Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED
-1-
TEMA 6: EL RAZONAMIENTO PROBABILSTICO
6.1. INTRODUCCIN Y OBJETIVOS En este captulo se estudian las tareas experimentales, los resultados y los modelos orientados a esclarecer el funcionamiento de los seres humanos con problemas donde no hay una conclusin necesaria, esto es, con los problemas de razonamiento inductivo. Se trata de un campo de estudio ms prximo al modo de razonar real de los seres humanos en el medio natural, donde en la mayora de las ocasiones los juicios se realizan bajo condiciones de incertidumbre. Vamos a estudiar los juicios que se enmarcan dentro del razonamiento inductivo, es decir, aqullos que se realizan en condiciones de incertidumbre. En las situaciones de la vida cotidiana la informacin de que disponemos raramente nos permite extraer conclusiones inequvocamente ciertas. Sin embargo, diariamente emitimos juicios y tomamos decisiones bajo estas condiciones. El razonamiento inductivo no ofrece conclusiones derivadas directamente de la informacin contenida en las premisas sino que avanza informacin nueva que solamente es ms o menos probable. En los juicios probabilsticos no cabe, pues, hablar de validez sino de fuerza inductiva de los argumentos. 6.2. NOCIONES BSICAS DE PROBABILIDAD El modelo normativo que sirve de referencia a estos juicios es la Teora de la Probabilidad y, ms concretamente, su desarrollo bayesiano. Podemos preguntarnos qu es o cmo se obtiene la probabilidad de un suceso. Para dar respuesta a estas preguntas, hay dos enfoques denominados objetivos (probabilidad objetiva), ya que ambos asumen que la probabilidad de un suceso es un dato objetivo que la persona conoce o no. 1) Atendiendo al nmero de resultados favorables, la probabilidad de un suceso aleatorio (S) sera el cociente entre el nmero de resultados favorables de ese suceso aleatorio y el nmero total de resultados posibles - Probabilidad de ocurrencia de un evento del que se conocen todos sus resultados posibles = nmero de resultados a favor / nmero total de resultados 2) Atendiendo a la frecuencia relativa, la probabilidad de un suceso sera la frecuencia relativa del mismo despus de haberlo repetido un nmero razonablemente grande de veces Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -2-
- Probabilidad de ocurrencia de un evento tras repetir un gran nmero de veces el experimento = nmero de ocurrencias del evento / nmero total de ocurrencias
Sin embargo, en la vida diaria es raro que podamos asignar probabilidades objetivas, ya que: o desconocemos la frecuencia de los sucesos, es decir, no disponemos de un nmero elevado de observaciones o las alternativas no son equiprobables, es decir, los resultados posibles no se producen con igual probabilidad Por estas razones se utilizan las probabilidades subjetivas, procedentes de la informacin a disposicin del sujeto o de sus opiniones y creencias. Para dar solucin a todos estos problemas, la teora Bayesiana tiene en cuenta las probabilidades subjetivas de los sucesos. En resumen, dicha teora: 1. Tiene en cuenta todos los axiomas de la Teora de la Probabilidad: 1) La probabilidad de un suceso es igual o mayor que 0. No existen probabilidades negativas. 2) La probabilidad de un suceso seguro es 1. Como consecuencia, la probabilidad de no ocurrencia de un suceso es igual a 1 menos la probabilidad de su ocurrencia. P(no S) = 1 P(S). 3) Si dos sucesos (S1 y S2) son mutuamente excluyentes entre s, entonces la probabilidad de uno u otro ser igual a la suma de sus probabilidades. P(S1 S2) = P(S1) + P(S2). 4) Si la probabilidad de un suceso P(S2) no es igual a 0, entonces P(S1 y S2) = P (S1 asumiendo que S2) X P(S2). La probabilidad de la conjuncin de dos sucesos es igual a la probabilidad del primero asumiendo que se ha producido el segundo, por la probabilidad de este ltimo. De aqu se deduce que la probabilidad de la conjuncin de dos sucesos es siempre menor o igual que la probabilidad de uno de los sucesos considerado aisladamente. 2. Contempla las probabilidades subjetivas (a diferencia de la teora clsica que parte slo de datos empricos) 3. Permite estimar la probabilidad de un suceso nuevo a partir de las posibilidades a priori y las probabilidades condicionales de los nuevos datos (diagnosticidad del dato) Por todo ello, la teora bayesiana es especialmente adecuada para estudiar los juicios humanos en situaciones de incertidumbre. En sntesis, el teorema de Bayes sirve para calcular la probabilidad a posteriori de un suceso aplicando la siguiente frmula: P(D/H)P(H) P(H/D) = ------------------------------ P(D/H)P(H) + P(D/H)P(H)
Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -3-
Siendo: P(H) Probabilidad a priori a favor de la hiptesis P(H) P(D/H) Probabilidad condicionada del dato P(D/H) Probabilidad a favor P(D/H) X P(H) + probabilidad en contra P(D/H) X P(H) Supongamos que Pedro se presenta a un concurso oposicin con el fin de obtener un puesto de trabajo en una institucin, cul es la probabilidad de que obtenga dicho puesto de trabajo una vez conocida la nota obtenida en la oposicin? Supongamos tambin que Pedro no tiene ninguna experiencia prctica en un puesto similar y, como suele ocurrir en estos casos, el nmero de candidatos es muy alto. Las probabilidades a priori de obtener la plaza considerando nicamente los mritos del opositor seran muy bajas P(H) = 0.05. Tal y como se describa en los axiomas de la teora de la probabilidad, la probabilidad de la hiptesis alternativa (P(no obtener la plaza)) es P(H) = 1-P(H) = 0.95. Una vez realizado el examen-oposicin, conocemos que Pedro ha obtenido un 86. Se sabe que la estrategia de la empresa, aun valorando el currculum, es dar una gran importancia a la nota del examen para la adjudicacin de las plazas hasta el punto de que prcticamente todos los que obtienen finalmente la plaza han aprobado el examen con buena nota. Dicho en trminos formales, la P(sacar buena nota/obtener plaza) = (P(D/H)) = 0.98. Sin embargo, no todos los que logran una buena nota consiguen un puesto de trabajo en esta empresa, P(sacar buena nota/no obtener la plaza) = (P[D/H]) = 0.10. Pedro ha asignado estas probabilidades a partir del listado de todos los candidatos que la empresa ha proporcionado y en el que aparece una puntuacin segn los mritos de cada uno. En cuanto a las probabilidades condicionales, proceden de la opinin de Pedro, puesto que conoca a varias personas que haban opositado en aos anteriores, algunas de las cuales consiguieron trabajo y otras no. A pesar de que las probabilidades pueden proceder de la experiencia anterior o de la opinin de Pedro, la combinacin de estas probabilidades s queda establecida por la frmula de Bayes que hemos visto y que aplicada a nuestro ejercicio dara el siguiente resultado: (0.98)(0.05) P(H/D) = ---------------------------------- = 0.34 (0.98)(0.05) + (0.10)(0.95)
6.3. ENFOQUE DE LOS HEURSTICOS DE RAZONAMIENTO Son muchos los resultados experimentales que demuestran que el razonamiento humano no emite juicios siguiendo las normas estadsticas. Al contrario, se observa una tendencia conservadora que pona de manifiesto que se integraba la informacin sobre el nuevo dato para producir unas probabilidades a posteriori ms cercanas a las probabilidades a priori que las predichas por el teorema de Bayes. Este cambio de orientacin en la investigacin pasa a intentar determinar de qu modo los procesos cognitivos subyacentes estn influidos por la interaccin entre las demandas de la tarea y las limitaciones del sujeto. Para explicar estos errores sistemticos, la investigacin se reorienta dentro del marco de la Teora de la Racionalidad Restringida, propuesta por Simon. Segn Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -4-
esta teora, las personas construimos modelos simplificados del mundo en los que posteriormente basaremos nuestros juicios y decisiones. Estas decisiones no buscarn un beneficio mximo sino una cierta satisfaccin debido a las limitaciones cognitivas. Estas estrategias simplificadas son los llamados HEURSTICOS, reglas de andar por casa o atajos que utilizan los sujetos de forma espontnea. Los heursticos permiten simplificar la tarea de asignar probabilidades y la tarea de predecir, reduciendo ambas tareas a operaciones ms simples. Tversky y Kahneman defienden el uso de estos heursticos en lugar de las leyes de la probabilidad en el juicio de los eventos cotidianos. Son tres los heursticos los ms utilizados: de representatividad, de accesibilidad y de anclaje y ajuste. 6.3.1. El heurstico de representatividad Este heurstico se utilizara en problemas como: Cul es la probabilidad de que un objeto A pertenezca a la clase B? Cul es la probabilidad de que el proceso B genere el evento A? En estos casos, el uso del heurstico induce a evaluar las probabilidades de un suceso por el grado en que el suceso A es representativo de B, es decir, el grado en que A es semejante a B. Supongamos que se pregunta por la probabilidad de que el sujeto que aparece en una fotografa sea alemn. La estrategia sera: En primer lugar, se realizara un juicio DE representatividad, por el que se evala el grado de correspondencia entre el ejemplar presentado y la categora. Esta correspondencia generalmente se basa en la semejanza entre ambos y estara estrechamente relacionada con la tipicidad y la prototipicidad. En nuestro caso, evaluaramos la semejanza entre la persona de la fotografa y nuestro prototipo de alemn y comprobaremos si el ejemplar es representativo de la categora propuesta. Una vez establecido este juicio de representatividad, el uso del heurstico consistira en asignar la probabilidad de que la persona de la fotografa sea alemn en funcin de su parecido con nuestro prototipo. Aqu se estara realizando un juicio POR representatividad. El uso de este heurstico puede llevar a respuestas correctas con un bajo coste cognitivo. Sin embargo, la estrategia de basarse en la semejanza, ignorando la informacin estadstica, dar lugar a una serie de sesgos cognitivos, como consecuencia de ignorar informacin relevante desde un punto de vista estadstico
Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -5-
6.3.1.1. Insensibilidad al tamao de la muestra Teniendo en cuenta que la probabilidad de un suceso se define como su frecuencia relativa en un nmero suficientemente grande de ensayos, se considera que la probabilidad asignada ser ms cercana a la probabilidad real del suceso cuanto mayor sea el nmero de observaciones de que partimos. Al parecer, esta informacin no parece ser importante para la mayora de las personas, tal y como vemos en el siguiente ejemplo: Una ciudad est atendida por dos hospitales. En el ms grande nacen cada da alrededor de 45 nios, y en el ms pequeo nacen unos 15 nios cada da. Alrededor del 50% de los nacidos son varones. Sin embargo, el porcentaje exacto vara de unos das a otros. A veces es ms alto del 50% y a veces es menor. Durante un ao cada hospital ha registrado los das en los que un 60% de los nacidos eran varones Qu hospital crees que ha registrado ms das en los que esto haya ocurrido? La mayor parte de los sujetos consideraban que en ambos hospitales se dara este hecho con la misma frecuencia. Sin embargo, cuanto mayor sea el nmero de observaciones, ms probable es que el resultado se aproxime al resultado real y, como consecuencia, en el hospital grande ser menos probable un resultado del 60% de varones. Si se considera que la frecuencia real de los varones es del 50%, un resultado del 60% es suficientemente representativo. Por tanto, los sujetos consideran que este resultado es igualmente probable en una muestra de 15 partos/da que en una muestra de 45 partos/da. Cuando las personas conocen la frecuencia real de un suceso esperan que esta frecuencia aparezca tanto en un nmero grande de observaciones como en un nmero de observaciones muy pequeo. El hecho de esperar que la frecuencia real de un suceso se manifieste en muy pocos ensayos es un error muy frecuente y origina lo que se conoce como falacia del jugador (la ruleta ha de pararse en el color rojo tras una serie de paradas en el negro; difcil creer que tras un buen rato jugando al parchs uno de los jugadores no haya logrado obtener un 5). Las personas consideran que las caractersticas propias de los sucesos aleatorios, como la equiprobabilidad, se manifiesta en un nmero reducido de lanzamientos, ignorando que una moneda no recuerda los resultados obtenidos anteriormente y, aunque a la larga la frecuencia de caras y cruces se equilibra, esto no tiene por qu ocurrir en una secuencia corta de lanzamientos. As, las personas tienen a extraer conclusiones sobre la frecuencia de un suceso, de un acontecimiento o de una caracterstica a partir de muy pocas observaciones, generalizando a partir de muestras pequeas si stas son representativas. Esta generalizacin a partir de muy pocos datos no se da siempre en la misma medida, sino que las personas tienen en cuenta la homogeneidad que presenta el grupo con respecto a la caracterstica en cuestin. Un ejemplo: Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -6-
Imagine que es un explorador que ha atracado en una isla desconocida del Pacfico Sur. Ha encontrado personas, animales y objetos con algunas propiedades que le parecen raras y necesita saber lo comunes que sern estas propiedades en las restantes personas, animales y objetos de la isla. Suponga que se encuentra un pjaro, el sheerable. Es de color azul. Qu porcentaje de todos los sheerables de la isla espera que sean azules? El sheerable anid en un eucaliptus. Qu porcentaje de estos pjaros espera que anide en el aucaliptus? Suponga que ha encontrado un miembro de una tribu, los barratos, y que esta persona es gruesa y de color oscuro. Qu porcentaje de hombres barratos espera que sean de color oscuro? Qu porcentaje espera que sean gruesos? Finalmente se ha encontrado una muestra de un extrao mineral llamado floridium que es un buen conductor de la electricidad y arde con una extraa llama verde. Qu porcentaje del floridium de la isla espera que sea buen conductor de la electricidad? Qu porcentaje del floridium arder con llama verde? Los resultados encontrados indicaron que las personas s tienen en cuenta el tamao de la muestra y no generalizan cuando se les pregunta por ciertas caractersticas como el color o la anidacin de los sheerables y, sobre todo, la obesidad de los barratos, mientras que s generalizan a partir de una sola observacin en el caso de otras caractersticas, como las propiedades del floridium o el color de los barratos. Esta diferencia se debe la homogeneidad o heterogeneidad de las caractersticas. As, los sujetos esperan que las propiedades de un mineral sean estables y generalizan a partir de una sola observacin, mientras que consideran altamente variable la obesidad o delgadez de los miembros de un grupo y la generalizacin slo se da cuando hay un nmero elevado de observaciones. 6.3.1.2. Insensibilidad a las probabilidades a priori El teorema de Bayes parta del conocimiento de las probabilidades a priori y las combinaba con la informacin nueva. Las personas, sin embargo, no parecen tener en cuenta las probabilidades a priori y emiten juicios basados nicamente en la informacin especfica que se proporciona cuando sta es suficientemente representativa. En un experimento, dos grupos de sujetos reciben la siguiente informacin: Un grupo de psiclogos ha entrevistado y administrado un test de personalidad a 30 ingenieros y 70 abogados, todos ellos profesionales de prestigio. A partir de esta informacin, se realizaron las descripciones de cada una de estas 100 personas y, a continuacin, se extrajeron cinco de ellas al azar. La tarea consiste en evaluar para cada una de estas descripciones la probabilidad de que la persona descrita sea ingeniero, en una escala de 0 a 100. El segundo grupo recibi la misma informacin con la diferencia de que la muestra inicial estaba compuesta por 30 abogados y 70 ingenieros y lo nico que variaba eran las probabilidades a priori. Los resultados mostraron que los sujetos asignaban la misma probabilidad tanto en el caso en que haba 70 como en el caso en que haba 30 ingenieros. Ignoraban las frecuencias mencionadas y parecan basarse nicamente en la Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -7-
descripcin, considerando a la persona como ingeniero o abogado en la medida en que dicha descripcin reuna caractersticas que lo acercaban al prototipo que tenan los sujetos sobre cada profesin. Cuando la descripcin o la nueva informacin es suficientemente representativa, las personas ignoran la informacin inicial sobre las probabilidades a priori o la frecuencia de un evento. 6.3.1.3. Insensibilidad a la capacidad predictiva del dato Es la tendencia a utilizar nicamente la informacin disponible que salta a la vista, sin tratar de inferir nada. Las probabilidades de presencia del dato en ausencia de la hiptesis P (D/H) se ignoran, es decir, no se tiene en cuenta la probabilidad de que el dato no prediga la hiptesis. Como ya se ha dicho, esta probabilidad no es complementaria de P(D/H) (su suma no es igual a la unidad) y por tanto hay que conocerla y tenerla en cuenta. Veamos un ejemplo para comprobar que no puede deducirse P(D/H) a partir del conocimiento de P(D/H): Estamos dentro de un despacho y nos preguntamos por la probabilidad de que est lloviendo en la calle. Puesto que estamos en diciembre y esta maana el cielo estaba nublado asignaremos un P(H) = 0.65. Supongamos que acaba de entrar Laura en el despacho y observamos que lleva un paraguas; la probabilidad de que Laura lleve paraguas dado que est lloviendo en la calle es P(D/H) = 0.95. Sin embargo, nos dicen que Laura casi siempre lleva un paraguas, por lo que la probabilidad de que Laura lleve un paraguas dado que no llueve en la calle es P(D/H) = 0.95. En otras palabras, slo cuando conocemos la P(D/H) podemos saber que el hecho de que Laura lleve un paraguas no es un dato que nos permita predecir si llueve o no, ya que no tiene capacidad predictiva. Las personas, sin embargo, no consideran la P(D/H) tan relevante como la P(D/H), tal y como se desprende del siguiente problema: Imagina que te encuentras con el seor Prez en una fiesta a la que nicamente han sido invitados profesores universitarios y hombres de negocio. La nica informacin de la que dispones sobre el seor Prez es que es miembro del Club Ruizs. Imagina ahora que debes asignar la probabilidad de que el seor Prez sea un profesor universitario y, para ello, puedes realizar las preguntas presentadas ms abajo. Sin embargo, antes de hacer estas preguntas debes evaluar la relevancia de cada una de ellas para tu tarea, considerando relevantes aquellas cuya respuesta te ayudar a llevarla a cabo. Evala cada una de ellas por separado e indica si es o no relevante para tu tarea: 1. Qu porcentaje de los asistentes a la fiesta son profesores universitarios? 2. Qu porcentaje de los miembros del Club Ruizs estn en la fiesta? 3. Qu porcentaje de los profesores universitarios presentes en la fiesta son miembros del Club Ruizs? 4. Qu porcentaje de los hombres de negocios presentes en la fiesta son miembros del Club Ruizs? Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -8-
Las preguntas 1, 3 y 4 representan las P(H), P(D/H) y P(D/H) respectivamente, mientras que la pregunta 2 es completamente irrelevante. Los resultados mostraban que el 89.3% de los sujetos consideraron relevante la pregunta 3, la asociacin entre el dato disponible y la hiptesis, mientras que slo el 53.6% consider relevante la pregunta 4, la asociacin entre el dato y la hiptesis alternativa. Como puede verse, las personas no parecen conceder demasiada importancia a la diagnosticidad o capacidad predictiva del dato. En todos estos casos, cuando se recibe una descripcin favorable sobre el rendimiento de un alumno, la trayectoria de una empresa o una entrevista de trabajo, el juicio predictivo suele basarse en esta informacin, sin preguntarse por la fiabilidad de la fuente o por su validez. 6.3.1.4. Falacia de la conjuncin Los sujetos consideran ms probable la conjuncin de dos sucesos que cada uno por separado, aunque segn las leyes estadsticas es justamente al contrario. Veamos un ejemplo: Linda es una joven de 31 aos, soltera, desenvuelta, sincera y muy brillante. Actualmente es licenciada en Filosofa y cuando era estudiante estaba profundamente comprometida en temas de discriminacin y justicia social, participando tambin en manifestaciones antinucleares. La tarea consiste en asignar una puntuacin entre 1 y 8 a las siguientes afirmaciones de forma que 1 sea la afirmacin que considera ms probable y 8 aquella que consideras menos probable: a) Linda es maestra en una escuela elemental b) Linda trabaja en una librera y recibe clases de yoga c) Linda es feminista d) Linda es una asistente psiquitrica e) Linda es miembro de la Liga de Mujeres Votantes f) Linda es cajera de un banco g) Linda es agente de seguros h) Linda es cajera en un banco y es feminista La mayora de los sujetos consideraron ms probable la afirmacin h) que la f), a pesar de que h) es la conjuncin de c) y f). Este sesgo tambin podra deberse a una mala comprensin del enunciado por parte de los sujetos, de forma que hayan interpretado que P(A) es equivalente a P(A y no B) o que haya existido cierta confusin entre probabilidad condicional y probabilidad de la interseccin de los dos sujetos. Sin embargo, las variaciones posteriores del mismo problema que intentaba evitar estas confusiones y en las que apareca explcitamente P(A y no B) o la probabilidad condicional, pusieron de manifiesto que los sujetos seguan considerando ms probable la conjuncin que un elemento aislado, si aqulla era ms representativa. La informacin ms detallada se considera ms representativa. Este efecto est relacionado con la construccin de escenarios (heurstico de Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -9-
accesibilidad), ya que un escenario supone una situacin compleja y detallada, en la que lo habitual es la conjuncin de sucesos. 6.3.1.5. Insensibilidad a la regresin de la media Es otro efecto estadstico que es sistemticamente ignorado. Los sujetos esperan que las puntuaciones extremas se mantengan en eventos relacionados, por la semejanza entre s de los dos sucesos (tendemos a pensar, basndonos en la representatividad, que los hijos de padres altos o inteligentes lo sern tambin). Aun cuando se da informacin explcita de este efecto, los sujetos continan ignorndolo. Cuando las personas perciben el efecto de la regresin inmediatamente proponen una explicacin a posteriori. Lo vemos en el ejemplo en el que un monitor de vuelo observaba que el aprendiz disminua su rendimiento despus de ser felicitado por una actuacin excepcional y, al contrario, cuando se le castigaba por una ejecucin muy baja el rendimiento aumentaba. De forma que el monitor se encontraba con la situacin de que l mismo era reforzado por castigar y penalizado por premiar a sus alumnos. El resultado fue que todos los sujetos dieron explicaciones como, por ejemplo, que se creaba un exceso de confianza con los premios, sin aludir en ningn momento a la regresin de la media. 6.3.2. El heurstico de accesibilidad Consiste en asignar la probabilidad de un acontecimiento en funcin de la facilidad con que puede recordarse, ignorando la probabilidad a priori de los sucesos. En tareas de recuerdo, los sujetos realizan la estimacin de frecuencias de un suceso basndose en la informacin ms fcilmente recuperable (accesibilidad), esto es, la que mejor recuerdan. Esto tambin puede dar lugar a errores, como estimar como ms frecuentes de lo que son en realidad los accidentes de avin, despus de ver uno en las noticias. Otro heurstico muy relacionado con el de accesibilidad es el heurstico de simulacin. En tareas de prediccin de acontecimientos, los sujetos estiman la probabilidad de un acontecimiento en funcin de su facilidad para imaginarlo. Ambos heursticos estn influidos por factores que inciden en la memoria, pero no son determinantes para la probabilidad. Por ejemplo, la recencia, la saliencia, la familiaridad o el impacto influyen en la accesibilidad de un suceso, pero no lo hacen ms probable. Los sesgos a que dan lugar estos factores y sus mecanismos de accin son parecidos a los producidos por la representatividad: Se ignoran las probabilidades a priori. Cuando se dispone de informacin reciente impactante, aunque sta contradiga la informacin sobre la frecuencia real de un suceso conocido, sta se tendr en cuenta sin pensar Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -10-
en su relevancia estadstica. Por ejemplo, se tiende a pensar que un accidente de avin es ms probable despus de saber que se ha producido uno. En el plano social este efecto da lugar al sesgo egocntrico, que es la creencia de que la opinin que cada uno mantiene es la ms frecuente, debido a que las propias ideas, actos o contribuciones son ms accesibles que las de los otros. Este sesgo no obedece a intenciones personales sino a la mayor facilidad para recordar las acciones u opiniones propias. Se ignora la capacidad predictiva del dato. Consiste en fijarse slo en la informacin que est presente en una situacin concreta, olvidndose del resto. La informacin que est presente es ms accesible, adquiere mucha ms relevancia y favorece que se ignoren otras alternativas no presentes. Algunos de los sesgos ms comunes a los que da lugar este efecto son Sesgo de explicacin Un hecho explicado previamente, o tan solo imaginado, es considerado ms probable que el resto de posibilidades porque a la hora de asignar frecuencias a las distintas alternativas el suceso es ms fcilmente recordado. Por ejemplo, se pidi a los sujetos que imaginasen una situacin en la que un candidato resultaba ganador en unas elecciones. Slo la mitad de los sujetos deban dar a continuacin una explicacin sobre el suceso imaginado. Finalmente, se pidi a todos los sujetos un juicio sobre sus expectativas de que el candidato imaginado fuera el ganador. Los resultados indicaron que los sujetos consideraban ms probable la situacin que previamente haban imaginado, sin necesidad de haberla explicado. Acomodan sus expectativas a los resultados explicados o imaginados. Sesgo retrospectivo Consiste en que la probabilidad percibida de un suceso aumenta cuando los sujetos conocen el resultado final. Una vez que ha sucedido un acontecimiento, los sujetos piensan que podran haberlo predicho y que No poda haber sido de otra forma. Por ejemplo, se pregunt a unos sujetos qu cosas, de una lista ofrecida, era probable que ocurriesen en el prximo viaje de Nixon a China y, posteriormente, al haberse producido ste, se les volvi a preguntar por las mismas. Los sujetos cambiaron sus estimaciones iniciales ajustndolas a lo que realmente haba sucedido. Los resultados mostraron que los sujetos recordaban haber asignado mayores probabilidades a los sucesos que realmente ocurrieron y probabilidades ms bajas a los que no ocurrieron. La explicacin aludira de nuevo a la accesibilidad, de forma que cuando se proporciona a los sujetos un resultado, los antecedentes y escenarios que conducen a dicho resultado adquieren mayor saliencia en perjuicio del resto de resultados posibles. Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -11-
Sesgo de correlacin ilusoria Cuando dos sucesos altamente significativos o distintivos se asocian en la memoria, las personas consideran que habitualmente ambos se presentan unidos. Ello ocurre, por ejemplo, en la creacin de estereotipos sociales (asociacin de una etnia con el delito) 6.3.3. Heurstico de anclaje y ajuste Este heurstico consiste en la emisin de un juicio basado en algn valor inicial que posteriormente se va ajustando hasta producir la respuesta final. As, la persona realizara el juicio a partir de alguno de los rasgos del estmulo y posteriormente ajustara este primer juicio para que integre los rasgos restantes. El valor en el que se produce el anclaje puede estar sugerido por la formulacin del problema, ser consecuencia de un cmputo parcial o incluso puede ser un valor tomado al azar. En todos los casos, la respuesta final parece estar sesgada hacia aquel valor inicial, tanto si es relevante para el problema como si no lo es, lo que constituye el fenmeno del anclaje. Veamos un par de ejemplos: Se pide a los sujetos que estimasen la proporcin de poblacin negra en Estados Unidos. Previamente se les mostraba un nmero al azar, obtenido ante los sujetos con una rueda de la fortuna. Lo curioso era la influencia que este nmero tena en el juicio emitido por los sujetos. Por ejemplo, los que haban recibido previamente un 10 consideraban que la proporcin de poblacin negra era de un 25%, mientras que los que haban obtenido un 65 respondan que dicha proporcin era de un 45%.
Se pide a dos grupos de estudiantes que realizaran la multiplicacin presentada, respondiendo en 5 segundos. Para el primer grupo la multiplicacin era 8x7x6x5x4x3x2x1, mientras que para el segundo grupo era 1x2x3x4x5x6x7x8. Como los sujetos deban responder rpidamente sin tiempo a efectuar las operaciones, el grupo con la multiplicacin ascendente ajust su juicio a los nmeros iniciales, ms bajos (la media estimada para este grupo fue de 2.250), mientras que el grupo con multiplicacin descendente lo hizo a valores ms altos (su media fue de 512). El resultado real de la multiplicacin es 40.320. CRTICA A LOS HEURSTICOS FLEXIBILIDAD: es su gran virtud, pero tambin su problema. El mismo heurstico se utilizan en situaciones muy diferentes sin poder determinarse cules son sus condiciones de aplicacin. De este modo, no se puede predecir qu heurstico se aplicar en una situacin concreta. Posiblemente se utilicen sucesivamente, considerando primero la informacin ms accesible y seleccionando luego ms representativa. Pero adems, distintos heursticos se utilizan para explicar la misma situacin. De este modo, algunos sesgos pueden ser debidos tanto a uno como a otro heurstico. Por ejemplo, la falacia de la conjuncin puede atribuirse a la representatividad de la informacin, pero tambin a la construccin de escenarios y, por tanto, al heurstico de simulacin. Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -12-
El mejor definido de los tres heursticos es el de representatividad, seguido del de accesibilidad y por ltimo el de anclaje, que podra deberse a la accesibilidad del punto de partida o a estrategias seguidas tras la aplicacin de los heursticos de accesibilidad y representatividad ESCASA VALIDEZ EXTERNA: Los estudios con heursticos se desarrollan en situaciones artificiales de laboratorio, muy alejadas de las condiciones naturales. En el contexto natural, el sujeto dispone de datos menos limitados, ms redundantes y tiene la posibilidad de buscar la informacin segn sus propios criterios. El laboratorio reproduce la situacin ideal descrita por el teorema de Bayes (hiptesis complementarias). Sin embargo, en la vida real no se dispone de todas las hiptesis y mucho menos stas son complementarias. El individuo tiene que echar mano de su conocimiento previo del mundo. FALTA DE PRECISIN DEL JUICIO: Los resultados a los que da lugar el uso de heursticos no coinciden con las predicciones del modelo bayesiano. Sin embargo, esta crtica puede ser ms bien un argumento a favor, ya que en situaciones naturales, a menudo no hay modo de contrastar con precisin la probabilidad de que se d uno u otro resultado. Por tanto, los juicios en la vida real se establecen bien por consenso social, bien por su relacin coste-beneficio, o bien por su adecuacin a la meta perseguida. Desde este punto de vista, los heursticos proporcionaran estrategias ms adecuadas que la norma estadstica en el ambiente natural. 6.4. ENFOQUE DE LOS MODELOS MENTALES LA TEORA DE LOS MODELOS MENTALES DE JOHNSON-LAIRD Y BYRNE, 1991 Estos autores sostienen que se construyen modelos mentales a partir de la informacin contenida en las premisas. La conclusin que se obtiene ser: - posible, si se cumple en al menos uno de los modelos - probable, cuando se mantiene en la mayora de los modelos mentales - necesaria, cuando se cumple en todos Esta teora permite explicar tanto los aciertos como los errores observados, puesto que el razonamiento no ser correcto cuando se extraigan conclusiones sin haber revisado un nmero suficiente de los posibles modelos o cuando la informacin de las premisas d lugar a una gran cantidad de modelos que sobrecargaran la memoria operativa, repercutiendo negativamente en el rendimiento. Johnson-Laird defiende la utilidad de esta teora como explicacin de los procesos de razonamiento probabilstico, ya que, en la vida diaria, las personas no diferenciaran entre tareas de razonamiento inductivo o deductivo (lo que podra ser frente a lo que debera ser cierto), sino que construyen algunos modelos y obtienen una conclusin. Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -13-
Como en el caso del razonamiento deductivo, la persona crear distintos modelos a partir de la informacin presentada en ambas premisas y algunos de estos modelos conducirn a una conclusin mientras que otros permitirn rechazarla. La cuestin en este caso ser conocer la frecuencia relativa con la que ocurren los modelos que apoyan y que rechazan la conclusin. Con el fin de no sobrecargar la memoria de trabajo, la teora tambin sostiene que se representa el mnimo de informacin en los modelos explcitos y slo la informacin que es verdadera. La persona puede detectar de varias formas cul de los dos tipos de modelos son ms frecuentes, bien haciendo un muestreo al azar de los distintos modelos, bien explorando sistemticamente el espacio de todos los modelos posibles. Una vez que se ha evaluado esta frecuencia relativa, la conclusin extrada ser probablemente cierta o probablemente falsa. Debido a las limitaciones de la memoria de trabajo, no puede atenderse a un nmero elevado de modelos, por lo que las personas han de evaluar la frecuencia de los modelos que apoyan y niegan la conclusin de una forma sesgada. Los autores estudian alguno de estos sesgos, denominados ilusiones cognitivas, asumiendo que las conclusiones que ocurren en la mayora de los modelos sern consideradas como las ms probables. Cuando se razona sobre la probabilidad relativa de dos sucesos A y B, los sujetos pueden cometer errores al no representar de forma explcita los casos en los que no ocurren los sujetos. Con respecto a los problemas de razonamiento probabilsticos, se estudian: - Los efectos del orden de presentacin de las fuentes de informacin. Se sostiene que los modelos mentales se van actualizando a medida que se va presentando ms informacin y esto har que el orden de presentacin (contexto previo) influya sobre la construccin de un modelo mental que integre dicha informacin - La congruencia/incongruencia entre estas fuentes. Los resultados mostraron que el orden de presentacin de la informacin (la informacin representativa precede a la probabilstica, y a la inversa) genera modelos mentales distintos y que la integracin de la informacin representativa y la probabilstica depende de la congruencia entre ambas. Ante una incongruencia entre las fuentes de informacin, el sujeto desatiende la informacin cuantitativa y basa sus juicios en la informacin representativa Aunque los resultados siguen mostrando el valor de la representatividad en los juicios probabilsticos, se descarta la utilizacin de una estrategia de razonamiento heurstica, puesto que se integran ambas fuentes de informacin (representativa y probabilstica) cuando stas con congruentes. Incluso en el caso de fuentes incongruentes, tanto los tiempos empleados en la lectura de la segunda premisa como los tiempos de eleccin de la respuesta son mayores que en la condicin de congruencia. Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -14-
De acuerdo con la perspectiva de los heursticos, esta estrategia es rpida y se aplica o no se aplica, de forma que cabra esperar que ante la presentacin de informacin representativa los tiempos fueran ms cortos. Cuando la persona ha de centrarse slo en algunos de los modelos posibles, quiz lo haga en funcin de la facilidad con la que pueden construirse cada uno de ellos o de la rapidez con que llegan a la mente, lo que nos recuerda el uso del heurstico de accesibilidad. Veamos un experimento: Tu hermana tiene un coche comprado hace dos aos. Es un coche de modelo x o de modelo y, pero no puede recordar cul. S recuerdas que el coche recorre alrededor de 25 km/litro de gasolina y que no le ha dado problemas mecnicos importantes en estos dos aos. Dispones, adems, de la siguiente informacin: El 65% de los coches de modelo x recorre 25 km/litro. Pero tambin puedes utilizar una de las informaciones siguientes: 1. El porcentaje de coches del modelo y que recorren 25 km/litro 2. El porcentaje de coches del modelo x que no han tenido grandes problemas mecnicos en los dos primeros aos 3. El porcentaje de coches del modelo y que no han tenido grandes problemas mecnicos en los dos primeros aos Asumiendo que pudieses utilizar slo una de las tres preguntas anteriores, cul crees que te ayudara ms para decidir de qu modelo es el coche de tu hermana? La mayora de los sujetos prefirieron una informacin adicional sobre el modelo x (pregunta 2), en lugar de la informacin referente al modelo y que les permitira comparar ambos modelos de coches. Los autores interpretan este resultado como una consecuencia de la tendencia a centrarse en la informacin explcita en las premisas (informacin sobre la marca x). La explicacin que los investigadores ofrecen es que el elemento central de la informacin condiciona la construccin de los modelos. Cuando la persona ha de centrarse slo en algunos de los modelos posibles, lo hace en funcin de la facilidad con la que pueden construirse. Una explicacin alternativa sera que las personas basasen su respuesta en los modelos en los que se da una similitud entre las premisas y la conclusin (lo cual estara muy prximo al heurstico de representatividad). LA TEORA DE LOS MODELOS MENTALES PROBABILSTICOS DE GIGERENZER, HOFFRAGE Y KLEINBLTING Cuando los problemas se presentan como estimacin de frecuencias y no como probabilidad de un suceso aislado, los sesgos de razonamiento decrecen. Estos resultados subrayan la importancia que tiene el tipo de representacin de la informacin estadstica para el cmputo. Es decir, las inferencias bayesianas se dan en el razonamiento humano cuando la representacin de la informacin se encuentra ms en consonancia con la forma natural de representar los datos. Sin embargo, las inferencias bayesianas son elementales y ocurren cuando se trabaja con hiptesis y datos binarios. Cuando las hiptesis y los datos son continuos, multivariados e interdependientes se recurre a Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -15-
estrategias de procesamiento satisfactorias como las propuestas en la teora de los modelos mentales probabilsticos. De acuerdo con esta teora, cuando las situaciones pueden ser resueltas a partir del conocimiento de la persona, sta construye un modelo mental local que asociara la estructura de la tarea presentada con el conocimiento disponible. Por el contrario, cuando este conocimiento no es suficiente para emitir una respuesta y hay que realizar inferencias, la persona construir un marco de inferencia llamado modelo mental probabilstico. Este modelo consta de los siguientes componentes (lo vemos en el siguiente epgrafe con detalle): 1) Una clase de referencia 2) Una variable sobre la que se trabaja 3) Una red de claves de probabilidad que generalmente covaran con la variable 6.5. RAZONAMIENTO Y CALIBRACIN Un aspecto que tambin se ha estudiado en los juicios bajo incertidumbre y en tareas de razonamiento en general es la confianza del sujeto en el juicio emitido. Esta confianza puede considerarse como un juicio de segundo orden, de forma que la persona evala su ignorancia o su certeza con respecto a la respuesta emitida. Este juicio de segundo orden suele presentar un sesgo de sobreconfianza en los sujetos que se atribuyen una excesiva proporcin de aciertos. La tcnica con la que suele estudiarse este proceso consiste en dar a los sujetos una serie de preguntas con dos alternativas de respuesta y pedirles a continuacin que asignen su confianza en que la respuesta emitida ha sido correcta. Por ejemplo: Qu ciudad tiene ms habitantes? a) Hyderabad b) Islamabad Cul de tu confianza en que la respuesta es correcta: 50%, 60%, 70%, 80%, 90% o 100%? 50% significa indiferencia entre las dos respuestas posibles. 100% significa completa certeza en la respuesta emitida. Tras una serie de preguntas de este tipo se analizan, por una parte, la media de respuestas correctas y, por otra, la confianza media asignada a estas respuestas. Por ejemplo, se consideran todas las preguntas en las que los sujetos han respondido con una confianza del 100% y se halla la proporcin de aciertos en estas preguntas. El resultado suele indicar un exceso de confianza con respecto a la proporcin de aciertos. Se observa que las personas slo responden correctamente en el 80% de las preguntas a las que han asignado una certeza absoluta, es decir, los sujetos estaran incorrectamente calibrados. Este sesgo va aumentando a medida que la dificultad de las preguntas es mayor, mientras que los sujetos estaran mejor calibrados mostrando incluso subconfianza cuando se enfrentan a preguntas ms fciles. Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -16-
Existen varias interpretaciones para la persistencia de este sesgo de sobreconfianza: - Los sujetos generan ms evidencia a favor de la propia hiptesis que en contra de ella - La creencia en que la memoria es completamente fiable. Si bien es cierto en tareas de reconocimiento, en las que interviene directamente la memoria a corto plazo, no lo es en aquellas en las que hay que reconstruir la informacin; la falta de retroalimentacin en la vida diaria, de forma que los errores de juicio a menudo no se aprecian, es lo que permite mantener la confianza en los propios juicios o se apela a factores motivacionales como la ilusin de control - El tipo de tarea influye en la calibracin: por ejemplo, los sujetos parecen mejor calibrados cuando deben asignar el rango de resultados a los que se respondera con certeza, que en la tarea habitual de asignar la confianza a un resultado concreto Los autores de la Teora de los Modelos Mentales Probabilsticos plantean crticas a la tcnica empleada habitualmente para medir la calibracin, como el hecho de que se compare el grado de confianza en un suceso nico (que la respuesta sea correcta) con la frecuencia relativa de respuestas correctas. Este enfoque no puede aplicarse a casos nicos. Veamos con un ejemplo cmo el sesgo desaparece cuando la pregunta trata sobre la frecuencia y no sobre un solo caso. Gigerenzer et al. Presentaron a un grupo de sujetos una prueba con cinco preguntas de las utilizadas habitualmente en este tipo de trabajos, pidiendo tambin la confianza en la respuesta emitida, pero aadiendo la siguiente pregunta al final de la prueba: Cuntas de estas cinco preguntas consideras que has respondido correctamente? Los resultados pusieron de manifiesto que al comparar la confianza media con la proporcin de aciertos el resultado era una sobreconfianza del 15% o 20%, mientras que cuando se compar la proporcin de aciertos con la estimacin de dicha proporcin el resultado mostr una subconfianza del 2.4%. Con el fin de explicar el razonamiento probabilstico y especialmente los resultados obtenidos sobre la calibracin, Gigerenzer et al. proponen la Teora de los Modelos Mentales Probabilsticos. Para ilustrar esta teora partimos de la siguiente pregunta: Qu ciudad tiene ms habitantes? a) Heidelberg b) Bonn Cul es tu confianza en que la respuesta emitida es correcta? Una forma de responder a esta pregunta sera construyendo un modelo mental local, para lo que el sujeto apelara a su conocimiento previo. Sin embargo, en ocasiones, el sujeto no dispone del conocimiento suficiente para emitir una Adela C. Leal PSICOLOGA DEL PENSAMIENTO 2 Grado Psicologa UNED -17-
respuesta con certeza. En estos casos el sujeto construye un marco de inferencia, llamado modelo mental probabilstico, que, como ya vimos, consta de: 1) Una clase de referencia, en este caso todas las ciudades de Alemania 2) Una variable, en nuestro caso el nmero de habitantes 3) Una red de claves de probabilidad, que generalmente covara con la variable. Por ejemplo, en la pregunta planteada algunas de las claves de probabilidad que podran emplearse para estimar el nmero de habitantes son tener un equipo en 1 divisin o ser capital de una regin Cada una de estas claves de probabilidad tiene una validez. Esta validez tendra una medida objetiva, pero tambin es posible que el sujeto asigne la validez a cada una de las claves basndose en su propio conocimiento. En la medida en que la validez asignada por la persona se acerque a la objetiva, el modelo mental probabilstico estar mejor o peor adaptado. La teora asume que las personas basan su respuesta en una de las claves de la probabilidad, la de ms alta validez, y que la confianza asignada a esta respuesta iguala la validez de aquella clave. Esta teora tambin explica los errores observados en preguntas de conocimiento general que tienen trampa. Por ejemplo, cul de estas dos ciudades est situada ms al Este?: a) Liverpool o b) Edimburgo. Una de las claves de probabilidad que emplearan las personas sera situar ambas ciudades en un mapa imaginario de Gran Bretaa. Puesto que Liverpool est en la costa oeste y Edimburgo en la costa este, la respuesta sera Edimburgo y se le asignara una confianza alta, puesto que se considera una clave con validez alta, a pesar de que Edimburgo est situada al oeste de Liverpool. Sin embargo, esta teora no explica suficientemente otros de los fenmenos observados, como que la sobreconfianza sea mayor en tareas difciles o sin trampa. Adems, la teora de los modelos mentales no alude a la calibracin. Desde este enfoque, el sesgo de sobreconfianza podra deberse a que las personas tendran una necesidad de satisfaccin. As, seleccionaran aquellos modelos que conducen a conclusiones ms crebles o deseables. En este caso, la conclusin se aceptar sin buscar otros modelos que puedan contradecirla, mientras que, cuando la conclusin extrada sea poco creble, por ejemplo, la persona seguir buscando modelos que permitan falsarla. Esta sobreconfianza ser mayor cuanto ms difcil sea la tarea y, por tanto, sern necesarios ms modelos para llegar a una conclusin correcta. Partiendo de que las personas se basan en unos pocos modelos, lo que aumenta en las tareas difciles es el nmero de modelos que se ignoran y, como consecuencia, la probabilidad de llegar a una respuesta incorrecta manteniendo la misma confianza.