En 1939, un joven estudiante cometió lo que parecía un simple descuido: llegar tarde a clase. Lo que no imaginaba era que ese error lo llevaría a resolver dos problemas matemáticos que nadie había logrado descifrar. George Dantzig transformó la historia de la estadística y la optimización sin siquiera saberlo. Su historia es una prueba de que pensar sin prejuicio puede cambiarlo todo.
El día que un estudiante resolvió lo «imposible» por accidente
George Bernard Dantzig, estudiante de doctorado en la Universidad de California, Berkeley, llegó tarde a una clase del célebre estadístico Jerzy Neyman. Al entrar al aula, encontró dos problemas en la pizarra que creyó eran ejercicios normales para la casa. Los copió con calma y se los llevó a trabajar.
Lo que Dantzig no sabía era que aquellos dos enunciados no eran tareas comunes, sino problemas estadísticos abiertos que, hasta entonces, nadie había logrado resolver. Durante los días siguientes, dedicó largas horas a entenderlos y encontrar una solución. Finalmente, entregó las respuestas como si fueran un simple deber más.
Semanas después, su profesor lo sorprendió con la noticia: había resuelto dos desafíos matemáticos sin proponérselo. Aquello no solo fue digno de publicación, sino que terminó siendo el eje de su tesis doctoral. Este episodio se convirtió en una de las anécdotas más famosas del mundo académico.
La clave fue su mirada libre de prejuicios. Al no saber que los problemas eran considerados imposibles, no se limitó. En lugar de sentirse intimidado, simplemente los resolvió. Un claro recordatorio de que a veces, no conocer los límites es lo que nos permite superarlos.
De la intuición al impacto global: el algoritmo Símplex
Uno de los aportes más influyentes de Dantzig fue la creación del algoritmo Símplex, herramienta clave en la programación lineal. Este campo busca encontrar soluciones óptimas dentro de un conjunto de restricciones, y su impacto abarca desde la economía hasta la industria y la logística.
Para explicarlo de forma sencilla, pensemos en dos corredores: uno más rápido pero costoso, y otro más lento pero económico. ¿Cuál deberíamos elegir? La respuesta depende de la distancia que deben recorrer y del presupuesto disponible. A veces, adelantar un poco al corredor lento puede resultar más eficiente y menos costoso que contratar al veloz.
Este tipo de decisiones, que combinan múltiples factores y restricciones, son el alma de la programación lineal. El algoritmo Símplex de Dantzig permite encontrar la solución más eficiente sin revisar todas las opciones posibles. En lugar de explorar todo el espacio de soluciones, se concentra en los puntos clave: los vértices de un poliedro definido por las restricciones.
Gracias a su eficiencia, el Símplex revolucionó la forma en que se optimizan procesos en empresas, gobiernos y sistemas tecnológicos. Hoy en día, se utiliza en planificación de producción, asignación de recursos, diseño de redes logísticas y más. Todo nació de un estudiante que resolvió un problema como si fuera una simple tarea.
¿Qué tan útil es una prueba que no mide lo que importa?
El segundo descubrimiento de Dantzig fue igualmente trascendental. Abordó los t-tests, pruebas estadísticas utilizadas para comparar grupos de datos. Su investigación reveló que si una prueba no toma en cuenta la variabilidad de los datos —es decir, su desviación estándar—, pierde completamente su valor.
Imagina dos grupos de estudiantes: uno muy parejo y otro con niveles muy distintos de conocimiento. Si se les aplica un test mal diseñado, que no responde a esas diferencias, los resultados podrían ser similares, aunque sus capacidades no sean realmente comparables. El test se vuelve ruido: mucho dato, poca información real.
Aquí entra en juego la teoría de la información de Shannon, que nos recuerda que una buena prueba debe aportar contenido útil. Una prueba que genera respuestas aleatorias, o que no distingue entre niveles, puede tener “entropía”, pero carece de valor informativo. Dantzig demostró que, matemáticamente, una prueba que ignora la variabilidad interna es defectuosa desde su base.
Este hallazgo sigue siendo vital hoy. Afecta el diseño de evaluaciones escolares, investigaciones científicas, encuestas, e incluso modelos de inteligencia artificial. Medir bien no es solo recopilar datos: es hacer que esos datos hablen con claridad.
La historia de George Dantzig es mucho más que una anécdota universitaria. Es una lección poderosa sobre cómo el pensamiento libre de prejuicios puede dar lugar a descubrimientos que antes parecían imposibles. Su legado —desde la optimización de recursos hasta la evaluación estadística— sigue vivo en miles de sistemas modernos. A veces, no se trata de saber más, sino de ver con ojos nuevos lo que otros dan por imposible.
Referencia:
- GEORGE BERNARD DANTZIG. Link.
0 Comments