Está en la página 1de 3

Tema 6.

Razonamiento probabilstico (Inductivo)


Modelo normativo: la Teora de la probabilidad, en concreto el Teorema bayesiano.
Teora clsica, la probabilidad de un suceso se puede calcular de dos formas:
Atendiendo al nmero de resultados favorables. ( Vida cotidiana-No
son equiprobables)
Atendiendo a la frecuencia relativa. ( Vida cotidiana-No muchas
observaciones).
La Teora Bayesiana: estudia juicio humano en situacin de incertidumbre. Sirve para calcular la probabilidad a
posteriori de un suceso.
*Tiene en cuenta todos los axiomas de la Teora de la Probabilidad.
*Contempla las probabilidades subjetivas. ( objetivos - T Clsica)
*Permite estimar la probabilidad de un suceso nuevo a partir de: * las probabilidades a priori
* las probabilidades condicionales de los nuevos
datos.

Enfoque de los heursticos de razonamiento

Resultados experimentales demuestran que el razonamiento humano no emite juicios siguiendo las normas
estadsticas.
Para explicar esto, la investigacin se reorienta dentro del marco de la Teora de la Racionalidad Restringida:
debido a las limitaciones en el sistema de procesamiento, las personas no buscan emitir juicios exactos sino
alcanzar cierta satisfaccin en sus decisiones.
Estas estrategias simplificadas son los llamados heursticos, atajos que utilizan los sujetos de forma espontnea.
Tversy y Kahneman defienden el uso de estos heursticos en lugar de las leyes de la probabilidad en el juicio de los
eventos cotidianos.
Heurstico de representatividad
Consiste en asignarle probabilidad a un suceso en funcin de su pertenencia a una clase.
El juicio se realiza comparando las semejanzas que tiene el caso con el prototipo de su categora, la asignacin de
probabilidades se realiza por la representatividad del suceso.
Es adecuada en la mayora de las ocasiones, permite dar respuestas rpidas, permitiendo un importante ahorro
cognitivo.
Se producen sesgos como consecuencia de ignorar informacin relevante desde un punto de vista estadstico:
*Insensibilidad al tamao de la muestra:
Cuando se conoce la frecuencia real de un suceso, se espera que ste aparezca igualmente en un
nmero pequeo de observaciones. (Ej. Nacimiento Hospitales grandes vs pequeos). Falacia del
Jugador.
Tambin este sesgo provoca la generalizacin a partir de muestras pequeas si stas se
consideran representativas. (Ej. Mineral extico isla).
*Insensibilidad a las probabilidades a priori:
Tendencia de los sujetos a asignar probabilidad a un suceso teniendo slo en cuenta la
informacin nueva proporcionada, cuando sta se considera representativa. Basndose slo en la
descripcin ofrecida y en contra de la frecuencia real. (Ej. Ser Ingeniero o Abogado).
*Insensibilidad a la capacidad predictiva del dato (diagnosticidad):
Fijarse solo en los datos presentados, sin tener en cuenta que la probabilidad de los datos no
predigan la hiptesis.
(Ej. Llueve- Paraguas-siempre lleva)
*Falacia de conjuncin:
Los sujetos consideran ms probable la conjuncin de dos sucesos que cada uno por separado,
aunque segn las leyes estadsticas es justamente lo contrario. La info ms detallada se considera
ms representativa.
(Ej. Cajera-Feminista ms que slo una).
*Insensibilidad a la regresin a la media:
Los sujetos esperan que las puntuaciones extremas se mantengan en eventos relacionados, por la
semejanza entre s de los dos sucesos, aun cuando se explica el efecto. (Ej. Aprendiz vueloFelicitacin-se confa).
Heurstico de accesibilidad:
Tarea de recuerdo, asignan prob. a la info ms fcil de recuperar, por Accesibilidad.
Tarea de prediccin, asignan prob. a la info ms fcil de imaginar, por Simulacin.
Los sesgos estn influidos por factores que inciden en la memoria, pero que no son determinantes para la
probabilidad.
*Se ignoran las probabilidades a priori:
Cuando se dispone de informacin reciente impactante, aunque contradiga la frecuencia real de
un suceso conocido, sta se tendr en cuenta sin pensar en su relevancia estadstica. (Ej.
Accidente avin), (Plano social: Sesgo Egocntrico).
*Se ignora la capacidad predictiva del dato:
Fijarse slo en la informacin presente en una situacin concreta, sin tener en cuenta que no se
prediga la hiptesis.
Sesgo de explicacin:
Un hecho explicado o imaginado, es considerado ms probable porque a la hora de asignar
frecuencias a las distintas alternativas el suceso es ms fcilmente recordado. (Ej. Candidato
electoral)
Sesgo retrospectivo:

Si sabemos que ha sucedido, consideramos que hubisemos hecho una estimacin ms alta
del resultado.
(Ej. Nixon-China-sucesos que hubiesen podido pasar).
Sesgo de la correlacin ilusoria:
Cuando dos sucesos altamente significativos se asocian, dicha asociacin queda establecida
en la memoria y es ms fcil de recordar, por lo que se estima mucho ms frecuente. (Ej.
Etnia-Delito).
Heurstico de anclaje y ajuste:
Consiste en sesgar el juicio hacia un valor inicial (anclaje) obtenido de un cmputo parcial o al azar, e ir
ajustndolo a medida que se aade nueva informacin. (Ej. Negros EEUU-N azar-Juicio ajustado a N).
Crtica de los heursticos:
Flexibilidad: Virtud y problema. El = heurstico se utiliza en situaciones y heursticos se utilizan para explicar
la = situacin.
Falta de validez externa: Desarrollados en situaciones artificiales de laboratorio.
Falta de precisin del juicio: los resultados no coinciden con las predicciones del modelo Bayesiano.

Enfoque de los Modelos Mentales (Johnson-Laird y Byrne)


Segn esta teora, los sujetos no razonan de modo diferente cuando se enfrentan a problemas deductivos o
inductivos.
A partir de las premisas, construyen los modelos mentales que servirn de base a la conclusin: Asume que:
- Si hay alguno en el que esta se cumpla, ser
posible
- Si se cumple en la mayora, ser probable
- Si se cumple en todos ser necesaria
Dado que el juicio se debe realizar en funcin del n de modelos que apoyen o contradigan la conclusin, esta
no ser correcta si no se revisa una cantidad suficiente de posibles modelos alternativos.
Si embargo, debido a las limitaciones de la memoria de trabajo, el sujeto no puede atender un n elevado de
modelos, por lo que evala la frecuencia de los modelos a favor y en contra utilizando ilusiones cognitivas
que sesgan el juicio.
Dado que existe una tendencia a representar explcitamente slo la informacin verdadera, no se representan
bien todas las alternativas y se producen sesgos.
Los estudios se han centrado en los efectos producidos por:

Orden de presentacin de la informacin (contexto previo):


Los modelos mentales se van actualizando a medida que se producen nuevas entradas, y sta se va
integrando en los ya existentes.

Congruencia o incongruencia de las fuentes:


La integracin de la informacin representativa y la probabilstica depende de la congruencia entre ambas.
Si son incongruentes se desatiende la informacin probabilstica, basando su juicio en la informacin
meramente representativa.
Esta teora rechaza el uso del heurstico de representatividad, porque la informacin congruente se va
integrando en la construccin de los modelos, ya sea esta informacin representativa o probabilstica. Se ha
comprobado que los tiempos de solucin son mayores cuando se presenta informacin incongruente,
aunque sta sea representativa.
La facilidad para construir algunos modelos mentales provoca que el sujeto se centre slo en algunos sin tener
en cuenta el resto. Esta explicacin de la Teora de los modelos mentales est muy prxima al heurstico de
accesibilidad.
Experimento: Se les plante la eleccin entre dos marcas de coche que no se recuerdan, pero de las que se conocen
algunas caractersticas (consumo y averas). Se les pide que seleccionen informacin adicional, encontrndose el
resultado de que la mayora prefieren la informacin que se deriva directamente de la enunciada en las premisas
(informacin sobre la marca x).
Explicacin: el elemento central de la informacin condiciona la construccin de los modelos.
Explicacin alternativa: 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 (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.
En problemas en los que el sujeto puede tomar una decisin a partir de sus conocimientos, esta teora defiende
que se procede a la construccin de un Modelo Mental Local en el que se asocia la tarea con el conocimiento
disponible.
Cuando el conocimiento del sujeto no es suficiente, la persona realiza inferencias a partir de un Modelo
Mental Probabilstico. En este caso el sujeto construye un marco de inferencia con: una clase de referencia/
una variable sobre la que se emite el juicio/ una red de claves de probabilidad de sucesos relacionados con la
variable que covaran con ella.

Razonamiento y calibracin

La Teora de los Modelos Mentales Probabilsticos, ha estudiado tambin la calibracin, el grado de


confianza que los sujetos asignan a sus propios juicios.

Este juicio de segundo orden suele presentar un sesgo de sobreconfianza, se atribuye una excesiva
proporcin de aciertos.
Tareas experimentales: consisten en suministrar a los sujetos una serie de preguntas con dos alternativas y
posteriormente pedirles que asignen un porcentaje de confianza a cada respuesta emitida.
Comparando la proporcin real de aciertos y la asignacin de confianza los resultados
muestran que los sujetos slo aciertan un 80% de los casos en los que aseguran estar
totalmente seguros.
Explicaciones: Mayor evidencia a favor de la hiptesis que en contra.
Atribucin de fiabilidad absoluta a la memoria por falta de retroalimentacin en la vida diaria.
Factores motivacionales como la ilusin de control y el tipo de tarea.
Crticas a la tcnica para medir la calibracin. Esta teora asume que los sujetos basan su respuesta en una de las
claves de probabilidad que covaran con la variable y que la confianza asignada a la respuesta iguala a la de la
clave elegida. Esto explicara algunos errores de calibracin cuando se pregunta con trampa sugiriendo una clave
de mucha confianza, sin embargo, no explicara otros fenmenos observados, como la asignacin de dos altas
probabilidades de acierto a tareas ms difciles y sin trampa.
La teora de los modelos mentales no alude a la calibracin para dar cuenta del sesgo de sobreconfianza. Para
este enfoque la sobreconfianza se debera a la necesidad de satisfaccin de los sujetos que seleccionaran los
modelos mentales que conducen a conclusiones ms crebles o deseables, sin buscar contraejemplos, tendiendo
por tanto a pensar que la conclusin es fiable.