Lo que pasó: El Niño vuelve a escena y amenaza con batir récords
El fenómeno El Niño ha comenzado oficialmente y, según los organismos meteorológicos internacionales recogidos por France 24, podría alcanzar una intensidad récord. 🌊 Hablamos de un calentamiento anómalo de las aguas superficiales del Pacífico ecuatorial que, cada cierto número de años, desordena el clima de medio planeta: sequías en Australia y el sudeste asiático, inundaciones en América del Sur y Central, y alteraciones en la actividad de huracanes en el Atlántico.
Para un docente de estadística, esta noticia es un regalo. El Niño no es solo meteorología: es un caso perfecto para enseñar cómo los científicos deciden si un año es "distinto" de los demás usando datos, y no impresiones. En este artículo lo convertiremos en una lección completa de comparación de medias con ANOVA, lista para llevar al aula. 📚
Por qué El Niño importa estadísticamente
La pregunta científica de fondo es estadística pura: ¿llueve de verdad más (o menos) en los años de El Niño que en los años normales, o es ruido aleatorio? Cada año llueve una cantidad distinta aunque no pase nada especial. Distinguir la variabilidad natural del efecto real de El Niño exige comparar grupos de años y preguntarse si sus medias difieren más de lo que cabría esperar por azar.
Esa es exactamente la tarea de la comparación de medias: el t-test cuando hay dos grupos y el análisis de la varianza (ANOVA) cuando hay tres o más. En nuestro caso los grupos vienen dados por la propia climatología, que clasifica cada año en tres fases del ciclo ENSO:
- Años El Niño: Pacífico ecuatorial más cálido de lo normal.
- Años La Niña: Pacífico más frío de lo normal.
- Años neutrales: temperaturas dentro del rango habitual.
Tres grupos, una variable cuantitativa (precipitación, temperatura, número de huracanes…): el escenario clásico de un ANOVA de un factor. 🎯
Mirando los números
La intensidad de El Niño se mide con el índice ONI (Oceanic Niño Index), que publica la NOAA (Climate Prediction Center): la anomalía media de temperatura superficial del mar en la región Niño 3.4 del Pacífico. Un ONI ≥ +0,5 °C sostenido define un episodio de El Niño; ≤ −0,5 °C, uno de La Niña. Los episodios más intensos registrados son estos (datos reales, fuente: NOAA):
| Episodio de El Niño | ONI máximo (°C) | Clasificación |
|---|---|---|
| 1972–73 | +2,1 | Muy fuerte |
| 1982–83 | +2,2 | Muy fuerte |
| 1997–98 | +2,4 | Muy fuerte |
| 2015–16 | +2,6 | Muy fuerte (récord) |
Para practicar el análisis en clase, imaginemos que recopilamos la precipitación anual (en mm) de una región costera de Perú durante 15 años, clasificados por fase ENSO. ⚠️ Los siguientes son datos ilustrativos para uso docente, simplificados para que el ejercicio sea manejable:
| Fase ENSO | Años (n) | Precipitaciones anuales (mm) | Media (mm) | Desv. típica (mm) |
|---|---|---|---|---|
| El Niño | 5 | 820, 910, 1040, 890, 940 | 920 | 80,3 |
| Neutral | 5 | 540, 610, 580, 630, 590 | 590 | 34,6 |
| La Niña | 5 | 430, 510, 470, 450, 490 | 470 | 31,6 |
A simple vista las medias parecen muy distintas (920 frente a 590 y 470 mm). Pero "a simple vista" no es estadística: necesitamos cuantificar si esa diferencia supera lo esperable por azar. 🔎
¿Qué nos dice el modelo? ANOVA aplicado a los años de El Niño
El ANOVA de un factor descompone la variabilidad total de la lluvia en dos partes: la variabilidad entre grupos (lo que separa a El Niño de La Niña y de los años neutrales) y la variabilidad dentro de cada grupo (las diferencias entre años de la misma fase). El estadístico F es el cociente entre ambas: si F es grande, las medias difieren más de lo que el azar explicaría. 🧮
Antes de aplicarlo conviene verificar sus supuestos, algo que el alumnado debe interiorizar:
- Independencia de las observaciones (cada año es una medición distinta).
- Normalidad aproximada de la variable en cada grupo (contrastable con Shapiro-Wilk).
- Homogeneidad de varianzas (contrastable con el test de Levene; con nuestros datos ilustrativos, la dispersión de los años El Niño es mayor, un matiz excelente para discutir en clase).
En R, lenguaje gratuito ideal para el aula, el análisis completo cabe en cuatro líneas usando la función aov() de la documentación oficial de R (paquete stats):
modelo <- aov(precipitacion ~ fase, data = datos)
summary(modelo)
TukeyHSD(modelo)
boxplot(precipitacion ~ fase, data = datos)
Con los datos ilustrativos de la tabla, el ANOVA arroja un F muy elevado y un p-valor < 0,001: rechazamos la hipótesis nula de medias iguales. ✅ Después, el test post-hoc de Tukey identifica qué pares de fases difieren: El Niño frente a Neutral, El Niño frente a La Niña, y también Neutral frente a La Niña. Si solo tuviéramos dos grupos (por ejemplo, años El Niño contra el resto), bastaría un t-test con t.test().
📈 Visualización recomendada: un diagrama de cajas (boxplot) con la fase ENSO en el eje X (tres cajas: El Niño, Neutral, La Niña) y la precipitación anual en mm en el eje Y. Es el gráfico canónico para comparar medias porque muestra a la vez el centro, la dispersión y los valores atípicos de cada grupo; añadir los puntos individuales superpuestos (jitter) lo hace aún más honesto con muestras pequeñas.
Lo que el aula puede aprender de El Niño
Esta noticia permite trabajar competencias que van mucho más allá de la fórmula del F:
- Operacionalizar conceptos: convertir "año de El Niño" en una variable categórica definida con un umbral objetivo (ONI ≥ +0,5 °C). 💡
- Distinguir señal de ruido: entender que dos medias distintas no implican automáticamente un efecto real.
- Comprobar supuestos antes de aplicar una técnica, en lugar de usarla como caja negra.
- Comunicar resultados: pasar de "p < 0,001" a una frase que un periodista (o un alcalde) pueda entender.
- Pensamiento crítico: discutir por qué 5 años por grupo es una muestra pequeña y qué riesgos tiene.
El profesorado que quiera montar la práctica completa con su grupo encontrará materiales complementarios en nuestra sección de recursos para profesores de canaldocente.es, donde reunimos guías y plantillas para llevar el análisis de datos al aula. 🧠
Preguntas y retos sobre El Niño para el aula
- Con la tabla de datos ilustrativos, calcula a mano la media y la desviación típica de cada fase. ¿Qué grupo es más variable y por qué crees que ocurre?
- Formula la hipótesis nula y la alternativa del ANOVA en lenguaje natural, sin símbolos.
- Descarga los valores reales del índice ONI desde la web de la NOAA y clasifica los últimos 20 años en las tres fases. ¿Cuántos años cae en cada grupo?
- Ejecuta
aov()en R con los datos de la tabla y comprueba si el p-valor confirma lo que intuías mirando las medias. - Dibuja (a mano o con software) el boxplot descrito en el artículo. ¿Qué caja muestra mayor rango intercuartílico?
- ¿Por qué no sería correcto hacer tres t-tests por separado en lugar de un ANOVA? Investiga el problema de las comparaciones múltiples.
- Reto de debate 🎯: si el ANOVA sale significativo, ¿podemos afirmar que El Niño causa el aumento de lluvia? Argumenta la diferencia entre asociación y causalidad.
- Reto de comunicación: redacta un titular periodístico riguroso de máximo 15 palabras con el resultado del análisis.
Reflexión final
El Niño volverá a ocupar portadas durante meses, con cifras de temperaturas récord y predicciones inquietantes. La mejor vacuna contra el alarmismo y contra el escepticismo infundado es la misma: saber cómo se comparan grupos de años con rigor. Un ANOVA bien planteado, con sus supuestos verificados y su boxplot delante, enseña al alumnado que la frase "este año es excepcional" puede —y debe— someterse a contraste. 📊 Esa es, quizá, la lección más valiosa que un fenómeno climático global puede dejar en una clase de estadística.