1. Introduccin Como es bien sabido, se viene denominando Revolucin Probabilstica al conjunto de hechos que, en el intervalo 1800-1950, conviertieron la probabilidad en un elemento bsico de las profundas transformaciones que se produjeron en la filosofa, las teoras cientficas, las tcnicas, e incluso en los comportamientos humanos de la vida diaria, ... . Prueba reciente de la importancia generalmente concedida a este tema filosfico-histrico es la organizacin por la Fundacin Volkswagen y el Centro de estudios interdisciplinarios de la Universidad de Bielefeld de un Seminario en que durante cuatro aos una treintena de filsofos de la Ciencia, probabilistas, estadsticos, fsicos, bilogos, socilogos, economistas, ..., trabajaron en profundidad para estudiar esta Revolucin Probabilstica, cuyo desarrollo y contenido vamos a analizar brevemente en nuestra Conferencia. 2. Revoluciones cientficas Revolucin y evolucin son dos modelos de cambio en una ciencia o en un conjunto de ciencias o en la Ciencia. El segundo tipo de desarrollo se refiere a cambios lentos, en un proceso continuo de variacin, mientras el primero se aplica en el caso de un cambio brusco que lleva a una fragmentacin profunda del sistema de conceptos o paradigma en curso, para sustituirlo por otro completamente nuevo. Parece haber sido Fontelle, Secretario perpetuo de la Academia de Ciencias de Pars, quien aplic por primera vez, al final del siglo XVII, el trmino revolucin al conjunto de cambios que tuvieron lugar en las matemticas tras la invencin del Clculo Infinitesimal por Newton y Leibnitz. Ms tarde en 1747 Clairaut afirmaba refirindose a los Principia de Newton que constituan "una gran revolucin en la Fsica". Actualmente el trmino revolucin est completamente introducido en el mbito cientfico y nos son familiares las revoluciones cientficas que se asocian a los nombres de Galileo, Newton, Lavoisier, Darwin, Cantor, Einstein, Freud, ..., as como en un sentido ms amplio se habla de la primera, la * Acadmico Numerario 136 segunda, la tercera, la cuarta revolucin cientfica, que se definen por sus caractersticas propias, en que no vamos a entrar en este momento. Es claro que el empleo del vocablo revolucin en la Ciencia tiene un origen metafrico que viene de la historia poltico-social de los pueblos. Las tres grandes revoluciones en Europa: la britnica (1640), la francesa (1780) y la rusa (1917) van acompaadas de sucesos violentos que desembocan en una dictadura, seguida de una restauracin monrquica en las dos primeras y un orden poltico-social nuevo en las tres. Las analogas observadas entre el campo poltico y el cientfico han sido recogidas y elaboradas por varios historiadores de la Ciencia, debindose destacar la obra de Kuhn, The structure of scientific Revolutions (1962) que ha puesto de moda esta locucin y este enfoque histrico-filosfico en el campo cientfico. Kuhn describe el panorama del desarrollo cientfico en el tiempo por la aparicin de revoluciones entre perodos de desarrollo evolutivo normal. Una etapa de revolucin cientfica consiste en el destronamiento de un paradigma dominante y su sustitucin por uno nuevo. Segn Kuhn tres ejemplos notables de revoluciones cientficas son la copernicana que, tras una serie de etapas de crtica, derriba el paradigma Aristotlico-Tolomaico para sustituirlo por el Newtoniano, la revolucin qumica, en que el paradigma de la combustin por una prdida de flogisto se sustituye por el que considera como causa de la combustin la actividad del oxgeno y la revolucin relativista que sustituye el paradigma newtoniano por la teora de Einstein. Es curioso observar que hay una casi coincidencia en el tiempo de estas revoluciones cientficas con las revoluciones polticas antes sealadas, lo que ha dado lugar a algunos ensayos y explicaciones, que tratan de asignar mayor alcance a estas coincidencias, que el meramente fortuito. 3. Caractersticas de la Revolucin probabilstica Las tres caractersticas que exige Kuhn para que se pueda hablar de una "revolucin cientfica" son, primero "un cambio global del conjunto de los conocimientos, es decir, una descomposicin y recomposicin de las piezas del conjunto de los mismos", en segundo lugar "un ajuste no slo de los criterios relevantes a la categorizacin, sino de la manera en que objetos dados y situaciones se distribuyen entre categoras preexistentes". Y como tercera caracterstica considera "un cambio central del modelo, metfora o analoga, un cambio en el sentido de precisar qu es similar a qu" y "qu es diferente a qu". Cohen en su importante libro Revolution in Science (1985) se ha planteado la cuestin de aplicar estos criterios al desarrollo del clculo de probabilidades hasta el siglo XIX y no ha encontrado argumentos tan decisivos como los que sealaron Lavoisier y sus contemporneos al considerar la Revolucin Qumica, o los de Fontenelle y Clairaut, respecto a la Revolucin newtoniana, o los de Darwin y sus sucesores respecto al impacto de la teora de la evolucin biolgica. 137 En efecto, si contemplamos el desarrollo de la teora de la probabilidad en sus albores en el siglo XVII, no se ve aqu al,repasar la obra de Pascal, Fermt, Huygens, Bernoulli, nada parecido a una revolucin que cambie conceptos y teoras ya existentes en otras nuevas. Ms bien cabra hablar con Hacking de esta poca como la lenta emergencia del Clculo de Probabilidades que culmina a principios del XIX con la obra de Laplace. Pero recordemos que a pesar de los aos transcurridos desde el nacimiento de la probabilidad en Pascal (1623-62) y de la estadstica en John Graunt (1662), el determinismo newtoniano clsico es la postura cientfica al comienzo de la poca, como reflejan las frases de Laplace (1812): "Una inteligencia que en cierto momento conociera todas las fuerzas que actan en la naturaleza, as como la posicin relativa de los seres que la componen, si adems fuera capaz de someter a anlisis tales datos, podra abarcar en la misma frmula los movimientos de los cuerpos ms grandes del universo y los del tomo ms leve; nada le resultara incierto y tanto el futuro como el pasado estaran presentes a sus ojos. El espritu humano ofrece con la perfeccin que ha sabido dar a la astronoma una pequea muestra de tal inteligencia". Pero ms tarde, en su discurso de ingreso en la Academia de Ciencias, titulado Recherches sur l'intgration des equations diffrentielles aux diffrences finies et leur usage dans la thorie des hasards, puntualiza Laplace: "Para el hombre hay muchas cosas que son inciertas y algunas que son ms o menos probables. En vista de la imposibilidad de conocerlas todas, he tratado de compensar sto determinando distintos grados de apariencia, de suerte que debemos a la debilidad de la mente humana una de las ms delicadas e ingeniosas teoras matemticas: la ciencia del azar o probabilidad". Se ve aqu cmo Laplace apunta ya a una evolucin del determinismo newtoniano, arraigado en el pensamiento de la poca, hacia posturas probabilsticas de abarcamiento cientfico ms amplio y novedoso. Aunque Laplace fallece en 1827, su obra Thorie Analytique des probabilits, verdadera Summa de los conocimientos de su tiempo, perdura casi hasta el final del siglo XIX como la ms brillante e influyente de toda la centuria. Y ciertamente resulta sorprendente que una obra llegue a ser tan poderosa y tenga una influencia que puede considerarse incluso negativa por su persistencia en el tiempo. Hacia el final del siglo XIX, existi en Francia un inters renovado por el Clculo de Probabilidades, por matemticos de la talla de Bertrand y Poincar, a pesar de lo cual en el espectro de las actividades matemticas, juega un papel poco importante. As Bertrand en el prlogo de su Calcul des Probabilits (1888) despus de elogiar la obra de Laplace se refiere al clculo de probabilidades, como la "rama ms atractiva y ms despreciada de las Matemticas". 138 Muchos consideran que el estilo introducido por el curso de Anlisis de Cauchy en 1821, paradigma de las nuevas mateniticas en su poca, influye negativamente no slo en la valoracin y exposicin del Clculo de probabilidades sino en el progreso de sus aplicaciones. Quiz nada mejor que las reflexiones de Hilbert para comprender el cmo y porqu de esta situacin. En 1900, con ocasin del 2 Congreso Internacional de Matemticos de Pars, present Hilbert 23 problemas abiertos, que en gran parte determinaran el desarrollo de las matemticas en el siglo XX. El planteamiento del 6 problema de Hilbert era as: "Las investigaciones en los fundamentos de la Geometra nos sugieren que de acuerdo con este modelo, deberamos tratar axiomticamente aquellas disciplinas fsicas en que las matemticas juegan ya un papel preponderante; sin duda las ms importantes son el Clculo de probabilidades y la Mecnica. En relacin con el Clculo de probabilidades me parece deseable que un estudio lgico del mismo vaya paralelo a un riguroso y satisfactorio desarrollo del mtodo de valores medios en la Fsica Matemtica, en particular en la teora cintica de los gases". Este programa de trabajo es pronto reconocido como importante por los matemticos alemanos como Von Mises y los rusos S. Bernstein y Kolmogoroff (1933). Este ltimo da una respuesta que an hoy se considera satisfactoria. El hecho de que se construya un modelo axiomtico del Clculo de Probabilidades influye de una manera decisiva en el desarrollo de ste como ciencia matemtica y en la respetabilidad de la Estadstica, al producirse una claricacin y mejor comprensin de las teoras que la constituyen, sobre todo tras la publicacin del tratado de Cramer (1947), con el que puede hablarse ya de Ciencia estadstica integrada por la Teora de la Probabilidad y la Estadstica matemtica. Las cuatro pruebas o tests que fija Cohen para asignar el nombre de revolucin cientfica al conjunto de los hechos cientficos nuevos surgidos en una cierta poca son los siguientes: primero el testimonio de cientficos y no cientficos activos en aquella poca, entre los cuales comprende a filsofos, historiadores, periodistas, ..., el hombre de la calle. Un segundo test es un examen crtico de la historia documental del tema a que se refiere la revolucin que se piensa ha ocurrido. Una tercera prueba tiene en cuenta la opinin de historiadores competentes, especialmente historiadores de la Ciencia y la filosofa. La exposicin de argumentos que hace Cohen le conduce sin dificultad a admitir que se puede hablar sin objecin posible de la revolucin newtoniana, de la revolucin de Lavoisier, de la darwiniana, aunque resulta ms difcil admitir que se pueda hablar de una revolucin copernicana que verifique sus tests. En el caso de la probabilidad es difcil aplicar los anteriores tests teniendo en cuenta la sorprendente escasez y pobreza de los estudios histricos en estos campos, por lo que Cohen sugiere un cuarto y final test, que es la opinin general de los cientficos de nuestra poca. Si aceptamos este punto de vista es bastante unnime considerar que el perodo 1800-1950 representa para la Ciencia Estadstica un conjunto de revoluciones en varios campos fundamentales de las Ciencias que alcanza en el primer tercio de nuestro siglo una culminacin con la mecnica cuntica, apareciendo movimientos 139 similares en la biologa, la psicologa, la gentica, la sociologa, la economa, etc. Estas revoluciones probabilsticas en las aplicaciones que subraya Borel en su libro Az^r (1914), deben ser globalmente consideradas como "una genuina revolucin cientfica", pues justamente tales cambios, como dice Cohen, satisfacen el test que l propone y por esto la califica como revolucin probabilizante, es decir, "una verdadera revolucin de fantsticas consecuencias con la introduccin de las probabilidades y estadsticas en reas que han experimentado como resultado cambios revolucionarios". En consecuencia, no trato aqu de dar a continuacin una antologa ms o menos exhaustiva de aplicaciones del Clculo de Probabilidades a estas Ciencias a lo largo del desarrollo histrico de las mismas, sino de poner de relieve el conjunto de cambios que en cada Ciencia consideramos se han presentado en un cierto lapso de tiempo, como consecuencia de la penetracin en las mismas de los conceptos fundamentales de la Teora de la Probabilidad, as como su recproca influencia sobre esta Ciencia. Vamos pues a ver en una amplia gama de contextos de las diferentes ciencias y tecnologas, cmo en un cierto momento la probabilidad se hace necesaria y juega un papel fundamental destronando viejos conceptos e implantando nuevos paradigmas, con tal fuerza, que dicho proceso es una autntica revolucin probabilstica. Recordemos que los cuatro problemas tpicos en que se hacen necesarias las consideraciones probabilsticas en diferentes ciencias se pueden clasificar como a) medidas; b) descripcin de datos; c) inferencia y d) modelizacin. Brevemente podemos decir que el proceso de medida de diversos tipos de magnitudes es un problema con muy variados aspectos y facetas matemtico-probabilstico-estadsticas, bsico para poder plantear adecuadamente los problemas de descripcin de datos, inferencia y modelizacin. 4. Estadsticas Nacionales, Aritmtica Poltica y Ciencias Sociales La recopilacin y descripcin de datos de inters para conocer la capacidad y disponibilidades de recursos de distintos tipos en un pas, son sin duda las ms antiguas actividades de los estadsticos que se remontan a los judos, egipcios, griegos, romanos, ... Estos trabajos tuvieron un inters especial en Alemania, cuando el Prof, de Heidelberg, Sebastin Mnster (1489-1552) se dedic a la ardua tarea de coleccionar datos relativos a geografa, organizaciones sociales y polticas, comercio, potencia militar de los principales estados existentes en aquella poca. Despus estas actividades censales se van introduciendo en muchos pases, que crean, con propsitos de progreso cientfico, sociedades de estudios estadsticos, como la Statistical Society of London, iniciada en 1834 y reorganizada en 1877 con el nombre actual de Royal Statistical Society, y en 1839 se crea la American Statistical Association; mucho ms tarde, en 1962 se crea en 140 Espaa nuestra Sociedad de Estadstica, precedida por la publicacin de la revista Trabajos de Estadstica que tengo el honor de haber fundado en 1950 y haber dirigido 33 aos hasta mi jubilacin. La actividad de estas Sociedades contribuye inicialmente al perfeccionamiento de las estadsticas nacionales, cuyos mtodos de clasificacin, comparacin y anlisis de datos avanzan sobre todo a travs de la creacin de las grandes Oficinas o Institutos Nacionales de Estadstica, que han respondido ms o menos satisfactoriamente a la necesidad creciente de fundar las decisiones polticas regionales y estatales en hechos cientficamente conocidos a travs de datos estadsticos. Las modestas herramientas cientficas iniciales de estos trabajos son los clculos de las frecuencias, medianas, modas, varianzas ... . Estos conceptos constituyen el punto de partida de la frondosa estadstica descriptiva, que surge al servicio de los censos y estadsticas nacionales, tambin llamadas Aritmtica poltica. As se prepara el terreno para nuevos progresos conducentes a las aplicaciones a las Ciencias sociales, cuyo gran propulsor fue Quetelet (1796-1874). Su notable hbro Sur Vhome et le development de ses facults, subtitulado Physique sociale, contiene nuevos principios sobre el comportamiento de los fenmenos sociales que se refieren a su notable regularidad, establecida mediante la metodologa estadstica. Su ataque a tales problemas mediante un tipo de anlisis multivariante insuficientemente desarrollado, no le permiti avanzar mucho en las discutidas ideas sobre el "hombre medio" introducidas en su libro Del sistema social y las leyes que lo rigen (1840). La justificacin de Quetelet fue un tipo de razonamiento inverso al de Laplace para introducir el teorema de lmite que conduce a la ley normal: si observamos una curva normal como ajuste a un conjunto de observaciones este debe ser debido a la perturbacin de una causa constante por muchas causas accidentales independientes, pero pronto esta explicacin, demasiado simplista, fue criticada y qued abierto el problema de la medida de la incertidumbre en conjuntos de datos procedentes de las ciencias sociales, que atrajo el inters de importantes talentos estadsticos como Galton, Edgeworth y sobre todo Karl Pearson, que tomando ideas de la teora de errores introducida un siglo antes por Laplace, Gauss, ... para los trabajos de los astrnomos y geodestas, crean una teora de la regresin y correlacin que implica una revolucin probabilstica en las ciencias sociales similar a la que Laplace y Gauss habran introducido anteriormente en Astronoma, como luego veremos. Nada resume mejor estas ideas que las palabras de K. Pearson al referirse al libro de Galton Inheritance (1889); ... "exista una relacin ms amplia que causacin, a saber, correlacin, de la cual aquella era slo el lmite, y este nuevo concepto de correlacin permita el tratamiento matemtico de problemas de psicologa, antropologa, medicina y sociologa. Fue Galton el primero que me libr del prejuicio de que las matemticas slo se podan aplicar a los fenmenos naturales bajo la categora de causacin. Aqu por primera vez tenamos una posibilidad, no dir una certidumbre, de alcanzar un conocimiento tan vlido como se 141 consideraba el conocimiento en el mundo fsico, en el campo de los seres vivos y sobre todo en el campo de la conducta humana". Es realmente asombrosa la obra de Karl Pearson, considerado por muchos como el padre de la Ciencia Estadstica, al establecer el papel esencial del Clculo de probabilidades, como base de la metodologa estadstica fundamental, entre las herramientas del investigador cientfico. Su prodigiosa actividad juvenil le lleva de la poesa a la filosofa, de la teologa a la biologa, de la mecnica a la geometra, ... consiguiendo una formacin multidisciplinar especialmente til al futuro estadstico. Valga la siguiente ancdota que trata de explicar cmo fue capaz Pearson de realizar su asombrosa obra cientfica. Se condensa en la frase que recuerda Stouffer como respuesta de Pearson a los elogios que reciba en cierta ocasin: "Vds. los americanos no lo comprenderan: yo jams contest a un telfono ni asist a una reunin de comit". Podemos, pues, decir que en este campo de las ciencias sociales, la revolucin se ha conseguido, logrndose con K. Pearson las piedras bsicas del nuevo orden. Despus vendrn los trabajos de Student, Fisher, Neyman, E.S. Pearson, a profundizar y completar el panorama con mtodos y conceptos como el anlisis de la varianza, diseo de experimentos, intervalos de confianza, comportamiento inductivo, ... Estos mtodos impulsados por varias escuelas de diseo de experimentos bayesianos, no bayesianos, ... han originado recprocos progresos de las ciencias experimentales y de las necesidades de las nuevas tcnicas adaptadas a ellas. Los campos ms importantes han sido la biologa, la medicina, ... y en general, las ciencias experimentales. 5. La Astronoma Es muy interesante comparar la influencia de la Estadstica en el desarrollo de las ciencias sociales con el que aos antes, alrededor de 1820, haban realizado Gauss, Legendre y Laplace en Astronoma. Pierre Simn de Laplace (1749-1827) escribi durante su vida buen nmero de memorias sobre probabilidades y mnimos cuadrados. Reunidas y complementadas con algunos otros trabajos constituyen su famoso libro Thorie Analytique des Probabilits (1812), que ya hemos citado como el ms original y profundo de su poca. En l destaca desde un punto de vista terico la introduccin de la funcin generatriz, una reformulacin de la regla de Bayes y una primera versin del teorema central del lmite, con la que contribuye (1810) a la fundamentacin probabilstica de la teora de errores de observacin, respondiendo a las necesidades de fsicos, astrnomos y geodestas de la poca, interesados en un tratamiento correcto para el problema de ajuste de una lnea a un conjunto de observaciones. Mtodos demasiado pobres propuestos por Mayer (1748), Euler (1748), Boscovich (1755), fueron perfeccionados por Laplace (1787); pero realmente fue Gauss, siendo todava un estudiante entre (1793-1798), quien formul un mtodo de mnimos cuadrados original, que ciertamente no aplic hasta 1801, en que a partir de pocos datos hizo 142 que ciertamente no aplic hasta 1801, en que a partir de pocos datos hizo predicciones de rbitas de nuevos planetas como Ceres, por entonces descubierto y despus perdido, hasta que lo reencuentra Gauss. Ms tarde, en 1805, Legendre public en un apndice a su memoria sobre las rbitas de los planetas, un mtodo que sistematizaba y perfeccionaba el trabajo de Gauss. Ms de una dcada transcurre hasta que Gauss vuelve a ocuparse del mtodo de mnimos cuadrados para publicar finalmente en 1821 una nueva formulacin, que ha llegado hasta los libros actuales. Con lenguaje de hoy sus mtodos dan estimadores centrados lineales de mnima varianza, que se encuentran continuamente en las tcnicas de anlisis de la regresin y anlisis de la varianza y covarianza. Gauss en sus ltimos aos vuelve, como Laplace, al cultivo de las aplicaciones a las ciencias sociales cuyo auge extraordinario hemos subrayado. Y no rehuye los problemas de aplicacin por modestos que parezcan, p.e. los clculos para el establecimiento de una mutualidad para sus colegas universitarios. 6. La Fsica La probabilidad tiene un contacto con la Fsica de distintas caractersticas del que hemos visto en las ciencias sociales. As como en stas la descripcin de datos da origen a una gran variedad de distribuciones probabilsticas y a la necesidad de la aleatorizacin de datos en los diseos experimentales, los experimentos en la Fsica generalmente se concentran en muy pocas variables y los estmulos vienen de la medida de magnitudes y la teora de errores de observacin y mnimos cuadrados construida como hemos visto por probabilistas, astrnomos y geodestas. Pero los continuadores de Gauss, Laplace, Legendre, ... realizan sus investigaciones de modo que no solo consideran la probabilidad como instrumento de clculo que les permite descubrir nuevos planetas, sino como concepto bsico explicatorio con el que penetran en la Fsica al nivel de la modelizacin de teoras. As sealemos como un primer estadio, que la familiaridad de los fsicos con la ley de errores permiti que Maxwell en 1860, probara que las velocidades de las molculas de un gas se distribuyen de acuerdo con la ley normal alrededor de un valor medio determinado por la temperatura del gas, iniciando as la Mecnica estadstica. Tal modelo condujo a Maxwell a predecir nuevos fenmenos, como la independencia de la viscosidad del gas respecto de la densidad, que ms tarde confirm experimentalmente, lo que constituye la primera explicacin probabilstica de estados fsicos bsicos y se considera el comienzo de la fsica terica. A este nivel terico parece natural considerar como un segundo estadio la interpretacin probabilstica de la Mecnica cuntica por Max Born en 1926. Estas dos etapas tienen complejas relaciones histricas y conceptuales, pero el papel de la probabilidad en ambas se considera diferente, ya que en la mecnica estadstica las proposiciones probabilsticas se aplican nicamente a amplios conjuntos de sistemas 143 elementales, como molculas o tomos, mientras en la mecnica cuntica esencialmente se aplican a sistemas elementales. En el primer caso la interpretacin frecuencial de las propiedades es obvia, mientras en el segundo la propiedad probabilstica de un sistema elemental se traduce como una tendencia a encontrarse en un cierto estado. Otros fenmenos fsicos importantes que llevaron a la introduccin del mtodo probabilstico son el movimiento browniano, la desintegracin radiactiva, fenmenos de turbulencia, ... que condujeron al estudio de los sistemas dinmicos abstractos, procesos estocsticos, problemas ergdicos, teora del caos, ... Digamos dos palabras de esta teora que ha salido recientemente a la palestra, pero que segn es bien sabido ya Hadamard inici su estudio a finales del siglo XIX. Demostr Hadamard que en ciertos sistemas dinmicos (movimiento de bolas de billar sobre ciertas superficies) cuya formulacin matemtica es sencilla, un pequesimo cambio en las condiciones iniciales, puede conducir a un cambio en la evolucin posterior del sistema que hace prcticamente imposibles las predicciones a largo plazo. Sus trabajos prolongados por H. Poincar, que se preocup de relacionarlos con los fenmenos de azar que se presentan en la cintica de los gases, meteorologa, etc. quedan prcticamente olvidados muchos aos hasta los trabajos recientes que se refieren a la teora del caos como estudio de evoluciones temporales con dependencia sensitiva de las condiciones iniciales. En ellos se observan oscilaciones irregulares de apariencia aleatoria, pero de gnesis determinista, es decir, que en tales sistemas el orden determinista crea el desorden del caos. Y esto enlaza con la historia ms reciente del indeterminismo, que ha llevado a tratar las evoluciones estocsticas como menos diferentes de lo que se crey, de las caticas, ya que unas y otras van siendo abarcadas en modelos generales de Kolmogorov, Uspenskii, Vovk, ... Y su papel en el conocimiento de los fenmenos econmicos, sociolgicos, histricos, est siendo cada vez ms apreciado. 7. La Biologa La idea de variacin aleatoria que utilizaron Darwin y sus inmediatos continuadores tena escasa relacin con la probabilidad y la estadstica conocida en su tiempo. Sin embargo al final del siglo dos escuelas importantes: la Biomtrica y la Mendeliana surgen para estudiar con distintos enfoque estadsticos y probabilistas la evolucin en las especies. La primera representada por Gal ton, Pearson, ... viene de la tradicin de Quetelet y se ocupa del estudio de la variacin en generaciones sucesivas de las medias, distribuciones, ... Los mendelianos aplican el concepto combinatorio de probabilidad para estudiar los problemas de parecido entre padres e hijos, empezando por el caso ms simple de un par de factores hereditarios. Razonamientos combinatorios sencillos permiten explicar y predecir las distribuciones de 144 frecuencia de los resultados posibles esperados del cruzamiento, en este y otros casos ms complejos. Ambas escuelas se critican entre s por adoptar puntos de vista exclusivistas: unos slo probabilistas, otros slo estadsticos; aquellos se fijan exclusivamente en el mecanismo de formacin de gametos, mientras que los biometras slo se interesan por las distribuciones finales y correlaciones. Gracias a los trabajos de Fisher, Wright, (1931) ambas tendencias se reconcilian y convergen hacia la llama "teora sinttica" que se formula como un modelo estocstico, en que entra no solo la evolucin por seleccin natural sino tambin la que Wright llama por variacin aleatoria en la frecuencia de genes. Vemos as, una vez ms, la decisiva influencia de los conceptos probabilsticos al nivel de construccin de modelos y teoras que han constituido progresos decisivos para la moderna biologa de la evolucin, gentica, etc. 8. Medicina Refirindonos ms concretamente al campo de las pruebas clnicas en Medicina, es interesante recordar el contraste de la situacin de la investigacin en Alemania an en 1850, en que a pesar de que algunos clnicos y fisilogos reconocan la mediocridad de los mtodos estadsticos limitados al razonamiento con grandes nmeros, no fueron bien recibidos los trabajos de G. Radicke (1858), fsico-matemtico. Profesor de Fsica y Meteorologa en Bonn. Fue abiertamente contra la corriente de su poca, que consideraba innecesaria y an absurda la idea de dilucidar mediante tests apropiados las consecuencias de experimentos clnicos. Radicke rechaz limitarse a comparar intuitivamente las medias y propuso tener tambin en cuenta la incertidumbre que significaba la variabilidad calculada mediante los que llamaba errores medios, con los que trataba de medir cmo los valores observados de una muestra, se espera que se separen de la media. Concretamente Radicke propuso esta regla: si la diferencia de dos medias aritmticas excede la suma de dos errores medios, se debe considerar que se ha producido un efecto significativo. Los trabajos de Radicke fueron muy discutidos por los mdicos y fisilogos de la poca, pero empezaron al menos a servir como herramienta provisional que mejoraba la situacin de sus contemporneos, aunque no tenan en cuenta el diseo experimental ni fundamentaban en l las inferencias. Hubo que esperar setenta aos hasta que R.A. Fisher desarrollara profundamente su teora, como ya hemos indicado, punto de partida de la llamada revolucin fisheriana. 145 9. Psicologa Por los aos 1930 el anlisis de la varianza y en los 50 las ideas de "comportamiento inductivo" de Neyman-Pearson, penetran en la Psicologa experimental constituyendo una aportacin de primera importancia a las tcnicas de inferencia para la contrastacin de modelos y teoras. A ello contribuyen los trabajos experimentales de Piaget sobre la idea del azar en los nios, similar a la contenida en la clsica definicin de Laplace, y as mismo los estudios sobre aprendizaje de probabilidades asociado a la nocin de frecuencia, y tambin la comprensin del pensamiento inductivo y el teorema de Bayes como modelo normativo o descriptivo. Entre 1950 y 1960 surgen las teoras de la percepcin, memoria, decisin, aprendizaje, pensamiento inductivo, que son construidas con el concepto de probabilidad como elemento esencial. Con ellas se inicia la llamada revolucin cognitiva (1950) con la nueva metfora cognitiva del hombre como "estadstico intuitivo". Todo esto ha influido en importantes progresos posteriores que desbordan el marco histrico que nos hemos fijado. 10. Economa En sus primeros pasos la economa poltica va de la mano de la estadstica, entonces llamada aritmtica poltica, y de la demografa y ciencias sociales. Los problemas de la economa son ms difciles que los de la demografa, pues aunque en principio los censos econmicos presentaran analoga con los de poblacin, la realidad de los flujos monetarios hace que la suma de las rentas individuales no sea igual a la renta de la sociedad. En otras areas de la economa como el conocimiento de los precios de mercado de los distintos bienes, siempre se ha presentado una gran variabilidad y se han hecho necesarios los mtodos de muestreo estadstico para obtener valores representativos y construir mediante ellos los nmeros ndices, siempre necesitados de perfeccionamiento. Pero a pesar de la reconocida variabilidad de los precios, la teora econmica se formulaba en el siglo XVIII sobre la base de un precio nico de mercado para cada bien. A partir de 1870 al considerar el valor del trabajo, se pasa a una teora del valor marginal en que se admiten valores variables. Ms tarde se observaron distribuciones de rentas de los individuos, de tamao de las empresas, etc que presentaban analoga de unas comarcas a otras y que fueron estudiadas mediante modelos probabilsticos tericos. Pero este modestsimo ejemplo no puede todava considerarse como una efectiva penetracin de la probabilidad en la economa, pues aun en el perodo entre las dos guerras mundiales, los problemas econmicos continan tratndose con modelos deterministas que vienen de la Fsica. Es curioso recordar que, uno de los economistas 146 ms famosos, Lord Keynes, es autor de un excelente Treatise of Probability, a pesar de lo cual su famoso modelo es puramente determinista y est inspirado en la Fsica clsica. La entrada definitiva de la probabilidad en el estudio de las relaciones econmicas no se realiza de una manera plena hasta los aos 1940, con los trabajos de Haavelmo, que se pueden considerar inspirados en los que hicieron poco antes Fisher, Neyman, Pearson, Wald, ... en biologa, agricultura, medicina, ..., con la dificultad aadida por el carcter no experimental de la Economa, que puede dar lugar a mayores errores en las medidas y la necesaria robustez en los modelos. Tras este inicio de la Revolucin probabilstica, en que se pone de manifiesto todo el alcance de la inferencia estadstica, basada en la probabilidad, los economistas aceptan que los mtodos estadsticos constituyen un conocimiento global capaz de permitir la especificacin de todas las variables aleatorias que entran en el problema y su contraste con los datos no necesariamente experimentales. Otra corriente se inicia a partir de 1926 con la consideracin por Ramsey de la incertidumbre como un factor fundamental en el estudio de la toma de decisiones. Ya el libro de Knight: Risk, Uncertainty and Profit (1921) empieza a aclarar las diferencias entre situaciones en riesgo (conocimiento incierto de los resultados finales, pero seguro de sus probabilidades) e incertidumbre (desconocimiento de las probabilidades). Pero son sobre todo los trabajos de Von Neumann, Wald, Savage, De Finetti, Simon, ..., los que contribuyen de modo fundamental a una revolucin en el tratamiento de los problemas de decisin individual y colectiva en los diferentes contextos en que se presentan y que constituyen en gran parte el fundamento de la Investigacin Operativa, justamente iniciada por los aos 1950, que influye en los comportamientos econmico sociales de individuos y colectivos. El estudio de las series cronolgicas relativas a variables econmicas, recibe en 1927 la influencia del economista ruso E. Slutsky, que trata de explicar por impulsos aleatorios los movimientos de carcter browniano que se observan en las series temporales relativas a las variables econmicas. Se inician asimismo los estudios de las tendencias y los ciclos econmicos por las preocupaciones causadas por la depresin de 1930 y tambin aqu las ideas probabilsticas contribuyen a progresos decisivos gracias especialmente a los trabajos de Wiener (1930) sobre anlisis armnico y la teora de procesos estocsticos (1933) construida por Kolmogoroff, Khintchine, Wold, ... I L Conclusin Tras este breve resumen del conjunto de revoluciones que en el perodo 1800-1950 se han realizado en campos cientficos tan distintos merced al concepto de probabilidad y a las metodologas probabilsticas y estadsticas, no podemos terminar sin recordar el enfoque penetrante hecho por lan Hacking para considerar la "revolucin probabilstica" como algo ms 147 importante y profundo que un conjunto de revoluciones parciales en las ciencias fsicas, naturales y sociales. Pues, en efecto, Hacking va ms lejos cuando afirma "la domesticacin del azar y la erosin del determinismo constituyen uno de los cambios revolucionarios en la historia del pensamiento humano". Y aade: "utiliz la locucin revolucionarios no como un cientfico, sino como un hablante del ingls comn. Si este cambio no es revolucionario, nada lo es. Esta es la justificacin real para hablar de una Revolucin probabilstica 1800-1950".
Cálculo de La Propensión Marginal A Consumir en México Utilizando Datos de Corte Transversal (Enigh-2016) Con Mínimos Cuadrados Ordinarios y Regresión Por Quantiles