दिसंबर 1972 में, पर विज्ञान की प्रगति के लिए अमेरिकन एसोसिएशन वाशिंगटन, डीसी में एमआईटी के मौसम विज्ञान प्रोफेसर से मुलाकात एड लोरेन्ज़ “क्या ब्राज़ील में तितली के पंखों के फड़फड़ाने से टेक्सास में बवंडर आता है?” शीर्षक से एक भाषण दिया, जिसने “शब्द” में योगदान दिया।तितली प्रभाव”। वह अपने पहले, ऐतिहासिक 1963 पेपर पर निर्माण कर रहे थे जहां उन्होंने “बहुत लंबी दूरी की मौसम भविष्यवाणी” की व्यवहार्यता की जांच की और बताया कि संख्यात्मक मौसम भविष्यवाणी मॉडल के साथ समय में एकीकृत होने पर प्रारंभिक स्थितियों में त्रुटियां तेजी से कैसे बढ़ती हैं। इस घातीय त्रुटि वृद्धि, जिसे अराजकता के रूप में जाना जाता है, के परिणामस्वरूप एक नियतात्मक पूर्वानुमान सीमा होती है जो निर्णय लेने में व्यक्तिगत पूर्वानुमानों के उपयोग को प्रतिबंधित करती है, क्योंकि वे मौसम की स्थिति की अंतर्निहित अनिश्चितता की मात्रा निर्धारित नहीं करते हैं। तूफान, लू या बाढ़ जैसी चरम मौसम की घटनाओं की भविष्यवाणी करते समय यह विशेष रूप से समस्याग्रस्त है।
नियतात्मक पूर्वानुमानों की सीमाओं को पहचानते हुए, दुनिया भर की मौसम एजेंसियां जारी करती हैं संभाव्य पूर्वानुमान. ऐसे पूर्वानुमान नियतिवादी पूर्वानुमानों के समूह पर आधारित होते हैं, जिनमें से प्रत्येक प्रारंभिक स्थितियों में सिंथेटिक शोर और भौतिक प्रक्रियाओं में स्टोकेस्टिसिटी को शामिल करके उत्पन्न होता है। मौसम मॉडल में तेज त्रुटि वृद्धि दर का लाभ उठाते हुए, एक समूह में पूर्वानुमान उद्देश्यपूर्ण रूप से भिन्न होते हैं: प्रारंभिक अनिश्चितताओं को यथासंभव भिन्न रन उत्पन्न करने के लिए ट्यून किया जाता है और मौसम मॉडल में स्टोकेस्टिक प्रक्रियाएं मॉडल रन के दौरान अतिरिक्त अंतर पेश करती हैं। त्रुटि वृद्धि को समूह में सभी पूर्वानुमानों के औसत से कम किया जाता है और पूर्वानुमानों के समूह में परिवर्तनशीलता मौसम की स्थिति की अनिश्चितता को निर्धारित करती है।
प्रभावी होते हुए भी, इन संभाव्य पूर्वानुमानों को तैयार करना कम्प्यूटेशनल रूप से महंगा है। उन्हें कई बार बड़े पैमाने पर सुपर कंप्यूटर पर अत्यधिक जटिल संख्यात्मक मौसम मॉडल चलाने की आवश्यकता होती है। नतीजतन, कई परिचालन मौसम पूर्वानुमान प्रत्येक पूर्वानुमान चक्र के लिए केवल ~10-50 सदस्यों को ही उत्पन्न कर सकते हैं। यह दुर्लभ लेकिन उच्च प्रभाव वाली मौसमी घटनाओं की संभावना से चिंतित उपयोगकर्ताओं के लिए एक समस्या है, जिसका आकलन करने के लिए आम तौर पर कुछ दिनों के बाद बहुत बड़े दल की आवश्यकता होती है। उदाहरण के लिए, किसी को 10% से कम सापेक्ष त्रुटि के साथ 1% संभावना वाली घटनाओं की संभावना का पूर्वानुमान लगाने के लिए 10,000-सदस्यीय समूह की आवश्यकता होगी। ऐसी चरम घटनाओं की संभावना को मापना उपयोगी हो सकता है, उदाहरण के लिए, आपातकालीन प्रबंधन की तैयारी के लिए या ऊर्जा व्यापारियों के लिए।