RETRATO

José R. Berrendero Díaz, Antonio Cuevas González y José L. Torrecilla Noguerales

PREMIOS SOCIEDAD DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA (SEIO)-FUNDACIÓN BBVA

Mejor Contribución Metodológica en el Campo de la Estadística

2022

Por su artículo On the use of reproducing kernel hilbert spaces in functional classification (“Sobre el uso de espacios de Hilbert de núcleos reproductores en clasificación funcional”)  publicado en Journal of the American Statistical Association.  El jurado destaca que “se trata de una contribución innovadora a la teoría y los métodos de la estadística”.

BIOGRAFÍA

Descarga

Discurso de agradecimiento

A medida que la tecnología permite monitorizar cada vez más fenómenos de manera continua, surgen situaciones que exceden las fronteras de la estadística convencional. Por ejemplo, en un electrocardiograma, el canto de un pájaro o los registros de temperatura de una región en un periodo de tiempo, los datos no son simples números, sino funciones matemáticas más complejas que no encajan en las técnicas tradicionales: son datos funcionales. El trabajo «On the use of reproducing kernel Hilbert spaces in functional classification» (‘Sobre el uso de espacios de Hilbert de núcleos reproductores en clasificación funcional’), de José R. Berrendero, Antonio Cuevas y José L. Torrecilla, de la Universidad Autónoma de Madrid, publicado en Journal of the American Statistical Association, abre la puerta a utilizar los métodos convencionales para analizar estos nuevos conjuntos de datos.

“ Cualquier incremento en la cultura estadística de la población sería algo muy bienvenido y deseable, y soy optimista acerca de que esto se va consiguiendo progresivamente ” – Antonio Cuevas González

La clave que han desarrollado los autores para tratar los datos funcionales está en «resumir su información en unos pocos valores, cuidadosamente elegidos para perder la menor información posible», explica Cuevas. Con los datos simplificados «ya se pueden utilizar métodos estadísticos convencionales de análisis  multivariable», continúa. Además, el trabajo analiza en profundidad el fenómeno de «clasificación casi perfecta», ya conocido en estadística pero de especial relevancia para este tipo de datos.

Así, los autores sientan las bases para, por ejemplo, inventar un método automático de diagnóstico preliminar que permita clasificar electrocardiogramas entre los no patológicos y los potencialmente patológicos. El nuevo método también podría servir para diseñar aplicaciones para el teléfono móvil que identifiquen las aves a partir de sus cantos. Incluso podría ser de utilidad en la predicción del tiempo meteorológico.

Precisamente esta transversalidad es seña de identidad de la estadística, «una ciencia de servicio», según la define Cuevas. «Esto significa», continúa, «que tenemos que ser humildes y estar atentos, a la hora de elegir nuestra investigación, a las demandas y los intereses de las ciencias experimentales, sociales y la ingeniería. Forma parte de la mejor tradición de la estadística», sentencia.

Por eso, su mayor esperanza con respecto a este trabajo es que le sea útil a la comunidad estadística. Así, el premio obtenido en la categoría de Mejor Contribución Metodológica en Estadística supone una «experiencia infrecuente, pero desde luego muy gratificante», además de «un estímulo» para continuar con su trabajo.