La heurística de representatividad se utiliza para hacer juicios sobre la probabilidad de que un evento sea representativo en carácter y esencia de un evento prototípico conocido. [1] Es una de un grupo de heurísticas (reglas simples que gobiernan el juicio o la toma de decisiones) propuestas por los psicólogos Amos Tversky y Daniel Kahneman a principios de la década de 1970 como "el grado en el que [un evento] (i) es similar en características esenciales a su población original, y (ii) refleja las características sobresalientes del proceso por el cual se genera". [1] La heurística de representatividad funciona comparando un evento con un prototipo o estereotipo que ya tenemos en mente. Por ejemplo, si vemos a una persona vestida con ropa excéntrica y leyendo un libro de poesía, es más probable que pensemos que es un poeta que un contador. Esto se debe a que la apariencia y el comportamiento de la persona son más representativos del estereotipo de un poeta que de un contador.
La heurística de representatividad puede ser un atajo útil en algunos casos, pero también puede llevarnos a errores de juicio. Por ejemplo, si sólo vemos una pequeña muestra de personas de un grupo en particular, podríamos sobreestimar el grado en que son representativas de todo el grupo. Las heurísticas se describen como "atajos de juicio que generalmente nos llevan a donde necesitamos ir -y rápidamente- pero al precio de desviarnos ocasionalmente del rumbo". [2] Las heurísticas son útiles porque utilizan la reducción del esfuerzo y la simplificación en la toma de decisiones. [3]
Cuando las personas confían en la representatividad para emitir juicios, es probable que juzguen erróneamente porque el hecho de que algo sea más representativo en realidad no lo hace más probable. [4] La heurística de representatividad se describe simplemente como la evaluación de la similitud de los objetos y su organización en torno al prototipo de categoría (por ejemplo, lo similar va con lo similar, y las causas y los efectos deben parecerse entre sí). [2] Esta heurística se utiliza porque es un cálculo fácil. [4] El problema es que las personas sobreestiman su capacidad para predecir con precisión la probabilidad de un evento. [5] Por lo tanto, puede dar lugar a la negligencia de las tasas base relevantes y otros sesgos cognitivos . [6] [7]
Es más probable que se utilice la heurística de representatividad cuando el juicio o la decisión que se debe tomar tiene ciertos factores.
Al juzgar la representatividad de un nuevo estímulo/evento, las personas suelen prestar atención al grado de similitud entre el estímulo/evento y un estándar/proceso. [1] También es importante que esas características sean salientes. [1] Nilsson, Juslin y Olsson (2008) encontraron que esto estaba influenciado por la explicación ejemplar de la memoria (los ejemplos concretos de una categoría se almacenan en la memoria) de modo que las nuevas instancias se clasificaban como representativas si eran muy similares a una categoría, así como si se encontraban con frecuencia. [8] Se han descrito varios ejemplos de similitud en la literatura sobre heurística de representatividad. Esta investigación se ha centrado en las creencias médicas. [2] Las personas a menudo creen que los síntomas médicos deben parecerse a sus causas o tratamientos. Por ejemplo, las personas han creído durante mucho tiempo que las úlceras eran causadas por el estrés, debido a la heurística de representatividad, cuando en realidad las bacterias causan úlceras. [2] En una línea de pensamiento similar, en algunas creencias de medicina alternativa se ha alentado a los pacientes a comer vísceras que corresponden a su trastorno médico. El uso de la heurística de representatividad se puede ver en creencias incluso más simples, como la creencia de que comer alimentos grasosos engorda. [2] Incluso los médicos pueden verse influenciados por la heurística de representatividad al juzgar la similitud , en los diagnósticos, por ejemplo. [9] El investigador descubrió que los médicos usan la heurística de representatividad al hacer diagnósticos al juzgar cuán similares son los pacientes al paciente estereotipado o prototípico con ese trastorno. [9]
La irregularidad y la representatividad local afectan los juicios de aleatoriedad. Las cosas que no parecen tener ninguna secuencia lógica se consideran representativas de la aleatoriedad y, por lo tanto, es más probable que ocurran. Por ejemplo, THTHTH como una serie de lanzamientos de moneda no se consideraría representativa de lanzamientos de moneda generados aleatoriamente, ya que está demasiado bien ordenado. [1]
La representatividad local es un supuesto en el que las personas se basan en la ley de los números pequeños, según la cual las muestras pequeñas se perciben como representativas de su población en la misma medida que las muestras grandes (Tversky y Kahneman, 1971). [1] Una muestra pequeña que parezca distribuida aleatoriamente reforzaría la creencia, bajo el supuesto de representatividad local, de que la población está distribuida aleatoriamente. Por el contrario, una muestra pequeña con una distribución sesgada debilitaría esta creencia. [1] Si se repite el lanzamiento de una moneda varias veces y la mayoría de los resultados consisten en "cara", el supuesto de representatividad local hará que el observador crea que la moneda está sesgada hacia "cara". [1]
En un estudio realizado en 1973, [10] Kahneman y Tversky dividieron a sus participantes en tres grupos:
Los juicios de probabilidad fueron mucho más precisos en el caso de los juicios de similitud que en el de las tasas base estimadas. Los resultados respaldaron las predicciones de los autores de que las personas hacen predicciones basándose en lo representativo que es algo (similar), en lugar de basarse en información relativa a las tasas base. [10] Por ejemplo, más del 95% de los participantes dijeron que sería más probable que Tom estudiara informática que educación o humanidades, cuando había estimaciones de tasas base mucho más altas para educación y humanidades que para informática. [10]
En otro estudio realizado por Tversky y Kahneman, a los sujetos se les planteó el siguiente problema: [4]
Un taxi se vio involucrado en un accidente de tráfico en el que se dio a la fuga durante la noche. En la ciudad operan dos compañías de taxis, la Verde y la Azul. El 85% de los taxis de la ciudad son Verdes y el 15%, Azules. [4]
Un testigo identificó el taxi como azul. El tribunal puso a prueba la fiabilidad del testigo en las mismas circunstancias que existían la noche del accidente y concluyó que el testigo identificó correctamente cada uno de los dos colores el 80% de las veces y falló el 20% de las veces. [4]
¿Cuál es la probabilidad de que el taxi involucrado en el accidente fuera Azul en lugar de Verde sabiendo que este testigo lo identificó como Azul? [4]
La mayoría de los sujetos dieron probabilidades superiores al 50%, y algunos dieron respuestas superiores al 80%. La respuesta correcta, hallada mediante el teorema de Bayes , es inferior a estas estimaciones: [4]
Este resultado se puede lograr mediante el teorema de Bayes que establece:
dónde:
P(x) - una probabilidad de x,
B- la cabina era azul,
I- el taxi es identificado por el testigo como azul,
B|I- la cabina que se identifica como azul, era azul,
I|B- el taxi que era azul, es identificado por el testigo como azul.
La representatividad se cita en el efecto similar de la falacia del jugador , la falacia de regresión y la falacia de la conjunción . [4]
El uso de la heurística de representatividad probablemente conducirá a violaciones del teorema de Bayes : [11]
Sin embargo, los juicios de representatividad sólo miran la semejanza entre la hipótesis y los datos, por lo que las probabilidades inversas se equiparan: [11]
Como se puede ver, la tasa base P(H) se ignora en esta ecuación, lo que lleva a la falacia de la tasa base . Una tasa base es la tasa básica de incidencia de un fenómeno. La falacia de la tasa base describe cómo las personas no tienen en cuenta la tasa base de un evento al resolver problemas de probabilidad. [12] Esto fue probado explícitamente por Dawes, Mirels, Gold y Donahue (1993) que hicieron que las personas juzgaran tanto la tasa base de las personas que tenían un rasgo de personalidad particular como la probabilidad de que una persona que tenía un rasgo de personalidad dado tuviera otro. [11] Por ejemplo, se preguntó a los participantes cuántas personas de 100 respondieron verdadero a la pregunta "Soy una persona concienzuda" y también, dado que una persona respondió verdadero a esta pregunta, cuántos responderían verdadero a una pregunta de personalidad diferente. Encontraron que los participantes equipararon probabilidades inversas (por ejemplo, ) incluso cuando era obvio que no eran lo mismo (las dos preguntas se respondieron inmediatamente una después de la otra). [11]
Axelsson describe un ejemplo médico. [12] Digamos que un médico realiza una prueba que tiene una precisión del 99% y usted da positivo para la enfermedad. Sin embargo, la incidencia de la enfermedad es de 1/10.000. Su riesgo real de tener la enfermedad es del 1%, porque la población de personas sanas es mucho mayor que la de la enfermedad. [12] Esta estadística a menudo sorprende a la gente, debido a la falacia de la tasa base, ya que muchas personas no tienen en cuenta la incidencia básica al juzgar la probabilidad. [12] La investigación de Maya Bar-Hillel (1980) sugiere que la relevancia percibida de la información es vital para la negligencia de la tasa base: las tasas base solo se incluyen en los juicios si parecen igualmente relevantes para la otra información. [13]
Algunas investigaciones han explorado la negligencia de la tasa base en niños, ya que había una falta de comprensión sobre cómo se desarrollan estas heurísticas de juicio. [14] [15] Los autores de uno de esos estudios querían entender el desarrollo de la heurística, si difiere entre juicios sociales y otros juicios, y si los niños usan tasas base cuando no están usando la heurística de representatividad. [15] Los autores encontraron que el uso de la heurística de representatividad como estrategia comienza temprano y es consistente. Los autores también encontraron que los niños usan estrategias idiosincrásicas para hacer juicios sociales inicialmente, y usan tasas base más a medida que crecen, pero el uso de la heurística de representatividad en el ámbito social también aumenta a medida que crecen. [15] Los autores encontraron que, entre los niños encuestados, las tasas base se usaban más fácilmente en juicios sobre objetos que en juicios sociales. [15] Después de que se realizó esa investigación, Davidson (1995) estaba interesado en explorar cómo la heurística de representatividad y la falacia de conjunción en niños se relacionaban con los estereotipos de los niños. [14] En consonancia con investigaciones anteriores, los niños basaron sus respuestas a los problemas en índices base cuando los problemas contenían información no estereotipada o cuando los niños eran mayores. También hubo evidencia de que los niños cometen la falacia de la conjunción. Finalmente, a medida que los estudiantes crecieron, utilizaron la heurística de representatividad en problemas estereotipados y, por lo tanto, emitieron juicios consistentes con los estereotipos. [14] Hay evidencia de que incluso los niños utilizan la heurística de representatividad, cometen la falacia de la conjunción y no tienen en cuenta los índices base. [14]
Las investigaciones sugieren que el uso o descuido de las tasas base puede verse influenciado por la forma en que se presenta el problema, lo que nos recuerda que la heurística de representatividad no es una "heurística general para todo propósito", sino que puede tener muchos factores contribuyentes. [16] Las tasas base pueden descuidarse con mayor frecuencia cuando la información presentada no es causal. [17] Las tasas base se utilizan menos si hay información individualizadora relevante. [18] Se ha descubierto que los grupos descuidan la tasa base más que los individuos. [19] El uso de las tasas base difiere según el contexto. [20] La investigación sobre el uso de las tasas base ha sido inconsistente, y algunos autores sugieren que es necesario un nuevo modelo. [21]
A un grupo de estudiantes universitarios se les proporcionó una descripción de Linda, modelada para ser representativa de una feminista activa. Luego se les pidió a los participantes que evaluaran la probabilidad de que ella fuera feminista, la probabilidad de que fuera cajera de banco o la probabilidad de ser cajera de banco y feminista. [22] La teoría de la probabilidad dicta que la probabilidad de ser cajera de banco y feminista (la conjunción de dos conjuntos) debe ser menor o igual que la probabilidad de ser feminista o cajera de banco. . [22] Una conjunción no puede ser más probable que uno de sus constituyentes. Sin embargo, los participantes juzgaron que la conjunción (cajera de banco y feminista) era más probable que ser cajera de banco sola. [22] Algunas investigaciones sugieren que el error de conjunción puede deberse en parte a factores lingüísticos sutiles, como la redacción inexplícita o la interpretación semántica de "probabilidad". [23] [24] Los autores argumentan que tanto la lógica como el uso del lenguaje pueden estar relacionados con el error, y que debería investigarse más a fondo. [24]
Según la teoría de la probabilidad, la disyunción de dos eventos es al menos tan probable como cualquiera de los eventos individualmente. [22] Por ejemplo, la probabilidad de ser un estudiante de física o de biología es al menos tan probable como la de ser un estudiante de física, si no más probable. Sin embargo, cuando una descripción de personalidad (datos) parece ser muy representativa de un estudiante de física (por ejemplo, un protector de bolsillo) en lugar de uno de biología, la gente juzga que es más probable que esta persona sea un estudiante de física que de ciencias naturales (que es un superconjunto de la física). [22]
La evidencia de que la heurística de representatividad puede causar la falacia de disyunción proviene de Bar-Hillel y Neter (1993). [25] Encontraron que las personas juzgan a una persona que es altamente representativa de ser un estudiante de estadística (por ejemplo, muy inteligente, participa en competencias de matemáticas) como si tuviera más probabilidades de ser un estudiante de estadística que de ciencias sociales (superconjunto de estadística), pero no piensan que tenga más probabilidades de ser un estudiante de lengua hebrea que de humanidades (superconjunto de lengua hebrea). [22] Por lo tanto, solo cuando la persona parece altamente representativa de una categoría, esa categoría se juzga como más probable que su categoría superordinada. Estas evaluaciones incorrectas se mantuvieron incluso ante la posibilidad de perder dinero real en apuestas sobre probabilidades. [22]
La heurística de representatividad también se emplea cuando los sujetos estiman la probabilidad de un parámetro específico de una muestra. Si el parámetro representa en gran medida a la población, se le suele asignar una probabilidad alta. Este proceso de estimación suele ignorar el impacto del tamaño de la muestra.
Un concepto propuesto por Tversky y Kahneman proporciona un ejemplo de este sesgo en un problema sobre dos hospitales de diferente tamaño. [26]
En el hospital grande nacen aproximadamente 45 bebés, mientras que en el pequeño nacen 15. La mitad (50%) de todos los bebés que nacen en general son varones. Sin embargo, el porcentaje cambia de un día para otro. Durante un período de un año, cada hospital registró los días en los que más del 60% de los bebés nacidos fueron varones. La pregunta que se plantea es: ¿Qué hospital cree usted que registró más días de este tipo?
- El hospital más grande (21)
- El hospital más pequeño (21)
- Aproximadamente iguales (es decir, con una diferencia del 5% entre sí) (53)
Los valores que se muestran entre paréntesis son el número de estudiantes que eligen cada respuesta. [26]
Los resultados muestran que más de la mitad de los encuestados seleccionaron la respuesta incorrecta (tercera opción). Esto se debe a que los encuestados ignoraron el efecto del tamaño de la muestra. Los encuestados seleccionaron la tercera opción probablemente porque la misma estadística representa tanto a los hospitales grandes como a los pequeños. [26] Según la teoría estadística, un tamaño de muestra pequeño permite que el parámetro estadístico se desvíe considerablemente en comparación con una muestra grande. [26] Por lo tanto, el hospital grande tendría una mayor probabilidad de permanecer cerca del valor nominal del 50%.
La falacia del jugador , también conocida como falacia de Montecarlo o falacia de la madurez de las probabilidades, es la creencia de que, si un evento (cuyas ocurrencias son independientes e idénticamente distribuidas ) ha ocurrido con menos frecuencia de lo esperado, es más probable que vuelva a suceder en el futuro (o viceversa). La falacia se asocia comúnmente con los juegos de azar , donde se puede creer, por ejemplo, que la próxima tirada de dados tiene más probabilidades de lo habitual de ser un seis porque recientemente ha habido menos de los seises esperados .
El término "falacia de Montecarlo" tiene su origen en un ejemplo del fenómeno, en el que la ruleta giró en negro 26 veces seguidas en el Casino de Montecarlo en 1913. [27]
{{cite book}}: |journal=ignorado ( ayuda )