Come accennato, il termine che stai cercando è persistenza. Generalmente la sua forza varia notevolmente a seconda della variabile che stai osservando, della posizione e se selezioni anche altri fattori come la stagione e altre variabili meteorologiche.

Mi aspetto che la persistenza delle precipitazioni giornaliere sia relativamente negativa predittore, dato che la precipitazione è spesso un evento a breve termine guidato da dinamiche molto transitorie come il passaggio frontale, o vede una distribuzione spaziale abbastanza casuale su piccole aree guidate da piccole perturbazioni e interazioni non lineari (quindi tipicamente portando a PoP di pioggia è regolarmente più utile delle previsioni binarie).

La persistenza è spesso utilizzata come base per calcolare le abilità previsionali ... ma sembra che venga riportata nella ricerca utilizzando metriche di riepilogo più sofisticate come i punteggi delle abilità delle probabilità dirette.

Tuttavia, con un po 'di ricerca ho trovato almeno Un modello a catena di Markov per la probabilità di occorrenza di precipitazioni in intervalli di varia lunghezza di James E. Caskey, Jr., che aveva almeno una tabella sulla falsariga che hai chiesto ... per Denver, Colorado tra il 1949 e il 1958, utilizzando 0,01 "(0,254 mm) come condizione:

Per coloro che hanno difficoltà a capire i valori, in questa tabella quando $ \ rho_1 $ è simile a $ r_1 $ , l'utilità della persistenza delle precipitazioni è bassa.

Il Colorado è un'area montuosa, quindi potrei immaginare che la direzione del vento su larga scala in alto si riveli probabilmente più significativa di molte aree. Per una località come la Florida in estate o l'Oklahoma in primavera, immagino che l'abilità sia inferiore poiché le variabili persistenti sono meno importanti. Tuttavia, poiché l'umidità spesso varia più lentamente, regolarmente controllata da masse d'aria e direzioni del vento su larga scala, che spesso sono dirette da grandi caratteristiche meteorologiche sinottiche, ci sarà probabilmente almeno una certa differenza nelle probabilità condizionali in tutte le località / stagioni.

Non so se quei dati sono abbastanza utili per i tuoi scopi di lezione, ma si spera che offrano un ramo in cui cercare. Potresti essere in grado di scavare alcune tabelle più simili cercando nei risultati di riviste di ricerca in luoghi come l'AMS o, se necessario e desiderato, potresti calcolare tali variabili dai dati delle stazioni disponibili in siti come NCEI.

Pearson pubblica un set di dati per studenti di primo livello (scuole superiori) che include dati meteorologici da varie località. Sebbene il set di dati sia (deliberatamente) difettoso [un compito per gli studenti è identificare i difetti nel set di dati] si tratta di dati "reali" e con esso è possibile esaminare questioni di persistenza.

Ad esempio, in Heathrow, maggio-ottobre 2015, sono stati 80 i giorni in cui ha piovuto e quaranta i giorni in cui ha piovuto, visto che aveva piovuto il giorno precedente. Quindi in questo momento la probabilità di pioggia era di circa 0,43 e la probabilità condizionale è di circa 0,50. Quindi la previsione del tempo basata solo sulla persistenza fornisce una previsione piuttosto scarsa.