psicología del pensamiento tema 6

8/19/2019 psicología del pensamiento tema 6

1/21


2/2121

Psicología del pensamiento Realizados por Debora y algún arreglopor Aitziber LaguardiaCurso 2012-201 !"#D

El segundo factor de este producto se denomina probabilidad condicional de 2* dado 2/.

• 2i dos sucesos #2/ y 2*& son independientes, la probabilidad de la conjunción de estos

sucesos ser" igual al producto de la probabilidad de 2/ por la probabilidad de 2*5

)#2/ y 2*& 3 )#2/&x)#2*&7u"l es la probabilidad de un paciente cogido al azar en una muestra sometido a

tratamiento que est" curado hubiera sido diagnosticado previamente de trastorno depresivo #y node ansiedad o de fobia&8

'homas 9ayes a:adió a estos axiomas una fórmula conocida como el Teorema de Bayes,que permite calcular la probabilidad condicional inversa, tambi%n denominada probabilidad

posterior o a posteriori . El c"lculo de esta probabilidad no es directo, ya que tenemos el dato,est" curado, pero son tres las alternativas #depresión, ansiedad o fobia&. El teorema constituye laley fundamental en la que se basa este tipo de inferencia probabilística, tanto cuando lainformación procede de datos muestrales como cuando procede de estimaciones subjetivas deprobabilidades. #'abla +./ )"g. **;&

El teorema permite estimar la probabilidad de un suceso a la luz de un nuevo dato, partiendode las probabilidades del suceso a priori del suceso, y de la capacidad predictiva que laocurrencia del dato tiene para la ocurrencia del propio suceso, es decir, la diagnosticidad deldato. Ver eemplos del libro

La probabilidad condicional #o a posteriori& se obtiene5

/& $e la probabilidad inicial o a priori del suceso.

*& $e la diagnosticidad del dato, es decir, en qu% medida se asocian ambos y .

La estadística bayesiana permite introducir probabilidades subjetivas, al evaluar lasprobabilidades a priori, y las probabilidades condicionales del suceso.

Estas probabilidades subjetivas pueden obtenerse de distintos datos, tales como la evidenciaexistente, teorías previas o la opinión o creencias de la persona.

La inferencia bayesiana permite introducir probabilidades subjetivas tanto al evaluar lasprobabilidades a priori como al evaluar las probabilidades condicionales del suceso. Estasprobabilidades subjetivas pueden obtenerse de distintas fuentes #evidencia existente, teoríasprevias o la opinión y creencias de la persona&. La evidencia empírica de varias d%cadas deinvestigación demuestra que el razonamiento probabilístico humano generalmente no es

extensional, es decir, no contempla el conjunto de probabilidades de forma exhaustiva. Existenestrategias y procedimientos psicológicos que facilitan y hacen m"s r"pido y menos costoso elproceso de asignación de probabilidades que si se realizasen los complejos c"lculosmatem"ticos basados en modelos normativos como el 'eorema de 9ayes. En muchas ocasionesestas estrategias conducen a resultados correctos, son efectivas y económicas en t%rminos detiempo y esfuerzo cognitivo, su contrapartida negativa es que pueden resultar imprecisas pueslas personas no contemplamos con frecuencia toda la información relevante para resolver


3/2121


correctamente el problema, lo que puede dar lugar a errores y sesgos sistem"ticos en elrazonamiento probabilístico.

!. "n#o$ue de los %eurísticos

Los heurísticos constituyen reglas y estrategias intuitivas que se aplican de manera deliberadao no para producir una estimación o una predicción. Esta evaluación que proporcionan losheurísticos puede dar lugar a errores sistem"ticos denominados sesgos o falacias,característicos de cada uno de ellos.

'vers@y y Aahneman conceptualizan los tres tipos b"sicos de heurísticos5 representatividad,accesibilidad y anclaje y ajuste.

a& 'eurístico de representati(idad

7u"l es la probabilidad de /& que el objeto B pertenezca a la categoría 9, *& el proceso de 9sea la causa de B, o C& el dato B se genere a partir de 98

)ara responder a estas preguntas recurrimos generalmente al heurístico de representatividad.En el5

• Las probabilidades se juzgan teniendo en cuenta la medida en que A es representativo de o

se asemeje a B.

La investigación sobre categorización de objetos y acontecimientos ha demostrado que lainformación de prototipos y esquemas contribuyen significativamente a la forma en quealmacenamos y procesamos la información. Desulta natural y económica desde el punto de vistacognitivo juzgar la probabilidad de un acontecimiento evaluando el grado en el cual esrepresentativo de la categoría o esquema de referencia.

Esta estrategia produce ses)os si)ni#icati(os pues la semejanza o representatividad no seve afectada por factores que deberían afectar a los juicios de probabilidad.

• F2EF29L$B$ B LB2 )DG9B9L$B$E2 B )DGD

Evaluación de la probabilidad en función del grado en que una descripción es representativade un estereotipo, atendiendo poco o nada a las probabilidades a priori de pertenecer a esacategoría en concreto, violando de forma dr"stica la predicción del teorema de 9ayes #CHingeniero, -H abogados y al rev%s, su asignación a un grupo se realiza en función de ladescripción&.

La dificultad para aplicar el algoritmo para calcular la probabilidad de un acontecimientocontemplando las probabilidades a priori ha sido demostrada tambi%n con participantes expertos#Eddy&.

$e acuerdo con Iigerenzer y =offrage, la dificultad de aplicar las normas de la inferenciabayesiana es el resultado de un planteamiento metodológico inadecuado5 el desajuste entre laforma en la que presentamos la información y el formato de la representación cognitiva naturalde dicha información. 9asan su argumentación en la teoría de la e(olución5 la mente y su


4/2121


entorno han evolucionado en paralelo, el formato natural de procesamiento de series de eventoses la frecuencia m"s que la probabilidad o el porcentaje. Las demandas computacionales de losalgoritmos bayesianos son m"s simples cuando la información se codifica en un formato defrecuencias m"s que en el formato est"ndar de probabilidad porque las probabilidades a priori no

necesitan ser atendidas, lo cual es racional en el muestreo natural.2i presentamos los datos con el formato de muestreo natural, la fórmula del teorema de

9ayes se simplifica mucho. La probabilidad de c"ncer de mama en mujeres de J a:os es de /sobre /. #/H&. $e cada / mujeres que padecen c"ncer de mama, ; dan un resultadopositivo en la mamografía #;H&. La probabilidad de que una mujer sin c"ncer de mama d% unresultado positivo en la mamografía de K sobre KK #K,H&. #Mer Nig. +./&

• F2EF29L$B$ B LB B)B$B$ )DE$'MB $EL $B'G

En relación a las descripciones que nos dan de un sujeto, por ejemplo #inteligente ytrabajador&, se pueden realizar dos tipos de preguntas5 a& e(aluación5 qu% impresión te produce

esta descripción en relación a la habilidad acad%mica, b& predicción5 7qu% calificación mediaestimas que obtendr" el sujeto en el curso8 En la primera se eval!a el dato, la segunda prediceel resultado, por tanto se da un grado superior de incertidumbre en relación con la segundapregunta. La %ipótesis de representati(idad sostiene que predicción y evaluación deberíancoincidir.

Aahneman y 'vers@y demostraron con su experimento que los juicios del grupo de prediccióny de evaluación fueron muy similares, si bien en el primer caso el criterio era una variableobjetiva y próxima, mientras que en el segundo se trataba de una variable remota, basada en laimpresión que producía la descripción.

En la teoría estadística de la predicción, la equivalencia entre predicción y evaluación estaría justificada sólo si la eficacia predictiva fuera perfecta. uando la descripción no es objetiva o esinexacta, o siendo objetiva se presentan datos nuevos, los sujetos parecen ignorar laprobabilidad del dato dada la hipótesis alternativa. La predicción basada en la impresión de ladescripción sin considerar factores que afectan al peso de la evidencia, da lugar a sesgossistem"ticos en el juicio probabilístico que responden al concepto de ilusión de validez , queveremos m"s adelante.

• GFE)GFE2 E2'B$O2'B2 FEPB'B2

La concepción errónea de la re)resión constituye otro sesgo en el juicio predictivo basado en

el heurístico de representatividad. La regresión se utiliza para predecir una medida bas"ndonosen el conocimiento de otra. La regresión estadística o regresión a la media es la tendencia deuna medición extrema a situarse m"s próxima a la media cuando se realiza una segundamedición. 2e da la creencia de que el resultado predicho debería ser representativo al m"ximode la evidencia disponible y tan extremo como esta #los mejores muestran un rendimientopromedio inferior en la versión alternativa, y los peores muestran un rendimiento promedio mejor en la alternativa QMer ejemplo completo )"g. *C-&. ("s adelante veremos que en la calibración


5/2121


del juicio predictivo, contrariamente a la predicción del concepto de regresión a la media, elcar"cter extremo de la evidencia potencia la fuerza de la impresión y la confianza subjetiva en sureplicabilidad.

En relación con el tama:o de la muestra, la teoría del muestreo sostiene que en una muestra

grande es m"s difícil superar el H #hospital grande frente a hospital peque:o en cuanto alregistro en el que un +H de nacimientos fue de varones&. La insensibilidad al tamaño de lamuestra explica nuestras expectativas en los juegos de azar en la medida en que esperamosque las muestras peque:as de procesos aleatorios representen el proceso con un n!meroelevado de ensayos. Esta expectativa basada en la intuición de representatividad local explica lafalacia del jugador #tras una secuencia de rojos en la ruleta, la mayor parte de la genteesperaría de forma errónea que ha llegado el turno del negro, resultado en una secuencia m"srepresentativo que la ocurrencia del rojo&. La concepción errónea del azar no se limita a personaingenuas, tambi%n se da en expertos5 la creencia en la ley de los n!meros peque:os revela quela expectativa de una hipótesis v"lida en relación con una población puede basarse en la

significación estadística de un resultado de una muestra, prestando poca consideración a sutama:o, los investigadores corren el riesgo de atribuir excesiva fiabilidad a resultados obtenidoscon muestras peque:as y sobreestimar la replicabilidad de los resultados.

• L B NBLBB $E GFRSFTF

La representatividad no es extensional, no siempre est" determinada por la frecuencia nilimitada por la inclusión de clases de los datos que componen el espacio muestral.

En el modelo normativo de la teoría de la probabilidad, la ley m"s simple y fundamental desdeun punto de vista cualitativo es el principio de la extensión5 una conjunción no puede ser m"sprobable que cada uno de sus constituyentes, y se aplica tanto si B y 9 son o no independientesy es v"lido para cualquier valor de probabilidad del mismo espacio muestral )#B&U)#B y 9&.

El problema de Linda #que ofrece una descripción de su personalidad dise:ada para que fueramuy representativa de una feminista activa y poco representativa de una cajera de banco. Losparticipantes consideraron la opción 0cajera de banco y feminista1 m"s probable que 0cajera debanco1. La violación de la regla de conjunción es la comparación directa entre los constituyentesy su conjunción. La semejanza de un ejemplar con su categoría se define en función de laponderación de las propiedades que son comunes y distintivas y varía en función del contextoestimular y la tarea #'vers@y&. $esde el punto de vista de la regla extensional de la lógica, laclase 0cajera de banco1 incluye a la de 0cajera de banco feminista1, lo que invalida desde un

punto de vista normativo el juicio probabilístico emitido por los participantes, el heurístico derepresentación explica dicha inversión.

El intento deliberado de inducir una actitud reflexiva no elimina el heurístico. 2er experto en undominio específico tampoco evita los errores de conjunción, siendo consistente con el heurísticode representatividad.

=erVing y Iigerenzer critican de la tarea de Linda que se utilice el t%rmino matem"tico0probable1, ya que la mayoría lo iguala a 0si es posible1 0concebible1 o 0verosímil1, inferencia


6/2121


sem"ntica que contribuye a explicar por qu% se elige como m"s probable la conjunción, por loque no se trataría de una violación del principio extensional del modelo normativo de la teoría dela probabilidad ya que esta no estaría siendo evaluada.

b& 'eurístico de accesibilidad

Las personas evaluamos la frecuencia de los ejemplares de una categoría o la probabilidadde un acontecimiento por la facilidad con la que los ejemplos nos vienen a la mente. Lafrecuencia o probabilidad se juzga a partir de la disponibilidad o facilidad de acceso a susejemplares ya que los ejemplos de categorías frecuentes se recuerdan con mayor facilidad yrapidez que los menos frecuentes. La accesibilidad se ve afectada por otro tipo de factores que'vers@y y Aahneman agrupan en cuatro categorías5

•

2E2IG $E9$G B LB NBL$B$ $E LB DES)EDBTF El sesgo observado tanto en la prueba de recuerdo como en la prueba de estimación de

frecuencias se demuestra el efecto significativo del heurístico de accesibilidad en el juicioprobabilístico #lista de mujeres famosas y hombres no famosos se recuerdan los nombres de lasmujeres y se piensa que hay m"s mujeres cuando hay el mismo n!mero que de hombres&.

Bdem"s de la familiaridad, otros factores como la saliencia afectan a la accesibilidad. Laprobabilidad subjetiva de accidentes de tr"fico aumenta temporalmente si se acaba de ver uncoche volcado.

Este sesgo de inmediatez se basa tambi%n en la facilidad de recuperación de las experiencias

recientes frente a las m"s remotas en el tiempo. En la investigación de la autopercepción deestados emocionales los participantes tienden a percibir las emociones inmediatas como m"sintensas que las emociones previas, aunque entra:en experiencias objetivamente similares, lasemociones inmediatas se juzgan como m"s intensas desde un punto de vista fenomenológico#las inmediatas se experimentan de forma m"s vívida y directa&, sensitivo #las inmediatas seperciben, las distantes se recuerdan& e informativo #la información sobre las emociones m"sinmediatas es m"s rica en detalles&. #Mer Nig. +.C )"g. *J*&

• 2E2IG $E9$G B LB NBL$B$ EF LB GF2'DSTF $E ERE()LG2

Es debida a la facilidad de generar ejemplos. #Mer estudios )"g.*J& La experiencia

fenomenológica o subjetiva de la facilidad o dificultad en la recuperación de la fuente deinformación determina la estimación de frecuencia relativa en los juicios, cuando estaexperiencia subjetiva pierde vs. gana valor diagnóstico, la frecuencia relativa estimada disminuyevs. aumenta en coherencia. La estimación de #recuencias relati(as se basa no solo en laexperiencia subjetiva de facilidad de recuperación sino tambi%n en el grado de confianza que elsujeto atribuye a dicha experiencia.


7/2121


Sna variable relevante en las tareas de b!squeda de ejemplos que da lugar a sesgossignificativos en la estimación de la probabilidad subjetiva es la accesibilidad de posiblescontextos. Los contextos de palabras abstractas #amor, amistad& resultan m"s f"ciles deimaginar o asociar a historias vividas, leídas o basadas en películas que palabras concretas

#puerta, agua& desprovistas de connotaciones que permitan evocar con facilidad escenarios.

• 2E2IG $E9$G B LB NBL$B$ )BDB (BIFBD 2'SBGFE2

La facilidad para imaginar situaciones juega un papel importante en la evaluación deprobabilidades en la vida real. En la 'abla +.*, se muestran los resultados de un experimento, enel que se medía la probabilidad que asignaban los sujetos a contraer una enfermedad en base asi la lectura de un texto era f"cil o difícil de imaginar. 2e observó que los participantes 0f"cil deimaginar1 tendían a juzgar la probabilidad de contraer la enfermedad mayor que los de lacondición 0difícil de imaginar1 #)ara ver el estudio completo )"g. *JJ&

• 2E2IG $E9$G B LB GDDELBTF LS2GDB E LS2TF $E GF'DGL

Las asociaciones entre eventos o conceptos se fortalecen como resultado de su ocurrenciaconjunta repetida. Ello determina que juzguemos la frecuencia de ocurrencia conjunta de dosacontecimientos fuertemente asociados como elevada. Este tipo de estimaciones tampocoescapa a la posibilidad de sesgos en el juicio probabilístico. El t%rmino *correlación ilusoria+#hapman& agrupa los errores que se producen como resultado de la sobreestimación de lacorrelación entre dos acontecimientos o elementos distintivos, sobrestimación por tanto de sufrecuencia objetiva. La correlación ilusoria es uno de los mecanismos en que se basa laexplicación de las supersticiones o las creencias m"gicas, el *e#ecto %alo+ y los estereotipossociales. 2obreestimar la correlación entre dos factores distintivos, cometer delitos y pertenecer a un grupo minoritario, contribuye a generar estereotipos negativos sobre estos grupos.

uando lo que se sobreestima es la correlación entre la conducta y sus consecuencias seproduce la *ilusión de control+, que se define como la expectativa de la probabilidad de %xitopersonal inadecuadamente elevada en relación a la probabilidad objetiva. Langer demostró quela ilusión de control puede inducirse introduciendo factores supuestamente relacionados con lahabilidad y destreza del jugador en los juegos de azar, como la competitividad, la posibilidad deelegir, familiaridad con los estímulos y las respuestas y la implicación pasiva o activa en la

situación. Este fenómeno constituye uno de los factores que explica el sentimiento excesivo deconfianza en el %xito y el riesgo excesivo asumido en los juegos de azar. La ilusión de controlcontribuye a explicar la persistencia del sesgo de sobreconfianza en la calibración del propio

juicio, juicio de segundo orden, que veremos m"s adelante.

c& 'eurístico del prototipo


8/2121


La denominación 0heurísticos de prototipo1 responde al nuevo enfoque del juicio heurístico deAahneman y Nrederic@. Los %eurísticos de prototipo son resultado de un doble proceso desustitución5 /&• Sna categoría se sustituye por su ejemplar prototípico,

• Sn atributo de la categoría #el que se eval!a en el juicio emitido& se sustituye por unapropiedad del prototipo.

$esde el modelo normati(o de la teoría de la probabilidad, en la predicción de pertenenciade un ejemplar a una categoría, la probabilidad de pertenencia debería variar con la probabilidada priori de la categoría. )or el contrario, en la predicción por representati(idad de lapertenencia de un ejemplar a una categoría se descarta la probabilidad a priori de la categoríaporque el prototipo de una categoría no contiene información sobre la frecuencia de susmiembros. La representatividad no es necesariamente la propiedad del prototipo que sustituye al atributo de la categoría #Aahneman y Nrederic@&.

La e(aluación retrospecti(a de las experiencias con valor afectivo ilustra el proceso desustitución basado en la accesibilidad de la información. La evaluación retrospectiva de laintensidad de la experiencia afectiva se basa en el promedio entre la media del pico m"s salientede la experiencia global y el pico m"s próximo al final de la experiencia.

Sn doble proceso de sustitución da lugar al heurístico del prototipo que determina el juiciosubjetivo, la categoría 0dolor que produce la experiencia global1 se sustituye por el prototipo0promedio del pico m"s elevado de dolor y el valor m"s próximo al momento final de laexperiencia1. La propiedad del prototipo que sustituye al atributo de la categoría #0intensidad1& yque determina el juicio retrospectivo no viene dada por la representatividad de la información#curación total de la experiencia o magnitud promedio del dolor informado en la experiencia

global&, sino por su accesibilidad en la memoria. La implicación de este hallazgo es que deberíaminimizarse el nivel de malestar físico cuando va a concluir la experiencia y potenciarse laatención afectiva al paciente en el momento final en pruebas m%dicas dolorosas. #Mer experimento y Nig. +.J )ag. *J-&

La insensibilidad a características extensionales de las categorías5 las probabilidades a priorien la predicción de la pertenencia de un ejemplar a una categoría o la relación monotónica entrela duración de la experiencia y su valor afectivo constituyen ejemplos de la desviaciónsistem"tica del modelo normativo de la lógica en el juicio intuitivo bajo incertidumbre. Laestimación cuantitativa subjetiva de una experiencia se realiza por el valor afectivo que entra:a,

a diferencia del heurístico de anclaje y ajuste, en donde la estimación cuantitativa est"desprovista de valor afectivo y el objeto del juicio es externo al sujeto.

d& 'eurístico de anclae y auste

En ocasiones realizamos estimaciones de cantidades inciertas a partir de un valor inicial quese ajusta hasta alcanzar la respuesta final. El valor inicial o punto de partida puede sugerirse por la formulación del problema o ser el resultado de un cómputo parcial. $iferentes puntos departida producen estimaciones diferentes sesgadas hacia el valor inicial. )ueden servir de


9/2121


anclaje valores informativos como los que no lo son #en experimento se somete a la fase de juicio comparativo con el valor inicial, y despu%s a la fase de juicio absoluto QMer Experimento)"g. *J;&. En la fase comparativa el sujeto genera una cantidad independiente del valor delanclaje y compara ese valor con su estimación para determinar si el valor de anclaje es

demasiado alto o demasiado bajo. )are emitir el juicio absoluto, ajusta el juicio inicial en ladirección apropiada hasta que encuentra un valor aceptable. El proceso de ajuste es insuficienteporque termina en el límite m"s próximo al valor del ancla dentro del rango de valores posibles.$e acuerdo con esta primera interpretación de 'vers@y y Aahneman, el ses)o en el proceso deanclae no se situaría tanto en la producción del juicio estimado inicial cuanto en el procesoposterior de ajuste del juicio absoluto.

RacoVitz y Aahneman demostraron sin embargo un efecto asim%trico en el sesgo de anclaje,ya que demostraron que es significativamente superior para los valores elevados. 2eg!n ellos,los valores de anclaje altos incrementan la plausibilidad de los valores superiores al ancla enmayor medida que los valores de anclaje bajos incrementan la plausibilidad de los valores

inferiores al ancla. Existe un claro límite inferior para los valores bajos #cero&, pero no hay límitesuperior para los valores elevados. Ello pone de manifiesto que el sesgo no siempre se da en elproceso de ajuste de la estimación inicial, sino que el valor del ancla puede alterar la creenciainicial del sujeto y modular el juicio absoluto emitidoW el proceso de anclaje puede iniciarse en lafase de comparación y sesgar la estimación inicial del sujeto, previa al juicio absoluto. El anclapuede considerarse a& un punto de partida para el ajuste #seg!n la formulación inicial de 'ver@yy Aahneman&, b& un indicio conversacional debido a la saliencia que le confiere la autoridadacad%mica del experimentador, c& una sugerencia o prime.

En esta línea, la investigación m"s reciente sugiere que el anclaje se origina con frecuenciaen la fase de recuperación de la información y que el ancla act!a como una sugerencia,haciendo la información consistente con el ancla m"s accesible. 2e demuestra que el efecto deanclaje no se produce si no se cumplen determinadas condiciones de compatibilidad entre elancla #valor inicial& y el juicio requerido #respuesta final&, como es la escala de medida en la quese formulan ambos.

2trac@ y (ussVeiler demuestra que es necesario adem"s que se expresen en la mismadimensión #altura frente anchura&. #Mer 'abla +.C )"g. *& La fuerza del efecto depende de lamedida en que la información activada por el ancla tambi%n se percibe como aplicable al juicioabsoluto. )onen a prueba la hipótesis de que el responsable del los efectos de anclaje es elprimin) sem,ntico #'abla +.J )"g. */ y experimentos& y no el num%rico per se. uando el

ancla es un valor plausible, la tarea comparativa se resuelve elaborando la respuesta en unproceso cognitivo que consume tiempo, de esta manera la información relevante es f"cilmenteaccesible y acelera la respuesta en la tarea de juicio absoluto. uanto m"s tiempo consuma enel juicio comparativo, menos tiempo consumir" en el absoluto. Las latencias de respuesta en los

juicios comparativo y absoluto deberían estar, en consecuencia, negativamente correlacionadas,pero solo en el caso en que en la tarea comparativa se utilice información relevante pararesponder al juicio de valor absoluto. 2olo cuando el ancla es un valor plausible deberíaesperarse una correlación negativa entre las latencias de respuesta de los juicios comparativo y


10/2121


absoluto. Los resultados del an"lisis correlacional apoyan esta predicción. )ara las anclas noplausibles las latencias de respuesta de ambos juicios no correlacionan.

hapman y Rohnson presentan un modelo teórico alternativo al de 'ver@y y Aahneman quepermite interpretar el sesgo de anclaje en un amplio abanico de tareas y procedimientos

experimentales. #Mer Nig. +. )"g. **& El mecanismo de anclaje se basa en un proceso deaccesibilidad selectiva que se genera en la fase inicial de recuperación de la información ydetermina la formación de la respuesta. El proceso de anclaje puede ser resultado de m!ltiplescausas y los mecanismos responsables pueden producirse en m"s de una fase. Los errores enlos juicios y sesgos se producir"n como consecuencia del primin) asim-trico en el procesode recuperación de la información, que incrementaría de forma desproporcionada ladisponibilidad de rasgos compartidos por 0ancla1 y respuesta y reduciría la disponibilidad deaquellos rasgos que los diferencian. B diferencia del enfoque del efecto de anclaje como ajusteinsuficiente determinado por el valor del ancla, el modelo de accesibilidad selectiva atribuye elsesgo en el juicio absoluto a una ponderación excesiva de los rasgos comunes entre el ancla y la

respuesta, en detrimento de los discrepantes, basada en una tendencia confirmatoria. #Mer Ejemplo silla )"g. **&

2i el ancla produce un efecto sobre el juicio incrementando la accesibilidad de rasgoscomunes y reduciendo la accesibilidad de rasgos diferentes, incrementar experimentalmente laaccesibilidad de rasgos diferentes reduce el sesgo hacia el valor inicial al propiciar identificar razones discrepantes con el valor del ancla. #Mer Experimento )"g. *C&

B pesar de evidencias empíricas obtenidas con el paradigma est"ndar, parece confluir en lainterpretación del efecto de anclaje como el resultado del incremento en la accesibilidad de lainformación consistente con el ancla, el mecanismo explicativo de %ste fenómeno no pude

reducirse en todos los casos a esa explicación. $e acuerdo con Elpey y Iilovich, los procesosimplicados en el efecto de anclaje difieren dependiendo de si el ancla es suministrada por elexperimentador o por cualquier otra fuente externa en contraste con la situación en la que es elpropio participante el que genera de forma espont"nea el valor num%rico del ancla a partir de lapregunta planteada. En este caso, el proceso de ajuste sería el responsable del efecto, en lamedida en que el valor num%rico del ancla, por su condición de respuesta autogenerada,adquiriría el estatus de respuesta candidata con el peso específico suficiente para iniciar dichoproceso. #Mer Experimento y 'abla +. )"g. *J&

Epley y Iilovich coinciden con RacoVitz y Aahneman en proponer una taxonomía de posiblesefectos de anclaje en los juicios bajo incertidumbre en la medida en que son muchas las

variables que pueden intervenir e interactuar en función del tipo o procedimiento experimental#magnitud del valor del ancla, alto frente bajo, compatibilidad o no de la escala de medida ydimensión del ancla y el jucio absoluto, el grado de plausibilidad del ancla, y el hecho de que seagenerada de forma espont"nea por el participante o comunicada por el expectador&.

e& a teoría del apoyo


11/2121


El principio de extensión en la teoría de la probabilidad establece que si 9 est" contenido en B o constituye parte de B, la probabilidad de 9 no puede ser superior a la probabilidad de B. Sncaso especial de la regla de extensión que vulnera la lógica inclusiva es la regla de laconjunción, que establece que la probabilidad de B y 9 no puede ser superior ni a la probabilidad

de B ni a la de 9 porque contiene a ambos elementos.La teoría del apoyo constituye una perspectiva del juicio intuitivo bajo incertidumbre que

permite explicar, en un marco teórico integrador, gran parte de la evidencia revisadaanteriormente, que caracteriza las operaciones mentales que responden a la denominación del

juicio basado en heurísticos en la evaluación de frecuencias y probabilidades.

El efecto de desempaquetad o, principio explicativo de la teoría del apoyo, constituye unanueva demostración de que en el juicio probabilístico humano el todo es menor que la suma desus partes. $escripciones detalladas de un acontecimiento determinado dan lugar de formasistem"tica a juicios de probabilidad superiores que las que genera una descripción general delmismo acontecimiento inclusivo #m"s p%rdidas en un terremoto que en un desastre natural&.

'vers@y y Aoehler desarrollaron una teoría no extensional del juicio probabilístico en la que laprobabilidad subjetiva no est" ligada a los acontecimientos sino a las descripciones de losacontecimientos, denominadas hipótesis.

onsideran que la desviación de la lógica extensional en el juicio de los humanos noconstituyen una colección de ejemplos aislados, sino que el juicio probabilístico sobre un eventodeterminado depende del grado en que se explicita su descripción. 2eg!n esta teoría del apoyo,cada hipótesis B posee un valor de apoyo determinado s#B& que corresponde a la fuerza de laevidencia favorable a dicha hipótesis. La clave conceptual del supuesto del que parte la teoría esque desempaquetar la descripción de una hipótesis #avión que se estrella & en sus posibles

componentes o hipótesis elementales #avión que se estrella de forma accidental consecuenciade error humano o mec"nico /, o de forma no accidental pro terrorismo *& generalmenteargumenta su apoyo. El apoyo de la disyunción explícita / y * es igual o mayor que el apoyode la disyunción implícita que no menciona ninguna causa.

2#& X s#/ v *&

La teoría de apoyo es subaditi(a para disyunciones implícitas #& y aditiva para disyuncionesexplícitas #/ v *&.

s#/ v *&3 s#/& 4 s#*&

El grado de subaditividad est" influido por varios factores, uno de ellos es la interpretaciónde la escala de probabilidad, se espera que la subaditividad sea m"s pronunciada cuando laprobabilidad se interpreta como predisposición de un caso individual #2ingular& respecto acu"ndo se estima como frecuencia relativa en una determinada población #$istibucional&, siendoel distribucional m"s preciso que el singular. La propuesta de 'vers@y y Aoehler es que ladisyunción implícita accidente se desempaqueta con mayor facilidad en sus componentes#accidente de coche, de avión, etc.& cuando se considera a la población en su conjunto frente auna persona individual, atendiendo a que las posibles causas de muerte se representan en las


12/2121


estadísticas de mortandad de la población pero no en la muerte de una persona. La tendencia adesempaquetar una disyunción implícita es mayor en el modo distribucional que en el singular oindividual. )or tanto, cuando el problema se formula en t%rminos de frecuencia se espera que seproduzca menos descuento o diferencia entre la probabilidad de la hipótesis implícita y la suma

de las probabilidades de las hipótesis elementales explícitas. #Mer Experimento )"g. *- Y 'abla+.+ )"g. *;&.

El factor de desempaquetado puede calcularse dividiendo la suma de las probabilidades delas hipótesis elementales explícitas entre la probabilidad de la hipótesis implícita #Z6)&, cuantomayor sea el valor de dicho factor, mayor ser" el grado de subaditividad observado.• Las estimaciones presentan mayor grado de subaditividad cuando juzgan probabilidades que

frecuenciasW• por tanto, la subaditividad que se observa en una disyunción implícita es tanto mayor cuanto

m"s se explicitan sus componentes y es m"s acusada en juicios de probabilidad frente al defrecuencias.

• La subaditividad no se restringe a los juicios de novatos, tambi%n se observa en expertos.

Teoría del apoyo )#B& X )#B/ v )*& por el desempaquetado de la hipótesis implícita

/odelo bayesiano )#B& 3 )#B/ v B*& por el principio de la extensión, que es una de lasreglas m"s simples de la teoría de la probabilidad, por lo que su violación llama la atención. Sncaso especial del principio de la extensión sabemos que es la regla de la conjunción y la falaciade la conjunción, otra regla derivada del principio de la extensión es la regla de disyunción, quees violada por la subaditividad demostrada.

Man 9oven y Epley lo aplicaron a juicios evaluativos con valor afectivo, en los que se juzga el

car"cter positivo o adverso de una categoría o de las consecuencias de un acontecimiento.Explican que las descripciones m"s detalladas producen juicios evaluativos m"s extremos yaque a& permiten recordar con mayor facilidad posibilidades que han pasado por alto y b& facilitanla simulación mental y la imaginación vívida de las categorías o acontecimientos. En los juiciosevaluativos de una categoría parece jugar un papel m"s importante la facilidad con la que serecuerdan sus elementos constituyentes que la cantidad total de elementos que puedenrecuperarse, en consecuencia con esta interpretación est" la evidencia de que la facilidad pararecuperar información, construir ejemplos y6o imaginar situaciones constituyen estrategiascognitivas derivadas de la aplicación del heurístico de accesibilidad, que explican el sesgo en laestimación de frecuencias relativas de ejemplares de una categoría.

0. a teoría de los modelos mentales

Gfrece un marco explicativo unitario para la deducción y la inducción y sostiene que lasconclusiones probabilísticas son el resultado de ambos tipos de inferencias. Los individuosrazonan construyendo modelos de las situaciones descritas en las premisas. Sna conclusión5

• 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 los modelos.


13/2121


Esta teoría se aplica a la forma natural en la que razonan sobre probabilidades individuosingenuos. En concreto, se da cuenta del razonamiento extensional sobre probabilidades, esdecir, del razonamiento deductivo que genera la probabilidad de un acontecimiento a partir de lasdiferentes posibilidades en que puede ocurrir. 2e basa en los principios5•

Principio de (erdad5 las personas representan situaciones construyendo exclusivamente losmodelos mentales que responden a una posibilidad verdadera. La capacidad limitada de lamemoria de trabajo no permite que se representen de manera exhaustiva la totalidad de losmodelos explícitos que representan el conjunto completo de posibilidades mutuamenteexcluyentes, lo que viola el principio de extensionalidad. Las situaciones con probabilidad corresponden a lo que es falso, por lo que no se representan en los modelos.

• Principio de e$uiprobabilidad5 cada modelo representa una alternativa equiprobable, amenos que el conocimiento o las creencias de los sujetos indiquen lo contrario, en cuyo casoasignar"n diferentes probabilidades a diferentes modelos.

• Principio de proporcionalidad5 garantiza la equiprobabilidad, la probabilidad de un evento B

depende de la proporción de modelos en los que ocurre p#a& 3 n#a&6n. Sn corolario de esteprincipio es el principio de inclusión, si un acontecimiento B ocurre en cada modelos en el queocurre otro acontecimiento 9, entonces B es al menos tan probable como 9, si adem"s Bocurre en algunos modelos en los que 9 no ocurre, B es m"s probable que 9.

• Principio num-rico5 si una premisa hace referencia a una probabilidad num%rica, losmodelos pueden ser etiquetados con sus valores num%ricos apropiados, y una probabilidaddesconocida puede ser calculada restando la suma de las n/ probabilidades conocidas de laprobabilidad global de las n posibilidades en la partición.

• Principio del subconunto5 suponiendo la equiprobabilidad, la probabilidad condicionalp#B69& depende del subconjunto de 9 que es B u la proporcionalidad de B respecto a 9 dalugar al valor num%rico. 2i los modelos se etiquetan con sus frecuencias absolutas oposibilidades, la probabilidad condicional es igual al modelo de B y 9 dividido por la suma detodas las frecuencias de modelos que contienen a 9. uando se computa la ratio de estasrelaciones de subconjuntos, los sujetos pueden cometer errores asignando valores alnumerador o m"s frecuentemente al denominador.

Bnte el ejemplo de que J de cada / personas sufren una enfermedad, C de cada J personasenfermas tienen el síntoma, y * de cada + personas sin la enfermedad tienen el síntoma, cu"l esla probabilidad de que una persona elegida al azar con síntoma sufra la enfermedad5 aplicadoadecuadamente se puede inferir el subconjunto B y 9 #enfermedad y síntoma& del conjuntoapropiado 9 #síntoma& y resolverlo correctamente5 C6. 2i se focalizan en el modelo enfermedadsíntoma C, extraerían este subconjunto erróneamente del conjunto de todas las posibilidades y

afirmarían que la relación probabilística es C6/. En este caso, no atenderían a la capacidadpredictiva del dato, es decir, a la probabilidad de que el síntoma 9 se observe en ausencia deenfermedad #no B&, sesgo analizado desde los heurísticos del razonamiento. #'abla +.- )"g.*+*&

Iirotto y Iónzalez manipularon el contenido de las instrucciones para ayudar a los sujetos aconsiderar el numerador y el denominador de forma adecuada, aplicando el principio delsubconjunto para calcular la probabilidad condicional inversa5 la probabilidad de que la persona sufra


14/2121


la enfermedad si presenta el síntoma, del total de / posibilidades, tiene xxx posibilidades de tener el síntoma,

entre ellas, xxx posibilidades estarían asociadas con la enfermedad. Estas instrucciones facilitaron larespuesta correcta #de posibilidades de tener el síntoma, C est"n asociadas con laenfermedad&.

$e acuerdo con RohnsonLaird y col., la versión num%rica de este principio no podría aplicarsede forma obvia si los datos se proporcionan en t%rminos de porcentajes ni siempre que los datosni siempre que los datos num%ricos se presentan en t%rminos de frecuencias. $e acuerdo conellos, los principio normativos de la inferencia bayesiana resultan con frecuencia contraintuitivosy propone una pedagogía de razonamiento bayesiano basada en la teoría de los modelosmentales en la que las probabilidades se planteen en t%rminos num%ricos sencillos para que sepueda inferir la probabilidad condicional posterior aplicando el principio del subconjunto sinnecesidad de aplicar el teorema de 9ayes.

9arbey y 2loman integran el enfoque de los modelos mentales en el marco teórico de lashipótesis de los conjuntos anidados5 los errores y sesgos en la inferencia bayesiana se

reducen cuando el planteamiento del problema facilita la representación de las relacionesinclusivas de las categorías relevantes para resolverlo. La facilitación observada cuando losproblemas se presentan en formatos de frecuencias frente al formato de probabilidades no sedebe a que la representación natural facilita la aplicación del teorema sino a que el formato defrecuencias contribuye a clarificar y hacer m"s transparentes las relaciones inclusivaspertinentes.

La probabilidad de padecer una enfermedad es de /6/., un sujeto que no padece la enfermedad tieneuna probabilidad del H de dar positivo en la prueba, y un sujeto que padece la enfermedad da positivo entodos los casos5 7probabilidad de que una persona extraída al azar que d% un resultado positivo padezca laenfermedad8

La respuesta modal con este tipo de versión es KH, suponiendo que la tasa de error de laprueba es del H #falsos positivos& debería producir un KH de resultados correctos, pasandopor alto la probabilidad a priori de sufrir la enfermedad, que constituye uno de los rasgos m"scaracterísticos en la estimación de probabilidades condicionales. La respuesta correcta es *H.

I3R4 6.6 círculos de "uler utilizados en el e5perimento

Círculo pequeño probabilidad de que una persona padezca la enfermedad !Círculo mediano probabilidad de que una persona d" un resultado positivo en la prueba #$ Círculo grande todas las posibilidades !%$$$

)#=6$& 3 )#= [$&6)#$& 3 6


15/2121


uando la redacción del problema se acompa:a del diagrama el porcentaje de aciertos esmayor. La representación gr"fica de conjuntos anidados reduce de forma sustancial el sesgo a

pesar de que el problema se formula en t%rminos de probabilidades. Los diagramas hacenexplícito, sin operaciones, que las posibilidades de que una persona d% positivo en la prueba esun subconjunto de todas las posibilidades, y que las posibilidades de padecer la enfermedad esun subconjunto de las posibilidades de dar positivo en la prueba5 /6 3 *H.

El hecho de a:adir la categoría de 0falsos negativos1 al problema incrementa la dificultad delmismo, planteado tanto en probabilidades como en frecuencias. Esta nueva categoría no esrelevante para resolverlo y no altera el valor del resultado pero incrementa la complejidad de larepresentación de las categorías. 2loman y col. argumentan que la dificultad para captar lasrelaciones relevantes a partir de una representación mental m"s compleja explicaría el bajorendimiento.

En la teoría de los modelos mentales el a:adir la categoría de falsos positivos supone larepresentación de un modelo mental adicional, que aumentaría la carga en la memoria detrabajo y dificulta la aplicación del principio del subconjunto. El supuesto fundamental de la teoríade los modelos mentales desde una perspectiva representacional se establece en el primer principio5 se intenta minimizar la carga de la memoria de trabajo representando de maneraexplícita solo los casos en los que las premisas son verdaderas, pasando por alto los casos enlos que son falsas, especialmente si las premisas son complejas. uando las conclusiones sondistintas dependiendo de si se contemplan o no los casos en que las premisas son falsas, lasconclusiones pueden ser erróneas.

RohnsonLaird y 2avary demostraron que razonando sobre posibilidades relativas la mayor parte de los sujetos alcanzaban conclusiones imposibles cuando no consideraban los casos enque las premisas son falsas #ver ejemplo de p"gina *++ del Dey6Bs, o Deina6Bs&.

uadro 6.2 an,lisis comparati(o del subconunto y del conunto anidado con el teorema de Bayes

1. /-todo del subconunto o del conunto anidado:)robabilidad de = dado $ 3 )robabilidad #= y $&6 )robabilidad de $= #enfermedad& y $ #dar positivo en la prueba& son sucesos dependientes

• = y $ es un subconjunto de $• = y $ se anida en $

2. 45ioma de la probabilidad conunta de dos sucesos dependientesLa probabilidad conjunta de dos sucesos dependientes #= y $& 3 #probabilidad de =& #)robabilidad de $ dado

=&• La probabilidad de = es la probabilidad a priori de la enfermedad• La probabilidad de $ si se da = es al probabilidad condicional de dar positivo en la prueba #$& dada la

enfermedad #=&

!. Teorema de Bayes

• )robabilidad de = dado $ 3 #probabilidad de =& #probabilidad de $ dado =&6probabilidad de $• )robabilidad de = dado $ 3 #probabilidad de =& #probabilidad de $ dado =&6 #siendo =\ la hipótesis alternativa 0no tener la enfermedad&


16/2121


0. "emplo #ver problema B del apartado * del libro, alternativa b #probabilidad posterior de que un pacientecurado hubiera sido diagnosticado de ansiedad&&.

• ) #ansiedad6curación& 3 *6#*4/4/J&3,J Método del subconjunto • ) #ansiedad6curación& 3 #,,J 3 ,J T. de Bayes

El supuesto teórico de subaditividad en el razonamiento probabilístico de la teoría del apoyopermite explicar la violación de la regla de la disyunción #derivada del axioma C de la teoría de laprobabilidad& y de la regla de conjunción #derivada del axioma J& que se producen comoconsecuencia de la aplicación de los heurísticos de accesibilidad y representatividadrespectivamente.

Los supuestos teóricos de la teoría de los modelos mentales permiten explicar las dificultadesen la representación mental de las relaciones inclusivas relevantes para resolver la inferenciabayesiana como consecuencia de las limitaciones en la memoria de trabajo. En uno y otro caso,los sesgos observados son el resultado de la violación de los principios de la lógica inclusiva en

el modelo normativo de la teoría de la probabilidad.

7. 8uicio probabilístico y calibración

El concepto calibración se define como el grado de precisión o ajuste entre el juicioprobabilístico sobre la confianza en el propio rendimiento y la eficacia objetiva avalada por losdatos de la ejecución.

El efecto del exceso de confianza o sobre-confianza, se traduce en que las personastenemos m"s confianza en la eficacia de nuestro rendimiento de lo que avalan los datosobjetivos. Fo solo se observa en los laboratorios sino con un elevado grado de consistencia en el"mbito profesional5 en el juicio clínico, en las previsiones de empresarios, etc. Sn segundo efecto

estable y consistente es el efecto fácil-difcil , que constata que el grado de sobreconfianzaaumenta con el grado de dificultad de las preguntas.

a& "n#o$ues teóricos

• EL EFNG]SE $E LG2 (G$ELG2 (EF'BLE2 )DG9B9LO2'G2 #(()&

Iingerentzer , =offrage y Aleinb^lting proponen un marco teórico integrador, que permitaexplicar el 0efecto de exceso de confianza1 y el 0efecto f"cil Q difícil15 el enfoque de los 0 /odelosmentales probabilísticos1 #(()&.La tarea prototípica en juicios de confianza incluye unconjunto de preguntas de cultura general con dos alternativas de respuesta. $e acuerdo con

Iigerenzer y col., el desajuste en la calibración no es una característica intrínseca del juiciohumano sino la consecuencia de la utilización de tareas con escasa validez ecológica, que nopermiten poner en marcha un modelo mental probabilístico que propicie un modelo de inferenciainductiva adecuado para resolver con %xito la tarea.

Sn modelo mental probabilístico es un procedimiento inductivo que se utiliza cuando elconocimiento es limitado y permite realizar inferencias r"pidas. La clave conceptual de estateoría es que un (() estar" adaptado si permite conectar la estructura específica de la tarea


17/2121


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 juiciosprobabilísticos vendría dado porque la clase de referencia que integra los elementos a comparar no es representativa del entorno natural del sujeto o porque siendo representativa no lo son los

elementos que se comparan.Sn (() para una tarea #7qu% ciudad tiene m"s habitantes5 9ilbao o a oru:a8& integra una

clase de referencia #ciudades con m"s de xx habitantes&, una variable criterio #n_ de habitantes&y claves probabilísticas que varían en su grado de validez. La teoría asume que las inferenciassobre preguntas inciertas o desconocidas se basan en que estas claves probabilísticas que segeneran se eval!an y se activan para dar la respuesta. )odrían generarse las claves5 tener o nouniversidad, ser o no capital de una BB, ser o no ciudad de veraneo. El orden en que segeneran las claves no es azaroso sino que refleja una jerarquía de acuerdo con su grado devalidez. El conocimiento limitado del sujeto se concreta en los valores perdidos en la matriz deobjetos a comparar #Mer figura +.- )"g. *+K& por las claves probabilísticas, los objetos

#ciudades&, claves y6o valores de las claves pueden resultar desconocidos para %ste.

Iigerenzer y col. Normularon preguntas representativas y seleccionadas, para las primeras sehizo en un ambiente natural para el sujeto, las seleccionadas fueron de cultura general. El sujetodebía emitir un juicio de confianza relativo a cada una de sus respuestas, despu%s de contestar cada preguntaW y un juicio de frecuencia despu%s de cada bloque referido a las respuestas delmismo. $e acuerdo con esta teoría, el sesgo de sobreconfianza esperado en los juicios sobrecada pregunta individual de cultura general debería corregirse y ajustarse a la eficacia objetivacuando se emite un juicio de frecuencia, cada bloque debería constituir una muestra de clase dereferencia natural 0conocimiento de cultura general que he demostrado en ex"menes previos1.

2e observa un sesgo de sobreconfianza que es m"s acusado cuanto mayor es la eficacia delas respuestas de los sujetos, este sesgo se corrige cuando se utilizan preguntasrepresentativas, la curva de confianza para estas se asemeja a la de regresión para laestimación del porcentaje de aciertos a partir de la confianza asignada, revelando subconfianzaen la parte izquierda de la escala de confianza, sobreconfianza en la derecha y cerosobreconfianza como promedio. La media de las diferencias entre el juicio de confianza y elporcentaje de respuestas correctas no difiere significativamente de , lo que indica un juiciopromedio bien calibrado. #Nig. +.; )"g. *-/&

Iingerenzer y col. Bnalizan la curva de calibración del conjunto de preguntas que denominanemparejadas, preguntas representativas equivalentes en el nivel de dificultad a las de cultura

general, y en consonancia con la predicción den los ((), si las ciudades que se comparan noson representativas de la clase de referencia, la calibración no es ajustada y se observa el sesgode sobreconfianza, y el sesgo observado se corrige cuando el juicio de confianza se refiere a lafrecuencia de aciertos en una muestra representativa de preguntas seleccionadas. La diferenciamedia entre la frecuencia estimada de respuestas correctas en cada bloque de preguntasseleccionadas y la frecuencia real no difirió significativamente.


18/2121


2i bien los resultados apoyan la teoría como modelo integrador de resultados empíricos, estarequiere un mayor desarrollo para responder a determinadas cuestiones5• La selección de la clave probabilística que se activa,• 2i el orden en que se activan las claves se ajusta siempre a su jerarquía de acuerdo con su

validez y• B las condiciones que delimitan que las claves se ajusta siempre a su jerarquía de acuerdocon su validez y a las condiciones que determinan que las claves probabilísticas se sustituyano se integren de forma m!ltiple para decidir la respuesta.

Iigerenzer y Ioldstein formularon el algoritmo &a'e t(e best , marco conceptual de la teoría delos modelos mentales probabilísticos, se representa como un diagrama de flujo basado en cincoprincipios para claves binarias #Mer figura +.K&, supone una ordenación subjetiva de las claves deacuerdo con su grado de validez, la clave superior en el rango constituye la mejor clave, quepermite discriminar entre las dos alternativas de respuesta.

• Principio de reconocimiento5 el reconocimiento de un objeto constituye un predictor de la

variable #n_ de habitantes&.• B9s$ueda de cla(es con (alidez5 se recuperan de la memoria las claves y sus valores en un

orden jer"rquico de acuerdo con su grado de validez. La validez ecológica de una clave es lafrecuencia relativa con la que la clave predice correctamente el resultado #en el ;-H de loscasos, la ciudad con un equipo de f!tbol en primera división tiene un n!mero superior dehabitantes, la validez ecológica de la clave es ,;-&.

• Re)la de discriminación5 una clave discrimina entre dos objetos si uno de ellos tiene un

valor positivo en la clave y el otro no lo tiene #o es negativo o se desconoce&.• Principio de sustitución de la cla(e5 si la clave discrimina se para la b!squeda de nuevas

claves, si no discrimina se vuelve al paso anterior y se contin!a la b!squeda hasta que seencuentre la clave que discrimina.

• Re)la de ma5imización para la elección5 se elige el objeto con un valor positivo en la clave,si ninguna clave discrimina, se elige al azar entre ambas alternativas. El algoritmo ''9 es unprocedimiento no compensatorio porque solo la clave que mejor discrimina determina lainferencia sin que la combinación de valores de claves distintas ni la integración deinformación puedan contrarrestar la elección basada en la clave con mayor validez.

El modelo ''9 se encuadra en un modelo teórico de racionalidad ecológica que permiteexplicar cómo el sesgo de sobreconfianza se corrige cuando el sujeto realiza la inferencia sobreobjetos de su entorno natural #clase de referencia&, que le permiten seleccionar clavesprobabilísticas con suficiente validez en relación a una variable derivada de la clase de

referencia. Sna clave probabilística v"lida es aquella capaz de predecir la inferencia adecuada.• EL (G$ELG 0NSED`B Q )E2G1 $E LB GFNBF`B EF LB EM$EFB

Iriffin y 'vers@y estudian los casos en que se selecciona una clave con escaso valor predictivo para realizar una inferencia y las razones que explican su elección. El sesgo desobreconfianza no puede reducirse al efecto del nivel de dificultad. ntroducen el efecto deilusión de validez 5 la evidencia disponible a partir de la cual emitimos un juicio intuitivo se


19/2121


interpreta de acuerdo con dos coordenadas5 fuerza o saliencia de la evidencia y su peso ovalidez predictiva.

La teoría estadística y el c"lculo probabilístico prescriben reglas que combinan con precisiónla fuerza o intensidad de la evidencia y su peso o validez. El juicio humano no combina ambos

factores de acuerdo con los modelos normativos, lo que produce sesgos y errores de calibración,tendemos a pasar por alto el tama:o de la muestra.

El modelo teórico del juicio probabilístico que integra esta dicotomía predice sobreconfianzacuando la fuerza es elevada y el peso es bajo, y subconfianza cuando la fuerza es baja y elpeso es elevado. El hecho de que la fuerza de la evidencia tienda a dominar su peso responde aque el sujeto se focaliza inicialmente en la impresión que le produce la evidencia para despu%sajustar el juicio de acuerdo con su conocimiento de validez. El juicio combina el anclaje en lafuerza de la impresión con un proceso de ajuste que tiene en cuenta el valor predictivo de laevidencia.

La persona basamos la confianza en nuestro rendimiento en la impresión sobre los resultadossin observar suficientemente la calidad de los datos.

Iriffin y 'vers@y reinterpretan el efecto f"cildifícil de acuerdo con este enfoque5 demuestranun efecto de subconfianza #rendimiento objetivo superior al juicio de confianza& cuando los ítemsson f"ciles, de sobreconfianza cuando son difíciles y de sobreconfianza extrema cuando eranimposibles.

b& a calibración en el uicio de los e5pertos

La desatención a las probabilidades a priori de la hipótesis y la capacidad predictiva del datose identifican como los predictores m"s claros de la calibración sesgada en el juicio cotidiano de

expertos en dominios específicos.Aoehler, 9renner y Iriffin proponen un modelo de calibración adaptado al juicio probabilístico

sobre un caso particular, que integra la teoría del apoyo con el modelo de calibración fuerzapeso de la confianza en la evidencia, enfoque que incorpora la perspectiva de los heurísticos enel juicio probabilístico. 0'os aguda y persistente1 constituye el datoW 0padecer neumonía1, lahipótesis focal, probabilidad a priori escasa para este caso concreto. El valor alfa mide ladiscriminabilidad del dato, definida como la diferencia en el apoyo de la hipótesis focal frente alas hipótesis alternativas. La capacidad predictiva del dato respecto a la hipótesis focalconstituye un indicador de la calidad o el peso de la evidencia. El par"metro alfa constituye undato objetivo y su valor aumenta en relación directa con la capacidad predictiva del dato respectoa la hipótesis focal frente a otras hipótesis alternativas #Mer tabla +.K )"g. *-K&.

El juicio de los m%dicos muestra una marcada subconfianza cuando tanto la probabilidad apriori como la discriminalidad son elevadas, una ligera sobreconfianza cuando la probabilidad apriori es baja y la discriminalidad es alta, y una sobreconfianza extrema cuando la probabilidad apriori es muy baja y la discriminalidad es baja. La impresión que causa el síntoma cuando losm%dicos se enfrentan a un caso particular se ve reforzada por la accesibilidad de la fuente de


20/2121


información5 el car"cter vívido de la experiencia personal y la proximidad al paciente. Estaimpresión que determina inicialmente la fuerza de la evidencia adquiere especial relevanciadebido a la probabilidad a priori de la enfermedad.

La saliencia del síntoma parece variar en relación inversa con la tasa de la enfermedad en la

población5 cuanto m"s atípica resulta la enfermedad, mayor relevancia adquiere el síntoma loque facilita la recuperación en la memoria de información coherente con la evidencia que resultaen mayor medida disponible. La disponibilidad de síntomas coherentes con la hipótesis focalcontribuye a su proceso de desempaquetado en sus síntomas componentes incrementando suprobabilidad subjetiva. El sesgo en la focalización inicial del juicio a favor de la hipótesis focalrespecto a las alternativas, restar" eficacia al proceso de ajuste final, que no considerar" deforma suficiente la discriminalidad objetiva del síntoma5 su validez predictiva real de laenfermedad. La insensibilidad a la capacidad predictiva del dato como resultado del sesgo delheurístico de representatividad constituye, en este caso, un ejemplo de sesgo basado en elheurístico accesibilidad.

Esta combinación de fuerza #impresión& y peso #validez predictiva& de la evidencia #tos&respecto a la hipótesis focal #neumonía& se ajusta con bastante exactitud al marco teórico deIriffin y 'vers@y. La combinación de fuerza alta #tasa muy baja& y peso bajo #discriminalidadbaja& produce sobreconfianza extrema, mientras que la combinación de fuerza baja #tasa alta& ypeso alto #discriminalidad alta& produce subconfianza extrema. uando la fuerza tiende a ser altapero moderada y el peso es elevado la calibración es bastante ajustada, si bien tiende a lasobreconfianza pero no de forma significativa.

6. es)o predicti(o y ses)o retrospecti(o

=emos visto cómo realizamos inferencias probabilísticas a partir de impresiones basadas en

la evidencia cercana, que percibimos o con la que empatizamos afectivamente. La disponibilidadla evidencia nos hace sobre valorar la fuerza de la evidencia sin que atendamos de formasuficiente a la validez de los datos disponibles. El sesgo de sobreconfianza es m"s acusado enexpertos, quienes ofrecen mayor resistencia a reconocer sus errores. La persistencia en lascreencias obedece a la ilusión de validez #Aahneman&, estableciendo un paralelismo entre estailusión cognitiva y la ilusión perceptiva de (llerLyer #percepción&. La confianza subjetiva sesustenta en la falacia narrativa, basada en el intento continuo de buscar un sentido al mundoque nos rodea y una coherencia en los hechos que se suceden.

La confianza excesiva en el juicio predictivo dificulta que el feed bac@ sobre su falta de

precisión pueda en ocasiones futuras corregirlo y ajustarlo con eficacia a la evidencia objetiva.La confianza subjetiva perece ser el resultado de un modo de procesamiento f"cil y r"pido quebusca la coherencia asociativa y que entronca de forma m"s directa con la sensación y elsentimiento que con el juicio cognitivo deliberado.

El sesgo retrospectivo constituye la otra cara de la moneda de la ilusión de coherencia. 2i lailusión de validez nos conduce a confiar en exceso en nuestros juicios predictivos si soncoherentes con la evidencia, el sesgo retrospectivo revisa y reestructura nuestra concepción


21/21

Documents

psicología del pensamiento tema 6