Meteorologi och klimat har allt gemensamt, utom tidsaspekten. 

Jag använder en tärningsmodell för att det ska bli lätt att förstå. En stor skillnad är att naturen i den mänskliga skalan aldrig spelar tärning.[1] Det finns alltid en eller flera orsaker till varje händelse eller frånvaro av händelse.

Låt säga att du slår en (juste!) 6-sidig tärning -en- gång. Sannolikheten för ett önskat utfall -innan- du slår är 1/6 och -efter- är det 6/6 (=1) att det blev som det blev. Sannolikheten att förutsäga rätt resultat är alltså 1/6 medan de som sätter emot har 5/6 chans att ”få rätt”.

Slå nu tärningen rejält många gånger och notera utfallen. I början kan serien se ”snedfördelad” ut men med tiden går fördelningen asymptotiskt mot 1/6 för varje utfall.  

När det gäller väder (meteorologi) finns många ”tärningar” (parametrar), vardera med det antal sidor som motsvarar möjliga utfall på den platsen. Dessa tänkta tärningar är dessutom manipulerade så att utfallen motsvarar sannolikheten för ett visst värde i verkligheten för varje tidpunkt och på varje given plats. Temperaturtärningen som kastas på marknivå nära ekvatorn har inte ”-50 grader” och nederbördstärningen från Atacamaöknen har ingen ”100 mm nederbörds-sida”.

De olika tärningarna är dessutom så konstruerade att deras individuella sannolikhetsfördelning gradvis anpassar sig till den -långsiktiga- verkligheten på varje given plats. Detta kallas återkoppling, den kan vara negativ (försvaga ett utfall) eller positivt (förstärka ett utfall).

Låt säga att du kastar en påse med dessa platsanpassade tärningar en gång i timmen (24 gånger per dygn) för varje kvadratkilometer av Jordens yta. Deras utfall kan betraktas som väder just där och då.

Gör om det 365 gånger (=8760) för ett år och fortsätt 30 gånger till (för att tala om klimat) alltså 262 800 gånger. Jag vågar sätta en krona på att medelutfallet, varians och standardavvikelse[2] för var och ett av kasten kommer att vara bra nära men ofta inte identiskt med föregående. Sett över tillräckligt lång tid kommer var och en tendens, om än liten sett över kort tid, att påverka eller påverkas.

[1] I atomkärneskala förändras förutsättningarna. En del atomer är radioaktiva i olika grad och finns dessutom i olika varianter, isotoper. Låt säga att du kan registrera varje sådan händelse och var den sker i en ytte-pytte-mängd av ett ämne. Sannolikheten för att du kan peka ut nästa atomkärna som delar sig är bra nära noll men det går mycket väl att förutsäga när hälften av kärnorna i den observerade mängden har omvandlats till andra fissionsprodukter. Detta kallas halveringstiden.

[2] Mätningar som spänner över kontinuerligt variabla värden (eller tillräckligt många diskreta) kan ofta illustreras med en klockkurva. Den har medelvärde, varians och standardavvikelse. https://en.wikipedia.org/wiki/Normal_distribution