http://portal.uc3m.es/portal/
Discurso de investidura como Doctor Honoris Causa del Profesor Doctor D. Bradley Efron
Nombrado Doctor Honoris Causa en el acto de apertura del curso 98/99
Excelentísimo Rector Magnífico de
En primer lugar, permítanme advertirles de lo poco conveniente que resulta ser estadístico si se desea alcanzar reconocimiento público y premios. De manera increíble, una reciente y muy divulgada lista de los cien científicos más importantes de este siglo no incluía ni a Fisher ni a Neyman, dos de nuestros predecesores cuyo trabajo ha sido extraordinariamente influyente en el mundo de las aplicaciones científicas. Por tanto, esta ceremonia de hoy no es en absoluto algo común para mí. Personalmente, me siento muy honrado y sólo puedo responder con mi más sincera gratitud a esta Universidad y a su Rector, al Departamento de Estadística y Econometría, y al Profesor Juan Romo que ha sido el artífice de esta visita.
Aun a riesgo de parecer presuntuoso, también considero que ésta es una hermosa ocasión para
De hecho, éste ha sido un siglo extraordinario para
El gráfico del triángulo que pueden ver es un intento de trazar el desarrollo de
Entre 1899 y 1900 nuestro pequeño automóvil hace de repente un notable giro en dirección al vértice de las Matemáticas. Este movimiento representa la publicación del artículo de Karl Pearson sobre la distribución ji-cuadrado. La sofisticación matemática del trabajo sobre la ji-cuadrado, junto con su utilidad metodológica, puso en marcha un tren de importantes desarrollos en los fundamentos matemáticos del pensamiento estadístico. Biometrika, la primera revista moderna de estadística, empieza a publicarse en 1902. El contraste t de Student le sigue pronto en 1908. El pequeño coche de
El siguiente movimiento es el crucial. El artículo de Fisher de 1925 estableció la teoría moderna de la estimación estadística: consistencia, suficiencia, verosimilitud, información de Fisher, eficiencia, y optimalidad del estimador de máxima verosimilitud se presentan en la forma en que hoy se utilizan. La gran hazaña de Fisher fue conseguir un patrón de optimalidad para la estimación estadística- una medida de cómo es el mejor procedimiento que se puede conseguir en cualquier problema dado de estimación. Los resultados de optimalidad constituyen un síntoma de madurez científica, y señalo 1925 como el año en que
El gran logro de Fisher desencadenó un excepcional interés por los resultados de optimalidad. En el gráfico, nuestro automóvil estadístico sigue moviéndose en dirección al vértice matemático. Hay muchos puntos importantes en el recorrido pero he marcado sólo dos de ellos: 1932 por los intervalos de confianza y el lema de Neyman-Pearson, y 1950 por el desarrollo de Wald de la teoría de la decisión.
Mi propia educación estadística, en Stanford a principios de los sesenta, se desarrolló dentro de una incómoda cercanía al vértice matemático. La teoría de la decisión es una maravillosa herramienta para explicar estadística a estadísticos profesionales, pero tiene una utilidad limitada para las aplicaciones. En algún momento de los años sesenta pareció que
Sin embargo, justo entonces, cuando parecía que la matematización de
La respuesta de nuestro campo a las computadoras electrónicas fue más bien perezosa al principio. Es duro recordar lo difícil que resultaba programar algo, o conseguir que un programa funcionara en aquellos días en que había que llevar cajas llenas de tarjetas al vestíbulo del centro de cálculo, hacer cola y esperar a un resultado favorable a la mañana siguiente. En estas circunstancias, los estadísticos utilizaban al principio los ordenadores sólo para desarrollar versiones mayores de procedimientos familiares: regresiones lineales con más predictores, tablas de contingencia con más entradas, etc. Entonces, en 1964, Tukey publicó un artículo visionario titulado “Sobre el futuro del análisis de datos”. El nombre "análisis de datos", en vez de "estadística", me parece que se eligió para deshacerse del asidero más bien mohoso de la teoría estadística de los sesenta. El trabajo de Tuckey apuntaba a una utilización mucho más interesante de la computación para forjar herramientas genuinamente nuevas y útiles para el análisis estadístico. El jackknife, un misterioso método nuevo para calcular errores estándar incluso para estimadores muy complicados, se invocaba como paradigma de desarrollos posteriores.
Los años entre 1900 y 1950 constituyen la "era de la teoría", en la que un grupo de genios, Student, Fisher, Neyman, los Pearson, Hotelling, Cramer y Rao, establecieron los fundamentos de la estadística moderna. Las ideas de preguerra no fueron descartadas- por el contrario, se amplificaron de forma asombrosa y en direcciones sorprendentes. En mi trabajo cotidiano de consulta en el Centro Médico de Stanford, realizo rutinariamente análisis que hubieran parecido imposibles hace treinta años: modelización con tasas de fallo proporcionales, muestreo de Gibbs, simulación de Monte Carlo mediante cadenas de Markov, modelos lineales generalizados, técnicas basadas en datos faltantes y, por supuesto, jackknife y bootstrap.
En mi gráfico,
En el viaje de
Casualmente, en 1972 Rupert Miller y yo pasamos un año sabático en el Imperial College de Londres. Después de uno de los brillantes seminarios de Rupert, David Cox me preguntó si me parecía que la idea del jackknife contenía algo de interés. Tardé algún tiempo en darme cuenta de que esto era una indicación, pero entonces empecé a pensar en las bases del jackknife. Yo tenía una idea muy complicada para explicarlo que llamaba "la distribución combinacional". Sin embargo, cuanto más trabajaba en ello, más se simplificaba hasta que me quedé con algo que no parecía casi nada. Y eso era el bootstrap.
A dónde irá
Por tanto, espero que el pensamiento estadístico juegue un papel incluso mayor en las ciencias y en las ciencias sociales. Esto no garantiza por sí mismo que
Creo que importantes y nuevas ideas estadísticas se están desarrollando en la actualidad, y que
La historia de la estadística académica en los Estados Unidos es la de un lento pero firme crecimiento de los departamentos de estadística, con las poderosas universidades tradicionales como Harvard o Yale sucumbiendo ante escuelas más recientes como Stanford y lowa y North Carolina. Quizá las nuevas disciplinas necesitan nuevas universidades. Hoy tengo un motivo especial para estar agradecido a esta Universidad y a su Departamento de Estadística y Econometría. Les deseo continua prosperidad y éxito intelectual, y gracias de nuevo por el honor de estar hoy aquí.
Comentarios