Professional Documents
Culture Documents
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. )
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)
21
21
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
21
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
21
21
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
21
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.
21
21
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
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).
21
21
21
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
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
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
21
21
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
a) Enfoques tericos
EL ENFOQUE DE LOS MODELOS MENTALES PROBABILSTICOS (MMP)
21
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
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
21
21
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