Eustasio del Barrio Tellado, Marc Hallin, Juan Antonio Cuesta-Albertos y Carlos Matrán Bea

Si se quieren comparar, por ejemplo, dos conjuntos de guisantes según su tamaño, existe un método tan sencillo como eficaz que lleva empleándose durante más de un siglo. Cada conjunto se ordena de menor a mayor y a continuación se comparan los primeros elementos de cada conjunto, luego los segundos, y así sucesivamente. Sin embargo, el método solo sirve para comparar magnitudes de una en una.

Para Eustasio del Barrio Tellado, catedrático de Esta­dística e Investigación Operativa y director del Ins­tituto de Investigación en Matemáticas de la Uni­versidad de Valladolid, esta es «una limitación muy grande», ya que «ahora, en prácticamente cualquier estudio, se pueden medir millones de características, y eso requiere una comparación más global».

Del Barrio, junto con Marc Hallin, catedrático emé­rito de Matemáticas en la Universidad Libre de Bru­selas; Juan Antonio Cuesta Albertos, catedrático de Estadística e Investigación Operativa en la Universi­dad de Cantabria; y Carlos Matrán, catedrático de Estadística e Investigación Operativa en la Univer­sidad de Valladolid, han diseñado una nueva meto­dología que permite comparar datos sin importar el número de magnitudes. Para ello, se han basado en el clásico problema del transporte óptimo y lo han apli­cado a la estadística. Su artículo «Distribution and quantile functions, ranks, and signs in dimension d: A measure transportation approach» (‘Distribución y funciones cuantiles, rangos y signos en dimensión d: enfoque desde el transporte óptimo’) se publicó en Annals of Statistics.

La propuesta galardonada tiene aplicaciones «poten­cialmente en cualquier campo», destaca Del Barrio: desde eliminar los sesgos en los datos que alimentan a los algoritmos de inteligencia artificial hasta exami­nar las complejas relaciones entre parámetros ocea­nográficos como la temperatura, la salinidad o la pro­fundidad. «Estudiando estas magnitudes por sepa­rado, estas relaciones quedarían ocultas, y entonces intentaría explicar la realidad mediante un modelo demasiado simplista», explica el investigador.

En el ámbito biomédico, su equipo se plantea mejorar el diagnóstico de enfermedades a través de un aná­lisis más refinado de muestras de tejido. Su meto­dología, apunta Del Barrio, «ayudaría a integrar unas bases de datos bastante mayores que las que exis­ten actualmente» para realizar una primera compa­ración automática de la muestra con los parámetros de normalidad antes de que confirme el diagnóstico una persona especialista.

El investigador considera importante que toda la socie­dad tenga un conocimiento básico de estadística «para no ser fácilmente manipulable» en el contexto actual tan dependiente de los datos, algo que «ayudaría a tener una buena ciudadanía, más libre y mejor informada».