/ {Sa cmeeilas
| cod S
Capitito o
JUbCLO EN SITUAC TGs os
iN¢ eae os
HEURISTICOS ¥Y SESGOS *
AMOS rveesky Y DANIEL KAHNEMAN
Muchas decisiones estan basadas en ereencias sobre la probabilidad de ocurrencia de
hechos inciertos, tales como cl resultado de una eleccién, 1a culpabilidad de un acu-
sado o el valor futuro det délar. Esas creencias suelen expresarse mediante enunciados
como «pienso que...» «es posible que...», «es improbable que...», ete. A veces, las
creencias con respecto a hechos inciertos se expresan de forma numérica, en términos
de estimaciones de probabilidad o probabilidades subjetivas, ,Qué determina esas
ereencias? ;Cémo evaliia la gente la probabilidad de ocurrencia de un hecho incierto
o el valor de una cantidad incierta? Este articulo muestra que la gente se basa en un
nimero limitado de principios heuristicos que convicricn las tareas complejas de eva
luar probabilidades y predecir vatores en operaciones de juicio mas simples, General-
mente estos heuristicos resultan de una gran utilidad, pero en algunas ocasiones con-
Guicen a errores graves y sistemiticos.
La evaluacién objetiva de la probabilidad tiene cierta similitud con Ja evaluacion
subjetiva de cantidades fisicas como la distancia 0 el tamaao. Todos estos juicios es-
tan basados en datos de validez limitada, que se procesan de acuerdo con unas reglas
heuristicas. Por ejemplo, Ia distancia aparente de un objeto se decide en parte segin
su claridad. Cuanto mas nitidamente se ve un objeto, mas cerca parece estar. Esta re-
gla tiene cierta validez, ya que en cualquier situacién los objetos mas distantes se ven
con menos nitidez que los objetos mas proximos. Pero la confianza en esta regla con-
duce a errores sistematicos en Ia estimacién de la distancia, Concretamente, suelen so-
brestimarse las distancias cuando la visibilidad es escasa, ya que entonces los contor-
nos de los objetos se vuelven borrosos. Por el contrario, cuando fa visibilidad es bue-
na suelen subestimarse las distancias al verse con mucha nitidez los objetos. De esta
forma, la confianza en Ia claridad como indicador de la distancia conduce a sesgos
+ Judgment under uncertainty: heuristics and biases», Science 185 (1974), 1124-1131. Reproducide par-
icidn, Traduceidn castellana de Juan Ignacio Pozo,
sialmente eon permiso de los autores y de la publi
169) See ae,
170 Amos Tversky y Daniel Kahneman
habituales, En los juicios intuitivos de probabilidad se produce también ese misino
lipo de sesgos. Este articulo describe tres heuristicos que se utilizan para evaluar pro-
babilidades y para predecir valores, enumerando los sesgos a los que esos heuristicos
conducen y discutiendo finalmente tas implicaciones tedricas y aplicadas de esas
observaciones. .
9.1. Representatividad
Muchas de las preguntas probabilisticas que interesan a la gente pestenecen a una de
las siguientes categorias: «Cui es ta probabilidad de que el objeto A pertenezca a la
clase B? {Cua es la probabilidad de que el hecho A tenga su origen en ef proceso B?
¢Cual es la probabilidad de que el proceso B dé lugar al hecho A? Para responder a
estas preguntas, la gente suele coufiar en el heuristico de la representatividad, segin
el cual las probabilidades se evaltian en funcién del grado de representatividad de A
con respecto a B, es decir, el grado en el que A se parece a B. Por ejemplo, cuando
Aes muy representativo de B, se considera que la probabilidad de que A tenga su ori-
gen en Bes alta. Por el contrario, si A no tiene semejanza con B, Ia probabilidad de
que A tenga su ofigen en B se considera baja.
Con objeto de ilustrar los juicios por representatividad, supongamos que una pér-
sona ha sido descrita por un antiguo vecino de la siguienie forma: «Steve es muy re-
servado ¢ introvertido, siempre servicial pero con poco interés por la gente 0 por el
mundo real. Con un caracter tranquilo y ordenado, necesita el orden y Ia estructura
Muy meticuloso.» ;Cémo evaliia la gente la probabilidad de que Steve se dedique a
una ocupacién determinada de las que se ofrecen en una lista (por ejemplo, agricul-
for, vendedor, piloto de lineas aéreas, bibliotecario © médico)? ;Cémo ordena la.gen-
te esas ocupaciones de mas probable a menos probable? Segin el heuristico de la re-
presentatividad, la probabilidad de que Steve sea bibliotecario, pongamos por caso,
se mide por el grado en que es representative det —o parccido al— estereotipo de bi.
bliotecario. De hecho las investigaciones realizadas con este tipo de problemas han
mostrado que la gente ordena las ocupaciones exactamente de la misma forma, ya sea
Por su probabilidad o por su semejanza (Kahneman y Tversky, 1973). Este enfoque
del juicio de probabilidad Heva a cometer graves errores, ya que Ia semejanza, o re-
presentatividad, no se ve influida por vatios factores que afectarian a los juicios de
probabilidad.
Insensibitidad a la probabilidad previa de los resultados
Uno de los factores que no tiene ningiin efecto sobre Ia representatividad, pero que
podria tener una influencia importante en ia probabilidad es la probabilidad previa,
© tasa basica de frecuencia, de Jos resultados. Por ejemplo, en el caso de Steve, el he.
cho de que cxistan muchos mas agricultores que bibliotecarios deberia (enerse en cuen-
fa antes de hacer cualquier estimacion razonable, considerando mayor la probabilidad
de que Steve sea bibliotecario que la probabilidad de que sea agricultor. Sin embargo,
Jas consideraciones sobre fa tasa bitsica de frecucncia no afectan a la semejanza de Ste, \
9. Juicio en situacién de incertidumbre: heusisticos y sesgos 171
ve con los estercotipos del bibliotecario y del agricultor. Por tanto, si la gente evalia
la probabilidad en funcién de la representatividad no tendré en cuenta las probabili-
dades previas. Esta hipotesis se puso a prueba en un experimento en el que se mani-
pularon las probabilidades previas (Kahneman y Tversky, 1973). Se presentaron a los
Sujetos breves descripciones de la personalidad de varios individuos, diciéndoles que
se habla tomado al azar de un grupo compuesto por cien profesionales, concretamen-
te ingenieros y abogados. Se pidid a los sujetos que evaluasen, para cada descripcién,
la probabilidad de que esa persona fuese ingenicro en vez de abogado. En una de las
condiciones experimentales, se informaba a los sujetos que el grupo del que se habian
extraido las descripciones estaba compuesto por sctenta ingenieros y treinta abogados.
En la otra condicién, se les decia que el grupo estaba formado por treinta ingenieros
y setenta abogados, La probabilidad de que cualquier descripeién conereta correspon-
diera a un ingeniero en vez de a un abogado seria mas alta en la primera condicién,
én fa que hay mayor némero de ingenieros, que en la segunda, en la que la mayor
parte son abogados. En conereto, aplicando la regla de Bayes, puede comprobarse que
fa raz6n de esas probabilidades seria (0.7/0.3), 0 sea 5.44, para cada descripcién. En
tuna flagrante violacién de la regla de Bayes, los sujetos de ambas condiciones reali-
vaban pricticamente los mismos juicios de probabilidad. Aparentemente, los sujetos
evaluaban la probabilidad de que una descripcién en concreto correspondiese a un in-
geniero en vez de a un abogado segitn el grado de representatividad de esa descripcion
Con respect a ambos estereotipos, sin prestar ninguna o casi ninguna atencién a las
probabilidades previas de cada categoria
Los sujetos utilizaban correctamente las probabilidades previas cuando no tenfan
ninguna otra informacion, En ausencia de una descripci6n de ta personalidad, consi-
Geraban que la probabilidad de que tina persona desconocida fuera ingeniero era 0.7
9.0.3 respectivamente en cada una de las rondiciones de tasa basica. Sin embargo, en
duanto se introducia una descripcidn, a nque no resultase en absoluto informativa,
las probabilidades previas eran ignorades sistematicamente, Las respuestas ofrecidas
2 la siguiente descripcién ilustran este fn6meno: «Dick tiene 30 anos. Esté casado y
no tiene hijos. Es una persona de gr a capacidad y muy motivada; promete tener un
fran éxito en su profesiOn, Es muy apreciado por sus companeros.» Bl objeto de esta
descripcidn era no proporcionar ninguna informacién relevante para la pregunta de si
Dick era ingeniero o abogado. Pur tanto, la probabilidad de que Dick fuese ingeniero ”
deberia sez igual a la proporcién de ingenieros en el grupo, como sino se hubiese ofre~
Cido ninguna descripeién. Pero los sujetos consideraron que la probabilidad de que
Dick fuese ingeniero era 0.5, independientemente de si la proporcién de ingenieros en
cl grupo era de 0.7 0 de 0.3. Parece claro que la gente responde de un modo diferente
cuando se le dan datos'sin ningiin valor Cuando no-se da ningun dato especifico se
utilizan adecuadamente lai probabilidades previas; cuando se dan datos sin valor, se
ignoran las probabilidades previas. : 5 y
Unsensibilidad al famafio de la muestra
‘Guando la gente tiene que evaluar ta probabilidad de obtener un resultado concrelo
de una muestra extraida de una determinada poblacién, suele aplicar el heuristico de 172 Amos Tversky y Daniel Kahineman
la representatividad. Es decir, evaliia la probabilidad de un resultado de una muestra,
por ejemplo, la probabilidad de que Ia estatura media en una muestra alcatoria de
diez varones sea 6 pies (180 ceritimetros), mediante fa semejanza entre ese resultado y
el pardmetro correspondiente (en este caso Ia estatura media de la poblacién de varo-
nes). La semejanza entre el estadistico de la muestra y el parémetro de la poblacién
no depende del tamafio de la muestra. Por tanto, si las probabilidades se evalian por
la representatividad, a probabilidad considerada para un estadistico de una muestra
sera basicamente independiente del tamafio de la muestra. Dé hecho, cuando los su-
Jetos evaluaban las dlistribuciones de 1a estatura media de varias muestras de diverso
tamano producian distribuciones exactamente iguates. Por ejemplo, la probabilidad
de obtener una estatura media superior a 6 pies fue considerada la misma en muestras
de 1.000, 100 y 10 varones (Kahneman y Tversky, 1972). Ademas, los sujetos fueron
incapaces de apreciar la influencia que podfa tener el tamafo de la muestra cuando se
insistié sobre clla en fa formulacién del problema, Veamos Ia siguiente pregunta:
En una determinada ciudad hay dos hospitales, En ef hospital grande nacen diariamente
unos cuarenta y cinco bebés, mientras que en ef hospital pequefio nacen unos quince bebés al
dia, Como todo ei mundo sabe, pricticamente el 50 por 100 de los bebés que nacen son nifos,
Pero el porcentaje exacto varia de ui dia para otro. Unas veces puede ser superior al 50 por
100 y otras veces inferior. : i
Durante un aflo, cada hospital registré los dias en que mAs del 60 por 100 de los bebés na-
cidos eran nifios. ¢En qué hospital erees que sucedid esto mas veces?
En ef hospital grande (21)
En ef hospital pequefio (21)
Mas 0 menos igual (esto es, menos’ de un 5 por 100 de diferencia entre ambos) (53)
El ndmero entre paréntesis indica la cantidad de estudiantes universitarios no gra-
duados que eligieron cada respuesta.
La mayor parte de fos sujctos consideraron que la pivbabilidad de obtener mas
de un 60 por 100 de nifios era la misma en el hospital pequefio y en el grande, presu-
miblemente porque esos hechos se describen mediante el mismo estadistico y son por
tanto igualmente representativos de la poblacién general. Por el contrario, la teoria
del muestreo sostiene que el nimero de dias en que mas del 60 por 100 de los‘ bebés
nacidos sean nifios es mucho mayor en el hospital pequefio. que en el grande, ya que
es menos probable que una muestra grande se aleje del 50 por 100. Es evidente que
esta nocién fundamental de la estadistica no forma parte del repertorio.de intuiciones
de fa gente
Una insensibilidad similar ante el tamafio de la muestra se ha observado en juicios
sobre la probabilidad posterior, es decir, sobre la probabilidad de que una muestra
haya sido obtenida de una poblacién a otra. Veamos el siguiente ejemplo:
Imaginese una urna lena de bolas, de las que 2/3 son de un color y 1/3 de otro color. Una
persona ha sacado cinco bolas de la urna y ha comprobado que cuatio eran rojas y una blanca.
Otra persona ha sacado veinte bolas, doce rojas y ocho blancas, :Cudl de estas dos persoiias
deberfa estar mas segura de que Ia urna conticne 2/3 de bolas rojas y 1/3 de bolas blancus, 7
no al contrario? {Qué estimaciones de probabilidad deberia hacer cada persona? \
9. Juicto en sittiacion de incertidumbre: heuristicos y sesgos _ 173
En este problema, las estimaciones correctas de probabilidad posterior son de 8 a
| para la muestra 4:1 y de 16 a 1 para la muestra 12:8, partiendo de las mismas pro-
babitidades previas. Sin embargo, la mayor parte de la gente cree que Ja primera mues-
ira proporeiona un apoyo mucho mas claro a la hip6tesis de que las bolas que hay en
Ja urna son mayoritariamente rojas, puesto que la proporcién de bolas rojas es mayor
en la primera muestra que en la segunda, Nuevamente, Jos juicios intuitivos estan do-
minados por la proporcién de la muestra y no se ven afectados en lo més minimo por
el tamafo de la muestra, que tiene una importancia decisiva en la determinacién de
las probabilidades reales posteriores (Kahneman y Tversky, 1972). Ademés, las esti-
macaiones intuitivas de las probabilidades posteriores ‘son bastante menos extremas
que los valores correctos. La subestimaci6n’ del impacto de los datos se ha observado
fepetidamente en problemas de este tipo. Esta tendencia ha sido denominada
«conservadurismon.
Concepciones erréneas del azar
La gente espera que una secuencia de hechos producida por un proceso aleatorio re-
presentard las caracterfsticas esenciales de ese proceso aun cuando la secuencia sea bre-
ve. Por ejemplo, si se lanza repetidas veces una moneda al aire, a cara (A) o cruz (B),
la gente cree que es mas probable que se produzca la secuencia A-B-A-B-B-A que la
secuencia A-A-A-B-B-B, que no parece deberse al azar, 0 que la secuencia A-A-A-A-
B-A, que no representa la imparcialidad de la moneda (Kahneman y Tversky, 1972).
De esta forma, la gente espera que las caracteristicas esenciales del proceso estén re-
presentadas no sdlo globalmente en la secuencia completa sino también parciaimente
en cada uno de sus segmentos. Sin embargo, una secuencia parcialmente representa-
tiva se desvia sistematicamente de fa expectativa de azar: contiene demasiadas alter-
nancias y muy pocas series continuadas. Otra consecuencia de la creencia en la repre-
sentatividad parcial es la conocidisima falacia del jugador. Por ejemplo, tras obsérvar
en la ruleta una larga serie de rojos, casi todo el mundo cree erroneamente que a con-
tinuacién tiene que salir un negto, posiblemente porque si se produce un negro la se-
cuencia ser mas representativa que si se produce un nuevo rojo. El azar suele consi-
derarse como un proceso que se corrige a si mismo, en el que una desviacién en una
direccién conduce necesariamente a una desviacién en la direccién opuesta con el fin
de restablecer el equilibrio. En realidad, cuando se produce un proceso al azar las des-
viaciones no se «corrigen»: simplemente se diluyen,
Las concepciones errdneas del azar no son exclusivas de los sujetos inexpertos.
Una investigacién sobre las, intuiciones estadisticas de’ psicdlogos con una amplia ex-
periencia investigadora (Tversky y Kahneman, 1974) revelé una creencia persistente
en io que puede denominarse «la ley de los pequefios nimeros», segiin ta cual incluso
las muestras pequeftas son muy representativas de las poblaciones a las que pertene-
cen. Las respuestas de estos investigadores reflejaron la expectativa de que una hipd-
tesis valida para una poblacién se vera representada por un resultado estadisticamente
significativo en una muestra (concediéndote muy poca atencién al tamaito de la mues-
tra). Consecuentemente, los investigadores depositan demasiada confianza en los re-
sultados de muestras pequefias y sobrestiman en exceso Ja posibilidad de que esos re- 174 Amos Tversky y Daniel Kahneman
Sultacos sean replicables. En ef momento de ponerse a investigar, este sesgo conduce
a la seleccién de mucstras de tamafio inadecuado y a una interpretacion exagerada de
los resultados obtenidos. ‘
Iasensibilidad a ta predictibilidad
A veces la gente recurre al cilculo de predicciones numéricas, tales como el futuro pre-
cio de unas existencias, fa demanda de un articuto 0 el resultado de un partido de fit-
bol. Esas predicciones suelen hacerse por representatividad. Por ejemplo, supongamos
due a uaa persona Te damos ta descripcién de una empresa y le pedimos que prediga
sus beneficios en ef futuro, Si fa descripcién de la empresa es muy favorable, parecerd
mils representativa de esa deseripcidn la existencia de clevados beneficios; si Ja des-
cripcidn es mediocre, lo mas representative parecerd un rendimiento mediocre. El gra-
do en el que una descripeién es favorable-no se ve afectado en abscluto por la fiabi
lidad de esa descripcién © por el grado en ef que permite una prediccién exacta. En
consecuciicia, si fa gente predice dnicamente en funcién de to favorable que sea la des-
pcién, sus predicciones no tendrén en cuenta fa fiabilidad de esos datos ni la exac.
titud esperada de la prediccién
Esta forma de juzgar viola fa teorfa estadistica normativa en ta que la excepcio-
nalidad y Ia amplitud de las predicciones estan controladas por consideraciones de pre-
dictibilidad, Cuando fa predictibilidad es nula, se deberia hacer en todos Jos casos la
misma prediccién. Por ejemplo, si las descripciones de las empresas no proporcionan
ninguna fnformacién relevante sobre los beneficios, deberia predecirse el mismo valor
(una especie de beneficio promedio) para todas las empresas. Si la predictibilidad es
perfecta es obvio que los valores predichos se correspondetin con los valores reales
de la amplitud de los resultados. En general, cuianto mayor es la predictibilidad mayor
es la amplitud de los valores predichos. 1
Varias investigaciones sobre la prediccién numérica han demostrado que las pre-
diceiones intuitivas violan esta regla y que los sujetos prestan muy poce o ninguna aten-
cién a Ins consideraciones de predictibilidad (Kahneman y Tversky, 1973), En una de
estas investigaciones, se prescntaron varios partafos a los sujetos, cada uno de los-cua-
les describia la actuacién de un profesor en periodo de practicas durante una leccién
concreta. A algunos sujetas s¢ les pidid que evaluaran, respecto a una poblacion de-
terminada, la calidad de fa leccién descrita en el pérrafo mediante puntuaciones per-
centiles. A otros sujetos se les pidié que predijeran, también mediante puntuaciones
percentiles, Ia situacién de cada profesor de practicas cinco afios después de la leccion
descrita. Los juicios hechos en ambas condiciones eran idénticos. O sea, que la pre-
diccién de un criterio remoto (el éxito del profesor cinco ailos después) era idéntica a
la evaluacién de la informacion sobre la que se basaba la prediccién ila calidad de la
leccién descrita). Los alumnos que hicieron esta prediccién eran sin duda conscientes
de Ia escasa predictibilidad de la competencia educativa sobre la base de una sola se.
sion de prueba realizada cinco aftos antes; pero a pesar de ello, sus predicciones eran
tan extremas como sus evaluaciones. 9. Juiclo en situacion de incertidumbre: heuristicos y sesgos 175
La ilusion de ta validez
Como hemos visto, la gente suele realizar predicciones seleccionando el resultado (por
ejemplo, un empleo) mas representativo de la informacién recibida (por ejemplo, la
descripeién de una persona). La confianza que tiene la gente en sus predicciones de-
pende esencialmente del grado de representatividad (es decir, de la clase de correspon-
dencia que exista entre el resultado seleccionado y la informaci6n recibida), con poca
© ninguna consideracién de los factores que reducen la precisién de la prediccién. Asi, °
Ja gente se muestra muy confiada en la prediccién de que una persona es bibliotecario
siempre que la descripcién de su personalidad se corresponda con el estereotipo del
bibliotecario, aunque la descripcién sea insuficiente, poco fiable o anticuada. Esta con-
icada que se produce al cuadrar perfectamente el resultado predicho y
Ja informacién recibida puede denominarse ilusién de validez. Esta ilusién sigue pro-
duciéndose aunque el sujeto que realiza el juicio sea consciente de la existencia de fac-
tores que reducen la precision de sus predicciones, Es algo sobradamente conocido
que los psicélogos que realizan entrevistas de seleccién de personal suelen mostrarse
muy confiados en sus predicciones, a pesar de que conocen la existencia de una in-
gente literatura que demuestra que mediante las entrevistas se cometen en muchas oca-
siones errores en la seleccin de personal. La persistencia en la utilizacion de entrevis-
tas clinicas para la seleccién de personal, @ pesar de haberse comprobado repctida-
mente su insuficiencia, viene a apoyar una vez mas la fuerza de este efecto,
La consistencia interna de una pauta de informaciones es un determinante funda-
mental de la confianza que una persona tiene en las predicciones que realiza sobre la
base de estas informaciones. Por ejemplo, fa gente se’sicnte mucho mas segura en sus
predieciones sobre la nota media final que va a'alcanzar un. alumno cuando sus pri-
meras calificaciones son todas ellas notables que cuando las predicciones se refieren
‘aun alumno entre cuyas calificaciones iniciales hay muchos sobresalientes y aproba-
dos. Suelen observarse con mas frecuencia pausas muy consistentes cuando las varia-
bles de la informacion son muy redundantes o estan muy correlacionadas entre si. Por
tanto, la gente suele tener gran confianza en las, predicciones que estan basadas en va-
riables de informacién redundantes, Sin embargo, un principio clemental de la esta-
distica correlacional afirma que, dadas unas variables de informacion de validez de-
terminada, una prediccin basada en varias de esas informaciones yesultaré mas pre-
cisa cuando esas informaciones sean independientes entre si que cuando se trate de in-
formacién redundante o correlacionada, En'consecuencia, la redundancia en la infor-
macién reduce la precisién en la misma medida en que incrementa la confianza y la
gente suele confiar en predicciones que es muy probable que carezcan de una base su-
ficiente (Kahneman y Tversky, 1973). : "
Concepciones erréneas de la regresion
Imaginémonos que estamos examinando a un grupo numerosos de nifos con dos ver-
siones equivalentes de un test de aptitudes. Si seleccionamos diez nines entre los que
mejor rendimiento han mostrado en una de las' versiones, normalmente encontrare- 478 Amos Tversky y Danie! Kahneman
mos que su rendimiento en Ia segunda versién resulta algo decepconante. Por el con-
trario, si seleccionamos diez de los nifios que peor lo han hecho en una versién en-
contraremos que, por término medio, fo hacen algo mejor en Ja otra versién. Tome-
sos, como caso mas general, dos variables X ¢ Y que tengan Ja misma distribucién,
Si seleccionamos unas personas cuya puntuacién promedio-X se desvia de ia media
de X en k unidades, el promedio de sus puntuaciones ¥ tendera a desviarse de la me-
dia de Y en menos de.k unidades. Se trata de un fendmeno muy general conocido
como regresién hacia la media,, del que dejé constancia por primera vez Galton, hace
ya mas de cien afios. 7
Bn nuestra vida diaria, encontramos muchos casos de regresibn hacia la media, ya
sea en ia comparacién de la estatura de padres ¢ hijos, de la inteligencia de maridos,
y mujeres o de fa actuacién de un mismo sujeto en varias pruebas consecutivas, Y sin
embargo la gente no desarrolia intuiciones correctas sobre este fendmeno. En primer
lugar, no espera Ja existencia de una regresién en muchas situaciones en que se pro-
ducira con seguridad, En segundo lugar, cuando se da cuenta de que se produce la
regeesion suele inventar explicaciones causales falsas del fendmeno (Kalneman y
‘Tversky, 1973). Pensamos que el feiadmeno de la regresién sigue siendo esquivo a cat-
sa de su incompatibilidad con fa crgencia de que el resultado predicho deberia de ser
representativo al maximo de la informaciéa disponible y, en consecuencia, de que el
valor de a variable del resultado deberia de ser tan extreino como el valor de la va-
riable de la informacion.
La incapacidad para reconocer la importancia de la regresién puede tener conse-
cuencias negativas, como se observa en e! siguiente ejemplo. En una situacion de adies-
tramiento de pilotos de vuclo, instructores experimentados observaron que las alaban-
zas a un atctrizaje excepcionalmente suave eran seguidas normalmente por un aterri-
zaje peor en el siguiente ensayo, mientras que Jas criticas duras tras un aterrizaje brus-
co solfan venir acompaitadas de.una mejora en el siguiente ensayo. Los instructores,
concluyeron que los refuerzos yerbales positivos eran perjudiciales para ef aprendiza-\
je, mientras que Jas reprobaciones verbales cran beneficiosas, contrariamente a lo que
sostienen las teorias psicolégicas gencralmente aceptadas. Esta conclusién no esta jus:
ificada, ya que no tiene en cuenta la presencia de la regcesién hacia la media. Como
sucede en otros muchos casos en que se realizan exAmenes repetidos, una mejora.suele
seguir a una acluaciéa pobre y un empeoramiento, sucle, seguir a una actuacién bri-
Hante, aunque el instructor.no responda de ninguna manera.a la actuacién del alumno
en-el ensayo anterior. Como los instructores han alabado a sus alumnos tras los bue-
nos aterrizajes y les han reprendido tras tos malos, han Ilegado a la conclusiGn errd-
nea y potencialmente perjudicial de que el castigo es mas. efect.vo que el, premio.
De esta forma, fa incapacidad para comprender el efecto de ‘a regresién Heva a
sobrestimar la efectividad del castigo y a subestimar fa efectividad del premio. En la
interaceién social, al igual que en el, aprendizaje, suelen premiarse las buenas conduc-
tas y castigarse las malas. En consecuencia, y teniendo en, cuenta tinicamente la regre-
sién, es mas probable que fa conducta mejore tras un castigo y empeore tras un pre
mio. En consecuencia, si pensamos sélo en ef azar, la condicién humana es tal que
resulta mas frecuente que a uno le premien por castigar a los demas y le castiguen por
premiar a los demas. La gente no stele ser consciente de esta contiagencia. De hecho,
el papel dificilmente aprehensible de la regresion en la determinaciéa de las consecuen- \
9. Juicio en situacién de incestidumbre: heuristicos y sesgos 177
zias aparentes del premio y del castigo parece haber escapado también a la perspicacia
de los especialistas en este area.
Hay situaciones en las que la gente evalia la frecuencia de una clase 0 la probabilidad
d2 un ‘acontecimiento en funcién de la facilidad con la que le vienen a la mente casos
©
También podría gustarte
- Rabinovich, D. Inhibición, Síntoma y Angustia y El Grafo Del DeseoDocumento14 páginasRabinovich, D. Inhibición, Síntoma y Angustia y El Grafo Del DeseocarliAún no hay calificaciones
- FobiaDocumento40 páginasFobiacarliAún no hay calificaciones
- Teórico 6 de Junio de 1996 Prof. Dra. Diana RabinovichDocumento10 páginasTeórico 6 de Junio de 1996 Prof. Dra. Diana RabinovichcarliAún no hay calificaciones
- Ejes DiagnósticosDocumento3 páginasEjes DiagnósticoscarliAún no hay calificaciones
- Construcción y Adaptación de Técnicas PsicométricasDocumento26 páginasConstrucción y Adaptación de Técnicas PsicométricascarliAún no hay calificaciones
- Alice Miller El Cuerpo Nunca MienteDocumento103 páginasAlice Miller El Cuerpo Nunca MientecarliAún no hay calificaciones
- Ficha de Estudio-: AniversarioDocumento6 páginasFicha de Estudio-: AniversariocarliAún no hay calificaciones
- Lacan Terminos FundamentalesDocumento6 páginasLacan Terminos FundamentalescarliAún no hay calificaciones
- Lacan, J. La Agresividad en PsicoanálisisDocumento12 páginasLacan, J. La Agresividad en PsicoanálisiscarliAún no hay calificaciones
- (Ebook) Manual de TenisDocumento49 páginas(Ebook) Manual de TeniscarliAún no hay calificaciones
- La Significacion Del FaloDocumento2 páginasLa Significacion Del FalocarliAún no hay calificaciones
