A estatística, como campo da matemática com desenvolvimentos mais abrangentes e aplicações nas ciências, surgiu de forma recente quando comparada com os demais ramos da matemática. Ainda que existam escritos e tratados mais antigos com certa fundamentação, boa parte da estatística que utilizamos hoje foi desenvolvida majoritariamente nos últimos 400 anos (ou até menos). E, ao contrário da visão contemporânea que temos de pesquisadores, ciência e matemática, a maneira como essas áreas eram cultivadas antigamente se apresenta quase de forma antagônica ao estereótipo do nerd da ciência, aquele que detém um conhecimento muito específico, aparentemente sem aplicação prática no dia a dia, desenvolvido em um canto obscuro de uma universidade.
Como não sou especialista em história, não cometerei a gafe de dar um diagnóstico definitivo sobre essa relação. Mas a forma como gosto de pensar é que, antes do processo de hiperespecialização do desenvolvimento científico, investigar novos campos partia, de modo natural e incipiente, de problemas e interesses pessoais. E, quando não se tem um referencial consolidado, esses interesses individuais acabam encontrando ecos em interesses mais amplos e compartilhados coletivamente.
Tendo essa ideia em mente, parece de certa forma até lógico supor que os primeiros desenvolvimentos da estatística ocorressem em campos como o das apostas, algo comumente tido como interesse popular. E uma pessoa com um pouco mais de facilidade para esse tipo de raciocínio começaria a pesquisar o assunto. Foi exatamente o que aconteceu. Segundo Ian Hacking, os resultados das apostas eram vistos à época como uma decisão direta de Deus, e a aleatoriedade e as chances não eram conceitos aplicados a esse tipo de problema. Um apostador com um sistema de apostas em jogos de dados que parecia ser lucrativo, porém, não se encaixava nessa percepção de que Deus decidia diretamente o resultado. Foi a partir de questões como essa que Blaise Pascal e Pierre de Fermat trocaram cartas discutindo a fundamentação matemática desses problemas. E, ainda que cada um tivesse sua própria abordagem, dessas discussões surgiram as primeiras ideias e regras sobre a probabilidade, tendo como protagonistas um operador do direito (Fermat) e um prodígio sem educação acadêmica formal (Pascal). De forma um tanto não convencional para os dias de hoje, em que a maestria sobre uma área parece impossibilitar o aprofundamento em áreas academicamente distantes (pelo menos na visão moderna das ciências exatas, sociais e biológicas), esses são os nossos primeiros desbravadores formais da estatística. Essas trocas, junto com outros desenvolvimentos semelhantes da época, se concretizaram posteriormente nas primeiras regras da probabilidade, nas quais o acaso deixava de ser algo fora do domínio humano e se tornava, em certo nível, passível de previsão.
A partir desse desenvolvimento, ou melhor, dessas cartas sobre as probabilidades de um jogo de dados, pouco mais de meio século depois Abraham De Moivre utilizou essas descobertas em seus manuais de apostas, nos quais explicava matematicamente por que e como apostar. Dessa forma, ele produziu um dos manuais de apostas mais famosos, com algumas descobertas notáveis, como a aproximação de um jogo de moedas complexo (o que hoje chamamos de distribuição binomial) por uma curva normal. Ao contrário de Pascal e Fermat, De Moivre fazia esses desenvolvimentos como forma de ganhar a vida. Sem nenhum diploma de curso superior, ele se sustentava com aulas particulares e com sua grande atuação como consultor de apostas, e ganhou notoriedade suficiente para integrar a comissão da Royal Society que julgou quem teria inventado o cálculo, Leibniz ou Newton.
A partir daí, o desenvolvimento da estatística, ou dessa pré-estatística, assim como o de toda a ciência, tornou-se mais institucionalizado. Ainda que alguns expoentes de fora da academia tenham feito contribuições extremamente importantes, didaticamente talvez as contribuições de Bayes, Gauss e Laplace possam representar bem esse fenômeno. De um lado, temos Thomas Bayes, um pastor presbiteriano que tentava compreender como as crenças se ajustam à medida que novas evidências surgem. Isso o levou à criação de um dos teoremas fundamentais da estatística moderna. Bayes nunca chegou a publicar esse trabalho, mas, após sua morte, suas anotações foram levadas à Royal Society, que institucionalizou esse conceito.
Do outro lado, temos matemáticos como Laplace e Gauss, que consolidaram várias dessas ideias já existentes. Gauss usou a curva normal para fundamentar o método dos mínimos quadrados, e Laplace demonstrou uma versão do que hoje conhecemos como teorema do limite central, que mostra a importância dessa curva. A curva acabou levando o nome de Gauss, embora o trabalho de De Moivre já a descrevesse. Nesse ponto, o pastor curioso e os matemáticos de carreira conviviam no mesmo campo, mas o centro de gravidade se deslocava para a institucionalização das pesquisas.
Depois que essa base estatística e a compreensão dos números, das chances e das probabilidades avançaram, o próximo passo seria aplicar essas ideias ao dia a dia, como forma de compreender fenômenos naturais a partir dessa ótica. Porém, como Jakob Bernoulli já havia demonstrado com a lei dos grandes números, era necessário dispor de uma grande quantidade de dados para que essas leis funcionassem. A partir do século XVIII, governos pela Europa começaram a manter registros de nascimentos, mortes e crimes, e aqui teríamos o encontro perfeito entre esse novo campo, que tentava descrever fenômenos a partir de sua ocorrência ou chance, e uma quantidade de registros suficientemente grande para alimentar esses modelos. Adolphe Quetelet tinha formação em matemática, dedicava-se à aplicação do campo na astronomia e era um grande apaixonado pelas artes, tendo escrito poesia e até uma ópera. Sua grande contribuição foi perceber que a curva de erro utilizada na astronomia poderia ser usada de forma semelhante para compreender características humanas. Analisando soldados escoceses e recrutas franceses, ele chegou à ideia de que a natureza estaria "mirando" em um biótipo ideal e que os indivíduos seriam os erros dessa mira, como se o ideal fosse o centro de uma distribuição e os indivíduos, o espalhamento ao redor dele: l'homme moyen (o homem médio). Junto com essas medições, ele também criou o que hoje conhecemos como Índice de Massa Corporal (IMC), embora o chamasse de Índice de Quetelet, com a mesma fórmula que usamos até hoje.
Seguindo essa trilha de Quetelet, Francis Galton, primo de Darwin, estudou matemática e medicina (abandonando esta e formando-se de fato naquela) e, antes de se dedicar à estatística, era conhecido como explorador do sudoeste da África. Galton aprofundou-se no outro lado da curva normal. Em vez da média, que contém os erros, ele decidiu olhar para as caudas, tentando compreender a hereditariedade e as características fora do comum. Porém, ao estudar características físicas, ele percebeu que mesmo pais distantes da média tendem a ter filhos mais próximos dela: pais altos têm filhos altos, mas ligeiramente mais baixos que eles (o que os aproxima da média da distribuição), e, da mesma forma, pais baixos têm filhos ligeiramente mais altos. Apesar dos avanços, as motivações de Galton nessa pesquisa estão longe das melhores. Criador do termo "eugenia", Galton usava essa ideia para motivar sua pesquisa, tentando compreender como os genes (termo anacrônico aqui) controlavam as populações e suas características, e defendeu essas ideias por boa parte de sua vida, apoiado de forma um tanto ingênua em compreensões rudimentares sobre o funcionamento da hereditariedade (havia críticos contemporâneos da eugenia, de modo que o julgamento não é inteiramente anacrônico). Apoiado nos ombros de Galton, Karl Pearson, graduado em matemática com excelência, formalizou seu trabalho enquanto tentava provar a evolução darwiniana e também formalizou o conceito conhecido até hoje como desvio padrão. Com esse mesmo entusiasmo, analisou dados da roleta de Monte Carlo para verificar a aleatoriedade, ou a justiça, desse tipo de jogo, o que o levou a desenvolver o teste qui-quadrado, melhorando a compreensão de como dados reais se ajustam a modelos teóricos. Influenciado pelas convicções de Galton, Pearson foi um defensor ainda mais fervoroso da eugenia, fundando a revista Annals of Eugenics e defendendo essa ideia ao longo de sua vida.
A história da estatística se dá de forma semelhante à da ciência como um todo: muitos cientistas com contribuições relevantes não eram pessoas especializadas que passaram por crivos institucionais acadêmicos. Ao longo desses dois séculos e meio, vemos nomes pouco celebrados e até pouco conhecidos, com as histórias mais diversas: um magistrado, um refugiado sem nenhum diploma, um pastor curioso, um explorador ávido e matemáticos interessados em diversos assuntos, como a astronomia ou até mesmo a teoria de Darwin, tentando utilizar essa ferramenta para dar um passo adiante em seus campos. A estatística nasceu de interesses nada nobres ou assépticos, como jogos de azar, curiosidade religiosa e motivos sombrios como a eugenia. E, ironicamente, foi essa mistura de paixões humanas que a tornou uma das ferramentas mais poderosas da ciência moderna. Com a institucionalização que se seguiu, essa pluralidade de perfis foi diminuindo. O campo passou a se aproximar da concepção moderna de especialistas com anos de estudo acadêmico, restando aos curiosos seguir essas ideias como hobby, com pouco espaço para contribuições relevantes.
Referências
- HACKING, Ian. The Emergence of Probability: A Study of Early Ideas about Probability, Induction and Statistical Inference. 2. ed. Cambridge: Cambridge University Press, 2006.
- HACKING, Ian. The Taming of Chance. Cambridge: Cambridge University Press, 1990. (Ideas in Context, 17). ISBN: 9780521388849.
- STIGLER, Stephen M. The History of Statistics: The Measurement of Uncertainty before 1900. Cambridge, MA: The Belknap Press of Harvard University Press, 1986. ISBN: 0674403401.