Profesora de la Universitat de València, especialista en estadística bayesiana, sus métodos se aplican a campos tan distintos como el diagnóstico del alzhéimer, la agricultura australiana o la predicción política. Autora de ¿Cómo sobrevivir a la incertidumbre?, dedica además buena parte de su carrera a enseñar a la sociedad a entender los datos y a combatir los sesgos de género en la tecnología.
La ciencia no siempre puede responder con un sí o con un no. ¿Qué probabilidades hay de que mañana llueva? ¿Hasta qué punto debemos preocuparnos después de dar positivo en una prueba médica? ¿Qué factores influyen realmente en una enfermedad? ¿Podemos confiar en la predicción que acaba de generar un modelo matemático? ¿Y qué hacemos cuando nos faltan datos?
Buena parte de la carrera de Anabel Forte Deltell (Yecla, 1982) consiste precisamente en enfrentarse a preguntas como estas. Es matemática, estadística, profesora titular del Departamento de Estadística e Investigación Operativa de la Universitat de València y actualmente dirige su Máster Universitario en Bioestadística en la Universitat de València. Pero la mejor forma de explicar su especialidad quizá sea mucho más sencilla: Anabel Forte estudia cómo medir aquello que no podemos saber con certeza.
Y en una época dominada por los datos, los algoritmos y la inteligencia artificial, saber cuánto podemos fiarnos de una respuesta es casi tan importante como obtenerla.
No saber algo también es información
Existe una palabra que aparece continuamente cuando se habla del trabajo de Forte: incertidumbre.
Puede parecer un concepto abstracto, pero convivimos con ella constantemente. Un médico no puede garantizar que un tratamiento vaya a funcionar; un meteorólogo no sabe con absoluta seguridad si mañana va a llover; un economista no puede asegurar cuál será la evolución de una variable dentro de seis meses. Lo que sí podemos hacer es estudiar la información disponible y determinar qué resultados son más probables y cuánto riesgo existe de equivocarnos.
Ahí entra la estadística.
En marzo de 2026, Forte publicó junto a Alicia Quirós y Stefano Cabras en Muy Interesante un artículo que permite entender perfectamente esta filosofía. Partían de algo aparentemente trivial: una base de datos en la que faltan algunos valores. Anabel y sus colegas advierten de que una casilla vacía no es simplemente una molestia que haya que eliminar: significa que existe una parte de la realidad que no hemos podido observar.
Supongamos que estudiamos a personas que han sufrido un infarto. Tenemos su edad, sexo, índice de masa corporal y distintas mediciones médicas, pero algunas pruebas no aparecen para todos los pacientes. La solución más cómoda sería borrar a quienes tienen datos incompletos.
Pero ¿y si las pruebas que faltan corresponden precisamente a los pacientes más graves? Al eliminarlos, nuestro conjunto de datos quedaría aparentemente perfecto y, sin embargo, habríamos deformado la realidad.
Tampoco resulta correcto rellenar automáticamente cada hueco con un valor medio, porque estaríamos fingiendo conocer algo que en realidad desconocemos. Forte y sus compañeros explican otra posibilidad: generar varias versiones plausibles de esos valores desconocidos, realizar el análisis con ellas y trasladar esa incertidumbre al resultado final.
Es una idea que resume buena parte de la manera de trabajar de Anabel Forte: la incertidumbre no debe esconderse. Hay que medirla. Como concluyen en aquel artículo, el verdadero peligro de un dato que falta no es el vacío, sino sustituirlo por una certeza que nos hemos inventado.
Pero, ¿qué significa que sea «bayesiana»?
Aquí aparece el apellido más habitual de su especialidad: estadística bayesiana. El nombre procede del matemático y clérigo inglés Thomas Bayes, que vivió en el siglo XVIII. Su idea fundamental sigue teniendo una enorme importancia tres siglos después: nuestras conclusiones pueden ir modificándose a medida que obtenemos nueva información.
Imaginemos una enfermedad muy poco frecuente. Una persona obtiene un resultado positivo en una prueba médica. Nuestra primera reacción podría ser pensar que está enferma. Pero para calcular correctamente la probabilidad necesitamos conocer también otras cosas: cuán frecuente es esa enfermedad entre la población, cuántos falsos positivos produce la prueba y qué información teníamos antes de realizarla. El resultado de la prueba actualiza lo que sabíamos previamente.
Eso, simplificando muchísimo, es el razonamiento bayesiano. Por eso es especialmente poderoso cuando la pregunta no es «¿qué ha ocurrido?», sino «con la información que poseemos, ¿qué probabilidad debemos asignar ahora a cada posibilidad?».
Y esa es precisamente la clase de problemas a los que Anabel Forte lleva dedicada su carrera.
Elegir entre miles de explicaciones posibles
Su tesis doctoral, defendida en 2011, ya apuntaba directamente al corazón de su investigación: Objective Bayes Criteria for Variable Selection. La selección de variables parece un concepto muy técnico hasta que lo llevamos a un ejemplo.
Supongamos que queremos averiguar qué factores sirven para predecir una determinada enfermedad. Tenemos edad, sexo, peso, tensión arterial, colesterol, antecedentes familiares y una larga lista de biomarcadores.
¿Cuáles importan realmente?
Podríamos construir un modelo utilizando solamente la edad. Otro con edad y colesterol, otro con edad, colesterol y peso. Otro con todas las variables u otro eliminando algunas…
Las posibilidades crecen vertiginosamente. La propia Forte explica que con apenas 15 variables ya podemos encontrarnos ante unos 32.000 modelos diferentes. En biología, donde pueden estudiarse miles de genes o proteínas, comparar todas las posibilidades se convierte en un reto gigantesco.
La investigación de Forte desarrolla métodos para responder a esa pregunta desde una perspectiva bayesiana: qué modelos están mejor respaldados por los datos y qué variables tienen mayor probabilidad de ser realmente importantes.
Pero existe una sutileza todavía más interesante. Tal vez no debamos escoger un único modelo y comportarnos como si todos los demás fueran falsos. Podemos reconocer que existen varias explicaciones razonables y combinar sus predicciones otorgándoles distinto peso según la evidencia disponible.
Forte ha trabajado durante años precisamente en selección y promediado de modelos. Junto a Gonzalo García-Donato desarrolló además BayesVarSel, un paquete informático del lenguaje estadístico R que implementa métodos bayesianos para selección de variables y comparación de modelos y que continúa disponible actualmente en CRAN. Es decir, parte de aquella investigación teórica terminó convirtiéndose también en una herramienta que otros investigadores pueden utilizar.
Del alzhéimer a la estadística
¿Para qué sirve todo esto fuera de una facultad de Matemáticas? Uno de los mejores ejemplos está en una investigación publicada en 2024.
Forte participó en un estudio que analizaba diferentes biomarcadores presentes en plasma para avanzar en el diagnóstico temprano y específico de la enfermedad de Alzheimer. El problema era precisamente estadístico: entre las distintas sustancias que podían medirse en la sangre, ¿cuáles contenían realmente información útil?
El equipo empleó un modelo de regresión logística con selección bayesiana de variables. El análisis señaló varios biomarcadores relacionados fundamentalmente con el metabolismo y la peroxidación de los lípidos. Los investigadores describieron el modelo obtenido como una vía prometedora hacia métodos de diagnóstico temprano, específico y mínimamente invasivo.
Conviene precisar lo que esto significa: Anabel Forte no ha «inventado una prueba para detectar el alzhéimer». Su aportación es metodológica. Ayuda a construir las herramientas estadísticas capaces de separar, dentro de enormes cantidades de información médica, las señales verdaderamente relevantes del ruido.
Y eso resulta imprescindible para que la investigación biomédica pueda avanzar.
De hecho, en junio de 2026 participó en la primera jornada DataBridge de la Fundación de Investigación del Hospital General de Valencia, trabajando con investigadores clínicos y biomédicos sobre problemas estadísticos reales de sus propios proyectos.
Las mismas matemáticas sirven para estudiar el alzhéimer… y el grano australiano
Una de las cosas más fascinantes de la estadística es precisamente esa capacidad para saltar entre disciplinas. El currículum de Forte recoge aplicaciones de sus investigaciones en salud, biología, agricultura, economía y finanzas, además de estudios sobre distribución espacial y temporal de enfermedades o incluso sobre los factores que determinan la probabilidad de reelección de un gobierno local.
Y existe un ejemplo especialmente curioso. Desde 2017 colabora con la Universidad de Adelaida, aplicando análisis estadístico a datos procedentes de la industria australiana del grano, y ha desarrollado también trabajos de consultoría para empresas agrícolas.
La misma investigadora que participa en trabajos para identificar biomarcadores del alzhéimer puede estar analizando problemas relacionados con la producción agrícola en Australia. Porque su objeto de estudio último no es el cerebro ni el trigo. Son los datos y la incertidumbre que contienen.
Una nueva misión: enseñar a los modelos a escuchar a otros modelos
Su siguiente desafío lleva esa idea todavía más lejos. En 2025, Anabel Forte obtuvo una Beca Leonardo de la Fundación BBVA en Ciencias de la Computación y Ciencia de Datos para desarrollar el proyecto Meta-predicción bayesiana: combinando modelos complejos para una respuesta eficiente.
El problema resulta muy actual. Hoy existen multitud de modelos capaces de realizar predicciones. Dos herramientas pueden analizar el mismo fenómeno y ofrecer resultados diferentes. ¿Cuál elegimos?
Forte propone otra posibilidad: no elegir obligatoriamente una sola. Su proyecto pretende desarrollar un sistema capaz de combinar las predicciones de distintos modelos, concediendo mayor peso a aquellos que hayan demostrado funcionar mejor. El objetivo es lograr una predicción conjunta más precisa y desarrollar además una aplicación web que permita utilizar este procedimiento.
La Universitat de València ya mantiene esta línea de investigación activa y en 2026 incorporó personal investigador específicamente para trabajar en el proyecto bajo la responsabilidad de Forte.
Es, de alguna manera, la evolución natural de una carrera dedicada a la misma pregunta: cuando existen distintas explicaciones posibles, ¿cómo aprovechamos toda la información sin fingir que estamos seguros de cuál es la correcta?
45 artículos científicos y una carrera internacional
Detrás de esa divulgación accesible existe una trayectoria académica considerable. Anabel Forte estudió Matemáticas y Ciencias y Técnicas Estadísticas en la Universitat de València y se doctoró en 2011. Durante esa etapa realizó estancias de investigación en el Statistical and Applied Mathematical Sciences Institute de Durham, en Estados Unidos, y en el Statistical Laboratory de la Universidad de Cambridge. Después pasó por la Universitat Jaume I antes de regresar en 2014 a la Universitat de València.
Un currículum publicado por la propia universidad en 2026 contabiliza 45 artículos científicos indexados en JCR (Journal Citation Reports), 15 de ellos en revistas del primer cuartil; 19 proyectos competitivos desde 2009, tres como investigadora principal; y dos tesis doctorales codirigidas.
Hoy es además directora del Máster Universitario en Bioestadística, uno de los lugares donde precisamente se forman profesionales capaces de llevar esas herramientas estadísticas al ámbito de la salud.
BayesAna: explicar estadística con zombis y Star Wars
Pero existe otra parte fundamental de su carrera. Anabel Forte está convencida de que la estadística no debería pertenecer solamente a quienes trabajan con fórmulas.
Como divulgadora utiliza el nombre BayesAna y ha conseguido explicar conceptos estadísticos recurriendo a epidemias de zombis, películas y situaciones cotidianas. Coordina StatWars, una iniciativa para acercar la estadística y la ciencia de datos al alumnado, financiada en distintas ediciones por la Fundación Española para la Ciencia y la Tecnología.
En 2022 dio un paso más y publicó ¿Cómo sobrevivir a la incertidumbre?, un libro en el que utiliza la vida de una familia corriente para explicar cómo la probabilidad y la estadística están detrás de decisiones que tomamos continuamente.
La lluvia de mañana, una caída, una prueba médica o la interpretación de un gráfico sirven como puertas de entrada a una disciplina que normalmente se percibe como inaccesible.
La propia RTVE dedicó en 2023 una entrevista en La aventura del saber al libro y a esa idea central: necesitamos estadística para comprender el mundo en el que vivimos.
Cuando los datos también tienen prejuicios
Hay otro aspecto de su trayectoria especialmente relevante. Entre 2022 y 2024 dirigió la Cátedra de Brecha Digital de Género de la Universitat de València y la Generalitat Valenciana, dedicada a estudiar las desigualdades entre mujeres y hombres en el acceso, las competencias y la utilización de las tecnologías.
Y la cuestión conecta directamente con su especialidad. Los datos no aparecen espontáneamente. Los recogemos nosotros. Elegimos a quién medimos, qué preguntamos, qué variables utilizamos y qué consideramos un resultado correcto. Por eso un algoritmo puede terminar reproduciendo desigualdades aunque nadie haya escrito explícitamente una orden para discriminar.
La propia Cátedra ha trabajado precisamente en enseñar a identificar sesgos en los datos y en las respuestas de aplicaciones y sistemas digitales, medir su impacto y diseñar mecanismos para reducirlos. En un taller organizado en 2025, Forte asumió específicamente la parte dedicada al análisis de datos y la identificación de esos sesgos.
La cuestión adquiere todavía más relevancia con el crecimiento de la inteligencia artificial: un modelo puede ser matemáticamente sofisticado y seguir proporcionando malas respuestas si aprende de una realidad incompleta o sesgada.
Otra vez aparece el mismo principio que atraviesa toda su carrera. No basta con tener datos. Hay que preguntarse qué representan, qué falta en ellos y hasta dónde podemos confiar en las conclusiones que extraemos.
Una científica de Yecla para entender el mundo de los datos
Quizá ahí reside el elemento más interesante de Anabel Forte. Su trabajo está lleno de palabras que pueden intimidar: inferencia bayesiana, selección de variables, probabilidades posteriores, modelos jerárquicos o imputación múltiple. Pero detrás de ellas hay una pregunta profundamente cotidiana: ¿cómo podemos tomar una buena decisión cuando no conocemos toda la realidad?
Forte ha dedicado su carrera a buscar respuestas a esa pregunta desde las matemáticas, pero también a conseguir que esas respuestas lleguen fuera de la universidad.
Investiga métodos que pueden ayudar a interpretar biomarcadores del alzhéimer, asesora investigaciones biomédicas, analiza datos agrícolas en Australia, desarrolla herramientas para combinar predicciones, estudia los sesgos que pueden esconderse detrás de la tecnología y después intenta explicarlo todo utilizando zombis, películas o las decisiones de una familia cualquiera.
En un mundo que produce más datos que nunca y en el que algoritmos e inteligencias artificiales empiezan a participar en decisiones cada vez más importantes, probablemente necesitaremos acostumbrarnos a una idea que Anabel Forte lleva años defendiendo desde la estadística: reconocer lo que no sabemos no nos hace menos rigurosos. Precisamente nos permite acercarnos un poco más a la verdad.
Y detrás de buena parte de ese trabajo hay una matemática nacida en Yecla.
