Cuando termine de estudiar esta lección, podrá:

• describir el objetivo de la asimilación de datos y explicar por qué un modelo puede producir un mejor pronóstico si el análisis no coincide exactamente con una observación perfecta;
• explicar las principales suposiciones de la asimilación de datos y por qué se utiliza una predicción numérica del tiempo como campo de fondo;
• describir las principales desventajas de la asimilación de datos;
• explicar cómo se aplican los errores de observación y los incrementos del modelo para producir el análisis;
• explicar cómo 3D-VAR y 4D-VAR manejan las covarianzas del error de fondo;
• identificar ejemplos de análisis incorrectos.