Psicologa del pensamiento

por Aitziber Laguardia

Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

Tema 6: Razonamiento Probabilstico

1. Introduccin
El pensamiento probabilstico constituye una modalidad de pensamiento que se enfrenta a
problemas abiertos, en un mundo en donde la informacin es incompleta y se modifica
temporalmente. Esta modalidad de razonamiento nos permite adaptarnos de manera eficaz a la
incertidumbre y variabilidad ambiental generando formas de percibir, computar y representar las
variables externas para emitir juicios de probabilidad que permitan estimar dicha variabilidad y
actuar sobre el entorno. Las leyes de probabilidad en tareas de razonamiento probabilstico
juegan un papel similar a las leyes de la lgica en el razonamiento deductivo y constituyen un
modelo normativo o prescriptivo sobre cmo deben realizarse las inferencias probabilsticas.

2. Teorema de Bayes
Cuando asignamos un valor de probabilidad a un suceso podemos conocer o no el espacio de
probabilidades. Cuando conocemos el espacio de probabilidades, si asumimos la
equiprobabilidad de las diferentes posibilidades, la probabilidad de un suceso aleatorio sera el
cociente entre el nmero de resultados favorables y el nmero total de resultados posibles.
En la vida diaria, habitualmente no conocemos el espacio completo de probabilidades en
relacin a un suceso determinado, lo que nos exige llevar a cabo estimaciones subjetivas en
relacin al espacio muestral, y es posible adems que las diferentes alternativas no sean
equiprobables. (Dos candidatos para un trabajo pueden obtener la misma puntuacin en una prueba
psicomtrica, sin embargo la eficacia en el rendimiento de trabajo depende de otras variables, no todas
conocidas (experiencia, personalidad, motivacin, etc. )

Tanto si la fuente de la que se ha obtenido la probabilidad de un suceso es objetiva como si es

subjetiva, la teora de probabilidad asume un conjunto de axiomas. (Mirar ejemplo concreto del
libro Pg. 226-227)
La probabilidad de un suceso vara entre 0 (imposibilidad) y 1 (certeza).
La suma de las probabilidades de todos los posibles sucesos en un espacio muestral
dado es 1.
La probabilidad de no ocurrencia de un suceso ser igual a 1 menos la probabilidad de
su ocurrencia P(no S)=1-P(S).

Si dos sucesos (S1 y S2) son mutuamente excluyentes entre s, la probabilidad de uno u
otro ser igual a la suma de sus probabilidades.
P(S1 o S2) = P(S1)+P(S2)

Si dos sucesos (S1 y S2) son dependientes, la probabilidad de la conjuncin de estos

sucesos ser igual al producto de la probabilidad de S1 por la probabilidad de S2
asumiendo S1:
P(S1 y S2) = P(S1)xP(S2 dado S1)= P(S1)xP(S2/S1)

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

El segundo factor de este producto se denomina probabilidad condicional de S2 dado S1.

Si dos sucesos (S1 y S2) son independientes, la probabilidad de la conjuncin de estos

sucesos ser igual al producto de la probabilidad de S1 por la probabilidad de S2:
P(S1 y S2) = P(S1)xP(S2)

Cul 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 no
de ansiedad o de fobia)?
Thomas Bayes aadi a estos axiomas una frmula conocida como el Teorema de Bayes,
que permite calcular la probabilidad condicional inversa, tambin denominada probabilidad
posterior o a posteriori. El clculo de esta probabilidad no es directo, ya que tenemos el dato,
est curado, pero son tres las alternativas (depresin, ansiedad o fobia). El teorema constituye la
ley fundamental en la que se basa este tipo de inferencia probabilstica, tanto cuando la
informacin procede de datos muestrales como cuando procede de estimaciones subjetivas de
probabilidades. (Tabla 6.1 Pg. 228)
El teorema permite estimar la probabilidad de un suceso a la luz de un nuevo dato, partiendo
de las probabilidades del suceso a priori del suceso, y de la capacidad predictiva que la
ocurrencia del dato tiene para la ocurrencia del propio suceso, es decir, la diagnosticidad del
dato. Ver ejemplos del libro
La probabilidad condicional (o a posteriori) se obtiene:
1) De la probabilidad inicial o a priori del suceso.
2) De la diagnosticidad del dato, es decir, en qu medida se asocian ambos [P(D/H)] y [P(D/H)].
La estadstica bayesiana permite introducir probabilidades subjetivas, al evaluar las
probabilidades a priori, y las probabilidades condicionales del suceso.
Estas probabilidades subjetivas pueden obtenerse de distintos datos, tales como la evidencia
existente, teoras previas o la opinin o creencias de la persona.
La inferencia bayesiana permite introducir probabilidades subjetivas tanto al evaluar las
probabilidades a priori como al evaluar las probabilidades condicionales del suceso. Estas
probabilidades subjetivas pueden obtenerse de distintas fuentes (evidencia existente, teoras
previas o la opinin y creencias de la persona). La evidencia emprica de varias dcadas de
investigacin demuestra que el razonamiento probabilstico humano generalmente no es
extensional, es decir, no contempla el conjunto de probabilidades de forma exhaustiva. Existen
estrategias y procedimientos psicolgicos que facilitan y hacen ms rpido y menos costoso el
proceso de asignacin de probabilidades que si se realizasen los complejos clculos
matemticos basados en modelos normativos como el Teorema de Bayes. En muchas ocasiones
estas estrategias conducen a resultados correctos, son efectivas y econmicas en trminos de
tiempo y esfuerzo cognitivo, su contrapartida negativa es que pueden resultar imprecisas pues
las personas no contemplamos con frecuencia toda la informacin relevante para resolver

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

correctamente el problema, lo que puede dar lugar a errores y sesgos sistemticos en el

razonamiento probabilstico.

3. Enfoque de los heursticos

Los heursticos constituyen reglas y estrategias intuitivas que se aplican de manera deliberada
o no para producir una estimacin o una prediccin. Esta evaluacin que proporcionan los
heursticos puede dar lugar a errores sistemticos denominados sesgos o falacias,
caractersticos de cada uno de ellos.
Tversky y Kahneman conceptualizan los tres tipos bsicos de heursticos: representatividad,
accesibilidad y anclaje y ajuste.

a) Heurstico de representatividad
Cul es la probabilidad de 1) que el objeto A pertenezca a la categora B, 2) el proceso de B
sea la causa de A, o 3) el dato A se genere a partir de B?
Para responder a estas preguntas recurrimos generalmente al heurstico de representatividad.
En el:
Las probabilidades se juzgan teniendo en cuenta la medida en que A es representativo de o
se asemeje a B.
La investigacin sobre categorizacin de objetos y acontecimientos ha demostrado que la
informacin de prototipos y esquemas contribuyen significativamente a la forma en que
almacenamos y procesamos la informacin. Resulta natural y econmica desde el punto de vista
cognitivo juzgar la probabilidad de un acontecimiento evaluando el grado en el cual es
representativo de la categora o esquema de referencia.
Esta estrategia produce sesgos significativos pues la semejanza o representatividad no se
ve afectada por factores que deberan afectar a los juicios de probabilidad.
INSENSIBILIDAD A LAS PROBABILIDADES A PRIORI

Evaluacin de la probabilidad en funcin del grado en que una descripcin es representativa

de un estereotipo, atendiendo poco o nada a las probabilidades a priori de pertenecer a esa
categora en concreto, violando de forma drstica la prediccin del teorema de Bayes (30%
ingeniero, 70% abogados y al revs, su asignacin a un grupo se realiza en funcin de la
descripcin).
La dificultad para aplicar el algoritmo para calcular la probabilidad de un acontecimiento
contemplando las probabilidades a priori ha sido demostrada tambin con participantes expertos
(Eddy).
De acuerdo con Gigerenzer y Hoffrage, la dificultad de aplicar las normas de la inferencia
bayesiana es el resultado de un planteamiento metodolgico inadecuado: el desajuste entre la
forma en la que presentamos la informacin y el formato de la representacin cognitiva natural
de dicha informacin. Basan su argumentacin en la teora de la evolucin: la mente y su

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

entorno han evolucionado en paralelo, el formato natural de procesamiento de series de eventos

es la frecuencia ms que la probabilidad o el porcentaje. Las demandas computacionales de los
algoritmos bayesianos son ms simples cuando la informacin se codifica en un formato de
frecuencias ms que en el formato estndar de probabilidad porque las probabilidades a priori no
necesitan ser atendidas, lo cual es racional en el muestreo natural.
Si presentamos los datos con el formato de muestreo natural, la frmula del teorema de
Bayes se simplifica mucho. La probabilidad de cncer de mama en mujeres de 40 aos es de 10
sobre 1.000 (1%). De cada 10 mujeres que padecen cncer de mama, 8 dan un resultado
positivo en la mamografa (80%). La probabilidad de que una mujer sin cncer de mama d un
resultado positivo en la mamografa de 95 sobre 990 (9,5%). (Ver Fig. 6.1)
INSENSIBILIDAD A LA CAPACIDAD PREDICTIVA DEL DATO

En relacin a las descripciones que nos dan de un sujeto, por ejemplo (inteligente y
trabajador), se pueden realizar dos tipos de preguntas: a) evaluacin: qu impresin te produce
esta descripcin en relacin a la habilidad acadmica, b) prediccin: qu calificacin media
estimas que obtendr el sujeto en el curso? En la primera se evala el dato, la segunda predice
el resultado, por tanto se da un grado superior de incertidumbre en relacin con la segunda
pregunta. La hiptesis de representatividad sostiene que prediccin y evaluacin deberan
coincidir.
Kahneman y Tversky demostraron con su experimento que los juicios del grupo de prediccin
y de evaluacin fueron muy similares, si bien en el primer caso el criterio era una variable
objetiva y prxima, mientras que en el segundo se trataba de una variable remota, basada en la
impresin que produca la descripcin.
En la teora estadstica de la prediccin, la equivalencia entre prediccin y evaluacin estara
justificada slo si la eficacia predictiva fuera perfecta. Cuando la descripcin no es objetiva o es
inexacta, o siendo objetiva se presentan datos nuevos, los sujetos parecen ignorar la
probabilidad del dato dada la hiptesis alternativa. La prediccin basada en la impresin de la
descripcin sin considerar factores que afectan al peso de la evidencia, da lugar a sesgos
sistemticos en el juicio probabilstico que responden al concepto de ilusin de validez, que
veremos ms adelante.
CONCEPCIONES ESTADSTICAS INEXACTAS

La concepcin errnea de la regresin constituye otro sesgo en el juicio predictivo basado en

el heurstico de representatividad. La regresin se utiliza para predecir una medida basndonos
en el conocimiento de otra. La regresin estadstica o regresin a la media es la tendencia de
una medicin extrema a situarse ms prxima a la media cuando se realiza una segunda
medicin. Se da la creencia de que el resultado predicho debera ser representativo al mximo
de la evidencia disponible y tan extremo como esta (los mejores muestran un rendimiento
promedio inferior en la versin alternativa, y los peores muestran un rendimiento promedio mejor
en la alternativa Ver ejemplo completo Pg. 237-). Ms adelante veremos que en la calibracin

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

del juicio predictivo, contrariamente a la prediccin del concepto de regresin a la media, el

carcter extremo de la evidencia potencia la fuerza de la impresin y la confianza subjetiva en su
replicabilidad.
En relacin con el tamao de la muestra, la teora del muestreo sostiene que en una muestra
grande es ms difcil superar el 50% (hospital grande frente a hospital pequeo en cuanto al
registro en el que un 60% de nacimientos fue de varones). La insensibilidad al tamao de la
muestra explica nuestras expectativas en los juegos de azar en la medida en que esperamos
que las muestras pequeas de procesos aleatorios representen el proceso con un nmero
elevado de ensayos. Esta expectativa basada en la intuicin de representatividad local explica la
falacia del jugador (tras una secuencia de rojos en la ruleta, la mayor parte de la gente
esperara de forma errnea que ha llegado el turno del negro, resultado en una secuencia ms
representativo que la ocurrencia del rojo). La concepcin errnea del azar no se limita a persona
ingenuas, tambin se da en expertos: la creencia en la ley de los nmeros pequeos revela que
la expectativa de una hiptesis vlida en relacin con una poblacin puede basarse en la
significacin estadstica de un resultado de una muestra, prestando poca consideracin a su
tamao, los investigadores corren el riesgo de atribuir excesiva fiabilidad a resultados obtenidos
con muestras pequeas y sobreestimar la replicabilidad de los resultados.
LA FALACIA DE CONJUNCIN

La representatividad no es extensional, no siempre est determinada por la frecuencia ni

limitada por la inclusin de clases de los datos que componen el espacio muestral.
En el modelo normativo de la teora de la probabilidad, la ley ms simple y fundamental desde
un punto de vista cualitativo es el principio de la extensin: una conjuncin no puede ser ms
probable que cada uno de sus constituyentes, y se aplica tanto si A y B son o no independientes
y es vlido para cualquier valor de probabilidad del mismo espacio muestral P(A)P(A y B).
El problema de Linda (que ofrece una descripcin de su personalidad diseada para que fuera
muy representativa de una feminista activa y poco representativa de una cajera de banco. Los
participantes consideraron la opcin cajera de banco y feminista ms probable que cajera de
banco. La violacin de la regla de conjuncin es la comparacin directa entre los constituyentes
y su conjuncin. La semejanza de un ejemplar con su categora se define en funcin de la
ponderacin de las propiedades que son comunes y distintivas y vara en funcin del contexto
estimular y la tarea (Tversky). Desde el punto de vista de la regla extensional de la lgica, la
clase cajera de banco incluye a la de cajera de banco feminista, lo que invalida desde un
punto de vista normativo el juicio probabilstico emitido por los participantes, el heurstico de
representacin explica dicha inversin.
El intento deliberado de inducir una actitud reflexiva no elimina el heurstico. Ser experto en un
dominio especfico tampoco evita los errores de conjuncin, siendo consistente con el heurstico
de representatividad.
Herwing y Gigerenzer critican de la tarea de Linda que se utilice el trmino matemtico
probable, ya que la mayora lo iguala a si es posible concebible o verosmil, inferencia

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

semntica que contribuye a explicar por qu se elige como ms probable la conjuncin, por lo
que no se tratara de una violacin del principio extensional del modelo normativo de la teora de
la probabilidad ya que esta no estara siendo evaluada.

b) Heurstico de accesibilidad
Las personas evaluamos la frecuencia de los ejemplares de una categora o la probabilidad
de un acontecimiento por la facilidad con la que los ejemplos nos vienen a la mente. La
frecuencia o probabilidad se juzga a partir de la disponibilidad o facilidad de acceso a sus
ejemplares ya que los ejemplos de categoras frecuentes se recuerdan con mayor facilidad y
rapidez que los menos frecuentes. La accesibilidad se ve afectada por otro tipo de factores que
Tversky y Kahneman agrupan en cuatro categoras:
SESGO DEBIDO A LA FACILIDAD DE LA RECUPERACIN

El sesgo observado tanto en la prueba de recuerdo como en la prueba de estimacin de

frecuencias se demuestra el efecto significativo del heurstico de accesibilidad en el juicio
probabilstico (lista de mujeres famosas y hombres no famosos se recuerdan los nombres de las
mujeres y se piensa que hay ms mujeres cuando hay el mismo nmero que de hombres).
Adems de la familiaridad, otros factores como la saliencia afectan a la accesibilidad. La
probabilidad subjetiva de accidentes de trfico aumenta temporalmente si se acaba de ver un
coche volcado.
Este sesgo de inmediatez se basa tambin en la facilidad de recuperacin de las experiencias
recientes frente a las ms remotas en el tiempo. En la investigacin de la autopercepcin de
estados emocionales los participantes tienden a percibir las emociones inmediatas como ms
intensas que las emociones previas, aunque entraen experiencias objetivamente similares, las
emociones inmediatas se juzgan como ms intensas desde un punto de vista fenomenolgico
(las inmediatas se experimentan de forma ms vvida y directa), sensitivo (las inmediatas se
perciben, las distantes se recuerdan) e informativo (la informacin sobre las emociones ms
inmediatas es ms rica en detalles). (Ver Fig. 6.3 Pg. 242)
SESGO DEBIDO A LA FACILIDAD EN LA CONSTRUCCIN DE EJEMPLOS

Es debida a la facilidad de generar ejemplos. (Ver estudios Pg.243) La experiencia

fenomenolgica o subjetiva de la facilidad o dificultad en la recuperacin de la fuente de
informacin determina la estimacin de frecuencia relativa en los juicios, cuando esta
experiencia subjetiva pierde vs. gana valor diagnstico, la frecuencia relativa estimada disminuye
vs. aumenta en coherencia. La estimacin de frecuencias relativas se basa no solo en la
experiencia subjetiva de facilidad de recuperacin sino tambin en el grado de confianza que el
sujeto atribuye a dicha experiencia.

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

Una variable relevante en las tareas de bsqueda de ejemplos que da lugar a sesgos
significativos en la estimacin de la probabilidad subjetiva es la accesibilidad de posibles
contextos. Los contextos de palabras abstractas (amor, amistad) resultan ms fciles de
imaginar o asociar a historias vividas, ledas o basadas en pelculas que palabras concretas
(puerta, agua) desprovistas de connotaciones que permitan evocar con facilidad escenarios.

SESGO DEBIDO A LA FACILIDAD PARA IMAGINAR SITUACIONES

La facilidad para imaginar situaciones juega un papel importante en la evaluacin de

probabilidades en la vida real. En la Tabla 6.2, se muestran los resultados de un experimento, en
el que se meda la probabilidad que asignaban los sujetos a contraer una enfermedad en base a
si la lectura de un texto era fcil o difcil de imaginar. Se observ que los participantes fcil de
imaginar tendan a juzgar la probabilidad de contraer la enfermedad mayor que los de la
condicin difcil de imaginar (Para ver el estudio completo Pg. 244)
SESGO DEBIDO A LA CORRELACIN ILUSORIA E ILUISIN DE CONTROL

Las asociaciones entre eventos o conceptos se fortalecen como resultado de su ocurrencia

conjunta repetida. Ello determina que juzguemos la frecuencia de ocurrencia conjunta de dos
acontecimientos fuertemente asociados como elevada. Este tipo de estimaciones tampoco
escapa a la posibilidad de sesgos en el juicio probabilstico. El trmino correlacin ilusoria
(Chapman) agrupa los errores que se producen como resultado de la sobreestimacin de la
correlacin entre dos acontecimientos o elementos distintivos, sobrestimacin por tanto de su
frecuencia objetiva. La correlacin ilusoria es uno de los mecanismos en que se basa la
explicacin de las supersticiones o las creencias mgicas, el efecto halo y los estereotipos
sociales. Sobreestimar la correlacin entre dos factores distintivos, cometer delitos y pertenecer
a un grupo minoritario, contribuye a generar estereotipos negativos sobre estos grupos.
Cuando lo que se sobreestima es la correlacin entre la conducta y sus consecuencias se
produce la ilusin de control, que se define como la expectativa de la probabilidad de xito
personal inadecuadamente elevada en relacin a la probabilidad objetiva. Langer demostr que
la ilusin de control puede inducirse introduciendo factores supuestamente relacionados con la
habilidad y destreza del jugador en los juegos de azar, como la competitividad, la posibilidad de
elegir, familiaridad con los estmulos y las respuestas y la implicacin pasiva o activa en la
situacin. Este fenmeno constituye uno de los factores que explica el sentimiento excesivo de
confianza en el xito y el riesgo excesivo asumido en los juegos de azar. La ilusin de control
contribuye a explicar la persistencia del sesgo de sobreconfianza en la calibracin del propio
juicio, juicio de segundo orden, que veremos ms adelante.

c) Heurstico del prototipo

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

La denominacin heursticos de prototipo responde al nuevo enfoque del juicio heurstico de

Kahneman y Frederick. Los heursticos de prototipo son resultado de un doble proceso de
sustitucin: 1)
Una categora se sustituye por su ejemplar prototpico,
Un atributo de la categora (el que se evala en el juicio emitido) se sustituye por una
propiedad del prototipo.
Desde el modelo normativo de la teora de la probabilidad, en la prediccin de pertenencia
de un ejemplar a una categora, la probabilidad de pertenencia debera variar con la probabilidad
a priori de la categora. Por el contrario, en la prediccin por representatividad de la
pertenencia de un ejemplar a una categora se descarta la probabilidad a priori de la categora
porque el prototipo de una categora no contiene informacin sobre la frecuencia de sus
miembros. La representatividad no es necesariamente la propiedad del prototipo que sustituye al
atributo de la categora (Kahneman y Frederick).
La evaluacin retrospectiva de las experiencias con valor afectivo ilustra el proceso de
sustitucin basado en la accesibilidad de la informacin. La evaluacin retrospectiva de la
intensidad de la experiencia afectiva se basa en el promedio entre la media del pico ms saliente
de la experiencia global y el pico ms prximo al final de la experiencia.
Un doble proceso de sustitucin da lugar al heurstico del prototipo que determina el juicio
subjetivo, la categora dolor que produce la experiencia global se sustituye por el prototipo
promedio del pico ms elevado de dolor y el valor ms prximo al momento final de la
experiencia. La propiedad del prototipo que sustituye al atributo de la categora (intensidad) y
que determina el juicio retrospectivo no viene dada por la representatividad de la informacin
(curacin total de la experiencia o magnitud promedio del dolor informado en la experiencia
global), sino por su accesibilidad en la memoria. La implicacin de este hallazgo es que debera
minimizarse el nivel de malestar fsico cuando va a concluir la experiencia y potenciarse la
atencin afectiva al paciente en el momento final en pruebas mdicas dolorosas. (Ver
experimento y Fig. 6.4 Pag. 247)
La insensibilidad a caractersticas extensionales de las categoras: las probabilidades a priori
en la prediccin de la pertenencia de un ejemplar a una categora o la relacin monotnica entre
la duracin de la experiencia y su valor afectivo constituyen ejemplos de la desviacin
sistemtica del modelo normativo de la lgica en el juicio intuitivo bajo incertidumbre. La
estimacin cuantitativa subjetiva de una experiencia se realiza por el valor afectivo que entraa,
a diferencia del heurstico de anclaje y ajuste, en donde la estimacin cuantitativa est
desprovista de valor afectivo y el objeto del juicio es externo al sujeto.

d) Heurstico de anclaje y ajuste

En ocasiones realizamos 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 sugerirse por
la formulacin del problema o ser el resultado de un cmputo parcial. Diferentes puntos de
partida producen estimaciones diferentes sesgadas hacia el valor inicial. Pueden servir de

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

anclaje valores informativos como los que no lo son (en experimento se somete a la fase de
juicio comparativo con el valor inicial, y despus a la fase de juicio absoluto Ver Experimento
Pg. 248-). En la fase comparativa el sujeto genera una cantidad independiente del valor del
anclaje y compara ese valor con su estimacin para determinar si el valor de anclaje es
demasiado alto o demasiado bajo. Pare emitir el juicio absoluto, ajusta el juicio inicial en la
direccin apropiada hasta que encuentra un valor aceptable. El proceso de ajuste es insuficiente
porque termina en el lmite ms prximo al valor del ancla dentro del rango de valores posibles.
De acuerdo con esta primera interpretacin de Tversky y Kahneman, el sesgo en el proceso de
anclaje no se situara tanto en la produccin del juicio estimado inicial cuanto en el proceso
posterior de ajuste del juicio absoluto.
Jacowitz y Kahneman demostraron sin embargo un efecto asimtrico en el sesgo de anclaje,
ya que demostraron que es significativamente superior para los valores elevados. Segn ellos,
los valores de anclaje altos incrementan la plausibilidad de los valores superiores al ancla en
mayor medida que los valores de anclaje bajos incrementan la plausibilidad de los valores
inferiores al ancla. Existe un claro lmite inferior para los valores bajos (cero), pero no hay lmite
superior para los valores elevados. Ello pone de manifiesto que el sesgo no siempre se da en el
proceso de ajuste de la estimacin inicial, sino que el valor del ancla puede alterar la creencia
inicial del sujeto y modular el juicio absoluto emitido; el proceso de anclaje puede iniciarse en la
fase de comparacin y sesgar la estimacin inicial del sujeto, previa al juicio absoluto. El ancla
puede considerarse a) un punto de partida para el ajuste (segn la formulacin inicial de Tverky
y Kahneman), b) un indicio conversacional debido a la saliencia que le confiere la autoridad
acadmica del experimentador, c) una sugerencia o prime.
En esta lnea, la investigacin ms reciente sugiere que el anclaje se origina con frecuencia
en la fase de recuperacin de la informacin y que el ancla acta como una sugerencia,
haciendo la informacin consistente con el ancla ms accesible. Se demuestra que el efecto de
anclaje no se produce si no se cumplen determinadas condiciones de compatibilidad entre el
ancla (valor inicial) y el juicio requerido (respuesta final), como es la escala de medida en la que
se formulan ambos.
Strack y Mussweiler demuestra que es necesario adems que se expresen en la misma
dimensin (altura frente anchura). (Ver Tabla 6.3 Pg. 250) La fuerza del efecto depende de la
medida en que la informacin activada por el ancla tambin se percibe como aplicable al juicio
absoluto. Ponen a prueba la hiptesis de que el responsable del los efectos de anclaje es el
priming semntico (Tabla 6.4 Pg. 251 y experimentos) y no el numrico per se. Cuando el
ancla es un valor plausible, la tarea comparativa se resuelve elaborando la respuesta en un
proceso cognitivo que consume tiempo, de esta manera la informacin relevante es fcilmente
accesible y acelera la respuesta en la tarea de juicio absoluto. Cuanto ms tiempo consuma en
el juicio comparativo, menos tiempo consumir en el absoluto. Las latencias de respuesta en los
juicios comparativo y absoluto deberan estar, en consecuencia, negativamente correlacionadas,
pero solo en el caso en que en la tarea comparativa se utilice informacin relevante para
responder al juicio de valor absoluto. Solo cuando el ancla es un valor plausible debera
esperarse una correlacin negativa entre las latencias de respuesta de los juicios comparativo y

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

absoluto. Los resultados del anlisis correlacional apoyan esta prediccin. Para las anclas no
plausibles las latencias de respuesta de ambos juicios no correlacionan.
Chapman y Johnson presentan un modelo terico alternativo al de Tverky y Kahneman que
permite interpretar el sesgo de anclaje en un amplio abanico de tareas y procedimientos
experimentales. (Ver Fig. 6.5 Pg. 252) El mecanismo de anclaje se basa en un proceso de
accesibilidad selectiva que se genera en la fase inicial de recuperacin de la informacin y
determina la formacin de la respuesta. El proceso de anclaje puede ser resultado de mltiples
causas y los mecanismos responsables pueden producirse en ms de una fase. Los errores en
los juicios y sesgos se producirn como consecuencia del priming asimtrico en el proceso
de recuperacin de la informacin, que incrementara de forma desproporcionada la
disponibilidad de rasgos compartidos por ancla y respuesta y reducira la disponibilidad de
aquellos rasgos que los diferencian. A diferencia del enfoque del efecto de anclaje como ajuste
insuficiente determinado por el valor del ancla, el modelo de accesibilidad selectiva atribuye el
sesgo en el juicio absoluto a una ponderacin excesiva de los rasgos comunes entre el ancla y la
respuesta, en detrimento de los discrepantes, basada en una tendencia confirmatoria. (Ver
Ejemplo silla Pg. 252)
Si el ancla produce un efecto sobre el juicio incrementando la accesibilidad de rasgos
comunes y reduciendo la accesibilidad de rasgos diferentes, incrementar experimentalmente la
accesibilidad de rasgos diferentes reduce el sesgo hacia el valor inicial al propiciar identificar
razones discrepantes con el valor del ancla. (Ver Experimento Pg. 253)
A pesar de evidencias empricas obtenidas con el paradigma estndar, parece confluir en la
interpretacin del efecto de anclaje como el resultado del incremento en la accesibilidad de la
informacin consistente con el ancla, el mecanismo explicativo de ste fenmeno no pude
reducirse en todos los casos a esa explicacin. De acuerdo con Elpey y Gilovich, los procesos
implicados en el efecto de anclaje difieren dependiendo de si el ancla es suministrada por el
experimentador o por cualquier otra fuente externa en contraste con la situacin en la que es el
propio participante el que genera de forma espontnea el valor numrico del ancla a partir de la
pregunta planteada. En este caso, el proceso de ajuste sera el responsable del efecto, en la
medida en que el valor numrico del ancla, por su condicin de respuesta autogenerada,
adquirira el estatus de respuesta candidata con el peso especfico suficiente para iniciar dicho
proceso. (Ver Experimento y Tabla 6.5 Pg. 254)
Epley y Gilovich coinciden con Jacowitz y Kahneman en proponer una taxonoma de posibles
efectos de anclaje en los juicios bajo incertidumbre en la medida en que son muchas las
variables que pueden intervenir e interactuar en funcin del tipo o procedimiento experimental
(magnitud del valor del ancla, alto frente bajo, compatibilidad o no de la escala de medida y
dimensin del ancla y el jucio absoluto, el grado de plausibilidad del ancla, y el hecho de que sea
generada de forma espontnea por el participante o comunicada por el expectador).

e) La teora del apoyo

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

El principio de extensin en la teora de la probabilidad establece que si B est contenido en

A o constituye parte de A, la probabilidad de B no puede ser superior a la probabilidad de A. Un
caso especial de la regla de extensin que vulnera la lgica inclusiva es la regla de la
conjuncin, que establece que la probabilidad de A y B no puede ser superior ni a la probabilidad
de A ni a la de B porque contiene a ambos elementos.
La teora del apoyo constituye una perspectiva del juicio intuitivo bajo incertidumbre que
permite explicar, en un marco terico integrador, gran parte de la evidencia revisada
anteriormente, que caracteriza las operaciones mentales que responden a la denominacin del
juicio basado en heursticos en la evaluacin de frecuencias y probabilidades.
El efecto de desempaquetado, principio explicativo de la teora del apoyo, constituye una
nueva demostracin de que en el juicio probabilstico humano el todo es menor que la suma de
sus partes. Descripciones detalladas de un acontecimiento determinado dan lugar de forma
sistemtica a juicios de probabilidad superiores que las que genera una descripcin general del
mismo acontecimiento inclusivo (ms prdidas en un terremoto que en un desastre natural).
Tversky y Koehler desarrollaron una teora no extensional del juicio probabilstico en la que la
probabilidad subjetiva no est ligada a los acontecimientos sino a las descripciones de los
acontecimientos, denominadas hiptesis.
Consideran que la desviacin de la lgica extensional en el juicio de los humanos no
constituyen una coleccin de ejemplos aislados, sino que el juicio probabilstico sobre un evento
determinado depende del grado en que se explicita su descripcin. Segn esta teora del apoyo,
cada hiptesis A posee un valor de apoyo determinado s(A) que corresponde a la fuerza de la
evidencia favorable a dicha hiptesis. La clave conceptual del supuesto del que parte la teora es
que desempaquetar la descripcin de una hiptesis (avin que se estrella C) en sus posibles
componentes o hiptesis elementales (avin que se estrella de forma accidental consecuencia
de error humano o mecnico C1, o de forma no accidental pro terrorismo C2) generalmente
argumenta su apoyo. El apoyo de la disyuncin explcita C1 y C2 es igual o mayor que el apoyo
de la disyuncin implcita C que no menciona ninguna causa.
S(C) s(C1 v C2)
La teora de apoyo es subaditiva para disyunciones implcitas (C) y aditiva para disyunciones
explcitas (C1 v C2).
s(C1 v C2)= s(C1) + s(C2)
El grado de subaditividad est influido por varios factores, uno de ellos es la interpretacin
de la escala de probabilidad, se espera que la subaditividad sea ms pronunciada cuando la
probabilidad se interpreta como predisposicin de un caso individual (Singular) respecto a
cundo se estima como frecuencia relativa en una determinada poblacin (Distibucional), siendo
el distribucional ms preciso que el singular. La propuesta de Tversky y Koehler es que la
disyuncin implcita accidente se desempaqueta con mayor facilidad en sus componentes
(accidente de coche, de avin, etc.) cuando se considera a la poblacin en su conjunto frente a
una persona individual, atendiendo a que las posibles causas de muerte se representan en las

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

estadsticas de mortandad de la poblacin pero no en la muerte de una persona. La tendencia a

desempaquetar una disyuncin implcita es mayor en el modo distribucional que en el singular o
individual. Por tanto, cuando el problema se formula en trminos de frecuencia se espera que se
produzca menos descuento o diferencia entre la probabilidad de la hiptesis implcita y la suma
de las probabilidades de las hiptesis elementales explcitas. (Ver Experimento Pg. 257 Y Tabla
6.6 Pg. 258).
El factor de desempaquetado puede calcularse dividiendo la suma de las probabilidades de
las hiptesis elementales explcitas entre la probabilidad de la hiptesis implcita (/P), cuanto
mayor sea el valor de dicho factor, mayor ser el grado de subaditividad observado.
Las estimaciones presentan mayor grado de subaditividad cuando juzgan probabilidades que
frecuencias;
por tanto, la subaditividad que se observa en una disyuncin implcita es tanto mayor cuanto
ms se explicitan sus componentes y es ms acusada en juicios de probabilidad frente al de
frecuencias.
La subaditividad no se restringe a los juicios de novatos, tambin se observa en expertos.
Teora del apoyo P(A) P(A1 v P2) por el desempaquetado de la hiptesis implcita
Modelo bayesiano P(A) = P(A1 v A2) por el principio de la extensin, que es una de las
reglas ms simples de la teora de la probabilidad, por lo que su violacin llama la atencin. Un
caso especial del principio de la extensin sabemos que es la regla de la conjuncin y la falacia
de la conjuncin, otra regla derivada del principio de la extensin es la regla de disyuncin, que
es violada por la subaditividad demostrada.
Van Boven y Epley lo aplicaron a juicios evaluativos con valor afectivo, en los que se juzga el
carcter positivo o adverso de una categora o de las consecuencias de un acontecimiento.
Explican que las descripciones ms detalladas producen juicios evaluativos ms extremos ya
que a) permiten recordar con mayor facilidad posibilidades que han pasado por alto y b) facilitan
la simulacin mental y la imaginacin vvida de las categoras o acontecimientos. En los juicios
evaluativos de una categora parece jugar un papel ms importante la facilidad con la que se
recuerdan sus elementos constituyentes que la cantidad total de elementos que pueden
recuperarse, en consecuencia con esta interpretacin est la evidencia de que la facilidad para
recuperar informacin, construir ejemplos y/o imaginar situaciones constituyen estrategias
cognitivas derivadas de la aplicacin del heurstico de accesibilidad, que explican el sesgo en la
estimacin de frecuencias relativas de ejemplares de una categora.

4. La teora de los modelos mentales

Ofrece un marco explicativo unitario para la deduccin y la induccin y sostiene que las
conclusiones probabilsticas son el resultado de ambos tipos de inferencias. Los individuos
razonan construyendo modelos de las situaciones descritas en las premisas. Una conclusin:
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.

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

Esta teora se aplica a la forma natural en la que razonan sobre probabilidades individuos
ingenuos. En concreto, se da cuenta del razonamiento extensional sobre probabilidades, es
decir, del razonamiento deductivo que genera la probabilidad de un acontecimiento a partir de las
diferentes posibilidades en que puede ocurrir. Se basa en los principios:
Principio de verdad: las personas representan situaciones construyendo exclusivamente los
modelos mentales que responden a una posibilidad verdadera. La capacidad limitada de la
memoria de trabajo no permite que se representen de manera exhaustiva la totalidad de los
modelos explcitos que representan el conjunto completo de posibilidades mutuamente
excluyentes, lo que viola el principio de extensionalidad. Las situaciones con probabilidad 0
corresponden a lo que es falso, por lo que no se representan en los modelos.
Principio de equiprobabilidad: cada modelo representa una alternativa equiprobable, a
menos que el conocimiento o las creencias de los sujetos indiquen lo contrario, en cuyo caso
asignarn diferentes probabilidades a diferentes modelos.
Principio de proporcionalidad: garantiza la equiprobabilidad, la probabilidad de un evento A
depende de la proporcin de modelos en los que ocurre p(a) = n(a)/n. Un corolario de este
principio es el principio de inclusin, si un acontecimiento A ocurre en cada modelos en el que
ocurre otro acontecimiento B, entonces A es al menos tan probable como B, si adems A
ocurre en algunos modelos en los que B no ocurre, A es ms probable que B.
Principio numrico: si una premisa hace referencia a una probabilidad numrica, los
modelos pueden ser etiquetados con sus valores numricos 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 particin.
Principio del subconjunto: suponiendo la equiprobabilidad, la probabilidad condicional
p(A/B) depende del subconjunto de B que es A u la proporcionalidad de A respecto a B da
lugar al valor numrico. Si los modelos se etiquetan con sus frecuencias absolutas o
posibilidades, la probabilidad condicional es igual al modelo de A y B dividido por la suma de
todas las frecuencias de modelos que contienen a B. Cuando se computa la ratio de estas
relaciones de subconjuntos, los sujetos pueden cometer errores asignando valores al
numerador o ms frecuentemente al denominador.
Ante el ejemplo de que 4 de cada 10 personas sufren una enfermedad, 3 de cada 4 personas
enfermas tienen el sntoma, y 2 de cada 6 personas sin la enfermedad tienen el sntoma, cul es
la probabilidad de que una persona elegida al azar con sntoma sufra la enfermedad: aplicado
adecuadamente se puede inferir el subconjunto A y B (enfermedad y sntoma) del conjunto
apropiado B (sntoma) y resolverlo correctamente: 3/5. Si se focalizan en el modelo enfermedadsntoma 3, extraeran este subconjunto errneamente del conjunto de todas las posibilidades y
afirmaran que la relacin probabilstica es 3/10. En este caso, no atenderan a la capacidad
predictiva del dato, es decir, a la probabilidad de que el sntoma B se observe en ausencia de
enfermedad (no A), sesgo analizado desde los heursticos del razonamiento. (Tabla 6.7 Pg.
262)
Girotto y Gnzalez manipularon el contenido de las instrucciones para ayudar a los sujetos a
considerar el numerador y el denominador de forma adecuada, aplicando el principio del
subconjunto para calcular la probabilidad condicional inversa: la probabilidad de que la persona sufra

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

la enfermedad si presenta el sntoma, del total de 10 posibilidades, tiene xxx posibilidades de tener el sntoma,
entre ellas, xxx posibilidades estaran asociadas con la enfermedad. Estas instrucciones facilitaron la

respuesta correcta (de 5 posibilidades de tener el sntoma, 3 estn asociadas con la

enfermedad).
De acuerdo con Johnson-Laird y col., la versin numrica de este principio no podra aplicarse
de forma obvia si los datos se proporcionan en trminos de porcentajes ni siempre que los datos
ni siempre que los datos numricos se presentan en trminos de frecuencias. De acuerdo con
ellos, los principio normativos de la inferencia bayesiana resultan con frecuencia contra-intuitivos
y propone una pedagoga de razonamiento bayesiano basada en la teora de los modelos
mentales en la que las probabilidades se planteen en trminos numricos sencillos para que se
pueda inferir la probabilidad condicional posterior aplicando el principio del subconjunto sin
necesidad de aplicar el teorema de Bayes.
Barbey y Sloman integran el enfoque de los modelos mentales en el marco terico de las
hiptesis de los conjuntos anidados: los errores y sesgos en la inferencia bayesiana se
reducen cuando el planteamiento del problema facilita la representacin de las relaciones
inclusivas de las categoras relevantes para resolverlo. La facilitacin observada cuando los
problemas se presentan en formatos de frecuencias frente al formato de probabilidades no se
debe a que la representacin natural facilita la aplicacin del teorema sino a que el formato de
frecuencias contribuye a clarificar y hacer ms transparentes las relaciones inclusivas
pertinentes.
La probabilidad de padecer una enfermedad es de 1/1.000, un sujeto que no padece la enfermedad tiene
una probabilidad del 5% de dar positivo en la prueba, y un sujeto que padece la enfermedad da positivo en
todos los casos: probabilidad de que una persona extrada al azar que d un resultado positivo padezca la
enfermedad?

La respuesta modal con este tipo de versin es 95%, suponiendo que la tasa de error de la
prueba es del 5% (falsos positivos) debera producir un 95% de resultados correctos, pasando
por alto la probabilidad a priori de sufrir la enfermedad, que constituye uno de los rasgos ms
caractersticos en la estimacin de probabilidades condicionales. La respuesta correcta es 2%.
FIGURA 6.6 crculos de Euler utilizados en el experimento

Crculo pequeo: probabilidad de que una persona padezca la enfermedad 1

Crculo mediano: probabilidad de que una persona d un resultado positivo en la prueba 50
Crculo grande: todas las posibilidades 1.000
P(H/D) = P(H ^D)/P(D) =

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

Cuando la redaccin del problema se acompaa del diagrama el porcentaje de aciertos es

mayor. La representacin grfica de conjuntos anidados reduce de forma sustancial el sesgo a
pesar de que el problema se formula en trminos de probabilidades. Los diagramas hacen
explcito, sin operaciones, que las posibilidades de que una persona d positivo en la prueba es
un subconjunto de todas las posibilidades, y que las posibilidades de padecer la enfermedad es
un subconjunto de las posibilidades de dar positivo en la prueba: 1/50 = 2%.
El hecho de aadir la categora de falsos negativos al problema incrementa la dificultad del
mismo, planteado tanto en probabilidades como en frecuencias. Esta nueva categora no es
relevante para resolverlo y no altera el valor del resultado pero incrementa la complejidad de la
representacin de las categoras. Sloman y col. argumentan que la dificultad para captar las
relaciones relevantes a partir de una representacin mental ms compleja explicara el bajo
rendimiento.
En la teora de los modelos mentales el aadir la categora de falsos positivos supone la
representacin de un modelo mental adicional, que aumentara la carga en la memoria de
trabajo y dificulta la aplicacin del principio del subconjunto. El supuesto fundamental de la teora
de los modelos mentales desde una perspectiva representacional se establece en el primer
principio: se intenta minimizar la carga de la memoria de trabajo representando de manera
explcita solo los casos en los que las premisas son verdaderas, pasando por alto los casos en
los que son falsas, especialmente si las premisas son complejas. Cuando las conclusiones son
distintas dependiendo de si se contemplan o no los casos en que las premisas son falsas, las
conclusiones pueden ser errneas.
Johnson-Laird y Savary demostraron que razonando sobre posibilidades relativas la mayor
parte de los sujetos alcanzaban conclusiones imposibles cuando no consideraban los casos en
que las premisas son falsas (ver ejemplo de pgina 266 del Rey/As, o Reina/As).
Cuadro 6.2 anlisis comparativo del subconjunto y del conjunto anidado con el teorema de Bayes
1. Mtodo del subconjunto o del conjunto anidado:
Probabilidad de H dado D = Probabilidad (H y D)/ Probabilidad de D
H (enfermedad) y D (dar positivo en la prueba) son sucesos dependientes
H y D es un subconjunto de D
H y D se anida en D
2. Axioma de la probabilidad conjunta de dos sucesos dependientes
La probabilidad conjunta de dos sucesos dependientes (H y D) = (probabilidad de H) (Probabilidad de D dado
H)
La probabilidad de H es la probabilidad a priori de la enfermedad
La probabilidad de D si se da H es al probabilidad condicional de dar positivo en la prueba (D) dada la
enfermedad (H)
3. Teorema de Bayes
Probabilidad de H dado D = (probabilidad de H) (probabilidad de D dado H)/probabilidad de D
Probabilidad de H dado D = (probabilidad de H) (probabilidad de D dado H)/ [(probabilidad de D y H) +
(probabilidad de D y H)] (siendo H la hiptesis alternativa no tener la enfermedad)

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

4. Ejemplo (ver problema A del apartado 2 del libro, alternativa b (probabilidad posterior de que un paciente
curado hubiera sido diagnosticado de ansiedad)).
P (ansiedad/curacin) = 20/(20+15+14)=0,4 Mtodo del subconjunto
P (ansiedad/curacin) = (0,5)(0,4)([(0,5)(0,4)+(0,3)(0,5)+(0,2)(0,7)] = 0,4 T. de Bayes

El supuesto terico de subaditividad en el razonamiento probabilstico de la teora del apoyo

permite explicar la violacin de la regla de la disyuncin (derivada del axioma 3 de la teora de la
probabilidad) y de la regla de conjuncin (derivada del axioma 4) que se producen como
consecuencia de la aplicacin de los heursticos de accesibilidad y representatividad
respectivamente.
Los supuestos tericos de la teora de los modelos mentales permiten explicar las dificultades
en la representacin mental de las relaciones inclusivas relevantes para resolver la inferencia
bayesiana como consecuencia de las limitaciones en la memoria de trabajo. En uno y otro caso,
los sesgos observados son el resultado de la violacin de los principios de la lgica inclusiva en
el modelo normativo de la teora de la probabilidad.

5. Juicio probabilstico y calibracin

El concepto calibracin se define como el grado de precisin o ajuste entre el juicio
probabilstico sobre la confianza en el propio rendimiento y la eficacia objetiva avalada por los
datos de la ejecucin.
El efecto del exceso de confianza o sobre-confianza, se traduce en que las personas
tenemos ms confianza en la eficacia de nuestro rendimiento de lo que avalan los datos
objetivos. No solo se observa en los laboratorios sino con un elevado grado de consistencia en el
mbito profesional: en el juicio clnico, en las previsiones de empresarios, etc. Un segundo efecto
estable y consistente es el efecto fcil-difcil, que constata que el grado de sobre-confianza
aumenta con el grado de dificultad de las preguntas.

a) Enfoques tericos
EL ENFOQUE DE LOS MODELOS MENTALES PROBABILSTICOS (MMP)

Gingerentzer, Hoffrage y Kleinblting proponen un marco terico integrador, que permita

explicar el efecto de exceso de confianza y el efecto fcil difcil: el enfoque de los Modelos
mentales probabilsticos (MMP).La tarea prototpica en juicios de confianza incluye un
conjunto de preguntas de cultura general con dos alternativas de respuesta. De acuerdo con
Gigerenzer y col., el desajuste en la calibracin no es una caracterstica intrnseca del juicio
humano sino la consecuencia de la utilizacin de tareas con escasa validez ecolgica, que no
permiten poner en marcha un modelo mental probabilstico que propicie un modelo de inferencia
inductiva adecuado para resolver con xito la tarea.
Un modelo mental probabilstico es un procedimiento inductivo que se utiliza cuando el
conocimiento es limitado y permite realizar inferencias rpidas. La clave conceptual de esta
teora es que un MMP estar adaptado si permite conectar la estructura especfica de la tarea

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

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 calibracin de los juicios
probabilsticos vendra 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.
Un MMP para una tarea (qu ciudad tiene ms habitantes: Bilbao o a Corua?) integra una
clase de referencia (ciudades con ms de xx habitantes), una variable criterio (n de habitantes)
y claves probabilsticas que varan en su grado de validez. La teora asume que las inferencias
sobre preguntas inciertas o desconocidas se basan en que estas claves probabilsticas que se
generan se evalan y se activan para dar la respuesta. Podran generarse las claves: tener o no
universidad, ser o no capital de una CCAA, ser o no ciudad de veraneo. El orden en que se
generan las claves no es azaroso sino que refleja una jerarqua de acuerdo con su grado de
validez. El conocimiento limitado del sujeto se concreta en los valores perdidos en la matriz de
objetos a comparar (Ver figura 6.7 Pg. 269) por las claves probabilsticas, los objetos
(ciudades), claves y/o valores de las claves pueden resultar desconocidos para ste.
Gigerenzer y col. Formularon preguntas representativas y seleccionadas, para las primeras se
hizo en un ambiente natural para el sujeto, las seleccionadas fueron de cultura general. El sujeto
deba emitir un juicio de confianza relativo a cada una de sus respuestas, despus de contestar
cada pregunta; y un juicio de frecuencia despus de cada bloque referido a las respuestas del
mismo. De acuerdo con esta teora, el sesgo de sobre-confianza esperado en los juicios sobre
cada pregunta individual de cultura general debera corregirse y ajustarse a la eficacia objetiva
cuando se emite un juicio de frecuencia, cada bloque debera constituir una muestra de clase de
referencia natural conocimiento de cultura general que he demostrado en exmenes previos.
Se observa un sesgo de sobre-confianza que es ms acusado cuanto mayor es la eficacia de
las respuestas de los sujetos, este sesgo se corrige cuando se utilizan preguntas
representativas, la curva de confianza para estas se asemeja a la de regresin para la
estimacin del porcentaje de aciertos a partir de la confianza asignada, revelando subconfianza
en la parte izquierda de la escala de confianza, sobreconfianza en la derecha y cero
sobreconfianza como promedio. La media de las diferencias entre el juicio de confianza y el
porcentaje de respuestas correctas no difiere significativamente de 0, lo que indica un juicio
promedio bien calibrado. (Fig. 6.8 Pg. 271)
Gingerenzer y col. Analizan la curva de calibracin del conjunto de preguntas que denominan
emparejadas, preguntas representativas equivalentes en el nivel de dificultad a las de cultura
general, y en consonancia con la prediccin den los MMP, si las ciudades que se comparan no
son representativas de la clase de referencia, la calibracin no es ajustada y se observa el sesgo
de sobre-confianza, y el sesgo observado se corrige cuando el juicio de confianza se refiere a la
frecuencia de aciertos en una muestra representativa de preguntas seleccionadas. La diferencia
media entre la frecuencia estimada de respuestas correctas en cada bloque de preguntas
seleccionadas y la frecuencia real no difiri significativamente.

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

Si bien los resultados apoyan la teora como modelo integrador de resultados empricos, esta
requiere un mayor desarrollo para responder a determinadas cuestiones:
La seleccin de la clave probabilstica que se activa,
Si el orden en que se activan las claves se ajusta siempre a su jerarqua de acuerdo con su
validez y
A las condiciones que delimitan que las claves se ajusta siempre a su jerarqua de acuerdo
con su validez y a las condiciones que determinan que las claves probabilsticas se sustituyan
o se integren de forma mltiple para decidir la respuesta.
Gigerenzer y Goldstein formularon el algoritmo Take the best, marco conceptual de la teora de
los modelos mentales probabilsticos, se representa como un diagrama de flujo basado en cinco
principios para claves binarias (Ver figura 6.9), supone una ordenacin subjetiva de las claves de
acuerdo con su grado de validez, la clave superior en el rango constituye la mejor clave, que
permite discriminar entre las dos alternativas de respuesta.
Principio de reconocimiento: el reconocimiento de un objeto constituye un predictor de la
variable (n de habitantes).
Bsqueda de claves con validez: se recuperan de la memoria las claves y sus valores en un
orden jerrquico de acuerdo con su grado de validez. La validez ecolgica de una clave es la
frecuencia relativa con la que la clave predice correctamente el resultado (en el 87% de los
casos, la ciudad con un equipo de ftbol en primera divisin tiene un nmero superior de
habitantes, la validez ecolgica de la clave es 0,87).
Regla de discriminacin: 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 sustitucin de la clave: si la clave discrimina se para la bsqueda de nuevas
claves, si no discrimina se vuelve al paso anterior y se contina la bsqueda hasta que se
encuentre la clave que discrimina.
Regla de maximizacin para la eleccin: se elige el objeto con un valor positivo en la clave,
si ninguna clave discrimina, se elige al azar entre ambas alternativas. El algoritmo TTB es un
procedimiento no compensatorio porque solo la clave que mejor discrimina determina la
inferencia sin que la combinacin de valores de claves distintas ni la integracin de
informacin puedan contrarrestar la eleccin basada en la clave con mayor validez.
El modelo TTB se encuadra en un modelo terico de racionalidad ecolgica que permite
explicar cmo el sesgo de sobreconfianza se corrige cuando el sujeto realiza la inferencia sobre
objetos de su entorno natural (clase de referencia), que le permiten seleccionar claves
probabilsticas con suficiente validez en relacin a una variable derivada de la clase de
referencia. Una clave probabilstica vlida es aquella capaz de predecir la inferencia adecuada.
EL MODELO FUERZA PESO DE LA CONFIANZA EN LA EVIDENCIA

Griffin y Tversky estudian los casos en que se selecciona una clave con escaso valor
predictivo para realizar una inferencia y las razones que explican su eleccin. El sesgo de
sobreconfianza no puede reducirse al efecto del nivel de dificultad. Introducen el efecto de
ilusin de validez: la evidencia disponible a partir de la cual emitimos un juicio intuitivo se

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

interpreta de acuerdo con dos coordenadas: fuerza o saliencia de la evidencia y su peso o

validez predictiva.
La teora estadstica y el clculo probabilstico prescriben reglas que combinan con precisin
la 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 calibracin,
tendemos a pasar por alto el tamao de la muestra.
El modelo terico del juicio probabilstico que integra esta dicotoma predice sobreconfianza
cuando la fuerza es elevada y el peso es bajo, y subconfianza cuando la fuerza es baja y el
peso es elevado. El hecho de que la fuerza de la evidencia tienda a dominar su peso responde a
que el sujeto se focaliza inicialmente en la impresin que le produce la evidencia para despus
ajustar el juicio de acuerdo con su conocimiento de validez. El juicio combina el anclaje en la
fuerza de la impresin con un proceso de ajuste que tiene en cuenta el valor predictivo de la
evidencia.
La persona basamos la confianza en nuestro rendimiento en la impresin sobre los resultados
sin observar suficientemente la calidad de los datos.
Griffin y Tversky reinterpretan el efecto fcil-difcil de acuerdo con este enfoque: demuestran
un efecto de subconfianza (rendimiento objetivo superior al juicio de confianza) cuando los tems
son fciles, de sobreconfianza cuando son difciles y de sobreconfianza extrema cuando eran
imposibles.

b) La calibracin en el juicio de los expertos

La desatencin a las probabilidades a priori de la hiptesis y la capacidad predictiva del dato
se identifican como los predictores ms claros de la calibracin sesgada en el juicio cotidiano de
expertos en dominios especficos.
Koehler, Brenner y Griffin proponen un modelo de calibracin adaptado al juicio probabilstico
sobre un caso particular, que integra la teora del apoyo con el modelo de calibracin fuerzapeso de la confianza en la evidencia, enfoque que incorpora la perspectiva de los heursticos en
el juicio probabilstico. Tos aguda y persistente constituye el dato; padecer neumona, la
hiptesis focal, probabilidad a priori escasa para este caso concreto. El valor alfa mide la
discriminabilidad del dato, definida como la diferencia en el apoyo de la hiptesis focal frente a
las hiptesis alternativas. La capacidad predictiva del dato respecto a la hiptesis focal
constituye un indicador de la calidad o el peso de la evidencia. El parmetro alfa constituye un
dato objetivo y su valor aumenta en relacin directa con la capacidad predictiva del dato respecto
a la hiptesis focal frente a otras hiptesis alternativas (Ver tabla 6.9 Pg. 279).
El juicio de los mdicos muestra una marcada subconfianza cuando tanto la probabilidad a
priori como la discriminalidad son elevadas, una ligera sobreconfianza cuando la probabilidad a
priori es baja y la discriminalidad es alta, y una sobreconfianza extrema cuando la probabilidad a
priori es muy baja y la discriminalidad es baja. La impresin que causa el sntoma cuando los
mdicos se enfrentan a un caso particular se ve reforzada por la accesibilidad de la fuente de

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

informacin: el carcter vvido de la experiencia personal y la proximidad al paciente. Esta

impresin que determina inicialmente la fuerza de la evidencia adquiere especial relevancia
debido a la probabilidad a priori de la enfermedad.
La saliencia del sntoma parece variar en relacin inversa con la tasa de la enfermedad en la
poblacin: cuanto ms atpica resulta la enfermedad, mayor relevancia adquiere el sntoma lo
que facilita la recuperacin en la memoria de informacin coherente con la evidencia que resulta
en mayor medida disponible. La disponibilidad de sntomas coherentes con la hiptesis focal
contribuye a su proceso de desempaquetado en sus sntomas componentes incrementando su
probabilidad subjetiva. El sesgo en la focalizacin inicial del juicio a favor de la hiptesis focal
respecto a las alternativas, restar eficacia al proceso de ajuste final, que no considerar de
forma suficiente la discriminalidad objetiva del sntoma: su validez predictiva real de la
enfermedad. La insensibilidad a la capacidad predictiva del dato como resultado del sesgo del
heurstico de representatividad constituye, en este caso, un ejemplo de sesgo basado en el
heurstico accesibilidad.
Esta combinacin de fuerza (impresin) y peso (validez predictiva) de la evidencia (tos)
respecto a la hiptesis focal (neumona) se ajusta con bastante exactitud al marco terico de
Griffin y Tversky. La combinacin de fuerza alta (tasa muy baja) y peso bajo (discriminalidad
baja) produce sobreconfianza extrema, mientras que la combinacin de fuerza baja (tasa alta) y
peso alto (discriminalidad alta) produce subconfianza extrema. Cuando la fuerza tiende a ser alta
pero moderada y el peso es elevado la calibracin es bastante ajustada, si bien tiende a la
sobreconfianza pero no de forma significativa.

6. Sesgo predictivo y sesgo retrospectivo

Hemos visto cmo realizamos inferencias probabilsticas a partir de impresiones basadas en
la evidencia cercana, que percibimos o con la que empatizamos afectivamente. La disponibilidad
la evidencia nos hace sobre valorar la fuerza de la evidencia sin que atendamos de forma
suficiente a la validez de los datos disponibles. El sesgo de sobreconfianza es ms acusado en
expertos, quienes ofrecen mayor resistencia a reconocer sus errores. La persistencia en las
creencias obedece a la ilusin de validez (Kahneman), estableciendo un paralelismo entre esta
ilusin cognitiva y la ilusin perceptiva de Mller-Lyer (percepcin). La confianza subjetiva se
sustenta en la falacia narrativa, basada en el intento continuo de buscar un sentido al mundo
que nos rodea y una coherencia en los hechos que se suceden.
La confianza excesiva en el juicio predictivo dificulta que el feed back sobre su falta de
precisin 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 fcil y rpido que
busca la coherencia asociativa y que entronca de forma ms directa con la sensacin y el
sentimiento que con el juicio cognitivo deliberado.
El sesgo retrospectivo constituye la otra cara de la moneda de la ilusin de coherencia. Si la
ilusin de validez nos conduce a confiar en exceso en nuestros juicios predictivos si son
coherentes con la evidencia, el sesgo retrospectivo revisa y reestructura nuestra concepcin

21

Psicologa del pensamiento

por Aitziber Laguardia
Curso 2012-2013 UNED

Realizados por Debora y algn arreglo

sobre un hecho del pasado si la evidencia disponible la contradice. Este sesgo es muy robusto y
est demostrado en todas las etapas evolutivas de la vida.
Sus tres componentes son:
Impresiones de necesidad reflejan el grado en que los resultados de un acontecimiento se
perciben como determinados causalmente.
Impresiones de predictibilidad asumen las percepciones y juicios coherentes con el hecho
de que los resultados podran haberse anticipado (siempre supe que iba a ocurrir).
Distorsiones de la memoria revelan el recuerdo errneo de que sus predicciones estuvieron
ms cerca de los resultados de lo que de hecho estuvieron.
En el caso de la atribucin causal, las personas elaboramos antecedentes consistentes con el
resultado de forma que parezca en mayor medida predeterminado. La previsin de predictibilidad
implica consideraciones metacognitivas que presuponen que el resultado podra haberse
anticipado en algn momento. Las distorsiones en el recuerdo estn gobernadas por procesos
de memoria que se concretan en el anclaje en el resultado y la reconstruccin de la prediccin
inicial. Si bien cada componente responde a una conceptualizacin psicolgica distintiva y no
siempre convergen los tres en el mismo participante, el denominador comn no dista de ser el
resultado de la construccin narrativa basada en la bsqueda de coherencia.
La expectativa exagerada de consistencia es un error comn, estamos dispuestos a pensar
que el mundo es ms regular y predecible de lo que realmente es porque nuestra memoria, de
forma automtica y continua, mantiene una historia sobre lo que est sucediendo, y porque las
reglas de la memoria tienden a hacer la historia tan coherente como sea posible y suprimir las
alternativas. El pensamiento rpido no duda. Kahneman acu el trmino ilusin de validez
porque la confianza en los juicios no se ve afectada por hechos estadsticos objetivos ni por el
conocimiento de la escasa veracidad de las predicciones: cuando una impresin convincente
entra en conflicto con nuestro conocimiento, la impresin generalmente prevalece.
7. Resumen (Ver Libro Pgs.283-285)

21