
¿Habéis oído hablrar alguna del ‘intervalo de confianza’ de una encuesta?. Los que estén más familiarizados con la estadística y la econometría seguramente estén hartos de oírlo, y probablemente sepan también que estos márgenes de confianza se calculan con la famosa función t de Student. Es menos probable, sin embargo, que sepan que esta función matemática nació en la fábrica de cerveza Guinness.
La historia de la función t
A finales del siglo XIX, la fábrica de Saint James’s Gate, en Dublín, era la cervecería más grande del mundo. La Guinness no sólo se consumía a espuertas en Irlanda y Gran Bretaña, sino que comenzaba a exportarse por todo el mundo. Como líder mundial, a los dueños de Guinness les preocupaba la calidad de su producto, y fueron pioneros en establecer rigurosos controles de calidad.
En el marco de esta campaña, en 1899 deciden contratar a William Sealy Gosset, un reputado estadístico inglés, que se traslada a Dublín para mejorar tanto el proceso de fermentación como la selección de materias primas. Gosset tendría como objetivo analizar muestras para optimizar ambos procesos. Su problema, matemáticamente hablando, era obtener resultados estadísticamente significativos a partir de un número comparativamente reducido de muestras.


Ya tratamos el tema de las posibilidades matemáticas de morir
El lector cauto debe enfrentarse siempre a varios problemas cuando trata de reunir información: uno de ellos es la mentira directa, y otro, casi no menos importante, es saber discriminar la relevancia de los datos. Respecto al cambio climático y emisiones de dióxido de carbono, la abrumadora cantidad de datos que se vierten a los medios pueden incluso asustar. Como ejemplo tomaré los datos de emisiones de dióxido de carbono por unidad de superficie, de algunos países escogidos.
Se acercan las navidades, no hay duda
Las investigaciones, ya se realicen en el laboratorio, en la consulta o frente al ordenador casi siempre acaban en manos de las calculadoras y en términos más abstractos como la significación estadística, errores alfa y beta, sensibilidad o especificidad. A la hora de devolver esas cifras a la práctica tenemos más problemas. Por ejemplo, no hay ningún valor que nos diga si la asociación entre dos variables corresponde a una relación causa-efecto o no.