Psicología Del Pensamiento Tema 6

Facultad de Psicología
Psicología del
Pensamiento
Tema 6:
Razonamiento probabilístico
Centro Asociado dede

Burgos
Miguel Santos
Miguel González
Santos González
Centro Asociado Burgos Profesor
Profesor Tutor
Tutor
Psicología del Pensamiento – Facultad de Psicología
Teoría de la probabilidad (principio de extensión): E

• Axiomas x Dificultad para codificar la
• Teorema de Bayes p información en el formato “no
m
l natural” de probabilidades
Enfoque ecológico: o
i
Concepción frecuentista de la probabilidad d
c
e
Modelos normativos a Dificultad para la representación
l
Teoría de los modelos mentales: n extensional de los modelos mentales
o
Principios del razonamiento extensional del espacio muestral (limitaciones
sobre probabilidades d en la capacidad de la memoria de
Juicio probabilístico sobre sucesos e
n
o trabajo)
s
Enfoque de los heurísticos (Teoría del r
v
m
Objeto apoyo): i Sesgos sistemáticos en:
Razonamiento • Representatividad a
a
• Predicción categorial
de t
probabilístico • Accesibilidad c • Estimación de frecuencias
estudio • Anclaje y ajuste i
i
relativas
v
o • Estimación de cantidades
o
n • Evaluación retrospectiva
Teorías e • Juicio evaluativo
s
Enfoque ecológico:
Modelos mentales probabilísticos
Juicio probabilístico de segundo orden Explican
Enfoque de los heurísticos:
Modelo fuerza-peso de la confianza en la
evidencia
Efecto fácil-difícil
Calibración Efecto de sobre-confianza
Juicio retrospectivo Juicio predictivo
Ilusión de coherencia Falacia narrativa Ilusión de validez

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
1.- Introducción.
• Cuando hacemos una predicción, tomamos decisiones o buscamos la

causa de un hecho determinado, estamos evaluando la probabilidad de
que determinados acontecimientos vayan a ocurrir o hayan ocurrido.
• El razonamiento probabilístico constituye una modalidad de

pensamiento que se enfrenta a problemas abiertos, no muy bien
delimitados, en un mundo complejo y cambiante donde la información
es incompleta y está sujeta a cambios.
• Las leyes de probabilidad en tareas de razonamiento probabilístico

juegan un papel similar a las leyes de la lógica en el razonamiento
deductivo; constituyen un modelo normativo o prescriptivo sobre cómo
deben realizarse las inferencias probabilísticas.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
2.- El teorema de Bayes.
Cuando se asigna un valor de probabilidad a un suceso, puede conocerse o no

el espacio de probabilidades. En la vida cotidiana, este dato no suele estar
disponible.
Tanto si la fuente de la que se ha obtenido la probabilidad de un suceso es
objetiva, como si es subjetiva, la teoría de la probabilidad asume un conjunto de
axiomas:
1. La probabilidad de un suceso (S) varía entre 0 (imposibilidad) y 1 (certeza).
2. La suma de las probabilidades de todos los posibles sucesos es 1.
3. La probabilidad de no ocurrencia de un suceso es: P(¬S) = 1 – P(S)
4. Si dos sucesos (S1 y S2) son mutuamente excluyentes, la probabilidad S1 o
S2 será igual a la suma de sus probabilidades: P(S1˅S2) = P(S1) + P(S2)
5. Si dos sucesos (S1 y S2) son dependientes, la probabilidad de la conjunción
de estos sucesos será igual al producto de la posibilidad de S1 por la
probabilidad de que ocurra S2, asumiendo S1 (probabilidad condicionada):
P(S1˄ S2) = P(S1) x P(S2ǀS1)
6. Si dos sucesos son independientes, la probabilidad de que concurran ambos
sucesos será igual al producto de sus probabilidades:
P(S1˄ S2) = P(S1) x P(S2).

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
El Teorema de Bayes permite calcular la probabilidad condicional inversa (o

probabilidad a posteriori), y constituye la ley fundamental en la que se basa
este tipo de inferencia probabilística, tanto cuando la información procede de
datos muestrales como cuando procede de estimaciones subjetivas de
probabilidades.
Los conceptos básicos a partir de los cuales se constituye la matemática del

Teorema de Bayes son:
a. La probabilidad a priori de la Hipótesis P(H)

b. La diagnosticidad del Dato para la Hipótesis P(DǀH)
c. Probabilidad conjunta de dos sucesos dependientes P(H) x P(DǀH)
d. Probabilidad condicional inversa o posterior, que es el problema a resolver a
partir de la información disponible. Es la probabilidad condicional inversa de
P(DǀH); se expresa P(DǀH) y se calcula:
P ( H1 ) P ( D / H1 )
P ( H1 / D)  K
 P( D / H ) P( H )
i 1
i i

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
3.- Enfoque de los heurísticos.

Los heurísticos constituyen reglas y estrategias intuitivas que se
aplican de forma deliberada o no, para producir una estimación o una
predicción. La evaluación proporcionada por los heurísticos es susceptible
de sesgos muy característicos.
a.- Heurístico de representatividad.

El heurístico de representatividad se utiliza para estimar la
probabilidad en base a la medida en que A es representativo de B
de una manera natural y económica desde un punto de vista cognitivo.
Estos heurísticos se utilizan para responder a las preguntas: ¿cuál es la
probabilidad de que A pertenezca a la categoría B?; ¿cuál es la probabilidad
de que el proceso B sea la causa del acontecimiento A? y ¿cuál es la
probabilidad de que el dato A se genere a partir del modelo B?
Esta estrategia para abordar los juicios de probabilidad produce sesgos
significativos ya que la representatividad no se ve afectada por factores
que deberían afectar a los juicios de probabilidad:

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
a.1.- Insensibilidad a las probabilidades a priori.
Uno de los factores que no afectan a la representatividad pero que debería

tener un efecto significativo sobre el juicio probabilístico es la
probabilidad a priori o la frecuencia base del resultado.
De acuerdo con Gigerenzer y Hoffrage (1995), el amplio número de trabajos

que apoyan la dificultad para aplicar las normas de la inferencia bayesiana
es resultado de un planteamiento metodológico inadecuado, de un
desajuste entre la forma en la que se presenta la información y el formato
de la representación cognitiva natural de dicha información.
Estos autores sostienen que las demandas computacionales de los

algoritmos bayesianos son más simples cuando la información se codifica en
un formato de frecuencias. El formato natural de procesamiento de
serie de eventos es la frecuencia más que la probabilidad o el
porcentaje.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
a.2.- Insensibilidad a la capacidad predictiva del dato.

En base a una información previa, caben dos tipos estimaciones: evaluación
del dato y predicción de un resultado. El grado de incertidumbre es muy
superior en el segundo caso; la hipótesis de representatividad sin embargo,
sostiene que predicción y evaluación coincidirán. En teoría estadística de la
predicción, la equivalencia observada entre predicción y evaluación estaría
justificada sólo si la eficacia predictiva fuera perfecta.
a.3.- Concepciones estadísticas inexactas.

La concepción errónea de la regresión constituye otro ejemplo de sesgo en
el juicio predictivo basado en el heurístico de representatividad. Esto es la
tendencia a considerar que un resultado será representativo al máximo de la
evidencia disponible, es decir, que será tan extremo como ésta, cuando en
realidad, suele darse un resultado más cercano a la media.
Otro sesgo en la aplicación del heurístico de representatividad se observa
cuando se evalúa la probabilidad de obtener un resultado determinado en una
muestra extraída de una población específica. Es la insensibilidad al tamaño
de la muestra.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
a.4.- Falacia de la conjunción.
La representatividad no es extensional, es decir, no siempre está

determinada por la frecuencia ni limitada por la inclusión de clases de los
datos que componen el espacio muestral.
Por el contrario, en el modelo normativo de la Teoría de la probabilidad, la

ley más simple y fundamental es el principio de la extensión: si la extensión
de A incluye la extensión de B (A ‫ ﬤ‬B), entonces la probabilidad de A será
igual o mayor que la probabilidad de B, P(A) ≥ P(B).
Puede aplicarse el mismo principio para la conjunción, de tal forma que

P(A) ≥ P(A˄B).
Una conjunción no puede ser nunca más probable que sus

constituyentes por separado. La violación de esta regla es lo que
se constituye como la falacia de la conjunción.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
b.- Heurístico de accesibilidad.
El heurístico de accesibilidad se refiere a la evaluación que se hace de la

frecuencia de los ejemplares de una categoría o la probabilidad que tiene un
acontecimiento de producirse, en base a la facilidad con la que recordamos
o imaginamos un ejemplo.
b.1.- Sesgo debido a la facilidad de recuperación.
Factores como la saliencia, la familiaridad o la inmediatez, afectan a la

accesibilidad de los ejemplos, lo que se traduce en una estimación errónea de la
frecuencia o probabilidad de una categoría o de un acontecimiento.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
b.2.- Sesgo debido a la facilidad en la construcción de ejemplos.
En función de la facilidad o dificultad para construir/generar ejemplos de

un categoría o de una situación, se valorará su probabilidad como mayor o
menor, respectivamente.
Una variable relevante en las tareas de búsqueda de ejemplos que da lugar

a sesgos significativos en la estimación de la probabilidad subjetiva es la
accesibilidad de posibles contextos. Son más fáciles de imaginar o recordar
contextos para palabras abstractas (p.e. amor, amistad…) que para
palabras concretas (p.e. puerta, agua…).
b.3.- Sesgo debido a la facilidad para imaginar situaciones.
La facilidad para imaginar situaciones también sesga la evaluación de

probabilidades en la vida real.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
b.4.- Sesgo debido a la correlación ilusoria e ilusión de control.

Las asociaciones entre eventos o conceptos se fortalecen como
resultados de su ocurrencia conjunta repetida. Este hecho determina
que se juzgue la frecuencia de ocurrencia conjunta de dos acontecimientos
fuertemente asociados como elevada.
El término correlación ilusoria indica los errores que se producen como
resultado de la sobreestimación de la correlación entre dos
acontecimientos o elementos distintivos. La correlación ilusoria es uno de
los mecanismos en que se basa la explicación del origen de las
supersticiones, las creencias mágicas, el efecto halo y los estereotipos
sociales.
Cuando lo que se sobreestima es la correlación entre la conducta y
sus consecuencias, se produce la ilusión de control, que se define
como la expectativa de la probabilidad de éxito personal inadecuadamente
elevada en relación a la probabilidad objetiva. Este fenómeno constituye
uno de los factores que explican el sentimiento excesivo de confianza en el
éxito relacionado con el riesgo asumido en los juegos de azar.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
c.- Heurístico del Prototipo.

Los heurísticos del prototipo son el resultado de un doble proceso de
sustitución en el que una categoría se sustituye por su ejemplar
prototípico, y un atributo de la categoría (el evaluado) se
sustituye por una propiedad del prototipo. La representatividad no es
necesariamente la propiedad del prototipo que sustituye al atributo de la
categoría.
La insensibilidad observada a características extensionales de las categorías
como son las probabilidades a priori en la predicción de la pertenencia de
un ejemplar a una categoría o la relación monotónica entre la duración de
la experiencia y su valor afectivo, constituyen ejemplos de la desviación
sistemática del modelo normativo de la lógica en el juicio intuitivo bajo
incertidumbre.
El proceso común de sustitución del atributo de la categoría por una
propiedad del prototipo se demuestra en una variedad de dominios e indica
que los juicios complejos se sustituyen por valoraciones conceptual o
semánticamente más simples y más fácilmente accesibles.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
d.- Heurístico de anclaje y ajuste.

En ciertas situaciones, se realizan estimaciones de cantidades inciertas a
partir de un valor inicial que se ajusta hasta alcanzar la respuesta
final. El valor inicial, o punto de partida, puede o bien sugerirse por la
formulación del problema, o bien ser el resultado de un cómputo parcial. En
ambos casos, diferentes puntos de partida producen estimaciones diferentes y
sesgadas hacia el valor inicial.
Jacowitz y Kahneman (1995): efecto asimétrico en el sesgo de anclaje,
significativamente mayor para los valores elevados.
Strack y Mussweiler (1997) encontraron que cuando el ancla es un valor
plausible, los participantes resuelven la tarea comparativa elaborando la
respuesta en un proceso cognitivo que consume tiempo; así, cuanto más
tiempo consuma el juicio comparativo, menos tiempo consumirá el juicio
absoluto (correlación negativa). Para las anclas no plausibles las latencias de
ambos juicios no correlacionaron.
Chapman y Johnson (2002). Para estos autores, el mecanismo de anclaje se
basa en un proceso de accesibilidad selectiva que se genera en la fase inicial de
recuperación de la información y determina la formación de la respuesta. Los
errores en los juicios y los sesgos se producirían como consecuencia del
priming asimétrico en el proceso de recuperación de la información.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
3.1.- La teoría del apoyo.
El denominado efecto de desempaquetado, principio explicativo de la

teoría del apoyo, constituye una nueva demostración de que en el juicio
probabilístico el todo es menor que la suma de sus partes. Las
descripciones detalladas de un acontecimiento determinado dan lugar de
forma sistemática, a juicios de probabilidad superiores que las que genera
una descripción general del mismo acontecimiento.
Tversky y Koehler (1994) explican este fenómeno postulando que la

probabilidad subjetiva no está ligada a los acontecimientos, sino a
las descripciones de dichos acontecimientos, denominadas
hipótesis.
Para la teoría del apoyo, las desviaciones de la lógica extensional no
constituyen una colección de ejemplos aislados, sino que el juicio
probabilístico sobre un evento determinado depende del grado en que se
explicita su descripción; es decir, cada hipótesis individualmente posee un
valor de apoyo (s) que incrementa su probabilidad subjetiva y que es
mayor/igual que el valor de apoyo que posee la descripción general.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
La teoría del Subaditiva para disyunciones implícitas 𝑠(𝐶 ) ≤ 𝑠(𝐶𝑎 ˅ 𝐶𝑛 )

apoyo es: Aditiva para disyunciones explícitas 𝑠(𝐶𝑎 ˅ 𝐶𝑛 ) ≤ 𝑠(𝐶𝑎 ) + 𝑠(𝐶𝑛 )
El grado de subaditividad estaría influido por la interpretación de la escala de

probabilidad. Se espera que la subaditividad sea más pronunciada cuando la
probabilidad se interpreta como la predisposición de un caso individual (modalidad
de juicio singular) respecto a cuando se estima como frecuencia relativa en una
determinada población (modalidad de juicio distribucional).
Los resultados experimentales de Tversky y Koehler les permitieron concluir que la
subaditividad que se observa en una disyunción implícita es tanto mayor cuanto más
se explicitan sus posibles componentes y es más acusada en juicios probabilísticos
frente a juicios de frecuencias.
En contraste con el modelo bayesiano, la teoría del apoyo predice que
𝑃 𝐴 ≤ 𝑃(𝐴1 ˅𝐴2 ) como consecuencia del ‘desempaquetado’ de la hipótesis implícita,
mientras que el primero asume el principio de extensión en la teoría de la
probabilidad y, por tanto, que 𝑃 𝐴 = 𝑃(𝐴1 ˅𝐴2 ).
Del principio de extensión se deriva la regla de disyunción que establece que
𝑃(𝐴1 ˅𝐴2 ) no puede ser inferior a 𝑃(𝐴1 ) ni a 𝑃(𝐴2 ) puesto que es la suma de ambas.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
4.- La teoría de los modelos mentales.
La teoría de los modelos mentales (Johson-Laird, 1994) ofrece un marco

explicativo unitario para la deducción y la inducción y sostiene
que las conclusiones probabilísticas son el resultado de ambos
tipos de inferencias. Esta teoría postula que los individuos razonan
construyendo modelos de las situaciones descritas en las premisas.
Una conclusión es posible si se mantiene en al menos un modelo

de las premisas; es probable si aparece en la mayor parte de los
modelos; y es necesaria si se da en todos.
La teoría de los modelos mentales se aplica a la forma natural en la que

razonan sobre probabilidades individuos ingenuos; concretamente, explica
el razonamiento extensional sobre probabilidades.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
Principios fundamentales:
1. Principio de verdad. Las personas representan situaciones construyendo

exclusivamente aquellos modelos mentales que responden a una posibilidad
verdadera. Respecto a esto, se produce una violación del principio de
extensionalidad al no poder representarse todos los modelos explícitos que
cubren el conjunto íntegro de posibilidades, debido a la capacidad limitada
de la memoria de trabajo.
2. Principio de equiprobabilidad. Cada modelo representa una alternativa

equiprobable. El conocimiento o las creencias de los sujetos pueden alterar
esta igualdad probabilística.
3. Principio de proporcionalidad. Garantizada la equiprobabilidad, la

probabilidad de un evento depende de la proporción de modelos en los que
ocurre: 𝑃 𝐴 = 𝑛𝑎 /𝑛. Derivado de éste, el principio de inclusión establece
que si un acontecimiento A ocurre en cada modelo en que ocurre un
acontecimiento B, A es al menos tan probable como B; si además A ocurre
en otros modelos en los que B no ocurre, A es más probable que B.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
Principios fundamentales:
4. Principio numérico. Si una premisa hace referencia a una probabilidad

numérica, los modelos pueden ser etiquetados con sus valores numéricos
apropiados, y una probabilidad desconocida puede ser calculada restando la
suma de las n-1 probabilidades conocidas de la probabilidad global de las n
posibilidades en la partición.
5. Principio del subconjunto. Suponiendo la equiprobabilidad, la

probabilidad condicional P(A|B) depende del subconjunto de B que es A, y la
proporcionalidad de A respecto a B da lugar a l valor numérico.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
Barbey y Sloman 2007, integran el enfoque de los modelos mentales enmarcado

dentro de las hipótesis de los conjuntos anidados. Los errores y sesgos en
la inferencia bayesiana se reducen de forma considerable cuando el
planteamiento del problema facilita la representación de las relaciones inclusivas
de las categorías relevantes para resolverlo. Según éstos el que se haga más
fácil debido a la presentación de frecuencias en vez de en formato de
probabilidades, se debe a que el formato de frecuencias contribuye a clarificar y
hacer más transparentes las relaciones inclusivas pertinentes. Los autores
presentaron mediante gráfica con círculos de Euler, el rendimiento de dos
grupos de sujetos en dos versiones de un problema:
Todas las
Probabilidad de que
posibilidades
una persona padezca
una enfermedad
𝑃 𝐻∩𝐷
𝑃 𝐻ǀ𝐷 = =
Probabilidad de que 𝑃 𝐷
una persona dé un
resultado positivo en
la prueba

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
5.- Juicio probabilístico y calibración.
5.1.- Enfoques Teóricos.
5.1.1.- Enfoque de los Modelos Mentales Probabilísticos (MMP).
Este modelo trata de explicar el efecto de exceso de confianza y el efecto difícil-

fácil. Un MMP es un procedimiento inductivo que permite realizar
inferencias rápidas, que se utiliza cuando el conocimiento es limitado.
El desajuste en la calibración no es una característica intrínseca del juicio
humano, sino la consecuencia de la utilización de tareas con escasa validez
ecológica que no permiten poner en marcha un MMP.
La clave conceptual de esta teoría es que un MMP está adaptado si permite

conectar la estructura específica de la tarea con una estructura de probabilidad
en una clase de referencia del ambiente natural del sujeto, almacenada en su
memoria a largo plazo. El desajuste en la calibración de los juicios
probabilísticos vendría dado bien porque la clase de referencia que integra los
elementos a comparar no es representativa del entorno natural del sujeto, bien
porque, siendo representativa, no lo son los elementos a comparar.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
Un MMP para una tarea determinada integra una clase de referencia, una
variable criterio, y claves probabilísticas que varían según su grado de validez.
La teoría de los MMP asume que las inferencias sobre preguntas inciertas o
desconocidas se basan en estas claves probabilísticas que se generan, se
evalúan y se activan para dar la respuesta. Empezar
-- Recono- +-
Gigerenzer y Goldstein cimiento
(paso 1)
(1996) formulan el
algoritmo Take The ++
Selección de
Best, constituyente del No ¿Se la alternativa
Adivinar conocen
a la que
marco conceptual de la otras
apunta la
claves?
teoría de los MMP. Este clave
Sí (paso 5)
algoritmo se representa Elección de la
gráficamente como un Sustitución de la mejor clave
(paso 2)
diagrama de flujo basado clave
(paso 4)
en 5 principios para
No +-
Sí
claves binarias. o
+¿?
(paso 3)

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
5.1.2.- Modelo “fuerza-peso” de la confianza en la evidencia.
Griffin y Tversky encontraron un sesgo de sobre-confianza superior en

una variable (educación) de dos (educación y voto), cuyo nivel de eficacia
era similar. Según ellos, este sesgo respondía al efecto denominado ilusión
de validez.
La evidencia disponible a partir de la cual se emite un juicio

intuitivo se interpreta de acuerdo con dos coordenadas: fuerza (o
saliencia de la evidencia), y peso (o validez predictiva). El modelo
teórico del juicio probabilístico predice sobre-confianza cuando la fuerza es
elevada y el peso bajo, y subconfianza cuando la fuerza es baja y el peso
elevado. Existe una tendencia a focalizarse primero en la impresión que
produce la evidencia, y después ajustar el juicio de acuerdo con el
conocimiento de su validez o fiabilidad.
En base a esto, se sugiere que las personas basan la confianza de su

rendimiento en la impresión sobre los resultados, sin observar
suficientemente la calidad de los datos.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
5.2.- La calibración en el juicio de los expertos.
El juicio probabilístico de los expertos no siempre está calibrado.

La evidencia indica que también se equivocan, desatienden a las
probabilidades a priori de las hipótesis y a la capacidad predictiva del dato,
siendo predictores claros de la calibración sesgada.
Koehler, Brenner y Griffin 2002, proponen un modelo de calibración

adaptado al juicio probabilístico sobre un caso particular, que integra la Tª
del apoyo con el modelo de calibración “fuerza-peso” de la confianza en la
evidencia.
La combinación de fuerza (impresión) y peso (validez predictiva) de la

evidencia respecto a la hipótesis focal se ajusta con bastante exactitud al
marco teórico de Griffin y Tversky. La combinación de fuerza alta -tasa muy
baja- y peso bajo -discriminabilidad baja- produce sobre-confianza
extrema, mientras que la combinación de fuerza baja y peso alto produce
subconfianza.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
6.- Sesgo predictivo y sesgo retrospectivo.
Es frecuente realizar inferencias probabilísticas a partir de

impresiones basadas en la evidencia cercana, la que se percibe con
los sentidos o en aquella con la que se empatiza afectivamente.
Respecto al sesgo predictivo, se observa que es resistente a la

constatación de los errores de calibración. La impresión que genera la
observación de incluso sólo una experiencia, determina un juicio predictivo
engañoso basado en la ilusión de validez, que se sustenta en la necesidad
de coherencia.
Por oposición, cuando ante una ilusión perceptiva (la ilusión de Müller-
Lyer), se advierte de que la percepción puede no ser confiable, se tiende a
corregir dicha percepción.
De acuerdo con Kahneman (2011), la confianza subjetiva parece ser el
resultado de un modo de procesamiento fácil y rápido que busca la
coherencia asociativa, y que entronca de forma más directa con la
sensación y el sentimiento que con el juicio cognitivo deliberado.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor
El sesgo retrospectivo constituye el otro extremo de la ilusión de coherencia.

Este sesgo revisa y reestructura nuestra concepción sobre un hecho del pasado
si la evidencia disponible lo contradice.
Los resultados de los trabajos recientes corroboran los tres componentes del
sesgo retrospectivo ya identificados en estudios anteriores (Fischhoff, 1975;
1977):
a. Las impresiones de necesidad reflejan el grado en que los resultados de
un acontecimiento se perciben como determinados causalmente.
b. Las impresiones de predictibilidad asumen las percepciones y juicios
coherentes con el hecho de que los resultado podrían haberse anticipado
(efecto de ‘siempre supe que iba a ocurrir’).
c. Las distorsiones de la memoria revelan el recuerdo erróneo de que sus
predicciones estuvieron más cerca de los resultados de lo que de hecho
estuvieron.

Burgos
Miguel Santos
Miguel González
Santos González
Profesor Tutor
Tutor

Psicología Del Pensamiento Tema 6

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Psicología Del Pensamiento Tema 6

Cargado por

Copyright:

Formatos disponibles

Facultad de Psicología

Centro Asociado dede

Teoría de la probabilidad (principio de extensión): E

Juicio retrospectivo Juicio predictivo

Ilusión de coherencia Falacia narrativa Ilusión de validez

Centro Asociado dede

• Cuando hacemos una predicción, tomamos decisiones o buscamos la

• El razonamiento probabilístico constituye una modalidad de

• Las leyes de probabilidad en tareas de razonamiento probabilístico

Centro Asociado dede

2.- El teorema de Bayes.

Cuando se asigna un valor de probabilidad a un suceso, puede conocerse o no

Centro Asociado dede

El Teorema de Bayes permite calcular la probabilidad condicional inversa (o

Los conceptos básicos a partir de los cuales se constituye la matemática del

a. La probabilidad a priori de la Hipótesis P(H)

Centro Asociado dede

3.- Enfoque de los heurísticos.

a.- Heurístico de representatividad.

Centro Asociado dede

a.1.- Insensibilidad a las probabilidades a priori.

Uno de los factores que no afectan a la representatividad pero que debería

De acuerdo con Gigerenzer y Hoffrage (1995), el amplio número de trabajos

Estos autores sostienen que las demandas computacionales de los

Centro Asociado dede

a.2.- Insensibilidad a la capacidad predictiva del dato.

a.3.- Concepciones estadísticas inexactas.

Centro Asociado dede

a.4.- Falacia de la conjunción.

La representatividad no es extensional, es decir, no siempre está

Por el contrario, en el modelo normativo de la Teoría de la probabilidad, la

Puede aplicarse el mismo principio para la conjunción, de tal forma que

Una conjunción no puede ser nunca más probable que sus

Centro Asociado dede

b.- Heurístico de accesibilidad.

El heurístico de accesibilidad se refiere a la evaluación que se hace de la

b.1.- Sesgo debido a la facilidad de recuperación.

Factores como la saliencia, la familiaridad o la inmediatez, afectan a la

Centro Asociado dede

b.2.- Sesgo debido a la facilidad en la construcción de ejemplos.

En función de la facilidad o dificultad para construir/generar ejemplos de

Una variable relevante en las tareas de búsqueda de ejemplos que da lugar

b.3.- Sesgo debido a la facilidad para imaginar situaciones.

La facilidad para imaginar situaciones también sesga la evaluación de

Centro Asociado dede

b.4.- Sesgo debido a la correlación ilusoria e ilusión de control.

Centro Asociado dede

c.- Heurístico del Prototipo.

Centro Asociado dede

d.- Heurístico de anclaje y ajuste.

Centro Asociado dede

3.1.- La teoría del apoyo.

El denominado efecto de desempaquetado, principio explicativo de la

Tversky y Koehler (1994) explican este fenómeno postulando que la

Centro Asociado dede

La teoría del Subaditiva para disyunciones implícitas 𝑠(𝐶 ) ≤ 𝑠(𝐶𝑎 ˅ 𝐶𝑛 )

El grado de subaditividad estaría influido por la interpretación de la escala de

Centro Asociado dede

4.- La teoría de los modelos mentales.

La teoría de los modelos mentales (Johson-Laird, 1994) ofrece un marco

Una conclusión es posible si se mantiene en al menos un modelo

La teoría de los modelos mentales se aplica a la forma natural en la que

Centro Asociado dede