Adela C.

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.