Confusin del Inverse

Considere el siguiente escenario, discutido por Foucault ( 1982 ) . Usted es un

mdico.
Uno de sus pacientes tiene un bulto en el pecho . Usted est casi seguro de
que es benigno ;
de hecho, se dira que slo hay un 1% de probabilidad de que sea maligno .
Pero justo
sin duda, usted ha paciente someterse a una mamografa, una radiografa del
pecho X diseado para detectar el cncer .
Usted sabe de la literatura mdica de que las mamografas son el 80 % de
precisin para
tumores malignos y el 90 % de precisin para detectar bultos benignos . En
otras palabras, si el tumor es verdaderamente maligno, los resultados de las
pruebas dicen que es maligno 80 % del tiempo y la voluntad falsamente dicen
que es benigna 20 % del tiempo . Si el bulto es realmente benigno , resultados
del ensayo dir lo que el 90 % de las veces y que falsamente declara que es
maligno slo el 10 % de el tiempo .
Lamentablemente, la mamografa para su paciente se volvi con la noticia de
que el bulto
es maligno . Cules son las posibilidades de que sea verdaderamente
maligno ?
Eddy plante esta pregunta a 100 mdicos . La mayora de ellos pensaron que
la probabilidad
que el tumor era maligno realmente era alrededor del 75 % o 0.75 . En realidad
, dadas las probabilidades como se ha descrito , la probabilidad es slo 0,075 .
Las estimaciones de los mdicos fueron 10 veces demasiado alto !
Cuando se les pregunt cmo llegaron a sus respuestas, Eddy se dio cuenta de
que la
los mdicos estaban confundiendo la cuestin real con una pregunta diferente:
"Cuando
se le pregunt acerca de esto, los mdicos que yerran generalmente informan
que ellos asumieron que la probabilidad de cncer dado que el paciente tiene
una de rayos X positivo fue aproximadamente igual a la probabilidad de que un
rayo X positivo en un paciente con cncer " ( 1982 , p . 254 ) .
Robyn Dawes ha llamado a esta confusin fenmeno de la inversa ( Plous ,
1993 , p . 132 ) . Los mdicos estaban confundiendo la probabilidad de cncer
dado un positivo De rayos X con su inversa , la probabilidad de una de rayos X
positivo , dado que el paciente tiene cncer.
La determinacin de la probabilidad real
No es difcil ver que la respuesta correcta a la pregunta planteada a los
mdicos
por Eddy ( en la seccin anterior ) es de hecho 0.075 . Vamos a construir una
tabla hipottica

de 100.000 mujeres que se adapten a este escenario. En otras palabras , se

trata de mujeres que lo hara presentarse al mdico con un bulto para las que
la probabilidad de que era
maligno pareca ser de aproximadamente 1 % . Por lo tanto , de los 100.000
mujeres , aproximadamente el 1% , o 1000 de ellos , tendra una masa
maligna. El 99 % restante, o 99.000 , tendran un tumor benigno .
Adems, dado que la prueba fue 80 % exacto para tumores malignos ,
mostrara
un tumor maligno de 800 de las 1.000 mujeres que en realidad tenan una.
Dado que se trataba de
90 % de precisin para las 99.000 mujeres con ndulos benignos , mostrara
benigno para
90 % , o 89.100 de ellos y maligno para el 10 % restante , o 9900 de ellos .
Tabla 18.1 muestra cmo las 100.000 mujeres caeran en estas categoras
posibles .
Volvamos a la pregunta de inters . Nuestro paciente acaba de recibir una
positiva
prueba de malignidad. Teniendo en cuenta que la prueba mostr malignidad ,
cul es la probabilidad real que su tumor es maligno ? De las 100.000 mujeres
, 10.700 de ellos lo hara
tener un show de rayos X malignidad. Pero de esos 10 700 mujeres, slo 800
de ellos en realidad
tener un bulto maligno. Por lo tanto , dado que la prueba mostr un tumor
maligno , la
probabilidad de malignidad es slo 800 /10700 = 8 /107 =0.075 .
La probabilidad de falsos positivos
Muchos mdicos son culpables de la confusin de la inversa . Recuerde que ,
en una situacin
donde la tasa base para una enfermedad es muy baja y la prueba de la
enfermedad es menor que
perfecta , habr una probabilidad relativamente alta de que un resultado
positivo de la prueba es un falso positivo.
Si alguna vez te encuentras en una situacin similar a la que se acaba de
describir , es posible que
deseo de construir una tabla como la tabla 18.1 .
Para determinar la probabilidad de un resultado positivo de la prueba de ser
exacta , es necesario
slo tres piezas de informacin :
1 . El tipo de base o la probabilidad de que usted es probable que tenga la
enfermedad,
sin ningn conocimiento de los resultados del examen

2 . La sensibilidad de la prueba , que es la proporcin de personas que

correctamente un resultado positivo cuando en realidad tienen la enfermedad
3 . La especificidad de la prueba , que es la proporcin de personas que
correctamente un resultado negativo cuando no tienen la enfermedad
Tenga en cuenta que los puntos 2 y 3 son medidas de la exactitud de la
prueba . Ellos no lo hacen
medir la probabilidad de que una persona tiene la enfermedad cuando el
resultado es positivo o el
probabilidad de que no tienen la enfermedad cuando prueban negativo. Esas
probabilidades,
que son , obviamente, los de inters para el paciente , se puede calcular por la
construccin de una tabla similar a la Tabla 18.1 . Ellos tambin se pueden
calcular mediante el uso de una frmula llamada Regla de Bayes , dada en el
para los que gustan seccin Frmulas en el final de este captulo .
CASO PRCTICO 18.1 racha de Disparo en Baloncesto : Realidad o ilusin ?
Hemos aprendido en este captulo que la intuicin de la gente, cuando se trata
de evaluar
probabilidades, no es muy bueno, sobre todo cuando sus deseos de ciertos
resultados
estn motivados por factores externos. Tversky y Gilovich (Invierno 1989 )
decidieron
comparar las impresiones de " rodaje racha " fans de baloncesto ' con la
realidad evidenciada
los registros .
En primer lugar, se generan secuencias falsas de 21 presuntos " aciertos y
errores " en el tiro
canastas y les mostraron a 100 aficionados al baloncesto informados. Sin
decirle
ellos las secuencias eran falsas , se les pidi a los aficionados para clasificar
cada secuencia como
" Tiroteo oportunidad", en el que la probabilidad de un golpe en cada disparo
no estaba relacionado con disparos anteriores ; " Tiroteo racha ", en la que se
ejecuta de aciertos y errores eran ms largos de lo que cabra esperar por
azar ; o " tiro alternado , " en el que se ejecuta de accesos y echa de menos
eran ms cortos de lo que cabra esperar por azar . Ellos encontraron que las
personas tendido a pensar que se haban producido rayas cuando no tenan.
De hecho , el 65% de los encuestados pens que la secuencia que se haba
generado por " disparos oportunidad" era
de hecho, " tiro en fila. "
Para que os hagis una idea de la tarea en cuestin, decidir cul de los dos
siguientes

secuencias de 10 xitos (S) y 11 fracasos (F) cree que es ms probable que sea
el
resultado de " disparos oportunidad" :
Secuencia 1 : FFSSSFSFFFSSSSFSFFFSF
Secuencia 2 : FSFFSFSFFFSFSSFSFSSSF
Observe que cada secuencia representa 21 disparos. En " tiroteo oportunidad",
la proporcin
de lanza en el que el resultado es diferente de la banda anterior debe ser
alrededor de una media . Si pensabas que la secuencia 1 fue ms probable que
sea debido a disparos oportunidad,
tienes razn. De los 20 tiros que tiene un lanzamiento anterior, exactamente
10 son diferentes.
En la secuencia 2 , 14 de 20 , o 70 % , de los disparos difieren de la toma
anterior . si
que la secuencia 2 ha seleccionado, usted es como la aficin a prueba por
Tversky y Gilovich . la
secuencias con 70 % y 80 % tiros alternados tenan ms probabilidades de ser
seleccionado ( errneamente) como el resultado de " disparos oportunidad. "
A fin de probar la idea de que los aficionados al baloncesto ( y jugadores) ver
patrones en el tiro
el xito y el fracaso, Tversky y Gilovich hicieron preguntas acerca de la
probabilidad de
golpear con xito despus de golpear contra despus de perderse . Por
ejemplo, se les hizo la siguiente cuestin de 100 aficionados al baloncesto :
342 PARTE 3 Incertidumbre Entendimiento en la Vida
Al disparar tiros libres, un jugador tiene una mejor oportunidad de hacer su
segundo tiro despus de hacer su primer disparo que despus de perder su
primer tiro ? ( 1989 ,
p . 20 )
Sesenta y ocho por ciento de los encuestados dijo que s ; 32 % dijo que no. Se
pidi a los miembros del equipo de baloncesto Philadelphia 76ers de la misma
pregunta, con resultados similares. Una pregunta similar acerca de las vacunas
ordinarias suscit creencia an ms fuerte en vetas , con un 91 % responde
que la probabilidad de hacer un tiro fue mayor despus de haber
acaba de hacer las ltimas dos o tres disparos que despus de haberlas
perdido .
Qu pasa con los datos de tiro ? Los investigadores examinaron los datos de
varios
Equipos de la NBA , incluyendo a los Philadelphia 76ers, los New Jersey Nets,
New York

Knicks y los Celtics de Boston . En este estudio de caso , se examinan los datos
que reportan
para tiros libres . Estos son tiros en el que la accin se detiene y el jugador se
encuentra en una posicin fija , por lo general por dos intentos sucesivos para
poner la bola en el cesta. Examinar disparos de tiros libres elimina el posible
efecto de confusin que los miembros del otro equipo sera ms pesadamente
guardar un jugador que perciben como " Caliente".
Tversky y Gilovich informaron datos de tiros libres para nueve miembros del
Boston
Celtics equipo de baloncesto. Examinaron la frecuencia a largo plazo de un
golpe en la segunda
tiros libres despus de un golpe en la primera, y despus de un fallo en la
primera. de los
nueve jugadores , cinco tenan una mayor probabilidad de un golpe despus de
una falta, mientras que cuatro tenan una mayor probabilidad de un golpe
despus de un golpe. En otras palabras , la percepcin del 65 % de la los fans
que la probabilidad de un golpe fue mayor despus de slo recibir un golpe no
fue apoyada por los datos reales .
Tversky y Gilovich miraron otras secuencias de aciertos y errores de la Equipos
de la NBA , adems de generar sus propios datos en un experimento
controlado utilizando jugadores de los equipos de baloncesto del equipo
universitario de la Universidad de Cornell . Analizaron la datos en una variedad
de maneras , pero no pudieron encontrar ninguna evidencia de una "mano
caliente" o " raya . disparar " Llegan a la conclusin :
Nuestra investigacin no nos dice nada acerca de los deportes en general ,
pero s sugiere
una generalizacin acerca de las personas , a saber, que tienden a " detectar "
patrones incluso donde no existan , y sobreestimar el grado de agrupamiento
en el deporte eventos , como en otros datos secuenciales . Atribuimos la
discrepancia entre el estadsticas de baloncesto observadas y las intuiciones de
gran inters e informado observadores a un error general de las leyes de la
probabilidad de que induce la expectativa de que las secuencias aleatorias
sern mucho ms equilibrado que por lo general, son, y crea la ilusin de que
existen patrones de rayas en
secuencias independientes . ( 1989 , p . 21 )
La investigacin realizada por Tversky y Gilovich no ha sido cuestionada . Para
obtener informacin adicional lectura, vanse los artculos de Hooke (1989) y
por Larkey , Smith y Kadane
( 1989 ) . Ellos argumentan que el hecho de Tversky y Gilovich no encontraron
evidencia de
" Tiroteo racha " en los datos que examinan no quiere decir que no existe ,
veces .