Ronald Fisher cambió la forma en que probamos las cosas. No inventando nuevas teorías, sino cambiando la forma en que las comprobamos. Nacido en East Finchley, Londres, en 1890, creció hasta convertirse en una de las figuras más influyentes de la ciencia. Era a la vez matemático y biólogo. Su trabajo cerró la brecha entre los números abstractos y la confusa realidad del mundo natural.
Antes de Fisher, los experimentos eran a menudo descuidados. Los investigadores eligieron los materiales que les gustaron. Eligieron las muestras que parecían prometedoras. Esto introdujo un sesgo. Variables invisibles distorsionaron los resultados. Fisher vio esto como un defecto fatal. Necesitaba una manera de eliminar las preferencias humanas. Su solución fue radical para su época.
Por qué es importante la aleatorización en los experimentos
Fisher introdujo el principio de aleatorización mientras trabajaba como estadístico en un instituto de investigación agrícola. No estaba simplemente haciendo números por diversión. Estaba tratando de descubrir por qué algunas plantas crecían mejor que otras.
La regla es simple ahora. Parece obvio. Pero antes no existía.
Todo el material utilizado en los experimentos debe ser seleccionado al azar entre toda la población que pretende representar.
No se trataba sólo de sacar nombres de un sombrero. Se trataba de eliminar los prejuicios involuntarios. Si quieres saber si un fertilizante funciona, no puedes simplemente aplicarlo a tus cultivos más atractivos. Tienes que aplicarlo a una selección aleatoria de todo el campo. Debe repetir el proceso en las unidades de control. Sólo entonces podrás atribuir el efecto al tratamiento.
Sin aleatorización, nunca se sabe realmente si una causa conduce a un efecto. Simplemente sabes que sucedieron cerca el uno del otro. La correlación no es causalidad. Fisher hizo que la causalidad fuera mensurable.
El motor estadístico: análisis de varianza
También desarrolló el análisis de varianza (ANOVA). Este es un procedimiento estadístico. Permite a los investigadores diseñar experimentos que respondan varias preguntas a la vez.
Antes de ANOVA, probar múltiples variables era una pesadilla. Había que realizar pruebas separadas para cada factor. Fue ineficiente. Ignoró cómo podrían interactuar los factores. El método de Fisher desenredó este lío. Desglosó la variación total de los datos en componentes. Los investigadores pudieron ver qué factores importaban y cuáles eran sólo ruido.
Esto se convirtió en la columna vertebral del diseño experimental. Se utiliza en todo, desde ensayos farmacéuticos hasta pruebas A/B en sitios web. Cuando ve un titular sobre un resultado “estadísticamente significativo”, está viendo el legado de Fisher.
El costo de la innovación
Fisher murió en Adelaida, Australia, en 1962. Dejó un conjunto de herramientas que aún define el rigor científico. Sus ideas sobre aleatorización y análisis de varianza son un plan de estudios estándar en universidades de todo el mundo.
Pero sus métodos fueron controvertidos. Cuestionaron las formas de pensar establecidas. Exigían precisión donde antes había aproximación. Algunos encontraron frío su enfoque. Eliminó el elemento humano de la ciencia. Convirtió la naturaleza en puntos de datos.
Sin embargo, sin su trabajo, la ciencia moderna estaría haciendo conjeturas. Confiaríamos en la intuición más que en la evidencia. Fisher nos dio una manera de dudar. Para cuestionar. Para verificar.
El mundo funciona según estos principios. Cada vez que se prueba un medicamento. Cada vez se mejora un cultivo. Cada vez intentamos encontrar la verdad en el caos. Estamos utilizando las herramientas de Fisher.
Es un legado extraño. un hombre
