Evaluación de si un modelo matemático o computacional es suficientemente preciso y apropiado para su propósito previsto, comparando sus predicciones con datos independientes, comportamientos observados o referencias establecidas.

Principio

Emplear evidencia independiente y criterios de rendimiento relevantes para el contexto de decisión para juzgar si las salidas y comportamientos del modelo son coherentes con la realidad; destacar la representatividad de los casos de prueba y la cuantificación del error predictivo.

Demostración

Un modelo lluvia‑escorrentía calibrado con un subconjunto de cuencas con estaciones se evalúa frente a observaciones de caudal de cuencas y eventos excluidos de la calibración para determinar si la habilidad de predicción satisface los requisitos de gestión hídrica.

Aplicación incorrecta

Usar los mismos datos para calibración y validación, seleccionar métricas de validación que no se alineen con el objetivo de la decisión, o equiparar muchas pruebas superadas con corrección universal.

Consecuencia

Bien realizada, la validación proporciona a las partes interesadas una confianza justificada en las decisiones basadas en el modelo, o identifica limitaciones que motivan la revisión del modelo o la recogida de más datos.

Inversión

Declarar inválido un modelo mostrando fallos predictivos sistemáticos en pruebas independientes, o confundir validación con verificación (esta última comprueba la corrección del código y no la adecuación predictiva).

Límite

La validación no prueba la verdad de manera universal; está condicionada a los escenarios probados, la calidad de los datos independientes y las métricas elegidas; excluye la detección de errores de implementación, que corresponde a la verificación.

Tensión semántica

A menudo se confunde con verificación y calibración; hay tensión cuando «validación» se usa informalmente para significar comprobación de código, ajuste de parámetros o selección de modelo en vez de evaluación predictiva independiente.

Síntesis

La validación de modelos consiste en comprobar la idoneidad del modelo para su uso previsto mediante la comparación de sus predicciones con evidencias independientes en escenarios relevantes, estableciendo así confianza y límites.