La revolucin probabilstica

POR SIXTO Ros *

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".