Nacida en el año 1934 en Nueva Jersey, una gran apasionada por la ciencia desde niña, en la década del 50 no fue bien vista en los claustros universitarios, ya que, como toda joven mujer, se esperaba que ella estuviera más preocupada por casarse y tener hijos que por formarse y priorizar obtener grandes avances en el campo de la ciencia. Para nuestra suerte, Grace continuó escuchando su propia voz.
Recordemos que Wahba fue pionera en el desarrollo del método generalizado de validación cruzada para la selección del parámetro suavizado, método que se encuentra implementado en los paquetes estadísticos habituales. Sus aportaciones se enmarcan en el análisis de propiedades estadísticas de nuevos estimadores, así como en sus aplicaciones prácticas, aplicaciones de sus técnicas a estudios demográficos, microanálisis de ADN, estudio de imágenes médicas, cambio climático, machine learning o aprendizaje automático, matrices de ADN o imágenes médicas.
Se formó en Cornell (BA, 1956) y se doctoró en Ciencias en la universidad de Stanford (1966). En el año 2000 fue elegida miembro de la United States National Academy of Sciences, 4 años más tarde fue nombrada estadística del año por la American Statistical Association y recibió el doctorado de honor en Ciencia por la Universidad de Chicago en 2007. A lo largo de su carrera ha dirigido más de una treintena de tesis doctorales, y se le asocian casi 200 descendientes científicos.
En 1990 publicó Spline Models for Observational Data (SIAM, 1990), un libro que se convirtió rápidamente en un clásico para el campo de la ciencia. En él detalla la base de la investigación sobre el uso de splines y de las propuestas de nuevos estimadores con sus parámetros de suavizado asociados. Ella también es conocida y valorada en todo el mundo por el desarrollo del método generalizado de validación cruzada para la selección del parámetro de suavizado, método que encontramos implementado en los paquetes estadísticos habituales.
Sus aportaciones se enmarcan tanto en el análisis de propiedades estadísticas de nuevos estimadores, como en sus aplicaciones prácticas. De esta manera ha trabajado directamente en aplicaciones de sus técnicas a estudios demográficos, microanálisis de ADN, estudio de imágenes médicas o cambio climático, entre otros.