De los censos romanos al Big Data: la evolución de la estadística a través de la historia
La estadística no nació en un laboratorio ni en una universidad. Nació de una necesidad muy práctica: contar. Contar personas, cosechas, soldados, impuestos. Y desde ese punto de partida hace más de 4.000 años, ha recorrido un camino fascinante hasta convertirse hoy en el núcleo de la inteligencia artificial y el análisis de datos masivos.
Carolina Ramírez Patiño
6/9/20264 min read
De los censos romanos al Big Data: la evolución de la estadística a través de la historia
La estadística no nació en un laboratorio ni en una universidad. Nació de una necesidad muy práctica: contar. Contar personas, cosechas, soldados, impuestos. Y desde ese punto de partida hace más de 4.000 años, ha recorrido un camino fascinante hasta convertirse hoy en el núcleo de la inteligencia artificial y el análisis de datos masivos.
La antigüedad: estadística al servicio del poder
Los primeros registros estadísticos datan del antiguo Egipto (3.050 a.C.) y Babilonia, donde se hacían censos de población para organizar el trabajo en las pirámides y cobrar tributos. El Imperio Romano perfeccionó esto con el census, un conteo sistemático de ciudadanos cada cinco años que incluía bienes y estado civil.
En China, hacia el año 2.000 a.C., ya existían registros agrícolas y demográficos. Estos primeros "estadísticos" no usaban fórmulas, solo conteos directos del total de la población —lo que hoy llamamos censo, en contraposición al muestreo.
Siglos XVII–XVIII: nace la probabilidad y la inferencia
El salto conceptual más grande ocurrió en Europa entre los siglos XVII y XVIII. Dos eventos lo detonaron: las apuestas y las epidemias.
Blaise Pascal y Pierre de Fermat desarrollaron la teoría de la probabilidad en 1654 a través de cartas discutiendo juegos de azar. Paralelamente, John Graunt (1662) analizó los Bills of Mortality de Londres —registros semanales de muertes— y descubrió patrones en las enfermedades. Es considerado el primer demógrafo estadístico de la historia.
Más tarde, Carl Friedrich Gauss (1809) formalizó el método de mínimos cuadrados y describió la distribución normal, esa famosa campana que sigue apareciendo en todo: alturas, errores de medición, calificaciones escolares.
Siglo XIX: la estadística social y los primeros métodos de muestreo
Adolphe Quetelet introdujo el concepto del "hombre promedio" aplicando estadística a fenómenos sociales. Florence Nightingale usó gráficos de estadísticas sanitarias para convencer al gobierno británico de mejorar las condiciones hospitalarias —fue una pionera de la visualización de datos.
A finales del siglo XIX, Francis Galton y Karl Pearson formalizaron la correlación y la regresión lineal. Estos métodos fueron diseñados para pequeñas muestras recolectadas manualmente en campo —los datos llegaban en libretas, no en discos duros.
Siglo XX: la era dorada de la estadística clásica
El siglo XX fue el siglo de los métodos de muestreo y la inferencia estadística formal. Ronald Fisher revolucionó el campo con el análisis de varianza (ANOVA), el diseño de experimentos y el concepto del valor p. Jerzy Neyman y Egon Pearson establecieron las bases de las pruebas de hipótesis.
Los datos seguían siendo pocos y costosos. Una encuesta nacional podía tardarse meses. Los cálculos se hacían a mano o con calculadoras mecánicas. En este contexto, el muestreo era una necesidad: era imposible medir a toda una población, así que se desarrollaron técnicas brillantes para inferir características del todo a partir de una parte pequeña pero representativa.
Métodos protagonistas de esta era:
Regresión lineal y logística
Análisis de varianza (ANOVA)
Pruebas t de Student
Intervalos de confianza
Muestreo estratificado y por conglomerados
Años 1980–2000: la computadora cambia las reglas
Con la llegada de las computadoras personales y lenguajes como SAS, SPSS y posteriormente R, los estadísticos pudieron analizar conjuntos de datos más grandes y ejecutar simulaciones que antes eran impensables. Nació el bootstrap (Efron, 1979), una técnica de remuestreo computacional que no requiere asumir distribuciones teóricas.
Los métodos bayesianos, propuestos teóricamente desde el siglo XVIII por Thomas Bayes, comenzaron a ser computacionalmente viables. Las redes neuronales tuvieron su primer auge (y su primer invierno).
Siglo XXI: estadística en la era del Big Data
El cambio fue de magnitud. No solo de cantidad de datos, sino de su naturaleza. Pasamos de tablas rectangulares de pocas variables a:
Texto (millones de tweets, artículos, reseñas)
Imágenes y video
Señales de sensores en tiempo real
Grafos de relaciones (redes sociales)
Datos de alta dimensionalidad (genomas con millones de variables)
Los métodos clásicos no escalan a este mundo. Surgen nuevos paradigmas:
Machine Learning estadístico: Random forests, gradient boosting (XGBoost), Support Vector Machines. No buscan un modelo interpretable, buscan predicción precisa.
Deep Learning: Redes neuronales profundas que aprenden representaciones jerárquicas. Detrás hay estadística —funciones de pérdida, regularización, distribuciones de probabilidad— pero aplicada a escalas masivas.
Estadística computacional y simulación: Métodos Monte Carlo por cadenas de Markov (MCMC) para inferencia bayesiana en modelos complejos.
Estadística para datos no estructurados: Procesamiento de lenguaje natural (NLP), modelos de tópicos (LDA), análisis de sentimientos.
La tensión central: inferir vs. predecir
Uno de los debates más ricos en estadística moderna es la diferencia entre inferencia (entender por qué) y predicción (adivinar qué pasará). Los métodos clásicos priorizaban la inferencia: querían modelos interpretables con intervalos de confianza. Los métodos de machine learning priorizan la predicción, a veces sacrificando la interpretabilidad.
Hoy, disciplinas como la estadística causal (Judea Pearl) intentan unir ambos mundos: usar big data para responder preguntas causales, no solo correlacionales.
¿Qué cambió fundamentalmente?
La transición no fue solo de cantidad de datos, sino de tres dimensiones simultáneas:
Del censo al muestreo, y de vuelta al censo. La estadística clásica nació haciendo censos, luego inventó el muestreo porque los datos eran caros. Hoy, en muchos contextos de Big Data, volvemos a trabajar con poblaciones completas —pero ahora de millones de registros digitales.
De explicar a predecir. Los modelos clásicos buscaban entender relaciones causales entre variables. Los modelos modernos de ML aceptan ser "cajas negras" si predicen bien. Esto genera un debate ético y científico vigente sobre la interpretabilidad.
De la normalidad a la distribución libre. La estadística clásica asumía distribuciones normales porque facilita el cálculo analítico. Los métodos modernos son no paramétricos o aprenden la distribución directamente de los datos.