天气预报多报？
首先，气象预测是概率性的，不可能100%准确。所以从概率的角度来说，提前36个小时预测48小时后的天气状况是正确的；但从另一个角度来说，因为未来是不确定的，有无限种可能，所以从某种角度来讲，预报错误也是必然的（至少从统计学意义上来说是如此）。 举个简单的例子：假设一个天气系统今天正在影响我国某地，使该地的温度下降了2℃，那么明天和后天它将继续影响该地区，使那里的气温继续降低，并且可能降至零下。这时候有人根据当前的气候变化趋势，做了个计算，认为该地区将有可能迎来有记录以来最为寒冷的冬天，这一计算过程和最后结论都是正确的。但是，由于气候在不断地变化，36小时后，影响该地区的气旋可能会减弱消散，此时再去看该地区的气象记录，降温幅度远没有达到之前的预测值。也就是说，一开始的预测虽然正确，但到了后期因为实际情况的变化，反而出现了偏差。这种“先准后错”的情况在气象学中是存在的。
当然，出现这种情况一般是有合理依据的。以台风“莫兰蒂”为例，这个台风影响我国华南地区时，强度达到了强台风级别。当它进入南海的时候，很多机构的气象员就注意到它可能有发展成为超强台风的可能，并由此预测它将给附近海域带来狂风暴雨，甚至可能引起沿海风暴潮。不过，随后“莫兰蒂”转向北上，并先后在我国福建和广东沿海地区登陆，给这两省带来了严重的洪涝灾害。从这个案例来看，起初的气象预测还是准确的，只是后来“莫兰蒂”的行进路线发生了变化，导致了“先准后错”的现象。所以说，“先准后错”未必就是预报错误造成的。 很多人应该都有这样的经历，即气象部门发布的中期、短期气象预测往往比较准确，而对于24小时内具体的天气现象的预测却不够准确。这其实也是因为气象预测本身就是基于统计模型做出的大概率事件判断，不可能做到非常精确。
举个例子：假设我们现在离春季来临还差一个月，想预测一个月后全国的天气情况。我们可以做这样一件事情：取月份数减去当前日期数的数值，作为变量A代入到某个统计模型中，得到的参数代表气温T。然后，我们再根据现在的温度数据，输入T的值到另一个统计模型当中，就可以得到一个月的以后全国各地的气温情况。如果我们反复运行这个程序，并且将其中的参数进行调整，使其尽可能多地符合实际的气温数值，那么这样一个程序就是一个较为合格的气象预测模型了。
在这个例子中，我们其实把需要预测的未来的天气变化情况近似看作一种随机现象。而随机现象的预测本来就是统计学研究的范畴之一。通过计算得到的一个个随机数字，也就成为了气象预测的最基本的形式——统计预测。 而一旦进行了统计预测，就不存在绝对正确或者错误的说法了。我们只能不断调整参数，使预测的结果尽量接近实际值。