Het probleem is dat ik bij het EPS veel aannames moet maken. Bij het GEFS heb ik de waardes van alle individuele leden en daar kan ik dus veel makkelijker mee werken. Zo kan ik daar bijvoorbeeld vrij gemakkelijk de spreiding van bepalen zonder dat het heel veel werk gaat kosten. Bij het EPS heb ik enkel de Min/10%/25%/Mediaan/75%/90%/Max.
Het lastige is zo'n scenario wat jij noemt; er is één extreem lid waardoor het minimum zeer laag uit komt en de 10% een stuk hoger ligt. Maar ook hier moet je weer een aanname maken. Want het kan zo zijn dat 3 leden vlakbij het 10% koudste lid liggen en er één extreem koud lid is, maar het kan ook zo zijn dat die drie andere leden juist dichter tegen het minimum aan liggen dan tegen het 10% koudste lid. Uiteraard probeer ik al rekening te houden met deze extreme waardes. Nu, ik zal een voorbeeld geven dat iets minder extreem is als hetgeen dat jij noemt (Tmax -10 en Tmin -25) aangezien ik zulke waardes vrijwel nooit in een pluim zie.
Stel dat het minimum op een bepaalde dag een Tmin van -12 graden laat zien en een Tmax van -5 graden. Dit zou een score opleveren van 2,3 punten ongeacht de rest van het ensemble. Een vergelijkbare score haal je wanneer het 10% koudste lid een Tmin van -6 graden een een Tmax van -1 graad laat zien, als je alle andere waardes even weg denkt. Voor de mediaan haal je zo'n score bij een Tmin van -2,5 graden en een Tmax van 1 graad. Zo zie je dat extreme waardes qua punten nog wel mee vallen. Maar dan komt ook opnieuw het bovengenoemde punt in aanmerking; je weet niet wat de drie leden tussen het minimum en de koudste 10% doet; zit deze dichter tegen het minimum aan of meer richting het 10% koudste lid.
En dan wat betreft het vermenigvuldigen voor de termijn. Het is heel lastig om hier iets objectiefs voor te maken bij het EPS. Je kan vaste waardes instellen, maar wat zijn die dan? Daar valt heel veel over te discussiëren. En als je vaste waardes instelt maakt het dus ook niet meer uit wat de spreiding is; de pluim van vanochtend is relatief eensgezind tot dag 10, maar er zijn ook talloze pluimen denkbaar met een veel grotere spreiding. Als ik dan de spreiding moet gaan berekenen kost dat veel meer werk en tijd per pluim en bovendien moet je ook dan weer aannames maken aangezien je niet alle individuele leden hebt.
Dan nog wat context. De winterscore is meer een maatstaf voor de potentie voor frisser/kouder weer in een pluim. Ik heb de winterpunten dan ook al verdeeld in drie termijnen (dag 1 - 4, dag 5 - 8 en dag 9 - 14). Als je nu een vorm van aanpassingen aan de score gaat doen op de langere termijn dan veranderd het hele idee. Want een pluim met kwakkelweer op de kortere termijn zou dan evenveel punten kunnen opleveren als een pluim met ijsdagen en stevige vorst op het einde, afhankelijk van waarmee je het gaat vermenigvuldigen. Ik ben van mening dat als je zo'n correctie gaat toepassen je alleen maar meer aannames moet gaan maken, terwijl die er zeker bij het EPS al veel zijn.
Ik hoop dat het zo allemaal een beetje helder is hoe ik erin sta. Ik vind het top dat jullie allemaal input geven, maar ik moet ook nagaan of het wel haalbaar/doenbaar is, zowel wat betreft de berekening als het werk dat ik erin moet stoppen. 
