CAPITULO 6 (Cap.

8, llibre antic)

RAZONAMIENTO PROBABILISTICO

Hacemos una predicción o pronóstico

Introducción Evaluamos la probabilidad de un acontecimiento cuando Tomamos una decisión
Buscamos la causa de un hecho determinado

1. Probabilidad de un suceso aleatorio (S) varía entre 0: imposibilidad 0 ≤P(S)≥1

1: certeza

Tª de 2. La suma de probabilidades de todos los posibles sucesos en un espacio muestral es 1

probabilidad - Prob. De “no ocurrencia” = 1 menos la prob. De ocurrencia P (noS)= 1-P(S)

Axiomas 3. Si dos sucesos S1 y S2 son mutuamente excluyentes la prob de S1 o S2 será igual a la suma de sus prob: P(S1 ó S2) = P(S1)+P(S2)

4. Conjunción a) Si son dependientes, la prob de la conjunción será igual al producto de la prob. S1 por P(S1 y S2)= P(S1) x P(S2/S1)
de 2 sucesos la prob de S2 asumiendo S1 (probabilidad condicional de S2 dado S1)
TEOREMA DE BAYES

S1 y S2 b) Si son independientes, la prob de la conjunción será = al producto de la prob de S1 por la prob de S2 P(S1 y S2)= P(S1) x P(S2)

Añadió este axioma a los anteriores: Permite estimar la probabilidad de un suceso a la luz de una información nueva
Calculo no directo, se obtiene a partir de:
Probabilidad a priori de la HIPOTESIS P(H)
Probabilidad Diagnosticidad del DATO: P(D/H)
condicional Probabilidad conjunta de 2 sucesos dependientes: P(H) P(D/H)
inversa Es el problema que debemos resolver a partir de la información de la que disponemos
(o a posteriori) ►Probabilidad condicional Probabilidad condicional inversa de la probabilidad condicional P(D/H) → P(H/D)
inversa 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 (𝑠𝑒𝑔ú𝑛 𝑎𝑥𝑖𝑜𝑚𝑎 4)
P(H/D)=
∑ 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 (𝑠𝑒𝑔ú𝑛 𝑎𝑠𝑖𝑜𝑚𝑎 3)

al evaluar: las probabilidades a priori

Permite introducir las probabilidades condicionales del suceso
Inferencia bayesiana probabilidades subjetivas - la evidencia existente
(p. 230) Pueden obtenerse de distintas fuentes: - tª previas
- o la opinión o creencias

Evidencia empírica: Razonamiento humano generalmente no es extensional → No contempla el conjunto de probabilidades de forma exhaustiva
 ENFOQUE DE LOS HEURISTICOS

Reglas y estrategias intuitivas que se aplican de forma deliberada o no, para producir una estimación o una predicción
Heurísticos Proporcionan una evaluación “natural”, rápida y económica en términos cognitivos → Errores sistemáticos
(con frecuencia al margen de la Tª de la probabilidad) (sesgos o falacias)

Responden a 1 de estas 3 ¿Cuál es la prob de que el objeto A pertenezca a la categoría B?, ¿Cuál es la prob de q el proceso B sea la causa del
Juicios preguntas acontecimiento A? ¿Cuál es la prob de que el dato A se genere a partir del modelo B?
probabilísticos Para responder recurrimos generalmente al heurístico de la representatividad
(las probabilidades se juzgan en base a la medida de que A es representativo o se asemeja a B)

heurístico de la PV cognitivo: Juzgar la prob de un acontecimiento evaluando el grado en el cual es representativo de la categoría o esquema de referencia
representatividad →Sesgos significativos: La semejanza o representatividad no se ve afectada por factores que deberían afectar a los juicios de probabilidad.
Heurístico de la Representatividad TVERSKY y KAHNEMAN

Descripciones de personalidades de ingenieros o abogados A: 70% abogados 30% ingenieros

Experimento

B: 70% ingenieros 30% abogados

►Violación de forma drástica de la predicción del Teorema de Bayes:
- Evaluación de la probabilidad de que una determinada descripción perteneciera a ingeniero frente a abogado en función de que dicha
Insensibilidad a descripción sea representativa de uno u otro prototipo atendiendo poco o nada a las probabilidades a priori de una u otra categoría
las
probabilidades Planteamiento Desajuste entre la forma de presentar la información y el formato de la representación cognitiva natural de dicha información
a priori metodológico Tª Evolución: La mente y su entorno han evolucionado en paralelo → el formato natural de procesamiento de eventos es la
(frecuencia base inadecuado frecuencia más que la probabilidad o el porcentaje
del resultado) (GIGERENZER y Demandas algoritmos bayesianos más simples (234) se codifican en un formato de frecuencia más que en un formato
HOFFRAGE) estándar de probabilidad

Hipótesis de la representatividad →Predicción y evaluación deberían coincidir

1) G. Evaluación ► valoraba la cantidad de la descripción en relación a la población
SESGOS

Insensibilidad a Descripciones de estudiantes →Ordenar capacidad académica (Variable objetiva y próxima)

Experimento

la capacidad (5 adjetivos: calidad intelectual rendimiento futuro en base a dicha descripción

predictiva del y rasgos personalidad) 2) G. Predicción ► → ordenar calificaciones medias para próximo curso (Variable remota, basada en
dato la impresión que producía la descripción)
Resultados Juicio predictivo: parecen ignorar la predicción del dato dada la hipótesis alternativa
Ambos grupos: juicios La predicción basada en la impresión sin considerar factores que afectan a la evidencia, da lugar a sesgos
muy similares sistemáticos en el juicio probabilístico → ilusión de validez

Concepciones Concepción errónea de la regresión (tendencia de una medición extrema a situarse más próxima a la media cuando se realiza una 2ª medición)
estadísticas Insensibilidad al tamaño de la La expectativa de 1 hipótesis válida en relación a una población puede basarse en la significación estadística de
inexactas muestra un resultado en una muestra, prestando poca atención a su tamaño
Ejem: Falacia del jugador → excesiva fiabilidad a resultados con muestras pequeñas y sobreestimar la replicabilidad de sus resultados

Falacia de la La probabilidad conjunta de 2 sucesos es siempre menor o igual que la probabilidad de cada suceso por separado
conjunción Se considera más probable la ocurrencia simultánea de 2 sucesos, si ofrecen un modelo más representativo de la información inicial
Ejemplo: “Problema de Linda” (pg 239)
 La frecuencia o probabilidad de un evento, acontecimiento o circunstancia se juzga en base a la disponibilidad o facilidad de acceso a sus ejemplos (los ejemplos de
categorías más frecuentes se recuerdan con mayor facilidad que las menos frecuentes)
Accesibilidad: afectada por otro tipo de factores → sesgos

Lista 1: 19 nombres mujeres famosas y 20 hombres menos famosos Fama y frecuencia en función del sexo inversamente

Exp: familiaridad
Lista 2: 19 nombres hombres famosos y 20 mujeres menos famosas relacionadas
Grupo 1: recordar mayor nº de nombres de cada lista
Grupo 2: juzgar si cada lista contenía más nombres de hombres o mujeres
Ambos grupos: de idéntico signo para los grupos 1 y 2
Resultados G 1: más mujeres lista 1 y más hombres lista 2→Fue la fama y no la frecuencia objetiva lo que determinó la facilidad de recuerdo
Debido a la Grupo 2: más mujeres lista 1 y más hombres lista 2→ en contra de la frecuencia relativa real
facilidad de ► Efecto significativo del heurístico de la accesibilidad en el juicio probabilístico
recuperación
Saliencia: Afecta a la accesibilidad de los ejemplos: Prob subjetiva de accidente de tráfico aumenta si acabamos de ver coche volcado
Facilidad de recuperación Investigaciones auto-percepción estados emocionales:
de experiencias recientes Percepción de emociones inmediatas como - Fenomenológico (más vivida e intensa)
Heurístico de la accesibilidad

frente a las más remotas más intensas que las emociones previas desde - Sensitivo: inmediatas (se perciben) distantes (se recuerdan)
en el tiempo un punto de vista - Informativo: más ricas en detalles

L aparece con mayor probabilidad en:

Estimación Problema- ¿1ª posición?, ¿3ª posición?
SESGOS (4 categorías)

frecuencia relativa Selección de consonantes más frecuentes Mi estimación de la proporción de estos 2 valores es: ---/---
TVERSKY y en la 3ª posición de 1 palabra que en la 1ª ► Fr estimada superior en 1ª posición → sesgo debido a la superior facilidad de
KAHNEMAN (inglés) (K,L,N,R y V) generación de ejemplos que comiencen por 1 letra que la tengan en la 3ª
Tarea1 : escribir 10 palabras con “t” en la 3ª posición
Gr. facilitación: folio con t impresas (se les informó que facilitaban el recuerdo)
Tarea 2 : escribir 10 pbrs con “t” inicial Gr. Inhibición: folio con t impresas (se les informó que dificultaría el recuerdo)
Debido a la Valor informativo o Gr. Control: folio en blanco
facilidad en la diagnóstico de la Todos valoraron grado dificultad (escala 1 a 8) de ambas tareas
construcción experiencia subjetiva Más difícil recordar palabras con “t” en 3ª posición
de ejemplos de accesibilidad Resultados Gr facilitación: juicio más bajo de frecuencia
palabras “t” inicio Gr. Inhibición: juicio más alto
WÄNKE et al, Gr control: juicio entre estos 2 valores
►La experiencia subjetiva de la facilidad o dificultad de recuperación determina la estimación de la frecuencia
relativa de los juicios
Accesibilidad de Palabras abstractas (amor, amistad): más fáciles de asociar a historias vividas leídas o basadas en películas que palabras
posibles contextos concretas (puerta, agua) desprovistas de connotaciones que permitan evocar con facilidad contextos

Facilidad para Evaluación de probabilidades en - Facilidad para imaginar posibles contingencias peligrosas (aunque no reflejen el riesgo real)
imaginar situaciones la vida real - Subestimar el riesgo si los posibles peligros reales son difíciles de concebir o no acceden a la mente

Correlación Las asociaciones entre eventos o conceptos se fortalecen como resultado de su ocurrencia conjunta repetida
ilusoria e Correlación ilusoria Errores por sobrestimación de la correlación de - Supersticiones o creencias mágicas
ilusión de CHAPMAN (1967) 2 acontecimientos Efecto halo y estereotipos sociales
control Ilusión de control Se sobreestima la correlación entre la conducta y Expectativa de la probabilidad de éxito personal inadecuadamente
LANGER (1975) sus consecuencias elevada en relación con la probabilidad objetiva
 Nuevo enfoque del juicio Resultado 1) Una categoría se sustituye por su ejemplar prototípico
KAHNEMAN y FREDERICK

heurístico doble proceso de sustitución 2) Un atributo de la categoría se sustituye por una propiedad del prototipo
Heurístico del prototipo

(modelo integrador)
La representatividad no es necesariamente la propiedad del prototipo que sustituye al atributo de la categoría

Intensidad experiencia afectiva: se basa en el promedio entre - la media del pico más saliente de la experiencia global
(2002)

- el pico más próximo al final de la experiencia

Evaluación de la ►Añadir al final de la exper un intervalo corto de malestar mínimo → evaluación global de la experiencia global menor
Ejemplo del retrospectiva de Un doble proceso de sustitución da lugar al heurístico del prototipo que determina el juicio subjetivo:
Explicación

doble las experiencias Categoría “dolor que produce experiencia global” “promedio del pico más elevado del dolor”
proceso de con valor afectivo Se sustituye por el prototipo “valor más próximo al momento final”
sustitución →La propiedad del prototipo que sustituye al atributo de la categoría “intensidad” y que determina el juicio retrospectivo viene
dado por su accesibilidad en la memoria
 Estimaciones de cantidades inciertas a partir de un valor inicial que se ajusta hasta alcanzar la respuesta final Diferentes puntos de partida producen estimaciones
diferentes sesgadas hacia el valor inicial
Valor inicial sugerido por la formulación del problema
Tarea: estimación % países africanos en ONU. Valor inicial: girar rueda fortuna (entre 0 y 100)

Estudio 1
Procedimiento experimental 2 fases 1) Fase de juicio comparativo: estimar si % superior o inferior al resultado de la rueda
2) Fase de juicio absoluto: establecer % requerido
Resultados Valor partida 10 → mediana = 25
Valor partida 65 → mediana = 45 ►Demostró efecto del valor de partida sobre la R final
TVERSKY y
KAHNEMAN Punto de partida resultado de un cómputo parcial (información de anclaje)
(1974) Grupo 1: 8x7x6x5x4x3x2x1 → estimación mediana 512 Resultado real 40332
Tarea: estimar en 5 seg Grupo 2: 1x2x3x4x5x6x7x8 → estimación mediana 2250
Estudio 2

►El producto de los nº constituye la información de anclaje que explica el valor estimado en el juicio absoluto
1) Fase comparativa: se genera una estimación de la cantidad independiente del valor de anclaje y lo compara con su
1º interpretación estimación para determinar si es demasiado alto o demasiado bajo
2) Fase de juicio absoluto: ajusta el juicio inicial en la dirección apropiada hasta que encuentra un valor aceptable
►Sesgo de anclaje: no en la producción del juicio estimado inicial sino el proceso posterior de ajuste del juicio absoluto
Heurístico de anclaje y ajuste

Estimaciones de 15 problemas de juicio cuantitativo (obtenidas por sujetos distintos a los que participarían después en el experimento)
JACOWITZ y Existe un claro límite inferior para los valores bajos (cero)
KAHNEMAN Efecto asimétrico en el sesgo de anclaje: No existe límite superior para los valores altos
(1995) ► El sesgo no siempre se da en el proceso de ajuste de la estimación inicial sino que el valor del
superior para los valores elevados
Cuestionan 1ª ancla en sí mismo puede alterar la creencia inicial y modular el juicio absoluto
interpretación Causas del anclaje a) Punto de partida para el ajuste (1ª formulación)
(no excluyentes) En ancla puede considerarse b) Indicio de convencionalidad (por la saliencia académica del experimentador)
c) Sugerencia o prime → investigación más reciente

se origina con frecuencia en la fase de recuperación

Anclaje Ancla: actúa como una sugerencia: haciendo la información consistente con el ancla más accesible
Solo se produce si se cumplen determinadas condiciones de compatibilidad entre - El ancla (valor inicial)
- El juicio requerido (respuesta final)
Investigaciones recientes

Exp. 1 Necesidad que se expresen en la misma dirección (altura frente anchura)

(p.250) ►La fuerza del efecto depende de la medida en que la información activada por el ancla tb se percibe como aplicable en el juicio absoluto
MUSSWEILER

Es el priming semántico y no el numérico el responsable de los efectos del anclaje

STRACK y

Exp.2(p.251)

condiciones Ancla plausible versus no plausible VD Valores de los juicios

experimentales Ancla alta versus baja Latencia de R
Latencias de R significativamente mayores para anclas plausibles (patrón inverso para juicios absolutos)
Resultados - Anclas plausibles: correlación negativa → latencias más largas en juicio comparativo implican latencias más cortas en juicio absoluto
- Anclas no plausibles: las latencias no correlacionaron

CHAPMAN y Anclaje: proceso de accesibilidad selectiva que se genera en la fase inicial de recuperación de la información y determina la formación de la R
JOHNSON (2002) Errores de juicio y sesgos: - Incrementaría de forma desproporcionada la disponibilidad de rasgos compartidos
Modelo teórico consecuencia del priming asimétrico en el proceso por ancla y R
alternativo (252) de recuperación de la información que - Reduciría la disponibilidad de aquellos rasgos que los diferencian
 Perspectiva del juicio intuitivo bajo incertidumbre (dentro del enfoque de los heurísticos) desde un marco integrador

Efecto de desempaquetado Demostración de que en el juicio probabilístico humano “el todo es menor que la suma de sus partes
(principio explicativo) - Las descripciones de un acontecimiento determinado dan lugar, de forma sistemática, a juicios de probabilidad superior a las
que genera una descripción general del mismo acontecimiento

No está ligada a los acontecimientos sino a las descripciones de los acontecimientos (hipótesis)
- Cada hipótesis A posee un valor de apoyo determinado s(A): fuerza de la evidencia favorable a dicha hipótesis
- Desempaquetar la descripción de una hipótesis (C) “un avión se estrella” en sus posibles (Ca) (por error humano)
Probabilidad subjetiva

componentes o hipótesis elementales (Cn ) (de forma no accidental: terrorismo)

→ generalmente aumenta su apoyo ►s (C) ≤ s(Ca v Cn) (para disyunciones implícitas: subaditiva)
► s (Ca v Cn) = s(Ca) + s (Cn) (para disyunciones explítas: aditiva)
Grado de subaditividad Interpretación de la escala Más pronunciada: cuando se interpreta como la predisposición de un caso individual (juicio singular)
La teoría del Apoyo TVERSKY y KOEHLER (1994)

Influido por varios factores de probabilidad Menos pronunciada: cuando se interpreta como frecuencia relativa en una determinada población (juicio
distribucional) 256

Disyunción implícita: se desempaqueta con mayor facilidad en sus componentes Cuando se considera a la población en su conjunto
Ejemplo “accidente” (accidente de coche, accidente de avión, fuego, ahogamiento, etc) frente a una persona individual
► la tendencia a desempaquetar una disyunción implícita es mayor en el modo distribucional que en el modo singular o individual

2 grupos
1. Estimar las probabilidades de muerte para 1 persona determinada como consecuencia de una causa específica (en listado)
Experimento: 2. Tarea de juicios de frecuencia : porcentaje de personas de los 2 mill de muertes que podían atribuirse a cada una de las causas
Evaluación de - Hipótesis implícita (ej: muerte por causas naturales)
- Disyunción explicita (ej. Enfermedad cardíaca)
Subaditividad de Causas (Tabla 6.6, 258): Divididas en 3 componentes por tipi que a u ve se dividían en 7 componentes
las implicaciones La estimación media de una disyunción implícita es menor que la suma de las estimaciones medias de sus componentes
implícitas “Factor de Índice indicador del grado Suma de las probabilidades de las hipótesis elementales explícitas
Resultados:

(p.257) desempaquetado” de subaditividad Probabilidad de la hipótesis explicita

(∑/P) Cuanto mayor sea dicho valor mayor será el grado de subaditividad observado

► La subaditividad que se observa en - es tanto mayor cuanto más se explicitan sus posibles componentes
una disyunción implícita - es más acusada en juicios probabilísticos frente a juicios de frecuencias

La subaditividad no se restringe a los juicios de novatos sino que se observa también en los juicios probabilísticos de expertos
Revisión Modelo Contraste con el modelo bayesiano (asume supuesto de aditividad)
TVERSKY y subaditivo de Supongamos que A1 y A2 son hipótesis mutuamente excluyentes (siendo A1 y A2 la disyuncuón implícita de la hipótesis implícita A:
KOEHLER disyunciones Teoría apoyo P(A) ≤ P(1 v A2)→ consecuencia del desempaquetado de la hipótesis implícita
(2002) implícitas Modelo bayesiano P(A) = P(A1 v A2) → asume el principio de extensión

Generalización a juicios evaluativos con valor afectivo → se juzga el carácter positivo o adverso de una categoría o de las consecuencias de un
VAN BOVEN acontecimiento
y EPLEY Las descripciones más detalladas de los elementos - permiten recordar con mayor facilidad posibilidades que han pasado por alto
(2003) constituyentes producen juicios evaluativos más extremos - facilitan la simulación mental y la imaginación vivida de las categorías o acontecimientos
 Las Conclusiones probabilísticas son el resultado de los 2 tipos de inferencias (deductivas e inductivas)
Los individuos razonan construyendo modelos de las situaciones descritas en las premisas
 Posible: si se mantiene al menos en un modelo de las premisas
Postulado
TEORIA DE LOS MODELOS MENTALES JOHNSON-LAIRD (1994)

Conclusión  Probable: si aparece en la mayor parte de los modelos

 Necesaria: si se da en todos los modelos
Se aplica a la forma natural en la que razonan sobre probabilidades individuos ingenuos → razonamiento deductivo que genera la probabilidad de un acontecimiento
a partir de las diferentes posibilidades en que puede ocurrir

1. Principio de verdad Representan situaciones construyendo exclusivamente aquellos modelos - Capacidad limitada de la memoria de trabajo
mentales que responden a un posibilidad verdadera - Situaciones con prob = 0 corresponden a lo falso
2. Principio de equiprobabilidad Cada modelo representa una alternativa equiprobable, a menos que los conocimientos o creencias indiquen lo contrario →
asignaran diferentes probabilidades a diferentes modelos
La probabilidad de un evento A depende de la proporción de modelos en los que ocurre → p(A) = na/n
3. Principio de “Principio de inclusión Si un acontecimiento Ä ocurre en cada modelo en el que ocurre otro acontecimiento B entonces A es al menos
proporcionalidad “ (corolario): tan probable como B
Principios fundamentales

Si además A ocurre en algunos modelos en los que no ocurre B, entoces A es más probable que B
Si una persona hace referencia a 1 - los modelos pueden ser etiquetados con sus valores numéricos apropiados
4. Principio numérico probabilidad numérica - una probabilidad desconocida puede ser calculada restando la suma de las n-1
probabilidades conocidas a la probabilidad global de las n posibilidades en la partición

Elaborado para explicar las inferencias bayesianas del razonamiento probabilístico

Suponiendo la equiprobabilidad - La probabilidad condicional p(A/B) depende el subconjunto de B que es A
- La proporcionalidad de A respecto a B da lugar al valor numérico
Si los modelos se etiquetan con sus frecuencias → prob. condicional = modelo A y B________________
5. Principio de absolutas o posibilidades suma de todas las frecuencias de modelos que contienen B
subconjunto Cuando se computa la ratio de estas relaciones de subconjunto → pueden cometer errores asignando valores al numerados o más
(ej: 261) frecuentemente al denominador
JOHNSON-LAIRD La versión numérica de este principio no podría aplicarse si los datos son proporciones ni frecuencias
y Col (1999) Propuesta Pedagogía del razonamiento bayesiano basada en la Tª de los modelos mentales:
→ las probabilidades planteadas en términos numéricos sencillos: permitan inferir la probabilidad condicional
posterior aplicando el principio de subconjunto y sin necesidad de aplicar Teorema de Bayes

Falta resumen p (263-267)

 JUICIO PROBABILISTICO Y CALIBRACIÓN (p.268)

Calibración: grado de precisión o ajuste entre - el juicio probabilístico sobre la confianza en el propio rendimiento
- la eficacia objetiva avalada por los datos de la ejecución
“Efecto de exceso de confianza” (sobre-confianza) Las personas tenemos más confianza en la eficacia de nuestro rendimiento de lo que avalan los datos
Sesgos objetivos
“Efecto fácil-difícil”: el grado de sobre-confianza aumenta con el grado de dificultad de las preguntas
Enfoques Teóricos

Tarea prototípica en juicios de confianza: Conjunto de preguntas de cultura general con 2 alternativas de respuesta
Desajuste en (No característica intrínseca del juicio humano)
la calibración consecuencia de la utilización de tareas con escasa validez ecológica → no permiten poner en marcha un modelo mental probabilístico (MMP)
que propicie un modelo de inferencia inductiva adecuado para resolver con éxito la tarea
- Procedimiento inductivo que se utiliza cuando el conocimiento es limitado
- permite realizar inferencias rápidas
Modelo Mental

Estar adaptado si permite - La estructura específica de la tarea

Probabilístico

conectar - La estructura de probabilidad en una clase de referencia del ambiente natural del sujeto, almacenada en su MLP
¿Qué ciudad tiene más habitantes? A) Bilbao b) la Coruña
- Clase de referencia: Ciudades españolas con más de 200000 habitantes
Enfoque de los Tarea Permite - Variable criterio: número de habitantes
Modelos determinada integrar - Claves probabilísticas que - Tener o no tener equipo de futbol en 1ª
Mentales varían en su grado de validez - Ser o no capital de comunidad autónoma,…
Probabilísticos El orden en que se generan refleja una jerarquía de acuerdo con su grado de validez
(MMP)
2 tipos de - Preguntas representativas Respuesta  Juicio de confianza después de cada pregunta (relativo a sus RR)
 Juicio de frecuencia, después de cada bloque (nº estimado de RR correctas
Exper 1

GIGEREN et Al. preguntas - Preguntas seleccionadas

(1991) Juicios de preguntas conocimiento general: sesgo de sobre-confianza (+ acusado cuanto mayor es la eficacia de las RR de los sujetos)
Resultados confianza: Preguntas representativas: se corrige el sesgo (subconfianza en la parte izq de la escala, 0 sobreconfianza como promedio)
Media diferencias entre juicio de confianza y porcentaje de RR correcta: no difiere significativamente de 0 → juicio promedio bien calibrado

Análisis Curva de calibración Preguntas equivalentes en nivel de dificultad a las preguntas de cultura general
de preguntas “emparejadas” → La diferencia media entre la frecuencia estimada de RR correctas en cada bloque de preguntas seleccionadas y la
frecuencia real no difirió significativamente de 0

Desarrollo de la Tª : responder cuestiones no resueltas: Selección de clave probabilística que se activa, condiciones que determinan las claves
1) Principio de reconocimiento: predictor de la variable
GIGEREN et Al. (1996)

2) Búsqueda de claves con validez: frecuencia relativa con la que la clave predice correctamente el
Diagrama de flujo resultado
basado en 5 principios 3) Regla de discriminación: si 1 objeto tiene un valor positivo y otro negativo
Algoritmo básico para claves binarias 4) Principio de sustitución de la clave: si la clave discrimina se para la búsqueda si no se vuelve al paso 2
“Take de Best” 5) Regla de maximización para la elección: Se elige el objeto con un valor positivo en la clave. Si ninguna
(TTB) discrimina se elige al azr entre ambas alternativas (proceso no compensatorio)
Supone una ordenación subjetiva de las claves de acuerdo con su grado de validez
La clave superior en rango constituye la mejor clave (permite discriminar entre 2 alternativas de R)
► Modelo teórico de racionalidad Permite explicar cómo el sesgo de sobre-confianza se corrige cuando el participante realiza
ecológica inferencias sobre objetos de su entorno natural (clave de referencia)
 Responde a ¿Qué ocurre cuando se selecciona una clave con escaso valor predictivo para la realizar la inferencia?
¿Cuáles son las razones que pueden explicar su selección?

30 pares de estados (Alabama y Oregón) Tarea: ¿qué estado es superior en?: nº habitantes, % de participación voto y % bachilleres
El modelo Estudio - no puede reducirse al nivel de dificultad (superior en la variable de educación)
“fuerza-peso” Resultados Sesgo de sobre-confianza → Efecto de “ilusión de validez”: estereotipo americano asociado + a educación que a voto
de la confianza Determina su representación como clave probabilística (aunque tenga escasa validez objetiva)
en la evidencia
Se interpreta de acuerdo con 2 coordenadas - la fuerza o saliencia de la evidencia (tamaño del efecto y fiabilidad)
GRIFFIN y - su peso o validez predictiva (tamaño muestra y % de casos)
TVERSKY Evidencia a ►El juicio humano no combina ambos factores de acuerdo con los modelos normativos → sesgos y errores de calibración
(1992) partir de la que
emitimos un Sobreconfianza: fuerza elevada y peso bajo
juicio intuitivo Mod. Teórico de juicio Integra esta Predice → el sujeto se focaliza inicialmente en la impresión que le produce la evidencia para
probabilístico dicotomía después ajustar el juicio con el conocimiento de su validez
Subconfianza: fuerza baja y peso elevado

Predictores de calibración sesgada en el juicio de expertos en dominios específicos - desatención a las probabilidades a priori de la hipótesis
- capacidad predictiva del dato

Modelo de calibración adaptado al juicio probabilístico con participantes expertos sobre un caso particular
- teoría del Apoyo
Integra - modelo de calibración “fuerza-peso”
- Enfoque de los heurísticos
KOEHLER, BRENNER y GRIFFIN (2002)

Estudio (p.277) Médicos: estudio clínico individual distintos pacientes con “tos aguda” persistente
Tarea: estimar probabilidad de neumonía (escala 0 a 100) (examen físico sin radiografía)
CALIBRACIÓN - Marcada sub-confianza: cuando probabilidad a priori y discriminabilidad son elevadas
EN EL JUICIO - Ligera sobreconfianza: cuando probabilidad a priori es baja y la discriminabilidad alta
DE LOS
- Sobre-confianza extrema: probabilidad a priori muy baja y discriminabilidad baja
EXPERTOS
La “impresión” que causa  se ve reforzada por la accesibilidad de la fuente de información (experiencia personal) →determina
el síntoma inicialmente la “fuerza” de la evidencia
Resultados

 adquiere especial importancia por un factor adicional: probabilidad a priori de la enfermedad

Interpretación

La saliencia varia en relación inversa con la tasa de la enfermedad en la población

del síntoma : - + atípica la enfermedad: mayor relevancia del síntoma
→ facilita la recuperación de la memoria de información coherente con la evidencia (que resulta en mayor medida disponible)
La disponibilidad de síntomas coherentes con Contribuye a su proceso de desempaquetado en sus síntomas componentes →
la hipótesis focal incrementando su probabilidad subjetiva
Sesgo de focalización inicial del juicio a favor de la → resta eficacia al proceso de ajuste final (no considera de forma suficiente la
hipótesis focal respecto a las hipótesis alternativas discriminabilidad objetiva del síntoma (validez predictiva real de la
enfermedad)