TEMA 2: LÓGICA Y RAZONAMIENTO

El razonamiento es un proceso cognitivo por medio del cual utilizamos y aplicamos

nuestro conocimiento. A partir de lo que conocemos (el conocimiento previo) podemos
hacer inferencias. Por ejemplo: te dicen que vas de vacaciones a Nueva York. Por tus
conocimientos sabes que es una ciudad con mucha gente, que es un núcleo de arte y
sobre todo se come comida rápida. A ti te gustan ciudades como Madrid que tienen
mucha gente, te encuentras musicales y tu comida favorita es la hamburguesa y la
pizza.
Por tanto, pensando de manera rápida, dirás que te apetece mucho ir sin haber estado
nunca antes.
Porque aplicas la capacidad de razonamiento para realizar inferencias.
El razonamiento permite pasar de una información a otra – con un solo enunciado
relacionamos con otros muchos o alcanzamos una conclusión. Tenemos conclusiones
que se ajustan a la información del enunciado (ejemplo previo) pero en otras, se va
más allá de lo expresado en los enunciados.
Ejemplo: te dice un amigo que Claudia y Sara se conocen desde que iban a clase en el
colegio y que la hermana pequeña de Sara, María, conocía a Claudia antes que la
conociera Sara.
Se pueden hacer las inferencias sin necesidad de más información:
- María no conocerá a Claudia de clase porque es mayor que ella
- Puede que la conozca porque había una chica que cuidaba de ella cuando era
pequeña
Haces la inferencia: Se conocían porque era su cuidadora. ¿Verdad? (argumento
probable)
La lógica estudia la evaluación de los argumentos y si el razonamiento es correcto o no.
El estudio sobre el proceso de razonamiento se centra en tareas experimentales de
acuerdo con la formalización y el concepto de validez del análisis lógico
Estas tareas comprenden premisas y conclusiones que tienen que ser evaluadas por los
sujetos con respecto a su consecuencia lógica.
Se clasifican en-
PREMISAS: los enunciados a partir de los cuales razonamos
CONCLUSIÓN: el enunciado que se deriva de los anteriores
ARGUMENTO: el conjunto formado por premisas y conclusión
ARGUMENTO VÁLIDO Y CORRECTO:
Validez:
- El argumento es válido si su conclusión corresponde a sus premisas
- Es independiente de si es verdadero o falso (depende de la forma y no del
contenido)
Corrección:
- El argumento es correcto cuando es válido y sus premisas son verdaderas
¿Qué tipo de argumento es? ¿Es válido? ¿Es correcto? EJERCICIO
Premisas:
- Andrés vive en Madrid
- El cocido es típico de Madrid
- Los madrileños comen cocido
Conclusión
- Andrés come cocido
Los estudios psicológicos sobre el razonamiento realizan distinción de las dos ramas de
la lógica estandarizada:
- RAZONAMIENTO DEDUCTIVO
- RAZONAMIENTO INDUCTIVO
Conclusiones deductivas:
- Tautológicas
- Sólo comprenden la información que viene expresada en las premisas
- La verdad de las premisas garantiza la verdad de las conclusiones
Conclusiones inductivas:
- Probabilísticas
- Van más allá de la información proporcionada
 - Las conclusiones son más o menos del grado en que se encuentren apoyadas
por las premisas

RAZONAMIENTO DEDUCTIVO
El estudio de la deducción se centra en el análisis de los principios del razonamiento
que son independientes del contenido sobre el que se razona. Permiten alcanzar un
razonamiento formalmente válido. Desde sus inicios en la filosofía griega, la lógica
perseguía la identificación de una de las leyes de razonamiento que fueran universales
y por ello se centró en el análisis de la forma o estructura de los argumentos. Desde
Aristóteles, la deducción es el estudio de las conexiones entre premisas:
Las premisas o proposiciones:
1. Son enunciados en los que se afirma o se niega algo
2. Se establece una relación entre sujeto y predicado, por ejemplo: todos los A son
B
Se emplean 3 tipos de tareas lógicas:
- El silogismo categórico
- Los problemas de inferencia estadística
- El razonamiento o proposicional

1. SILOGISMO CATEGÓRICO
Primeramente, el análisis de la deducción se centraba en el establecimiento de las
conexiones encadenadas por medio de la cópula “es”. El silogismo es un argumento en
el que la conclusión establece una nueva conexión entre las proposiciones a través de
un término medio que las relaciona. La premisa que contiene el sujeto de la conclusión
es la PREMISA MENOR. La premisa que contiene el predicado es la PREMISA MAYOR. La
estructura habitual del argumento es:
1º PREMISA MAYOR: Se relaciona el término medio y el predicado de la conclusión
2º PREMISA MENOR: Relaciona el término medio y el sujeto de la conclusión
3º CONCLUSIÓN
Ejemplo: Todas las personas prudentes (término medio, B) evitan el tabaco (predicado,
A). Todos los médicos (sujeto, C) son personas prudentes (término medio, B). Por tanto,
todos los médicos (sujeto, C) evitan el tabaco (predicado, A). Ejemplo en clase:
Ejemplo: el argumento “Todos los B son A, todos los C son B, luego todos los C son A”,
el término medio B ha permitido una nueva conexión entre A y C.
Ejemplo en clase:

TIPOS DE PROPOSICIONES:
1. Universal afirmativa (A): Todos los A son B
2. Universal negativa (E): Ningún A es B
3. Particular afirmativa (I): Algún A es B
4. Particular negativa (O): Algunos A no son B

Otras posiciones que pueden adoptar el término medio:

 2. INFERENCIA TRANSITIVA
Propiedad deductiva derivada de la comparación entre objetos. De esta manera se
pueden contrastar y ordenar en una dimensión determinada (por ejemplo, duro-
blando, alto-bajo, grueso-delgado) un conjunto de elementos.
En las tareas de inferencia transitiva (o silogismo lineal) se insta a los sujetos a que
establezcan esta relación de orden a partir de la información facilitada por dos o más
premisas.

Ejemplo en clase:
DIEGO es más joven que Sara (>)
SARA es más joven que LAURA (>)
¿Quién es el más joven?

Estructuras básicas para representar el silogismo transitivo A>B>C

Orden de dificultad de los silogismos transitivos según el modelo operacional de

Hunter (1957):
Ejemplos:
Clara juega al tenis mejor que Miguel (A…B)
Antonio juega al tenis peor que Miguel (C……B)
…….Es quién peor juega al tenis

¿Hemos hecho alguna operación?

- No
- Conversión de la segunda premisa
- Reordenación de las premisas
- Conversión de la segunda premisa y reordenar las premisas
Ejemplos:
Clara aprueba más que Miguel (B…..C)
Adrián aprueba más que Clara (A……B)
Adrián aprueba ……… que Miguel (A……..C)
¿Hemos hecho alguna operación?
- No
- Conversión de la segunda premisa
- Reordenación de las premisas
- Conversión de la segunda premisa y reordenar las premisas
Ejemplos:
Bryan es más pequeño que Virginia (…….)
Bryan es más mayor que Francisco (…….)
…. Es el pequeño y…….. es el mayor
¿Hemos hecho alguna operación?
- No
- Conversión de la segunda premisa
- Reordenación de las premisas
- Conversión de la segunda premisa y reordenar las premisas

3. RAZONAMIENTO PROPOSICIONAL
Es uno d ellos aspectos del razonamiento deductivo más profundamente estudiado
desde la psicología cognitiva. Una proposición es un enunciado susceptible de adoptar
valores de verdad. Es decir, en ella se afirma o niega algo y, en consecuencia, puede
juzgarse como verdadera o falsa.
Habitualmente los enunciados se suelen representar con las últimas letras del
abecedario, comenzando desde la p, estas proposiciones se relacionan entre sí
mediante operadores o conectivas lógicas, dando lugar a enunciados compuestos
(denominados también moleculares).

Ejemplos:
Si la caldera funciona entonces el agua saldrá caliente (p-q)
La caldera no funciona (-p)
El agua no saldrá caliente (-q)
RAZONAMIENTO INDUCTIVO
Es el razonamiento que extrae conclusiones generales a partir de sucesos o
experiencias específicas. Es un procedimiento de “abajo a arriba” (de lo particular a lo
general). Las inferencias inductivas son ampliadoras o no explicativas porque sus
conclusiones van más allá de lo que está contenido en sus premisas. El razonamiento
inductivo implica ir más allá de la información que uno tiene. El principal problema que
plantea el razonamiento inductivo es que no se pueden establecer conclusiones
ciertas, sino probablemente ciertas.
Ejemplos: “Las ranas no son grandes”. Esta conclusión la hemos formulado porque
todas las ranas que hemos visto a lo largo de nuestra vida son pe queñas.
Pero que ocurriría si viajamos a Australia o si vemos un documental de anfibios en el
que aparecen otras ranas.
CARACTERÍSTICAS:
- La inducción nos sirve para ampliar nuestro conocimiento
- La conclusión nos da más información o es más amplia que las premisas de las
que partimos
- No nos permite establecer una teoría general, ya que algunas generalizaciones
serán válidas y otras no
- El tipo de razonamiento que obtenemos es de carácter probabilístico
- Existen dificultades para establecer una teoría general de la inducción, ya que
algunas generalizaciones son válidas y otras no lo son
Montserrat Caballe es cantante y es española. Placido Domingo es cantante y es
español. Jose Carreras es cantante y es español. Teresa Berganza es cantante y es
español. Por tanto, todos los cantantes son españoles. ¿Esta generalización sería
válida?
Ejemplo: Comportamiento de aves migratorias.
Supongamos que un ornitólogo observa el vuelo de aves migratorias durante varios
años en una región específica. Después de realizar observaciones detalladas, nota que
todas las aves migratorias que han pasado por la región durante la temporada de
migración tienen un patrón de vuelo en formación de “V”. Basándose en estas
observaciones, podría llegar a una conclusión inductiva: Todas las aves migratorias
vuelan en formación de V durante la temporada de migración.
¿En este caso podría ser válido?
PROBABILIDAD
Nuestras decisiones y conducta se articulan a partir de juicios probabilísticos más que a
partir de juicios certeros. ¿Por qué? Nos movemos en situaciones de incertidumbre.
Ejemplo: decidir si debemos coger el paraguas antes de salir de casa porque el cielo
está nublado.
El razonamiento probabilístico se utiliza para evaluar de que ciertos eventos ocurran en
situaciones donde la formación es incompleta o ambigua. En la vida cotidiana y en
profesiones como la medicina o la toma de decisiones, hacemos predicciones basadas
en datos parciales y debemos lidiar con cierto grado de incertidumbre. En este tipo de
razonamiento, las leyes de la probabilidad desempeñan un papel similar a las leyes de
la lógica en el razonamiento deductivo. Ayudan a generar estimaciones de probabilidad
que permiten adaptarse a la incertidumbre y la variabilidad en un entorno complejo y
cambiante.
AXIOMAS DE LAS LEYES DE PROBABILIDAD
1. La probabilidad de su suceso (S) oscila entre 0 (imposibilidad) y 1 (certeza).
2. Si dos sucesos (S1 y S2) son mutuamente excluyentes, la probabilidad de S1 o
S2 será igual a la suma de sus probabilidades.
Ejemplo: probabilidad de sufrir un trastorno depresivo o una fobia específica: S1
(30/100) + S2 (20/100): 0.50
3. Si 2 sucesos (S1 y S2) son dependientes, la probabilidad de la conjunción de
estos sucesos será igual al producto de la probabilidad de S1 por la probabilidad
de S2 asumiendo S1.
Ejemplo: probabilidad de que un paciente haya sido diagnosticado con ansiedad
y se haya curado: P (Ansiedad) x P (Curado/ Ansiedad) : 0.5x0.4: 0.2
4. Si 2 sucesos (S1 y S2) son independientes, la probabilidad de la conjunción de
estos sucesos será igual al producto de la probabilidad de S1 por la probabilidad
de S2. P (S1 y S2) : P(S1) x P (S2).

La probabilidad condicionada de que ocurra el suceso (A) si ha ocurrido el suceso (B),

es la probabilidad de ambos dividida por la probabilidad de que ocurra B:
Ejemplo: la probabilidad de sacar un número impar en un dado (A), habiendo salido un
número mayor que 3 (B), sería:
P (A/B): (1/6) / (3/6): 1/3
El concepto de “calibración” en novatos y expertos en un dominio de conocimiento se
refiere a cómo las personas evalúan su grado de confianza en sus propios juicios
probabilísticos. También se exploran sesgos sistemáticos en el razonamiento
probabilístico y cómo se explican distintos enfoques teóricos.
En resumen, el razonamiento probabilístico es fundamental en la toma de decisiones y
la evaluación de situaciones inciertas, y se basa en estimaciones de probabilidad para
enfrentar problemas complejos en un mundo de información incompleta y variable.
¿Cuándo se cumplen estos axiomas?
- ENFOQUE LÓGICO: Se cumplen siempre que los eventos sean equiprobables
(cociente entre nº de casos favorables y nº de casos posibles)
- ENFOQUE FRECUENTISTA: Se cumplen siempre que conozcamos sus frecuencias
relativas (nº veces que ese suceso ha ocurrido en una secuencia larga de
repeticiones).
El razonamiento lógico y el enfoque frecuentista presentan una serie de dificultades
para poder ser usados como procedimientos eficaces en nuestra vida cotidiana.
ENFOQUE LÓGICO: Es ideal para situaciones equiprobables y no sesgadas (como
cuando vamos a un casino a jugar), pero se muestra ineficiente para tratar las
situaciones donde los eventos no son equiprobables. Muchas de las situaciones con las
que nos enfrentamos en nuestra vida no son equiprobables. Ejemplo: ¿Cuál es la
probabilidad de encontrarte por la calle con un amigo del colegio?
ENFOQUE FRECUENTISTA: El principal problema radica en que en algunas situaciones
no disponemos de la posibilidad de repetir nuestra conducta de forma que podamos
operar con las frecuencias relativas. Ejemplo: Sería un poco arriesgado conocer la
probabilidad de un accidente de tráfico cuando se conduce a 190 km/h haciendo una
serie larga de ensayos.
¿Pero qué ocurre cuando los eventos no son equiprobables o cuando no podemos
repetir un evento para conocer su probabilidad?
Pues que utilizamos una “probabilidad subjetiva o bayesiana”, que nos permite emitir
juicios de probabilidades basados en nuestras creencias y opiniones.
TEOREMA DE BAYES
Es la materialización formal de esta probabilidad subjetiva, es decir, es la
materialización de cómo se pueden formalizar estos juicios de probabilidades que se
basan en nuestras creencias y opiniones. Algunos autores han afirmado que lo usamos
cuando realizamos inferencias probabilísticas en las que tenemos que evaluar la
probabilidad de una hipótesis a partir de unos parámetros previamente conocidos
(probabilidades a posteriori).
Pero… ¿Cómo predicen realmente las personas?
Muy pocos autores aceptan que la estadística bayesiana sea una descripción adecuada
de los procesos predictivos del hombre de la calle…
A continuación, describiremos los heurísticos como modelos de razonamiento
probabilístico.
TEORÍAS HEURÍSTICAS
En la década de los años 70-80 los trabajos de Tversky y Kahneman supusieron una
revolución en la investigación sobre cómo hacemos juicios y tomamos decisiones, ya
que aportaron evidencias sobre la existencia de errores universales y sistemáticos de
razonamiento en situaciones en las que supuestamente nos comportamos de forma
racional.
HEURÍSTICOS: Son estrategias o procedimientos intuitivos que permiten obtener
probabilidades y frecuencias sin necesidad de realizar los cómputos estadísticos que
proponen los modelos normativos (ejemplo: el bayesiano).
Son bastantes automáticos, son “atajos mentales”.
¿Porqué utilizamos heurísticos?
Restricciones del sistema cognitivo (limitaciones de la atención y de la memoria)
Ventajas:
- Ahorro cognitivo
- Rápida adaptación al medio
- Generalmente estas estrategias nos llevan al mismo resultado que los sistemas
normativos, y en otras ocasiones, a cometer errores sistemáticos (sesgos).
Características de los heurísticos:
- Son vagos y poco definidos (no está claro cómo funcionan)
- Son universales
- Son automáticos y no reflexivos
- Enfatizan cierta información e ignoran otra (no se produce un análisis
exhaustivo de toda la información de la que disponemos)
- Proporcionan mejores soluciones que las técnicas por ensayo/error
Tipos de heurísticos:
- Heurístico de representatividad
- Heurístico de disponibilidad o accesibilidad
- Heurístico de ajuste y anclaje
- Heurístico de simulación o construcción
HEURÍSTICO DE REPRESENTATIVIDAD
- ¿Cuál es la probabilidad de que el objeto A pertenezca a la clase B?
- ¿Cuál es la probabilidad de que el hecho A tenga su origen en el proceso B?
- ¿Cuál es la probabilidad de que el proceso B dé lugar al hecho A?
Para responder a estas preguntas, solemos confiar en el heurístico de
representatividad, según el cual las probabilidades se evalúan en función del grado en
el que A se parece a B.
Por ejemplo, cuando A es muy representativo de B, se considera que la probabilidad de
que A tenga su origen en B sea alta.
Por el contrario, si A no tiene una semejanza con B, la probabilidad de que A tenga su
origen en B se considera baja.
Imagina que tienes que tomar una decisión sobre si una persona llamada Juan es más
probable que sea un ingeniero de software o un artista. Aquí hay dos descripciones de
Juan.
Descripción A: Juan es una persona introvertida