.4 a 0,7 9
0.8 a 1.1 8
1.2 a 1.5 7
1.6 a 1.9 6
2.0 a 2.3 5
2.4 a 2.7 4
2.8 a 3.1 3
3.2 a 3.5 2
3.6 a 3.9 1
4.0 a 4.3 0
4.4 a 4.7 -1
Y así sucesivamente. En forma de formula queda:
Puntos = 10 - Parte entera de [0.25 * (Error en décimas)]
Así, uno que tenga un error de 25 décimas (2,5º) obtendra una puntuacion de 10 - parte entera [2,5*0,25] = 10 - 6 = 4 puntos, como indica la tabla.
En este caso se tomo un factor de 0,25 pero se puede escoger otro lo cual abrirá o cerrará el rango de la tabla.
¿Por qué Lineal? Pues muy sencillo: porque un error de 2º es el doble de gordo que un error de 1º, simplemente. Además, esto ocurre a cualquier rango ya que el valor absoluto de la temperatura no influye a la hora de dificultar la predicción, es decir, no es esperable tener menos error en una máxima por el hecho de que esa máxima se prevea de 0º en lugar de 30º, es más, a menudo ocurre que se ajusta mejor una temperatura máxima en dias soleados de 30º que en dias nublados de 2º donde te sale el sol y te la dispara hasta 6º o 7º.
Comparad esto con la preci: cuando se prevee que caigan 100mm en un sitio, pueden caer 150mm o 50mm mientras que si se preveen 10, dificilmente nos iremos a 50mm salvo caso excepcional. Por eso los errores de la escala de precipitacion SI aumentan ponderandose con el valor absoluto previsto.
En cuanto a los temas de las clavadas creo que está dicho: el error sistemático del aparato, unido a eventos totalmente aleatorios como una ráfaga de aire o una nube que pasa pueden hacer que una máxima sea 30,1º en lugar de 30,3º y no hay ninguna razón objetiva para considerar a un predictor mejor que otro.
P.D. Que me corrija Emilio si me equivoco, pero creo recordar que en los inicios del meteopred, la escala usada, tomada de un concurso europeo, era muy parecida a la expuesta aquí, sin premiar las clavadas. Quizá resta emoción si, pero es más objetiva a la hora de valorar la destreza predictiva.