Juicio Bajo Incertidumbre

Juicio bajo incertidumbre:
Heursticas y prejuicios
Editado por
Daniel Kahneman
Universidad de British Columbia
Paul Slovic
Investiaci!n sobre Decisi!n
Una "ama de Perceptronics# Inc$
Euene# %reon
&mos 'vers(y
Universidad de Stan)ord
Cambride University Press
Cambride
*e+ ,or( *e+ "ochelle -elbourne
Sydney
Publicado por el Sindicato de Prensa de la Universidad de Cambride
'he Pitt Buildin# 'rumpinton Street# Cambride CB. /"P
0. East 12
th
Street# *e+ ,or(# *, /33..# US&
/3 Stam)ord "oad# %a(leih# -elbourne 0/44# &ustralia
5 Cambride University Press /67.
Primera Publicaci!n /67.
"eimpreso /67.# /670 8dos veces9# /67:# /671 8. veces9# /674# /672
Impreso en los Estados Unidos de &m;rica
Cataloaci!n de la Biblioteca del Conreso en Datos de Publicaci!n
Entrada principal bajo el ttulo<
=uicio bajo incertidumbre
Bibliora)a< p$
Incluye ndice$
/$ =uicio$ I$ Kahneman# Daniel# /60:>
II$ Slovic# Paul# /607 >II$'vers(y# &mos$
B?::/$=7 /10$:@4 7/>/33:.
ISB* 3 1./ .:34: 4 pastas duras &&C".
ISB* 3 1./ .7:/: 2 edici!n en rAstica
.
Contenido
Bista de contribuyentes pCina 4
Pre)acio 2
Parte I: Introduccin
/ =uicio bajo incertidumbre< Heursticas y prejuicios 6
&mos 'vers(y y Daniel Kahneman
Parte II: Representatividad
. Creencia en la ley de los nAmeros peDueEos .:
0 Probabilidad subjetiva< Un juicio de representatividad 0.
Daniel Kahneman y &mos 'vers(y
: Sobre la psicoloa de la predicci!n :0
1 Estudios de representatividad 16
-aya Bar>Hillel
4 =uicios de y por representatividad 2/
Parte III: Casualidad y atribucin
2 Inducci!n popular< Ba in)ormaci!n no es necesariamente in)ormativa 7:
"ichard E$ *isbett# Euene Borida# "ic( Crandall y Harvey "eed
7 EsDuemas causales en juicios bajo incertidumbre 62
6 De)ectos en el proceso de atribuci!n< Sobre los orenes y mantenimiento /32
de evaluaciones sociales err!neas
/3 Impacto probatorio de valoraciones base /.:
Parte IV: Disponibilidad
// Disponibilidad< Una heurstica para juFar la )recuencia y la probabilidad /0.
/. 'endencias eoc;ntricas en la disponibilidad y la atribuci!n /:0
-ichael "oss y ?iore Sicoly
/0 Ba disponibilidad de prejuicios en la percepci!n social y la interacci!n /10
Shelley E$ 'aylor
/: Ba simulaci!n heurstica /40
Daniel Kahneman y &mos 'rves(y
Parte V: Co-variacin y control
/1 Evaluaci!n in)ormal de la co>variaci!n< =uicios basados en datos versus /2/
juicios basados en teora
Dennis B$ =ennins# 'eresa -$ &mabile y Bee "oss
0
/4 Ba ilusi!n del control /72
Ellen =$ Baner
/2 Bos resultados de las pruebas son lo Due usted piensa Due son /6:
Boren =$ Chapman y =ean Chapman
/7 "aFonamiento probabilstico en la medicina clnica< Problemas y .30
oportunidades
David -$ Eddy
/6 &prendiFaje desde la eGperiencia y de las relas sub>!ptimas en la
toma de decisiones ./6
Hillel =$ Einhorn
Parte VI: Exceso de conian!a
.3 Sobre>con)ianFa en juicios de estudio de casos .0.
Stuart %s(amp
./ Un "eporte de proreso sobre el entrenamiento de asesores de
probabilidad .07
-arc &lpert y Ho+ard "ai))a
.. Calibraci!n de probabilidades< El estado del arte hasta /673 .:6
Sarah Bichtenstein# Baruch ?ischho)) y Ba+rence D$ Phillips
.0 Para aDuellos condenados a estudiar el pasado< Heursticas y prejuicios
en retrospectiva .2/
Baruch ?ischho))
Parte VII: Evaluacin multi-etapas
.: Evaluaci!n de probabilidades compuestas en escoencia secuencial .74
=ohn Cohen# E$ I$ Chesnic( y D$ Haran
.1 Conservatismo en el procesamiento de la in)ormaci!n humana .63
Hard Ed+ards
.4 Ba hip!tesis de la mejor adivinanFa en la in)erencia multi>etapas 067
Charles ?$ Iettys# Clinton Kelly III y Cameron "$ Peterson
.2 In)erencias de caractersticas personales sobre la base de in)ormaci!n
recuperada de la memoria de uno 031
,aacov 'rope
Parte VIII: Procedimientos correctivos
.7 Ba robusta belleFa de los modelos lineales impropios en la toma de
decisiones 0/:
"obyn -$ Da+es
.6 Ba vitalidad de los nAmeros msticos 0.7
-aG Siner
03 Predicci!n intuitiva< Prejuicios y procedimientos correctivos 000
0/ Desprejuiciar 0:3
Baruch ?ischho))
0. -ejorando la in)erencia inductiva 016
"ichard E$ *isbett# David H$ KrantF# Christopher =epson , Ieo))rey '$ ?on
:
Parte I": Percepcin de ries#o
00 Hechos versus miedos< Entendiendo el rieso percibido 020
Paul Slovic# Baruch ?ischho)) y Sara Bichtenstein
Parte ": $ctuali!acin
0: Sobre el estudio de las intuiciones estadsticas 06:
01 Jariantes de la incertidumbre :32
Reerencias
%ndice

Contribuyentes
1
K-arc &lpert Escuela de Iraduados en &dministraci!n de Empresas# Harvard University
'eresa -$ &mabile Departamento de Psicoloa# Brandeis University
Crai &$ &ndesrson Departamento de Psicoloa# Stan)ord University
-aya Bar>Hillel Departamento de Psicoloa# 'he Hebre+ University# =erusalem
Euene Borida Departamento de Psicoloa# University o) -innesota
=ean Chapman Departamento de Psicoloa# University o) Hisconsin
Boren =$ Chapman Departamento de Psicoloa# University o) Hisconsin
KE$ I$ Chesnic( Departamento de Psicoloa# University o) -anchester# Enland
=ohn Cohen Departamento de Psicoloa# University o) -anchester# Enland
"ic( Crandall University o) Illinois# Champain>Urbana
"obyn -$ Da+es Departamento de Psicoloa# University o) %reon
Damid -$ Eddy Centro para el Estudio de la Salud y Poltica Clnica# Du(e University
Hard Ed+ards Instituto de Investiaci!n de la Ciencia Social# University o) Southern Cali)ornia
Hillel =$ Einhorn Centro de Investiaci!n de la Decisi!n# University o) Chicao
Baruch ?ischho)) Investiaci!n sobre la Decisi!n# Una rama de Perceptronics# Inc$ Euene %reon
Ieo))rey '$ ?on Instituto para la Investiaci!n Social# University o) -ichian
Charles ? Iettys Departamento de Psicoloa# University o) %(lahoma
KD$ Haran Departamento de Psicoloa# University o) -anchester# Enland
Dennis B$ =ennins Departamento de Psicoloa# *e+ ,or( University
Christopher =epson Instituto para la Investiaci!n Social# University o) -ichian
Daniel Kahneman Departamento de Psicoloa# University o) British Columbia
Clinton Kelly III &encia para Investiaci!n de Proyectos &vanFados# &rlinton# Jirinia
David H$ KrantF Baboratorios Bell# -urray Hill# *e+ =ersey
Ellen =$ Baner Departamento de Psicoloa# Harvard University
Sarah Bichtenstein Investiaci!n sobre la Decisi!n# Una "ama de Perceptronics# Inc$# Euene#
%reon
"ichard E$ *isbett Instituto para la Investiaci!n Social# University o) -ichian
Stuart %s(amp Departamento de Psicoloa# Claremont Iraduate School
Cameron "$ Peterson Decisiones y DiseEos# Inc$# -cBean# Jirinia
Ba+rence D$ Phillips Unidad de &nClisis de la Decisi!n# Brunel University
Ho+ard "ai))a Escuela de Iraduados en &dministraci!n de Empresas# Harvard University
Harvey "eed Departamento de Psicoloa# University o) -ichian at Dearborn
Bee "oss Departamento de Psicoloa# Stan)ord University
-ichael "oss Departamento de Psicoloa# University o) Haterloo# %ntario
?iore Sicoly Departamento de Psicoloa# University o) Haterloo# %ntario
-aG Siner Instituto Hudson# &rlinton# Jirinia
Paul Slovic Investiaci!n sobre la Decisi!n# Una "ama de Perceptronics# Inc$# Euene# %reon
Shelley E$ 'aylor Departamento de Psicoloa# University o) Cali)ornia# Bos &neles
,aacov 'rope Departamento de Psicoloa# 'he Hebre+ University# =erusalem
&mos 'vers(y Departamento de Psicoloa# Stan)ord University
& El asterisco indica a)iliaci!n cuando el artculo )ue oriinalmente publicado$
4
Preacio
Ba aproGimaci!n al estudio del juicio Due este libro representa tuvo sus orenes en tres
lneas de investiaci!n Due se desarrollaron en los aEos /613@s y /643@s< la comparaci!n de la
predicci!n clnica y estadstica# iniciada por Paul -eehlL el estudio de la probabilidad
subjetiva en el paradima Bayesiano# introducido a la psicoloa por Hard Ed+ardsL y la
investiaci!n de heursticas y estrateias de raFonamiento# por las cuales Herbert Simon
o)reci! un prorama y =erome Bruner un ejemplo$ *uestra colecci!n tambi;n representa la
reciente converencia del estudio del juicio con otro ramal de la investiaci!n psicol!ica< el
estudio de la atribuci!n causal y cubre la interpretaci!n psicol!ica# promovida por ?ritF
Heider$
El libro clCsico de -eehl# publicado en /61:# resumi! la evidencia para la conclusi!n Due
las combinaciones lineales simples de normas aventajan a los juicios intuitivos de eGpertos
en predecir criterios sini)icantes de conducta$ El duradero leado intelectual de este trabajo#
y la )uriosa controversia Due lo siui!# )ue probablemente no la demostraci!n de clnicos
ejecutada pobremente en tareas Due# como -eehl anot!# ellos no deban haber emprendido$
-Cs bien# )ue la demostraci!n de una sustancial discrepancia entre el record objetivo del
;Gito de la ente en la predicci!n de tareas y las sinceras creencias de estas entes sobre la
calidad de sus realiFaciones$ Esta conclusi!n no )ue restrinida a clnicos ! a la predicci!n de
los clnicos< Bas impresiones de la ente de c!mo ellos raFonan# y de cuCn bien ellos raFonan#
no podra ser tomado como creer alo a pie juntillas$ 'alveF porDue los estudiantes de juicio
clnico se usaron ellos mismos y a sus amios como sujetos# la interpretaci!n de errores y
prejuicios tendieron a ser conitivos# mCs Due psico>dinCmicos< Ilusiones no desiluciones
)ueron el modelo$
Con la introducci!n de las ideas Bayesianas dentro de la investiaci!n psicol!ica por
Ed+ards y sus asociados# a los psic!loos se les o)reci! por primera veF un completo modelo
articulado de ejecuci!n !ptima bajo la incertidumbre# con el cual los juicios humanos podran
ser comparados$ Ba eDuiparaci!n de los juicios humanos a modelos normativos lle! a
convertirse en uno de los mayores paradimas de la investiaci!n sobre juicios bajo
incertidumbre$ Inevitablemente# ello condujo a inDuietudes con los prejuicios para los cuales
las in)erencias inductivas son propensas y los m;todos Due podran ser usados para
correirlos$ Sin embaro# mucho del trabajo temprano utiliF! el modelo normativo para
eGplicar el comportamiento humano e introdujo procesos separados para eGplicar
alejamientos de la optimiFaci!n$ En contraste# la investiaci!n sobre heurstica del juicio
busca eGplicar ambos correcto y err!neo en t;rminos de los mismos procesos psicol!icos$
Ba emerencia del nuevo paradima de la psicoloa conitiva tuvo una pro)unda
in)luencia en la investiaci!n del juicio$ Ba psicoloa conitiva estC relacionada con
procesos internos# limitaciones mentales y la manera en la cual los procesos estCn )ormados
por las limitaciones$ Ejemplos tempranos de trabajo conceptual y emprico en esta
disposici!n )ueron el estudio de estrateias de pensamiento por Bruner y sus asociados y el
tratamiento de Simon de la heurstica del raFonamiento con estrateias de simpli)icaci!n Due
reducen la complejidad de las tareas de juicio# para hacerlas manejables para la clase de
mente Due la ente suele tener$ -ucho del trabajo Due hemos incluido en este libro )ue
motivado por las mismas inDuietudes$
En aEos recientes# un ran cuerpo de investiaci!n ha sido dedicado a desvelar la
heurstica del juicio y a eGplorar sus e)ectos$ El presente volumen provee una comprensible
muestra de esta aproGimaci!n$ El ensambla nuevas revisiones# escritas especialmente para
esta colecci!n y artculos previamente publicados sobre el juicio y la in)erencia$ &unDue la
)rontera entre el juicio y la toma de decisi!n no estC siempre clara# nos hemos en)ocado aDu
2
sobre el juicio mCs Due sobre la escoencia$ El t!pico de la toma de decisi!n es lo
su)icientemente importante para ser el sujeto de un volumen separado$
Este libro estC oraniFado en dieF partes$ Ba primera parte contiene una temprana
revisi!n de la heurstica y los prejuicios de juicios intuitivos$ Ba parte II trata espec)icamente
con la representatividad heurstica# la cual es eGtendida# en la parte III# a problemas de
atribuci!n causal$ Ba parte IJ describe la disponibilidad heurstica y su papel en el juicio
social$ Ba parte J cubre la percepci!n y aprendiFaje de la co>variaci!n e ilustra la presencia
de correlaciones ilusorias en los juicios de ente lea y eGpertos$ Ba parte Ji discute la
calibraci!n de los asesores de la probabilidad y documentos del prevaleciente )en!meno de la
sobre con)ianFa en la predicci!n y la eGplicaci!n$ Prejuicios asociados con in)erencia
multietapas son cubiertos en la parte JII$ Ba parte JIII revisa procedimientos )ormales e
in)ormales para correir y mejorar los juicios intuitivos$ Ba parte IM resume el trabajo sobre
los e)ectos prejuicios del juicio en un Crea espec)ica del asunto# la percepci!n de rieso$ Ba
parte )inal incluye alunos pensamientos corrientes sobre varios asuntos conceptuales y
metodol!icos Due pertenecen al estudio de la heurstica y los prejuicios$
Por conveniencia# todas las re)erencias estCn ensambladas en una lista simple al )inal del
libro$ Bos nAmeros en neritas se re)ieren al material incluido en el libro# identi)icando el
captulo en el cual el material aparece$ Hemos utiliFado elipses 8$ $ $9 para indicar d!nde
hemos eliminado material de artculos previamente publicados$
*uestro trabajo en preparar este libro )ue soportado por %))ice o) *aval "esearch Irant
*333/:>26>C>3322 de la Universidad de Stan)ord y por %))ice *aval "esearch Contract
*33/:>73>C>3/13 de la Investiaci!n de la Decisi!n$
Deseamos aradecer a Pey "oec(er# *ancy Collins# Ierry Hanson y Don -acIreor
por su ayuda en la preparaci!n de este libro$
Daniel Kahneman
Paul Slovic
&mos 'vers(y
7
Parte I
Introduccin
'( Juicio bajo incertidumbre:
)eur*stica y Prejuicios
-uchas decisiones estCn basadas sobre creencias concernientes a la probabilidad de
eventos inciertos tales como el resultado de una elecci!n# la culpabilidad de un acusado ! el
)uturo valor del d!lar$ Estas creencias estCn usualmente eGpresadas en declaraciones tales
como N,o pienso Due $ $ $#O Nriesos hay $ $ $#O Nes improbable Due $ $ $#O etc$$$
%casionalmente# las creencias concernientes a eventos inciertos estCn eGpresadas en )orma
num;rica como di)erencias ! probabilidades subjetivas$ Pu; determina tales creenciasQ
C!mo la ente )ija la probabilidad de un evento incierto ! el valor de una cantidad inciertaQ
Este artculo muestra Due la ente descansa sobre un limitado nAmero de principios
heursticos lo cual reduce las complejas tareas de )ijar probabilidades y predecir valores para
operaciones de juicio mCs simples$ En eneral# estas heursticas son muy Atiles# pero alunas
veces ellas conducen a severos y sistemCticos errores$
Ba )ijaci!n subjetiva de la probabilidad se asemeja a la )ijaci!n subjetiva de las
cantidades )sicas tales como una distancia o tamaEo$ Estos juicios estCn todos basados en
datos de limitada valideF# los cuales son procesados de acuerdo a relas heursticas$ Por
ejemplo# la distancia aparente de un objeto estC determinada en parte por su claridad$
-ientras mCs claramente es visto el objeto# mCs cerca aparenta estar$ Esta rela tiene aluna
valideF# porDue en cualDuier escena dada mientras mCs distantes los objetos# son vistos
menos claramente Due los objetos mCs cercanos$ Sin embaro# la con)ianFa en ;sta rela
conduce a sistemCticos errores en la estimaci!n de la distancia$ Espec)icamente# las
distancias son a menudo sobreestimadas cuando la visibilidad es pobre porDue los contornos
de los objetos estCn borrosos$ Por otro lado# las distancias son a menudo subestimadas
cuando la visibilidad es buena porDue los objetos son vistos claramente$ Por lo tanto# la
con)ianFa en la claridad como una indicaci!n de distancia conduce a prejuicios comunes$
'ales prejuicios son tambi;n )undados en el juicio intuitivo de la probabilidad$ Este artculo
describe tres heursticas Due son empleadas para )ijar probabilidades y para predecir valores$
Prejuicios a los cuales ;stas heursticas conducen son enumeradas y las implicaciones
aplicadas y te!ricas de ;stas observaciones son discutidas$
6
Representatividad
-uchas de las interroantes probabilsticas con las cuales la ente estC relacionada
pertenece a uno de los siuientes tipos< CuCl es la probabilidad Due el objeto & perteneFca a
la clase BQ CuCl es la probabilidad Due el evento & se oriine del proceso BQ CuCl es la
probabilidad Due el proceso B enerarC el evento &Q En responder tales interroantes# la
ente tpicamente se apoya en la representatividad heurstica# en la cual las probabilidades
son evaluadas por el rado al cual & es representativo de B# ! sea# por el rado al cual & se
asemeja a B$ Por ejemplo# cuando & es altamente representativo de B# la probabilidad Due &
se oriine de B se juFa alta$ Por otro lado# si & no es similar a B# la probabilidad Due & se
oriine de B se juFa baja$
Para una ilustraci!n de juicio por representatividad# considere un individuo Duien ha sido
descrito por un anterior vecino como siue< NSteve es muy tmido y retrado# invariablemente
Atil# pero con poco inter;s en la ente# ! en el mundo de la realidad$ Un alma mansa y limpia#
;l tiene una necesidad por le orden y la estructura y una pasi!n por el detalleO$ C!mo la ente
)ija la probabilidad de Due Steve estC comprometido en una ocupaci!n particular de una lista
de posibilidades 8por ejemplo# )inDuero# vendedor# piloto de una aerolnea# bibliotecario !
)sico9Q C!mo la ente ordena estas ocupaciones de mCs a menos probableQ En la
representatividad heurstica# la probabilidad de Due Steve es un bibliotecario# por ejemplo# es
)ijada por el rado del cual es representativo# ! similar al estereotipo de un bibliotecario$
Ciertamente# la investiaci!n con problemas de este tipo ha mostrado Due la ente ordena las
ocupaciones por probabilidad y por similaridad en eGactamente la misma manera 8Kahneman
R 'vers(y# /620# :9$ Esta aproGimaci!n al juicio de la probabilidad conduce a serios errores#
porDue la similaridad ! representatividad no estC in)luenciada por varios )actores Due
a)ectaran los juicios de la probabilidad$
Insensitividad a anterior probabilidad de resultados
Uno de los )actores Due no tiene e)ecto sobre la representatividad pero debera tener un
mayor e)ecto sobre la probabilidad es el antecedente de la probabilidad# ! )recuencia basada
en la proporci!n de los resultados$ En el caso de Steve# por ejemplo# el hecho de Due eGisten
muchos mCs )inDueros Due bibliotecarios en la poblaci!n debera entrar dentro de cualDuier
estimado raFonable de la probabilidad Due Steve es un bibliotecario mCs Due un )inDuero$
Consideraciones de )recuencia basadas en la proporci!n# sin embaro# no a)ectan la
similaridad de Steve a los estereotipos de bibliotecarios y )inDueros$ Si la ente evalAa la
probabilidad por representatividad# por consiuiente# anteriores probabilidades serCn
olvidadas$ EstCs hip!tesis )ueron ensayadas en un eGperimento donde las anteriores
probabilidades )ueron manipuladas 8Kahneman R 'vers(y# /620# :9$ & los sujetos se les
mostraron breves descripciones de la personalidad de varios individuos# supuestamente
muestreados al aFar de un rupo de /33 pro)esionales S inenieros y aboados$ Bos sujetos
)ueron reDueridos a )ijar por cada descripci!n# la probabilidad de Due ella perteneciera a un
ineniero mCs Due a un aboado$ En una condici!n eGperimental# a los sujetos se les dijo Due
el rupo del cual las descripciones )ueron eGtradas consistan de 23 inenieros y 03
aboados$ En otra condici!n# a los sujetos se les indic! Due el rupo consista de 03
inenieros y 23 aboados$ Bas posibilidades Due cualDuier descripci!n particular perteneFca a
un ineniero mCs Due a un aboado deberan ser altas en la primera condici!n# donde eGiste
una mayora de inenieros# mCs Due en la seunda condici!n# donde hay una mayora de
aboados$ Espec)icamente# puede ser mostrado por aplicaci!n de la rela de Bayes Due la
relaci!n de estas posibilidades debera ser 82$T$09U# ! 1$::# por cada descripci!n$ En una clara
violaci!n a la rela de Bayes# los sujetos en las dos condiciones produjeron esencialmente la
/3
misma probabilidad de juicios$ &parentemente# los sujetos evaluaron la probabilidad de Due
una descripci!n particular perteneciera a un ineniero mCs Due a la de un aboado por el
rado al cual esta descripci!n )ue representativa de los dos estereotipos# con poca o ninuna
consideraci!n por las anteriores probabilidades de las cateoras$
Bos sujetos usaron las anteriores probabilidades correctamente cuando ellos no tuvieron
otra in)ormaci!n$ En la ausencia de un bosDuejo de la personalidad# ellos juFaron la
probabilidad Due un individuo desconocido es un ineniero entre $2 y $0# respectivamente# en
las dos condiciones basadas en proporci!n$ Sin embaro# las probabilidades anteriores )ueron
e)ectivamente inoradas cuando una descripci!n )ue introducida# aAn cuando ;sta descripci!n
)ue totalmente desin)ormativa$ Bas respuestas a la siuiente descripci!n ilustran ;ste
)en!meno$
Dic( es un hombre de 03 aEos$ Vl es casado sin hijos$ Un hombre de alta habilidad y motivaci!n# ;l
promete ser muy eGitoso en su campo$ Vl es muy aradable para sus coleas$
Esta descripci!n )ue intentada para no transportar ninuna in)ormaci!n relevante a la
interroante de si Dic( es un ineniero ! un aboado$ Consecuentemente# la probabilidad Due
Dic( es un ineniero debera ser iual a la proporci!n de inenieros en el rupo# como si
ninuna descripci!n ha sido dada$ Bos sujetos# sin embaro# juFaron la probabilidad sea un
ineniero en $1 sin importar si la proporci!n establecida de inenieros en el rupo )ue de $2
! $0$ Evidentemente# la ente responde di)erentemente cuando no se ha dado evidencia y
cuando evidencia valiosa ha sido dada$ Cuando no se ha dado evidencia espec)ica# las
probabilidades anteriores son usadas apropiadamenteL cuando se es dada evidencia valiosa#
las probabilidades anteriores son inoradas 8Kahneman R 'vers(y# /620# :9$
Insensitividad al tamao de la muestra
Para evaluar la probabilidad de obtener un particular resultado en una muestra sacada de
una poblaci!n especi)icada# la ente tpicamente aplica la representatividad heurstica$ Eso
es# Due ellos )ijan la probabilidad del resultado de una muestra# por ejemplo# Due el promedio
de altura en una muestra al aFar de dieF hombres serC 4 pies 8/73 centmetros9# por la
similitud de este resultado al parCmetro correspondiente 8Due es# la altura promedio en la
poblaci!n de hombres9$ Ba similaridad de una muestra estadstica al parCmetro de una
poblaci!n no depende del tamaEo de la muestra$ Consecuentemente# si las probabilidades son
)ijadas por la representatividad# entonces la probabilidad juFada de una muestra estadstica
serC esencialmente independiente del tamaEo de la muestra$ Ciertamente# cuando los sujetos
)ijaron las distribuciones del promedio de altura por muestras de varios tamaEos# ellos
produjeron id;nticas distribuciones$ Por ejemplo# a la probabilidad de obtener un promedio
de altura mayor de 4 pies le )ue asinado el mismo valor por muestras de /333# /33 y /3
hombres 8Kahneman R 'vers(y# /62.b# 09$ -Cs aAn# los sujetos )allaron al apreciar el role
del tamaEo de la muestra aAn cuando ella )ue en)atiFada en la )ormulaci!n del problema$
Considere la siuiente interroante<
Un cierto pueblo estC servido por dos hospitales$ En el mCs rande alrededor de :7 beb;s nacen cada
da# y en el mCs peDueEo alrededor de /1$ Como usted conoce# alrededor del 13W de todos los beb;s
son varones$ Sin embaro# el porcentaje eGacto vara de da a da$ &lunas veces puede ser mayor del
13W# alunas veces menor$
Por un perodo de / aEo# cada hospital reistr! los das en los cuales mCs del 43W de los beb;s
nacidos )ueron varones$ CuCl hospital piensa usted reistr! mCs tales dasQ
El hospital mCs rande 8./9
//
El hospital mCs peDueEo 8./9
&proGimadamente el mismo 8Due es# dentro del 1W de cada otro9 10W
Bos valores entre par;ntesis son los nAmeros de los estudiantes no raduados Duienes escoen cada
respuesta$
Ba mayora de los sujetos juFaron la probabilidad de obtener mCs del 43W de varones
ser el mismo en el peDueEo y en el rande hospital# presumiblemente porDue estos eventos
son descritos por la misma estadstica y son por consiuiente iualmente representativos de
la poblaci!n eneral$ En contraste# muestrear la teora acarrea Due el nAmero esperado de das
en el cual mCs del 43W de los beb;s son varones es mucho mCs rande en el peDueEo hospital
Due en el rande porDue una muestra rande es menos probable de desviarse del 13W$ Esta
noci!n )undamental de estadstica es evidentemente no parte del repertorio de intuiciones de
la ente$ Una similar insensitividad al muestrear el tamaEo ha sido reportada en juicios de
posterior probabilidad# Due es# de la probabilidad de Due una muestra ha sido eGtrada de una
poblaci!n mCs bien Due de otra$ Considere el siuiente ejemplo<
Imaine una urna llenada con pelotas# del las cuales X son de un color y Y de otro$ Un individuo ha
eGtrado 1 pelotas de la urna# y encontr! Due : eran rojas y / era blanca$ %tro individuo ha eGtrado .3
pelotas y encontr! Due /. eran rojas y 7 eran blancas$ Pui;n de los dos individuos siente mCs
con)ianFa Due la urna contiene X de pelotas rojas y Y de pelotas blancas# mCs bien Due lo puestoQ
Pu; di)erencias debera cada individuo darQ
En este problema# las posteriores di)erencias correctas son 7 a / para la muestra de :</ y
/4 a / para la muestra de /.<7# asumiendo las probabilidades antecedentes iuales$ Sin
embaro# la mayora de la ente siente Due la primera muestra provee mucho mCs )uerte
evidencia para la hip!tesis de Due el contenido de la urna es predominantemente rojo# porDue
la proporci!n de pelotas rojas es mCs rande en la primera Due en la seunda muestra$ &Du
de nuevo# los juicios intuitivos estCn dominados por la proporci!n de la muestra y no estCn
esencialmente a)ectados por el tamaEo de la muestra# el cual juea un papel crucial en la
determinaci!n de las actuales probabilidades posteriores 8Kahneman R 'vers(y# /62.b9$
&demCs los estimados intuitivos de las probabilidades posteriores estCn menos lejos del
eGtremo Due los valores correctos$ Ba subestimaci!n del impacto de la evidencia ha sido
observado repetidamente en problemas de este tipo 8E$ Ed+ards# /647# .1L Slovic R
Bichtenstein# /62/9$ Ella ha sido etiDuetada NconservatismoO$
Concepto errneo de la casualidad
Ba ente espera Due una secuencia de eventos enerados por un proceso aleatorio
representarC las caractersticas esenciales de ese proceso aAn cuando la secuencia es corta$ En
considerando los lanFamientos de una moneda por cabeFas ! colas# por ejemplo# la ente
considera la secuencia H>'>H>'>'>H ser mCs probable Due la secuencia H>H>H>'>'>'# la cual
no aparenta aFar y tambi;n mCs probable Due la secuencia H>H>H>'>'>'>H# la cual no
representa la imparcialidad de la moneda 8Kahneman R 'vers(y# /62.b# 09$ Por lo tanto# la
ente espera Due las caractersticas esenciales del proceso estarC representado# no solo
lobalmente en la secuencia entera# sino tambi;n en cada una de sus partes$ Una secuencia
localmente representativa# sin embaro# se desva sistemCticamente de la eGpectaci!n de una
probabilidad< ella contiene tambi;n muchas alteraciones y tambi;n muchas tendencias$ %tra
consecuencia de la creencia en la representatividad local es la bien conocida )alacia del
juador$ Despu;s de observar una lara tendencia del rojo sobre la rueda de la ruleta#
presumiblemente porDue la ocurrencia del nero resulta en una secuencia mCs representativa
/.
Due la ocurrencia de un adicional rojo$ Ba posibilidad es comAnmente vista como un proceso
de auto>correcci!n en el cual la desviaci!n en una direcci!n induce una desviaci!n en la
direcci!n opuesta para restaurar el eDuilibrio$ De hecho# las desviaciones no son NcorreidasO
como un desarrollo del proceso de posibilidad# ellas son meramente diluidas$
Bos conceptos err!neos de la casualidad no estCn limitados a sujetos inenuos$ Un
estudio de instituciones estadsticas de eGperimentados psic!loos de investiaci!n 8'vers(y
R Kahneman# /62/# .9 revel! una persistente creencia en lo Due puede ser llamada Nla ley de
los nAmeros peDueEosO# de acuerdo a la cual aAn peDueEas muestras son altamente
representativas de las poblaciones de las cuales ellas han sido tomadas$ Bas respuestas de
;stos investiadores re)lejaron la eGpectaci!n de Due una hip!tesis vClida sobre una
poblaci!n estarC representada por un resultado estadsticamente sini)icante en una muestra S
con peDueEa consideraci!n por su tamaEo$ Como una consecuencia los investiadores
pusieron mucha )e en los resultados de peDueEas muestras y enormemente sobreestimaron la
replicabilidad de tales resultados$ En la actual conducta de la investiaci!n# ;stos prejuicios
conducen a la selecci!n de muestras de inadecuado tamaEo y a la sobre>interpretaci!n de
resultados$
Insensitividad a la predecibilidad
&lunas veces la ente es reDuerida de hacer tales predicciones num;ricas como el )uturo
valor de una acci!n# la demanda de un producto ! el resultado de un partido de )ootball$ 'ales
predicciones son a menudo hechas por representatividad$ Por ejemplo# supona Due a uno se
le da una descripci!n de una compaEa y se le reDuiere predecir su utilidad )utura$ Si la
descripci!n de la compaEa es muy )avorable#Tuna utilidad muy alta aparecerC mCs
representativa de esa descripci!nL si la descripci!n es mediocre# un mediocre rendimiento
aparecerC mCs representativo$ El rado al cual la descripci!n es )avorable no estC a)ectado
por la con)iabilidad de esa descripci!n ! por el rado al cual ella permite una eGacta
predicci!n$ De aDu Due# si la ente predice solamente en t;rminos de lo )avorable de la
descripci!n# sus predicciones serCn insensitivas a la con)iabilidad de la evidencia y a la
esperada eGactitud de la predicci!n$
Este modo de juicio viola la normativa de la teora estadstica en la cual la condici!n
eGtrema y el rano de predicciones estC controlado por consideraciones de predecibilidad$
Cuando la predecibilidad es nula# la misma predicci!n debera de hacerse en todos los casos$
Por ejemplo# si las descripciones de las compaEas no proveen in)ormaci!n relevante para
anar# entonces los mismos valores 8tal como el promedio de anancia9 debera ser predicho
por todas las compaEas$ Si la predecibilidad es per)ecta# por supuesto# los valores predichos
se eDuipararCn a los valores actuales y el rano de las predicciones iualarCn el rano de
resultados$ En eneral# mientras mCs alta la predecibilidad# mCs amplio el rano de los
valores predichos$
Jarios estudios de predicci!n num;rica han demostrado Due las predicciones intuitivas
violan esta rela y Due los sujetos muestran poca ! ninuna consideraci!n por las
consideraciones de predecibilidad 8Kahneman R 'vers(y# /620# :9$ En uno de estos estudios#
a los sujetos se les present! varios pCrra)os# cada uno describiendo el desempeEo de un
maestro estudiante durante una lecci!n prCctica particular$ &lunos sujetos )ueron reDueridos
a evaluar la calidad de la lecci!n descrita en el pCrra)o en puntuaciones porcentuales#
relativas a una especi)icada poblaci!n$ %tros sujetos )ueron reDueridos a predecir# tambi;n en
puntuaciones porcentuales# la reputaci!n de cada maestro estudiante 1 aEos despu;s de la
lecci!n prCctica$ Bos juicios hechos bajo las dos condiciones )ueron id;nticos$ Pue es# Due la
predicci!n de un criterio remoto 8;Gito de un maestro 1 aEos despu;s de la lecci!n prCctica9
)ue id;ntica a la evaluaci!n de la in)ormaci!n sobre la cual la predicci!n )ue basada 8la
/0
calidad de la lecci!n prCctica9$ Bos estudiantes Due hicieron estas predicciones estuvieron
indudablemente concientes de la limitada predecibilidad de la competencia de enseEar sobre
las bases de una simple lecci!n de prueba 1 aEos antesL no obstante# sus predicciones )ueron
tan eGtremas como sus evaluaciones$
La ilusin de la validez
Como hemos visto# la ente a menudo predice por la selecci!n de los resultados 8por
ejemplo# una ocupaci!n9 Due es mCs representativa de la entrada 8por ejemplo# la descripci!n
de una persona9$ Ba con)ianFa Due ellos tienen en su descripci!n depende principalmente en
el rado de representatividad 8Due es# sobre la calidad de la eDuiparaci!n entre el resultado
seleccionado y la entrada9 con poca ! ninuna consideraci!n por los )actores Due limitan la
eGactitud predictiva9$ Por lo tanto# la ente eGpresa ran con)ianFa en la predicci!n de Due
una persona es un bibliotecario cuando se da una descripci!n de su personalidad la cual se
eDuipara al estereotipo de los bibliotecarios# aAn si la descripci!n es escasa# no con)iable u
obsoleta$ Ba con)ianFa no arantiFada la cual es producida por un buen ajuste entre el
resultado predicho y la in)ormaci!n de entrada puede ser llamada la ilusi!n de la valideF$
Esta ilusi!n persiste aAn cuando el jueF estC conciente de los )actores Due limitan la eGactitud
de sus predicciones$ Es una observaci!n comAn Due los psic!loos Duienes conducen las
entrevistas de selecci!n a menudo eGperimentan considerable con)ianFa en sus predicciones#
aAn cuando ellos conocen de la vasta literatura Due muestra entrevistas de selecci!n ser
altamente )alibles$ Ba continuada con)ianFa en la entrevista clnica para la selecci!n# a pesar
de las repetidas demostraciones de su insu)iciencia# ampliamente atestiua la )ortaleFa de su
e)ecto$
Ba consistencia interna de un patr!n de entradas es una mayor determinante de la
con)ianFa de uno en las predicciones basadas sobre estas entradas$ Por ejemplo# la ente
eGpresa mCs con)ianFa en predecir el punto promedio del rado )inal de un estudiante cuyo
reistro del primer aEo consiste enteramente de B@s Due en predecir el puntaje promedio de
rado de un estudiante cuyo record del primer aEo incluye muchas &@s y C@s$ Patrones
altamente consistentes son mCs a menudo observados cuando las variables de entrada son
altamente redundantes ! correlacionadas$ De aDu Due# la ente tiende a tener ran con)ianFa
en predicciones basadas en entradas variables redundantes$ Sin embaro# un resultado
elemental en las estadsticas de correlaci!n asevera Due# dadas entradas variables de
establecida valideF# una predicci!n basada en varias de tales entradas pueden lorar mCs alta
eGactitud cuando ellas son independientes cada una de las otras Due cuando ellas son
redundantes ! correlacionadas$ Por lo tanto# la redundancia entre entradas decrece la
eGactitud aAn cuando ella incrementa la con)ianFa y la ente a menudo estC con)iada en
predicciones Due son muy probables de estar )uera del lmite 8Kahneman R 'vers(y# /620#
:9$
Conceptos errneos de regresin
Supona un ran rupo de niEos Due han sido eGaminados en dos versiones di)erentes de
una prueba de aptitud$ Si uno selecciona dieF niEos de entre aDuellos Duienes lo hicieron
mejor en una de las dos versiones# ;l seuramente encontrarC su desempeEo en la seunda
versi!n ser alo decepcionante$ & la inversa# si uno selecciona dieF niEos de entre aDuellos lo
hicieron peor en una versi!n# ellos serCn encontrados en el promedio# para hacer alo mejor
en la otra versi!n$ -Cs eneralmente# considere dos variables M y , las cuales tienen la
misma distribuci!n$ Si uno selecciona individuos cuyo punteo promedio de M se desva de la
media de M por ( unidades# entonces el promedio de sus punteos de , usualmente se
/:
desviarCn de la media de , por menos de ( unidades$ Estas observaciones ilustran un
)en!meno eneral conocido como reresi!n hacia la media# el cual )ue primero documentado
por Ialton hace mCs de /33 aEos$
En el curso normal de la vida uno encuentra muchos casos de reresi!n hacia la media# en
la comparaci!n de la altura de padres e hijos# de la inteliencia de esposos y esposas ! del
desempeEo de individuos en eGCmenes consecutivos$ & pesar de eso# la ente no desarrolla
intuiciones correctas sobre este )en!meno$ Primero# ellos no esperan reresi!n en muchos
conteGtos donde es obliado Due ocurra$ Seundo# cuando ellos reconocen la ocurrencia de
reresi!n# ellos a menudo inventan eGplicaciones causales espurias para ella 8Kahneman R
'cers(y# /620# :9$ *osotros suerimos Due el )en!meno de reresi!n permanece evasivo
porDue es incompatible con la creencia de Due el resultado predicho debera ser
mCGimamente representativo de la entrada# y de aDu Due# el valor del resultado variable
debera ser tan eGtremo como el valor de la entrada variable$
Ba )alla para reconocer el importe de reresi!n puede tener perniciosas consecuencias#
como se ilustra por la siuiente observaci!n 8Kahneman R 'vers(y# /620# :9$ En una
discusi!n de entrenamiento de vuelo# instructores eGperimentados notaron Due el eloio por
un eGcepcionalmente suave aterriFaje es tpicamente seuido por un mCs pobre aterriFaje en
el siuiente intento# mientras Due duras crticas despu;s de un duro aterriFaje es usualmente
seuido por un mejoramiento en el siuiente intento$ Bos instructores concluyeron Due
recompensas verbales son perjudiciales para el aprendiFaje# mientras Due reprimendas
verbales son bene)iciosas# contrario a la aceptada doctrina psicol!ica$ Esta conclusi!n no
estC arantiFada porDue la presencia de reresi!n hacia el medio$ Como en otros casos de
eGamen repetido# un mejoramiento usualmente seuirC a un pobre desempeEo y un deterioro
usualmente seuirC a un desempeEo sobresaliente# aAn si el instructor no responde al loro
del alumno en el primer intento$ Debido a Due los instructores haban eloiado a los alumnos
despu;s de un buen aterriFaje y los haban amonestado despu;s de uno pobre# ellos
alcanFaron la conclusi!n err!nea y potencialmente pelirosa Due el castio es mCs e)ectivo
Due el eloio$
Por tanto# la )alla en entender el e)ecto de la reresi!n conduce a uno a sobreestimar la
e)ectividad del castio y a subestimar la e)ectividad de la recompensa$ En la interacci!n
social# as como en el entrenamiento# las recompensas son tpicamente administradas cuando
el desempeEo es bueno y los castios son tpicamente administrados cuando el desempeEo es
pobre$ Solo por la reresi!n sola# por consiuiente# el comportamiento es mCs probable de
mejorar despu;s de un castio$ Consecuentemente# la condici!n humana es tal Due# solo por
casualidad# uno es mCs a menudo recompensado por castiar a otros y mCs a menudo
castiado por recompensarlos$ Bas entes no estCn eneralmente concientes de esta
continencia$ De hecho# el papel evasivo de la reresi!n en determinar las aparentes
consecuencias de la recompensa y el castio parecen haber escapado Due los estudiantes lo
noten en ;sta Crea$
Disponibilidad
EGisten situaciones en las cuales la ente evalAa la )recuencia de una clase ! la
probabilidad de un evento por la )acilidad con la cual las instancias A ocurrencias pueden ser
tradas a la mente$ Por ejemplo# uno puede evaluar el rieso de un ataDue cardaco entre
personas de mediana edad recordando tales ocurrencias entre conocidos de uno$
Similarmente# uno puede evaluar la probabilidad de Due un neocio arriesado dado caerC#
por imainar varias di)icultades Due se podran encontrar$ Este juicio heurstico es llamado
disponibilidad$ Ba disponibilidad es una Atil pista para valorar la )recuencia ! probabilidad#
porDue las instancias de randes clases son usualmente alcanFadas mejor y mCs rCpido Due
/1
las instancias de clases menos )recuentes$ Sin embaro# la disponibilidad estC a)ectada por
)actores otros Due la )recuencia y la probabilidad$ Consecuentemente# la con)ianFa en la
conduce a juicios predecibles# alunos de los cuales son ilustrados abajo$
Prejuicios debidos a la reparabilidad de las instancias
Cuando el tamaEo de una clase es juFado por la disponibilidad de sus instancias# una
clase cuyas instancias son )Ccilmente recuperadas aparecerC mCs numerosa Due una clase de
iual )recuencia cuyas instancias son menos recuperables$ En una demostraci!n elemental de
este e)ecto# los sujetos oyeron una lista de bien conocidas personalidades de ambos seGos y
donde subsecuentemente )ueron reDueridos a juFar si la lista contena mCs nombres de
hombres Due de mujeres$ Di)erentes listas )ueron presentadas a di)erentes rupos de sujetos$
En alunas de las listas los hombres )ueron relativamente mCs )amosos Due las mujeres # y en
otras las mujeres )ueron relativamente mCs )amosas Due los hombres$ En cada una de las
listas# los sujetos err!neamente juFaron Due la clase 8seGo9 Due tena las mCs )amosas
personalidades era la mCs numerosa 8'vers(y R Kahneman# /620# //9$
&demCs de la )amiliaridad# eGisten otros )actores# tales como rasos sobresalientes# los
cuales a)ectan la reparabilidad de las instancias$ Por ejemplo# el impacto de ver una casa
DuemCndose sobre la subjetiva probabilidad de tales accidentes es probablemente mayor Due
el impacto de leer sobre un )ueo en el peri!dico local$ &demCs# recientes ocurrencias son
probables de ser relativamente mCs disponibles Due las ocurrencias mCs tempranas$ Es una
eGperiencia comAn Due la probabilidad subjetiva de accidentes de trC)ico se eleven
temporalmente cuando uno ve un carro volcado al lado de la carretera$
Prejuicios debidos a la efectividad de un juego de bsqueda
Supona Due uno muestrea una palabra 8de tres letras ! mCs9 al aFar de un teGto en inl;s$
Es mCs probable Due la palabra empiece con r ! Due r es la tercera letraQ Ba ente se
aproGima a este problema recordando palabras Due empieFan con r 8road9 y palabras Due
tienen r en la tercera posici!n 8car9 y )ijan la )recuencia relativa por el caso con el cual las
palabras de los dos tipos vienen a la mente$ PorDue es mCs )Ccil buscar palabras por su
primera letra Due por su tercera letra# la mayora de la ente juFa palabras Due empieFan con
una consonante dada ser mCs numerosas Due palabras en las cuales la misma consonante
aparece en la tercera posici!n$ Ellas lo hacen iual para consonantes # tales como r ! (# Due
son mCs )recuentes en la tercera posici!n Due en la primera 8'vers(y R Kahneman# /620#
//9$
Di)erentes tareas provocan di)erentes jueos de bAsDueda$ Por ejemplo# supona Due
usted es reDuerido a estimar la )recuencia con la cual palabras abstractas 8thouht# love9 y
palabras concretas 8door# +ater9 aparecen en el inl;s escrito$ Un modo natural de responder
a esta preunta es buscar conteGtos en los cuales la palabra podra aparecer$ Parece )Ccil
pensar en conteGtos en los cuales un concepto abstracto es mencionado 8love en historias de
amor9 Due pensar en conteGtos en los cuales una palabra concreta 8tal como door9 es
mencionada$ Si la )recuencia de las palabras es juFada por la disponibilidad de los conteGtos
en los cuales ellas aparecen# las palabras abstractas serCn juFadas como relativamente mCs
numerosas Due las palabras concretas$ Este prejuicio ha sido observado en un reciente estudio
8Ialbraith R Under+ood# /6209 el cual mostr! Due la )recuencia juFada de ocurrencias de
palabras abstractas )ue mucho mayor Due la de palabras concretas# comparada en )recuencia
objetiva$ Palabras abstractas )ueron tambi;n juFadas de aparecer en una mucho mayor
variedad de conteGtos Due las palabras concretas$
/4
Prejuicios de imaginabililidad
&lunas veces un tiene Due evaluar la )recuencia de una clase cuyas instancias no estCn
almacenadas en la memoria pero pueden ser eneradas de acuerdo a una rela dada$ En tales
situaciones# uno enera varias instancias y evalAa la )recuencia ! probabilidad por la
)acilidad con la cual las instancias relevantes pueden ser construdas$ Sin embaro# la
)acilidad de construir instancias no siempre re)leja su )recuencia actual# y este modo de
evaluaci!n estC propenso a prejuicios$ Para ilustrar# considere un rupo de /3 personas
Duienes )orman comit;s de ( miembros# . Z ( Z 7$ CuCntos di)erentes comit;s de ( miembros
pueden ser )ormadosQ Ba respuesta correcta a este problema es dada por el coe)iciente
binomio 8/3T(9 el cual alcanFa un mCGimo de .1. para ( [ 1$ Claramente# el nAmero de
comit;s de ( miembros iuala el nAmero de comit;s de 8/3 S (9 miembros# porDue cualDuier
comit; de ( miembros de)ine un Anico rupo de 8/3 S (9 no miembros$
Un modo de responder este asunto sin computaci!n es construir mentalmente comit;s de
( miembros y evaluar su nAmero por la )acilidad con la cual ellos vienen a la mente$ Bos
comit;s de pocos miembros# diamos .# son mCs disponibles Due comit;s de muchos
miembros# diamos 7$ El mCs simple esDuema para la construcci!n de comit;s es una
partici!n del rupo dentro de jueos desarticulados$ Uno rCpidamente ve Due es )Ccil
construir cinco comit;s desarticulados de . miembros# mientras Due es imposible enerar aAn
dos comit;s desarticulados de 7 miembros$ Consecuentemente# si la )recuencia es evaluada
por imainabilidad# ! por disponibilidad para construcci!n# los peDueEos comit;s aparecerCn
mCs numerosos Due randes comit;s# en contraste a la correcta )unci!n en )orma de campana$
Ciertamente# cuando sujetos cCndidos )ueron reDueridos a estimar el nAmero de distintos
comit;s de varios tamaEos# sus estimados )ueron una decreciente )unci!n monot!nica del
tamaEo del comit; 8'vers(y R Kahneman# /620# //9$ Por ejemplo# la media estimada del
nAmero de comit;s de . miembros )ue de 23# mientras Due el estimado para comit;s de 7
miembros )ue de .3 8la respuesta correcta es de :1 en ambos casos9$
Ba imainabilidad juea un importante papel en la evaluaci!n de probabilidades en
situaciones de la vida real$ El rieso involucrado en una eGpedici!n de aventura# por ejemplo#
es evaluado imainando continencias con las cuales la eGpedici!n no estC eDuipada para
competir con ;Gito$ Si muchas de tales di)icultades son vvidamente representadas# la
eGpedici!n puede ser hecha para aparentar como eGcesivamente pelirosa# aunDue la
)acilidad con la cual los desastres son imainados no necesitan re)lejar su probabilidad
actual$ & la inversa# el rieso involucrado en una empresa puede ser randemente
subestimado si alunos peliros posibles son# ya sea di)ciles de concebir ! simplemente no
vienen a la mente$
Correlacin ilusoria
Chapman y Chapman 8/6469 han descrito un interesante prejuicio en el juFamiento de la
)recuencia con la cual dos eventos co>ocurren$ Ellos presentaron simples juicios con
in)ormaci!n concerniente a varios hipot;ticos pacientes mentales$ Bos datos para cada
paciente consistieron de un dian!stico clnico y un dibujo de una persona hecho por el
paciente$ -Cs tarde los jueces estimaron la )recuencia con la Due cada dian!stico 8tales
como paranoia ! suspicacia9 haba sido acompaEada de varias caractersticas del dibujo 8tales
como ojos peculiares9$ Bos sujetos marcadamente sobreestimaron la )recuencia de la co>
ocurrencia de los asociados naturales# tales como suspicacia y ojos peculiares9$ Este e)ecto
)ue etiDuetado correlaci!n ilusoria$ En sus err!neos juicios de los datos a los cuales ellos
haban sido eGpuestos# sujetos inenuos NredescubrieronO mucho de lo comAn# saber clnico
concerniente a la interpretaci!n la prueba dibujar a una persona$ El e)ecto de la correlaci!n
/2
ilusoria )ue eGtremadamente resistente a los datos contradictorios$ Ella persisti! aAn cuando
la correlaci!n entre sntomas y dian!stico )ue actualmente neativa# y ella previno los
juicios detectando las relaciones Due estaban presentes de hecho$
Ba disponibilidad provee un in)orme natural del e)ecto de la correlaci!n ilusoria$ El juicio
de c!mo )recuentemente dos eventos co>ocurren podra estar basado en la )ortaleFa de la
uni!n asociativa entre ellos$ Cuando la asociaci!n es )uerte uno es probable Due concluya
Due los eventos han sido )recuentemente emparejados$ Consecuentemente# asociados )uertes
serCn juFados como habiendo ocurrido juntos )recuentemente$ De acuerdo a esta opini!n# la
correlaci!n ilusoria entre la suspicacia y el dibujo peculiar de los ojos# por ejemplo# es debida
al hecho de Due la suspicacia es mCs )Ccilmente asociado con los ojos Due con cualDuier otra
parte del cuerpo$
Ba eGperiencia de toda la vida nos ha enseEado Due# en eneral# las instancias de randes
clases son recordadas mejor y mCs rCpido Due las instancias de menos )recuentes clases# Due
las probables ocurrencias son mCs )Cciles de imainar Due las improbablesL y Due las
coneGiones asociativas entre eventos son re)orFadas cuando los eventos )recuentemente co>
ocurren$ Como resultado# el hombre tiene a su disposici!n un procedimiento 8la
disponibilidad heurstica9 por estimulaci!n de la numerosidad de una clase# la probabilidad
de un evento# ! la )recuencia de co>ocurrencias# por la )acilidad con la cual operaciones
mentales relevantes de recuperaci!n# construcci!n ! asociaci!n pueden ser ejecutadas$ Sin
embaro# como los ejemplos precedentes han demostrado# este valioso procedimiento de
estimaci!n resulta en sistemCticos errores$
$juste y sujecin
En muchas situaciones# la ente hace estimados empeFando de un valor inicial Due es
ajustado para producir la respuesta )inal$ El valor inicial# ! punto de inicio# puede ser
suerido por la )ormulaci!n del problema# ! puede ser el resultado de un c!mputo parcial$ En
cualDuier caso# los ajustes son tpicamente insu)icientes 8Slovic R Bichtenstein# /62/9$ Pue
es# Due puntos de inicio di)erentes producen di)erentes estimados# los cuales son inclinados
hacia los valores iniciales$ & este )en!meno le llamamos sujeci!n$
Insuficiente ajuste
En una demostraci!n del e)ecto de la sujeci!n# los sujetos )ueron reDueridos a estimar
cantidades# establecidas en porcentajes 8por ejemplo# el porcentaje de pases a)ricanos en las
*aciones Unidas9$ Por cada cantidad# un nAmero entre 3 y /33 )ue determinado irando una
rueda de la )ortuna en presencia de los sujetos$ Bos sujetos )ueron instruidos a indicar
primero si ese nAmero era mCs alto ! mCs bajo Due el valor de la cantidad# y entonces estimar
el valor de la cantidad movi;ndose hacia arriba ! hacia abajo del nAmero dado$ & los
di)erentes rupos se les dio di)erentes nAmeros por cada cantidad# y ;stos nAmeros arbitrarios
tenan un marcado e)ecto en los estimados$ Por ejemplo# los estimados medios del porcentaje
de pases a)ricanos en las *aciones Unidas )ue de .1 y :1 para rupos Due recibieron /3 y
41# respectivamente# como puntos de inicio$ "ecompensas por eGactitud no reducen el e)ecto
de sujeci!n$
Ba sujeci!n ocurre no solo cuando el punto de inicio dado al sujeto# sino tambi;n cuando
el sujeto basa su estimado en los resultados de alAn c!mputo incompleto$ Un estudio de
estimaciones num;ricas intuitivas ilustra este e)ecto$ Dos rupos de estudiantes de secundaria
estimaron# dentro de 1 seundos# una eGpresi!n num;rica Due )ue escrita en el piFarr!n$ Un
rupo estim! el producto
/7
7 G 2 G 4 G 1 G : G 0 G . G /
mientras otro rupo estim! el producto
/ G . G 0 G : G 1 G 4 G 2 G 7
Para responder rCpidamente tales preuntas# la ente puede realiFar unos pocos pasos de
c!mputo y estimar el producto por eGtrapolaci!n ! ajuste$ PorDue los ajustes son tpicamente
insu)icientes# ;ste procedimiento debera conducir a una subestimaci!n$ -Cs aAn# porDue el
resultado de los primeros pocos pasos de multiplicaci!n 8realiFados de iFDuierda a derecha9
es mayor en la secuencia descendente Due el la ascendente# la anterior eGpresi!n debera ser
juFada mCs rande Due la Altima$ &mbas predicciones )ueron con)irmadas$ Ba media
estimada para la secuencia ascendente )ue 1/.# mientras Due la media estimada para la
secuencia descendente )ue de .#.13$ Ba respuesta correcta es :3#0.3$
Prejuicios en la estimacin de eventos conjuntivos y disyuntivos
En un reciente estudio por Bar>Hillel 8/6209 a los sujetos se les dio la oportunidad de
apostar a uno de los dos eventos$ 'res tipos de eventos )ueron utiliFados< 8i9 eventos simples#
tales como pintar una canica roja de una bolsa conteniendo 13 por ciento de canicas blancasL
8ii9 eventos conjuntivos# tales como pintar una canica roja siete veces en sucesi!n# con
reemplaFo# de una bolsa conteniendo el 63 por ciento de canicas rojas y /3 por ciento de
canicas blancasL y 8iii9 eventos disyuntivos# tales como dibujar una canica roja al menos una
veF en siete intentos sucesivos# con reemplaFo# de una bolsa conteniendo /3 por ciento de
canicas rojas y 63 por ciento de canicas blancas$ En este problema# una sini)icante mayora
de sujetos pre)irieron apostar al evento conjuntivo 8la probabilidad del cual es $:79 mCs Due al
evento simple 8la probabilidad del cual es $139$ Bos sujetos tambi;n pre)irieron apostar al
evento simple mCs Due al evento disyuntivo# el cual tiene una probabilidad de $1.$ Por tanto#
la mayora de los sujetos apostaron al evento menos probable en ambas comparaciones$ Este
patr!n de escoencias ilustra un descubrimiento eneral$ Estudios de escoencia entre jueos
de aFar y de juicios de probabilidad indican Due la ente tiende a sobreestimar la probabilidad
de eventos conjuntivos 8Cohen# Chesnic( R Haran# /62.# .:9 y a subestimar la probabilidad
de eventos disyuntivos$ Estos prejuicios son prontamente eGplicados como e)ectos de la
sujeci!n$ Ba probabilidad establecida de los eventos elementales 8sucesos en cualDuier etapa9
proveen un punto de inicio natural para la estimaci!n de las probabilidades de ambos eventos
conjuntivos y disyuntivos$ Desde Due el ajuste del punto de inicio es tpicamente insu)iciente#
los estimados )inales permanecen muy cerca de las probabilidades de los eventos elementales
en ambos casos$ *ote Due la total probabilidad de un evento conjuntivo es menor Due la
probabilidad de cada evento elemental mientras Due la probabilidad de un evento disyuntivo
es mayor Due la probabilidad de cada evento elemental$ Como una consecuencia de la
sujeci!n# la probabilidad total serC sobreestimada en problemas conjuntivos y subestimada en
problemas disyuntivos$
Bos prejuicios en la evaluaci!n de eventos compuestos son particularmente sini)icantes
en el conteGto de la plani)icaci!n$ Ba terminaci!n eGitosa de una empresa# tal como el
desarrollo de un nuevo producto# tpicamente tiene un carCcter conjuntivo< para Due la
empresa tena ;Gito# cada una de las series de eventos deben ocurrir$ &An cuando cada uno de
estos eventos es muy probable# la probabilidad total de ;Gito puede ser muy baja si el nAmero
de eventos es rande$ Ba tendencia eneral a sobreestimar la probabilidad de eventos
conjuntivos conduce a un optimismo sin aranta en la evaluaci!n de la probabilidad de Due
un plan tendrC ;Gito ! Due un proyecto serC completado en tiempo$ & la inversa# estructuras
disyuntivas son tpicamente encontradas en la evaluaci!n de riesos$ Un sistema complejo#
/6
tal como un reactor nuclear ! un cuerpo humano# )uncionarC mal si cualDuiera de sus
componentes esenciales )allan$ &An cuando la probabilidad de una )alla en cada componente
es liera# la probabilidad de una )alla total puede ser alta si muchos componentes estCn
involucrados$ Debido a la sujeci!n# la ente tenderC a subestimar las probabilidades )alla en
sistemas complejos$ Por lo tanto# la direcci!n de los prejuicios de sujeci!n pueden ser
alunas veces in)eridos de la estructura del evento$ Ba estructura en )orma de cadena !
conjunciones conducen a una sobreestimaci!n# la estructura de disyunciones en )orma de
embudo conduce a una subestimaci!n$
Sujecin en la evaluacin de probabilidades subjetivas de distribucin
En el anClisis de decisi!n# los eGpertos son a menudo reDueridos a eGpresar sus creencias
sobre una cantidad# tal como el valor del promedio del ndice Da+ =ones en un da particular#
en la )orma de una probabilidad de distribuci!n$ 'al distribuci!n es usualmente construida
reDuiriendo a la persona Due seleccione valores de la cantidad Due corresponden a
especi)icados porcentajes de sus probabilidades subjetivas de distribuci!n$ Por ejemplo# el
jueF puede ser reDuerido a seleccionar un nAmero# M63# tal Due su probabilidad subjetiva de
Due este nAmero serC mCs alto Due el valor promedio del ndice Da+ =ones es $63$ Pue es#
Due ;l debera seleccionar el valor M63 de tal modo Due ;l est; justo dispuesto a aceptar 6 a /
la posibilidad de Due el promedio del ndice Da+ =ones no lo eGcederC$ Una probabilidad
subjetiva de distribuci!n para el valor del ndice promedio Da+ =ones puede ser construido
de varios de tales juicios correspondiendo a di)erentes porcentajes$
Coleccionando probabilidades subjetivas de distribuciones para muchas cantidades
di)erentes# es posible probar el juicio por una calibraci!n apropiada$ Un juicio es
apropiadamente 8! eGternamente9 calibrado en un jueo de problemas si eGactamente el
porcentaje II de los valores verdaderos de las cantidades evaluadas caen por debajo de sus
valores establecidos de MII $ Por ejemplo# los valores verdaderos deberan caer por debajo de
M3/ para el / por ciento de las cantidades y arriba de M66 para el / por ciento de las
cantidades$ Por tanto# los verdaderos valores deberan caer en la con)ianFa en los intervalos
entre M3/ y M66 en el 67 por ciento de los problemas$
Jarios investiadores 8&lpert R "ai))a# /646# ./L Sta\l von Holstein# /62/bL Hin(ler#
/6429 han obtenido probabilidad de trastornos para muchas cantidades de un ran nAmero
juicios$ Estas distribuciones indicaron randes y sistemCticos alejamientos de la calibraci!n$
&propiada$ En la mayora de los estudios# los valores actuales de las cantidades establecidas
son ya sea mCs peDueEos Due M3/ para alrededor del 03 por ciento de los problemas$ Eso es#
Due los sujetos ponen eGcesivamente con)ianFa en los intervalos los cuales re)lejan mCs
certeFa de la Due es justi)icada por su conocimiento sobre las cantidades )ijadas$ Este
prejuicio es comAn para los sujetos inenuos y para los so)isticados# y no es eliminado por
introducir apropiadas relas de puntuaci!n# las cuales proveen incentivos para la calibraci!n
eGterna$ Este e)ecto es atribuible# en parte al menos# a la sujeci!n$
Para seleccionar M63 para el valor del ndice promedio Da+ =ones# por ejemplo# es natural
empeFar por pensar sobre el mejor estimado de uno del ndice Da+ =ones y ajustar este valor
hacia arriba$ Si este ajuste S como la mayora de otros S es insu)iciente# entonces M63 no serC
su)icientemente eGtremo$ Un e)ecto similar de sujeci!n ocurre en la selecci!n de M/3# el cual
es obtenido por ajustar el mejor estimado de uno hacia abajo$ Consecuentemente# la
con)ianFa en el intervalo entre M/3 y M63 serC demasiado estrecho y la probabilidad de
distribuci!n )ijada serC muy apretada$ En soporte a esta interpretaci!n puede ser mostrado
Due las probabilidades subjetivas son sistemCticamente alteradas por un procedimiento en el
cual el mejor estimado de uno no sirve como una sujeci!n$
.3
Bas probabilidades subjetivas de distribuciones para una cantidad dada 8el ndice
promedio Da+ =ones9 puede ser obtenido de dos di)erentes modos< 8i9 reDuiriendo al sujeto
Due selecciones valores del ndice Da+ =ones Due correspondan a porcentajes especi)icados
de su probabilidad de distribuci!n y 8ii9 reDuiriendo del sujeto Due )ije las probabilidades Due
el verdadero valor del ndice Da+ =ones eGcederC alunos valores especi)icados$ Bos dos
procedimientos son )ormalmente eDuivalentes y deberan producir id;nticas distribuciones$
Sin embaro# ellos suieren di)erentes modos de ajuste de di)erentes sujeciones$ En el
procedimiento 8i9# el punto natural de inicio es nuestro mejor estimado de la calidad$ En el
procedimiento 8ii9# por otro lado# el sujeto debe ser sujetado al valor establecido en el
problema$ &lternativamente# ;l puede ser sujetado a probabilidades iuales# A oportunidades
de 13>13# los cual es un punto natural de inicio en la estimaci!n de la probabilidad$ En
cualDuier caso# el procedimiento 8ii9 debera producir menores di)erencias eGtremas Due el
procedimiento 8i9$
Para contrastar los dos procedimientos# un jueo de .: cantidades 8tal como la distancia
por aire de *ueva Delhi a Pe(in9 )ue presentada a un rupo de sujetos Duienes )ijaron ya sea
M/3 ! M63 para cada problema$ %tro rupo de sujetos recibi! el juicio medio del primer rupo
para cada una de las .: cantidades$ Ellos )ueron reDueridos a )ijar las probabilidades Due
cada uno de los valores dado eGcedieron el verdadero valor de la cantidad relevante$ En la
ausencia de cualDuier prejuicio# el seundo rupo debera retribuir las probabilidades
especi)icadas al primer rupo## lo Due es # 6 a /$ Sin embaro# si probabilidades iuales ! el
valor establecido sirven como sujeciones# las probabilidades del seundo rupo deberan ser
menos eGtremas# lo Due es# mCs cerca de /</$ Ciertamente# las probabilidades medias
establecidas por este rupo# a trav;s de todos los problemas# )ueron 0</$ Cuando los juicios
de los dos rupos )ueron probados por calibraci!n eGterna# se encontr! Due los sujetos en el
primer rupo )ueron muy eGtremos# de acuerdo con estudios anteriores$ Bos eventos Due ellos
de)inieron como teniendo una probabilidad de $/3 actualmente se obtuvo en el .: por ciento
de los casos$ En contraste# los sujetos en el seundo rupo )ueron muy conservadores$ Bos
eventos a los cuales ellos le asinaron una probabilidad promedio de $0: actualmente se
obtuvo en el .4 por ciento de los casos$ Estos resultados ilustran la manera en la cual el rado
de calibraci!n depende del procedimiento de obtenci!n$
Discusin
Este artculo ha estado relacionado con prejuicios conitivos Due son el resultado de la
con)ianFa en los juicios heursticos$ Estos prejuicios no son atribuibles a e)ectos
motivacionales tales como ilusiones ! la distorsi!n de los juicios por recompensas ! castios$
Ciertamente# varios de los errores de juicio severos reportados anteriormente ocurrieron a
pesar del hecho Due los sujetos )ueron estimulados a ser eGactos y )ueron premiados por la
respuesta correcta 8Kahneman R 'vers(y# /62.bL 'vers(y R Kahneman# /620# //9$
Ba dependencia en la heurstica y la predominancia de los prejuicios no estCn restrinidos
solo para los leos$ EGperimentados investiadores estCn tambi;n propensos a los mismos
prejuicios cuando ellos piensan intuitivamente# Por ejemplo# la tendencia a predecir los
resultados Due mejor representan los datos# con insu)iciente consideraci!n por previa
probabilidad# ha sido observada en los juicios intuitivos de individuos Duienes han tenido un
eGtenso entrenamiento en estadstica 8Kahneman R 'vers(y# /620# :L 'vers(y R Kahneman#
/62/#.9$ &unDue la estadstica so)isticada evita errores elementales# tal como la )alacia del
juador# sus juicios intuitivos estCn sujetos a )alacias similares en problemas mCs intrincados
y menos transparentes$
*o es sorprendente Due la utilidad heurstica como representatividad y disponibilidad son
retenidas# aunDue ellas ocasionalmente conducen a errores de predicci!n ! estimaci!n$ Bo
./
Due es talveF sorprendente es la )alla de la ente de in)erir de la eGperiencia de toda la vida
tales relas )undamentales de estadstica como reresi!n hacia el medio# ! el e)ecto del
tamaEo de una muestra en muestrear la variabilidad$ &unDue todos estCn eGpuestos# en el
curso normal de la vida# a numerosos ejemplos de los cuales estas relas podran haber sido
inducidas# muy poca ente descubre los principios de muestrear y reresi!n por su propia
cuenta$ Bos principios de la estadstica no son aprendidos de la eGperiencia de cada da
porDue las instancias relevantes no estCn codi)icadas apropiadamente$ Por ejemplo# la ente
no descubre Due las lneas sucesivas de un teGto di)ieren mCs en promedio de lonitud de
palabra Due lo Due hacen las pCinas sucesivas# porDue ellas simplemente no atienden al
promedio de lonitud de palabra de lneas individuales ! pCinas$ Por lo tanto# la ente no
aprende la relaci!n entre tamaEo de la muestra y muestrear la variabilidad# aunDue los datos
para tal aprendiFaje son abundantes$
Ba carencia de un c!dio apropiado tambi;n eGplica el por Du; la ente usualmente no
detecta los prejuicios en sus juicios de probabilidad$ Una persona podra concebiblemente
aprender si sus juicios son eGternamente calibrados uardando un reistro de la proporci!n
de los eventos Due actualmente ocurren entre aDuellos a los cuales ;l asina la misma
probabilidad$ Sin embaro# no es natural para el rupo de eventos por su juFada
probabilidad$ En la ausencia de tal arupamiento es imposible para un individuo descubrir#
por ejemplo# Due solo el 13 por ciento de las predicciones a las cuales ;l ha asinado una
probabilidad de $6 ! mayor actualmente es cierta$
El anClisis emprico de los prejuicios conitivos tiene implicaciones para el papel te!rico
y aplicado de las probabilidades juFadas$ Ba teora de decisi!n moderna 8de ?inetti# /647L
Savae# /61:9considera la probabilidad subjetiva como la opini!n cuanti)icada de una
persona idealiFada$ Especialmente la probabilidad subjetiva de un evento dado es de)inida
por el jueo de apuestas sobre este evento Due tal como una persona estC dispuesta a aceptar$
Una internamente consistente# ! coherente# medida de la probabilidad subjetiva puede ser
derivada por un individuo si sus escoencias entre apuestas satis)acen ciertos principios# Due
es# los aGiomas de la teora$ Ba probabilidad derivada es subjetiva en el sentido Due a ciertos
individuos se les concede tener di)erentes probabilidades para el mismo evento$ Ba mayor
contribuci!n de esta aproGimaci!n es Due provee una riurosa interpretaci!n subjetiva de la
probabilidad Due es aplicable a eventos Anicos y es introducida en una teora eneral de
decisi!n racional$
Debera talveF ser notado# Due mientras Due las probabilidades subjetivas pueden alunas
veces ser in)eridas de pre)erencias entre apuestas# ellas no son normalmente )ormadas en este
estilo$ Una persona apuesta al eDuipo & mCs Due al eDuipo B porDue el cree Due el eDuipo &
es mCs probable Due aneL ;l no in)iere esta creencia de sus pre)erencias en las apuestas$ Por
lo tanto# en realidad# las probabilidades subjetivas determinan las pre)erencias entre apuestas
y no son derivadas de ellas# como en el la teora aGiomCtica de la decisi!n racional 8Savae#
/61:9$
Ba naturaleFa inherentemente subjetiva de la probabilidad natural ha conducido a muchos
estudiantes a la creencia Due la coherencia# ! la consistencia interna# es el Anico criterio
vClido por el cual las probabilidades juFadas deberan ser evaluadas$ Desde el punto de vista
de la teora )ormal de la probabilidad subjetiva# cualDuier jueo de probabilidades juFadas
internamente consistentes es tan bueno como cualDuier otro$ Este criterio no es enteramente
satis)actorio# porDue un jueo internamente consistente de probabilidades subjetivas puede
ser incompatible con otras creencias sostenidas por el individuo$ Considere una persona
cuyas probabilidades subjetivas para todos los resultados posibles de un jueo de la lanFada
de la moneda re)lejan la )alacia del juador$ Pue es# su estimaci!n de la probabilidad de cruF
8la otra cara de la moneda9 en una particular lanFada se incrementa con el nAmero
consecutivo de caras Due precedieron ese lanFamiento$ Bos juicios de tal persona podran ser
..
internamente consistentes y por consiuiente aceptables como probabilidades subjetivas
adecuadas de acuerdo al criterio de la teora )ormal$ Estas probabilidades sin embaro# son
incompatibles con la eneralmente sostenida creencia Due una moneda no tiene memoria y es
por consiuiente incapaF de enerar dependencias secuenciales$ Por probabilidades juFadas
de ser consideradas adecuadas# ! racionales# la consistencia interna no es su)iciente$ Bos
juicios deben ser compatibles con la red entera de creencias sostenidas por el individuo$
Desa)ortunadamente# no pueden haber procedimientos )ormales simples para evaluar la
compatibilidad de un jueo de juicios de probabilidad con el sistema total del juicio de las
creencias$ El juicio racional no obstante no obstante procurarC conseuir la compatibilidad#
aAn cuando la consistencia interna sea mCs )Ccilmente adDuirida y valorada$ En particular# ;l
intentarC hacer sus juicios de probabilidad compatibles con su conocimiento sobre la
importancia del sujeto# las leyes de probabilidad y su propio juicio heurstico y prejuicios$
Resumen
Este artculo describi! tres heursticas Due son empleadas en hacer juicios bajo
incertidumbre< 8i9 la representatividad la cual es empleada cuando la ente es reDuerida a
juFar la probabilidad Due un objeto ! evento & perteneFca a la clase ! proceso BL 8ii9
disponibilidad de instancias ! escenarios# los cuales son a menudo empleados cuando la
ente es reDuerida a evaluar la )recuencia de una clase ! la plausibilidad de un desarrollo
particularL 8iii9 ajuste de una sujeci!n# la cual es usualmente empleada en la predicci!n
num;rica cuando un valor relevante estC disponible$ Estas heursticas son altamente
econ!micas y usualmente e)ectivas# pero ellas conducen a sistemCticos y predecibles errores$
Una mejor comprensi!n de estas heursticas y de los prejuicios a los cuales ellas conducen
podra mejorar los juicios y decisiones en situaciones de incertidumbre$
.0
Parte II
Representatividad
.:
+( Creencia en la ley de los n,meros pe-ue.os
NSupona Due usted corre un eGperimento sobre .3 sujetos# y ha obtenido un resultado
sini)icante el cual con)irma su teora 8F [ .$.0# p ] $31# dos cruFadas9$ Usted ahora tiene
motivo para correr un rupo adicional de /3 sujetos$ Pu; piensa usted Due la probabilidad es
Due los resultados serCn sini)icantes# por una prueba de una cruFada# separadamente para
este rupoQ
Si usted siente Due la probabilidad en aluna parte es de alrededor de $71# usted puede ser
aradado en saber Due usted pertenece a un rupo mayoritario$ Ciertamente# esa )ue la
respuesta media de dos peDueEos rupos Duienes )ueron su)iciente amables para responder a
un cuestionario distribuido en las reuniones del Irupo de Psicoloa -atemCtica y de
&sociaci!n &mericana de Psicoloa$
Por otro lado# si usted siente Due la probabilidad es de alrededor de $:7# usted pertenece a
una minora$ Solo 6 de nuestros 7: entrevistados dieron respuestas entre $:3 y $43$ Sin
embaro# $:7 dio la casualidad de ser mucho mCs raFonables en su estimaci!n Due el $71$ ^/_
&parentemente# la mayora de los psic!loos tienen una eGaerada creencia en la
probabilidad de replicar eGitosamente un descubrimiento obtenido$ Bas )uentes de tales
creencias y sus consecuencias por la conducta de la investiaci!n cient)ica son sobre lo Due
versa este trabajo$ *uestra tesis es Due la ente tiene )uertes intuiciones sobre el muestreo al
aFarL Due estas intuiciones son compartidas con sujetos inenuos y por cient)icos entrenadosL
y Due ellas son aplicadas con desa)ortunadas consecuencias en el curso de la investiaci!n
cient)ica$
Presentamos Due la ente ve una muestra sacada al aFar de una poblaci!n como altamente
representativa# Due es# similar a la poblaci!n en todas las caractersticas esenciales$
Consecuentemente# ellos esperan Due cualDuiera de las dos muestras tomadas de una
poblaci!n particular sean mCs similares una con la otra y a la poblaci!n Due la teora del
muestreo predice# al menos para peDueEas muestras$
Ba tendencia a considerar una muestra como una representaci!n es mani)iesta en una
amplia variedad de situaciones$ Cuando los sujetos con instruidos a enerar una secuencia al
^/_ Ba reDuerida estimaci!n puede ser interpretada de varias maneras$ Una posible aproGimaci!n es continuar la
prCctica comAn de investiaci!n# donde un valor obtenido en un estudio es tomado para de)inir una alternativa
plausible para la hip!tesis invClida$ Ba probabilidad reDuerida en el asunto puede ser interpretada como el poder
de la seunda prueba 8por ejemplo# la probabilidad de obtener un sini)icante resultado en la seunda muestra9
contra la hip!tesis alternativa de)inida por el resultado de la primera muestra$ En el caso especial de un ensayo
de una media con variante conocida# uno computara el poder del ensayo contra la hip!tesis Due la poblaci!n
media iuala la media de la primera prueba$ Desde Due el tamaEo de la seunda muestra es la mitad del de la
primera# la probabilidad computada de obtener F ` /$:41 es de solo $:20$ Una te!ricamente mCs justi)icable
aproGimaci!n es interpretar la probabilidad reDuerida dentro de un marco de trabajo Bayesiano y computarla
relativa a aluna distribuci!n anterior adecuadamente seleccionada$ &sumiendo una previa uni)orme# la
probabilidad deseada posterior es de $:27$ Claramente# si la distribuci!n previa )avorece a la hip!tesis invClida#
como es a menudo el caso# la probabilidad posterior serC aAn menor$ Este captulo apareci! oriinalmente en el
.1
Psycholoical Bulletin# /62/# .# /31>/3> Copyriht 5 /62/ por la &sociaci!n &mericana de Psicoloa$
"eimpresa con permiso$
aFar de lanFamientos de lanFamientos hipot;ticos de una moneda leal# por ejemplo# ellos
producen secuencias donde la proporci!n de caras en cualDuier semento corto permanecen
mCs cercanas a $13 Due las leyes de la probabilidad predeciran 8'une# /64:9$ Por lo tanto#
cada semento de la respuesta a la secuencia es altamente representativa de la NlimpieFaO de
la moneda$ E)ectos similares son observados cuando los sujetos predicen sucesivamente
eventos en unas series eneradas al aFar# como en eGperimentos de aprendiFaje de la
probabilidad 8Estes# /64:9 ! en otros jueos secuenciales de oportunidad$ Bos sujetos actAan
como si cada semento de la secuencia al aFar debe re)lejar la proporci!n verdadera< si la
secuencia se ha eGtraviado de la proporci!n de la poblaci!n# una prevenci!n correctiva en la
otra direcci!n es esperada$ Esto ha sido llamado la )alacia del juador$
El coraF!n de la )alacia del juador es un concepto err!neo de la lealidad de las leyes de
la oportunidad$ El juador siente Due la lealidad de la moneda lo vincula a esperar Due
cualDuier desviaci!n en una direcci!n serC pronto cancelada por una correspondiente
desviaci!n en la otra$ &An la mCs leal de las monedas# sin embaro# dadas las limitaciones
de su memoria y sentido moral# no pueden ser tan leales como el juador espera Due sea$
Esta )alacia no es Anica para los juadores$ Considere el ejemplo siuiente<
Ba media IP de la poblaci!n de 7 rados en una ciudad es conocida de ser /33$ Usted ha seleccionado
una muestra al aFar de 13 niEos para un estudio de loros educativos$ El primer niEo prob! tener un
IP de /13$ Pu; espera usted Due sea la media del IP para la totalidad de la muestraQ
Ba respuesta correcta es /3/$ Un sorprendentemente ran nAmero de la ente cree Due el
IP esperado para la muestra es todava de /33$ Esta eGpectativa puede ser justi)icada solo por
la creencia Due un proceso al aFar es auto>correctivo$ Benuajes tales como Nlos errores se
cancelan uno al otroO re)lejan la imaen de un proceso auto>correctivo$ &lunos procesos
)amiliares en naturaleFa obedecen tales leyes< una desviaci!n de un eDuilibrio estable
produce una )uerFo Due restaura el eDuilibrio$ Bas leyes de la oportunidad# en contraste# no
trabajan de ese modo< las desviaciones no son canceladas como muestreo del producto# ellas
son meramente diluidas$
Hasta aDu# hemos intentado describir dos intuiciones relacionadas sobre la oportunidad$
*osotros propusimos una hip!tesis de la representaci!n de acuerdo a la cual la ente cree Due
las muestras son muy similares una a la otra y a la poblaci!n de la cual ellas son tomadas$
'ambi;n suerimos Due la ente cree en el muestreo como un proceso auto>correctivo$ Bas
dos creencias conducen a las mismas consecuencias$ &mbas eneran eGpectativas sobre las
caractersticas de la muestras# y la variabilidad de ;stas eGpectativas es menor Due la
verdadera variabilidad# al menos para peDueEas muestras$
Ba ley de nAmeros randes arantiFa Due muestras muy randes serCn ciertamente
altamente representativas de la poblaci!n de la cual ellas son tomadas$ Si# adicionalmente#
una tendencia auto>correctiva se marca en el trabajo# entonces peDueEas muestras deberan
tambi;n ser altamente representativas y similares a otra$ Bas intuiciones de la ente sobre el
muestreo al aFar parece satis)acer la ley de los nAmeros peDueEos# la cual asevera Due la ley
de los nAmeros randes se aplica a los nAmeros peDueEos tambi;n$
Considere a un cient)ico hipot;tico Duien vive por la ley de los nAmeros peDueEos$
C!mo su )recuencia a)ectara su trabajo cient)icoQ Considere nuestros )en!menos de
estudios cient)icos cuya manitud es peDueEa relativa a la incontrolada variabilidad# Due es#
la relaci!n de la seEal de ruido en los mensajes Due ;l recibe de la naturaleFa es baja$ *uestro
cient)ico podra ser un meteor!loo# un )armac!loo ! talveF un psic!loo$
Si ;l cree en la ley de los nAmeros peDueEos# el cient)ico tendrC eGaerada con)ianFa en
la valideF de las conclusiones basadas sobre peDueEas muestras$ Para ilustrar# supona Due ;l
.4
estC comprometido en estudiar con cual de los dos jueos in)antiles pre)era juar$ De los
primeros cinco in)antes estudiados# cuatro han mostrado una pre)erencia por el mismo
juuete$ -uchos psic!loos sentirCn aluna con)ianFa en este punto# de Due la hip!tesis
invClida de ninuna pre)erencia es )alsa$ &)ortunadamente# tal convicci!n no es una
condici!n su)iciente para una publicaci!n periodstica# aunDue puede hacerse mediante un
libro$ Por un rCpido cClculo# nuestro psic!loo descubrirC Due la probabilidad de un resultado
tan eGtremo como el obtenido es alto como a por debajo de la hip!tesis invClida$
Para estar seuro# la aplicaci!n de la hip!tesis estadstica probando la in)erencia cient)ica
estC rodeada de serias di)icultades$ *o obstante# el c!mputo de los niveles de sini)icancia 8!
raFones de probabilidad# como un Bayesiano seran pre)eribles9 )orFa al cient)ico a evaluar
el e)ecto obtenido en t;rminos de una estimaci!n vClida de la varianFa del muestreo mCs Due
en t;rminos de su estimado subjetivo in)luenciado$ Pruebas estadsticas# por consiuiente#
proteen a la comunidad cient)ica contra eGcesivamente irre)leGivos rechaFos a la hip!tesis
invClida 8por ejemplo# error 'ipo I9 viilando a sus muchos miembros Duienes viviran mejor
por la ley de los nAmeros peDueEos$$ Por otro lado# no eGisten salvauardas comparables
contra el rieso de )allar en con)irmar una hip!tesis de investiaci!n vClida 8por ejemplo#
error 'ipo II9$
Imaine a un psic!loo Duien estudia la correlaci!n entre la necesidad de loros y rados$
Cuando estC decidiendo en el tamaEo de la muestra# ;l puede raFonar como siue< NPu;
correlaci!n espero yoQ " [ $01$ Pu; * necesito para hacer el resultado sini)icanteQ 8-irar
en la tabla9$ * [ 00$ -an)ico# esa es mi muestraO$ El Anico de)ecto en este raFonamiento es
Due nuestro psic!loo se ha olvidado sobre la variaci!n del muestreo# posiblemente porDue ;l
cree Due cualDuier muestra debe ser altamente representativa de su poblaci!n$ Sin embaro#
si su suposici!n sobre la correlaci!n en la poblaci!n es correcta# la correlaci!n en la muestra
es casi probable Due descanse por debajo ! por encima de $01$ De aDu Due# la probabilidad
de obtener un sini)icante resultado 8por ejemplo# el poder de la prueba9 para * [ 00 es
alrededor de $13$
En una detallada investiaci!n del poder de la estadstica# =$ Cohen 8/64.# /6469 ha
provedo de)iniciones plausibles de randes# medianos y peDueEos e)ectos y un eGtenso jueo
de ayudas de c!mputo para la estimaci!n del poder para una variedad de pruebas estadsticas$
En el ensayo normal de una di)erencia entre dos medias# por ejemplo# una di)erencia de $.1b
es peDueEa# una di)erencia de $13b es mediana y una di)erencia de /b es rande# de acuerdo a
las de)iniciones propuestas$ Ba di)erencia media del IP entre o)icinescos y semi>habilidosos
trabajadores es un e)ecto mediano$ En un ineniosos estudio de investiaci!n prCctica# =$
Cohen 8/64.9 revis! todos los anClisis estadsticos publicados en un volumen de la "evista
de Psicoloa &normal y Social# y comput! la probabilidad de detectar cada uno de los tres
tamaEos del e)ecto$ El poder promedio )ue de $/7 para la detecci!n de e)ectos peDueEos# $:7
para e)ectos medianos y de $70 para randes e)ectos$ Si los psic!loos tpicamente esperan
medianos e)ectos y seleccionan un tamaEo de muestra como en el ejemplo de arriba# el poder
de sus estudios debera ciertamente de alrededor de $13$
El anClisis de Cohen muestra Due el poder de la estadstica de muchos estudios
psicol!icos es ridculamente bajo$ Esta es una prCctica auto>destructiva< ella hace cient)icos
)rustrados y una ine)iciente investiaci!n$ El investiador Due ensaya una hip!tesis vClida
pero )alla en obtener resultados sini)icantes no puede ayudar sino considerar a la naturaleFa
no con)iable ! aAn hostil$ &demCs# como %verall 8/6469 ha mostrado# Due la prevalencia de
estudios de)icientes en el poder de la estadstica son no solo destructivos sino actualmente
perniciosos< ello resulta en una ran proporci!n de rechaFos invClidos de la hip!tesis invClida
entre los resultados publicados$
.2
PorDue las consideraciones del poder de la estadstica son de particular importancia en el
diseEo de r;plicas de los estudios# nosotros probamos actitudes concernientes a la r;plica en
nuestro cuestionario$
Supona Due uno de sus estudiantes de doctorado ha completado un di)cil eGperimento con :3
animales Due reDuiere de mucho tiempo$ El ha conseuido y analiFado un ran nAmero de variables$
Sus resultados son eneralmente inconclusos# pero una comparaci!n del antes y despu;s produce un
altamente sini)icante t [ .$23# el cual es sorprendente y podra ser de mayor sini)icancia te!rica$
Considerando la importancia del resultado# su sorpresivo valor y el nAmero de anClisis Due su
estudiante ha llevado a cabo# recomendara usted Due ;l reprodujera el estudio antes de su
publicaci!nQ Si usted recomienda la reproducci!n# cuCntos animales lo urira usted a utiliFarQ
Entre los psic!loos a Duienes pusimos ;stas interroantes hubo un arrollador sentimiento
)avoreciendo la reproducci!n< )ue recomendada por 44 de 21 cuestionados# probablemente
porDue ellos sospecharon Due el solo resultado sini)icante )ue debido a una casualidad$ Ba
recomendaci!n media )ue por Due el estudiante de doctorado utiliFara .3 sujetos en una
reproducci!n del estudio$ Es instructivo considerar las probables consecuencias de este
consejo$ Si la media y la variante en la seunda muestra son en realidad id;nticas a aDuellas
en la primera muestra# entonces el valor resultante de t serC de /$77$ Siuiendo el
raFonamiento del pie de pCina /'0 al )inal de la pCina .1# la posibilidad del estudiante de
obtener un sini)icante resultado en la reproducci!n estC solo lieramente por encima de la
mitad 8para p [ $31# one>tail test9$ Desde Due habamos anticipado Due una reproducci!n de
una muestra de .3 parecera raFonable a nuestros encuestados# areamos la interroante
siuiente<
&suma Due su in)eliF estudiante ha# de hecho# repetido el estudio inicial con .3 animales adicionales
y ha obtenido un resultado insini)icante en la misma direcci!n# t [ /$.:$ Pu; recomendara usted
ahoraQ Comprobaci!n uno< clos nAmeros entre par;ntesis re)ieren el nAmero de encuestados Duienes
comprobaron cada respuesta_
8a9 El debera reunir los resultados y publicar su conclusi!n como un hecho$ 839
8b9 El debera reportar los resultados como un descubrimiento tentativo 8.49
8c9 El debera correr otro rupo 8media de .39 animales 8./9
8d9 El debera de tratar de encontrar una eGplicaci!n para la di)erencia entre los dos rupos 8039
*ote Due sin importar la con)ianFa de uno en el descubrimiento oriinal# su credibilidad
es seuramente intensi)icada por la reproducci!n$ *o solo es el e)ecto eGperimental en la
misma direcci!n en las dos muestras sino Due la manitud del e)ecto en la reproducci!n es
totalmente X de esa en el estudio oriinal$ En vista del tamaEo de la muestra 8.39# el cual
nuestros encuestados recomendaron# la reproducci!n es tan eGitosa como uno tiene derecho a
esperar$ Ba distribuci!n de las respuestas# sin embaro# re)lejan un continuado escepticismo
concerniente a los descubrimientos del estudiante siuiendo la reproducci!n recomendada$
Este in)eliF estado de los asuntos es una tpica consecuencia del insu)iciente poder de la
estadstica$
En contraste a las respuestas b y c# las cuales pueden ser justi)icadas en alunos campos#
la mCs respuesta popular# la respuesta d# es inde)endible$ *osotros dudamos Due la misma
respuesta haya sido obtenida si los encuestados se hubieran percatado de Due la di)erencia
entre los dos estudios no se aproGima ni aAn a la sini)icancia$ 8Si las variantes de las dos
muestras son iuales# t para la di)erencia es de $109$ En la ausencia de una prueba de
estadstica# nuestros encuestados siuieron la hip!tesis de representaci!n< como la di)erencia
entre las dos muestras )ue mCs rande de lo Due ellos esperaban# ellos la vieron como valiosa
.7
de eGplicaci!n$ Sin embaro# el intento de Nencontrar una eGplicaci!n para la di)erencia entre
los dos ruposO es en todo probable un ejercicio en eGplicar el ruido$
'odos nuestros encuestados evaluaron la reproducci!n mCs bien duramente$ Esto siue de
la representaci!n de la hip!tesis< si nosotros esperamos Due todas las muestras sean similares
una a la otra# entonces casi todas las r;plicas de una hip!tesis deberan ser estadsticamente
sini)icativas$ Ba dureFa del criterio para una reproducci!n eGitosa es mani)iesta en las
respuestas a la preunta siuiente<
Un investiador ha reportado un resultado Due usted considera no plausible$ El trabaj! con /1 sujetos#
y report! un sini)icante valor# t [ .$:4$ %tro investiador ha intentado duplicar su procedimiento# y
;l ha obtenido un valor insini)icante de t con el mismo nAmero de sujetos$ Ba direcci!n )ue la misma
en ambos jueos de datos$
Usted estC revisando la literatura$ CuCl es el mCs alto valor de t en el seundo jueo de datos Due
usted describira como una )alla de la reproducci!nQ
Ba mayora de nuestros entrevistados estim! t [ /$23 como una )alla de reproducci!n$ Si
los datos de los dos estudios 8t [.$:4 y t [ /$239 son unidos# el valor de t para los datos
combinados es alrededor de 0$33 8asumiendo variantes iuales9$ Por lo tanto# nos encaramos
con un parad!jico estado de asuntos# en los cuales los mismos datos Due incrementaran
nuestra con)ianFa en el descubrimiento cuando es visto como parte del estudio# tambalean
nuestra con)ianFa cuando es visto como un estudio independiente$ Este doble estCndar es
particularmente disturbante desde Due# por muchas raFones# las reproducciones son
usualmente consideradas como estudios independientes y las hip!tesis son a menudo
evaluadas inscribiendo la con)irmaci!n y la no con)irmaci!n de los reportes$
Contrario a la creencia eGtendida# un caso puede ser hecho para Due la reproducci!n de
una muestra sea a menudo mCs rande Due la oriinal$ Ba decisi!n de reproducir un
descubrimiento una veF obtenido# a menudo eGpresa una ran indulencia por ese
descubrimiento y un deseo de verlo aceptado por una comunidad esc;ptica$ Puesto Due la
comunidad demanda sin raF!n Due la reproducci!n sea independientemente sini)icativa# ! al
menos Due ella se aproGime a la sini)icancia# uno debe correr una muestra rande$ Para
ilustrar# si el in)ortunado estudiante de doctorado cuya tesis )ue discutida anteriormente
asume la valideF de su resultado inicial 8t [ .$23# * [ :39# y si ;l estC dispuesto a aceptar un
rieso de solo $/3 de obtener una t mCs baja Due /$23# ;l debera trabajar aproGimadamente
13 animales en su estudio de reproducci!n$ Con un alo mCs d;bil resultado inicial 8t [ .$.3#
* [ :39# el tamaEo de la reproducci!n de la muestra reDuerida para el mismo poder se eleva a
alrededor de 21$
Pue los e)ectos discutidos hasta aDu no estCn limitados a las hip!tesis sobre sini)icados
y variantes estC demostrado por las respuestas a la preunta siuiente<
Usted ha corrido un estudio correlativo# sacando .3 variables sobre /33 sujetos$ Jeintisiete de los /63
coe)icientes de correlaci!n son sini)icantes al nivel de $31L y 6 de ;stos son sini)icantes mCs allC del
nivel $3/$ El nivel medio absoluto de las correlaciones sini)icantes es $0/ y el patr!n de resultados es
muy raFonable en los campos te!ricos$ CuCntas de las .2 correlaciones sini)icantes esperara usted
ser sini)icantes de nuevo# en una reproducci!n eGacta del estudio# con * [ :3Q
Con * [ :3# una correlaci!n de alrededor de $0/ es reDuerida por sini)icante al nivel $31$
Esta es la media de las correlaciones sini)icantes en el estudio oriinal$ Por lo tanto# solo
alrededor de la mitad de las correlaciones oriinalmente sini)icantes 8por ejemplo /0 ! /:9
permaneceran sini)icantes con * [ :3$ &demCs# por supuesto# las correlaciones en la
reproducci!n son unidas para di)erir de aDuellas en el estudio oriinal$ De aDu Due# por
e)ectos de reresi!n# los coe)icientes inicialmente sini)icantes son mCs probables de ser
.6
reproducidos$ Por lo tanto# 7 a /3 correlaciones sini)icantes repetidas del oriinal .2 es
probablemente un eneroso estimado de lo Due uno tiene derecho a esperar$ Ba media
estimada de nuestros entrevistados es de $/7$ Esto es mCs Due el nAmero de correlaciones
sini)icantes repetidas Due serCn encontradas si las correlaciones son calculadas para :3
sujetos seleccionados al aFar del oriinal de /33d &parentemente# la ente espera mCs Due
una mera duplicaci!n de la sini)icancia de los resultados# con poca importancia por el
tamaEo de la muestra$ Esta eGpectativa reDuiere de una absurda eGtensi!n de la hip!tesis de
la representaci!nL aAn la ley de los nAmeros peDueEos es incapaF de eneral tal resultado$
Ba eGpectativa de Due los patrones de resultados sean aplicables casi en su totalidad
provee lo racional para una comAn# aunDue deplorable prCctica$ El investiador Due computa
todas las correlaciones entre ndices de ansiedad y tres ndices de dependencia a menudo
reportarC e interpretarC con ran con)ianFa la sencilla correlaci!n sini)icante obtenida$ Su
con)ianFa en el inseuro descubrimiento arranca de su creencia Due la matriF de correlaci!n
obtenida es altamente representativa y )Ccilmente reproducible$
En la revisi!n# nosotros hemos visto Due el creyente en la ley de los nAmeros peDueEos
practica la ciencia como siue<
/$ El juea sus hip!tesis de investiaci!n en muestras peDueEas sin darse cuenta Due las
probabilidades en su contra son sin raF!n altas$ El sobreestima el poder$
.$ El tiene indebida con)ianFa en las tendencias anteriores 8por ejemplo# los datos de los
primeros pocos sujetos9 y en la estabilidad de patrones observados 8por ejemplo# el nAmero e
identidad de resultados sini)icantes9$ El sobreestima la sini)icancia$
0$ En evaluar las reproducciones# de ;l ! de otros# ;l tiene sin raF!n altas eGpectativas
sobre la replicabilidad de los resultados sini)icantes$ El subestima la holura de los
intervalos de con)ianFa$
:$ El raramente atribuye una desviaci!n de los resultados de eGpectativas a la
variabilidad del muestreo# porDue ;l encuentra una NeGplicaci!nO causal para cualDuier
discrepancia$ Por lo tanto# ;l tiene poca oportunidad de reconocer la variaci!n del muestreo
en acci!n$ Su creencia en la ley de los nAmeros peDueEos# por consiuiente# permanecerCn
para siempre intactos$
*uestro cuestionario obtuvo considerable evidencia para la prevalencia de la creencia en
la ley de los nAmeros peDueEos$ /+0 *uestro tpico entrevistado es un creyente# sin importar el
rupo al cual ;l pertenece$ *o hubo prCcticamente ninunas di)erencias entre las repuestas
medias de las audiencias en una reuni!n de psicoloa matemCtica y en una sesi!n eneral de
la convenci!n de la &sociaci!n &mericana de Psicoloa# aunDue no hacemos ninAn reclamo
por la representatividad de cualDuiera de las dos muestras$ &parentemente# conocido con la
l!ica )ormal y con la teora de la probabilidad no eGtinue las intuiciones err!neas$ Pu;#
entonces# pude hacerseQ Puede la creencia en la ley de los nAmeros peDueEos ser abolida ! al
menos controladaQ Ba eGperiencia en investiaci!n es improbable de ayudar mucho# porDue
la variaci!n de la muestra es muy )Ccilmente NeGplicadaO Bas eGperiencias correctivas son
aDuellas Due no proveen ni motivo ni oportunidad para la eGplicaci!n espArea$ $Por lo tanto#
un estudiante en un curso de estadstica debe sacar repetidas muestras del tamaEo dado de
una poblaci!n# y aprender el e)ecto del tamaEo de la muestra en la variaci!n del muestreo de
una observaci!n personal$ Estamos lejos de la certeFa# sin embaro# esas eGpectativas pueden
ser correidas en esta manera# desde Due los prejuicios relacionados# tales como la )alacia del
juador# sobrevive a considerable evidencia contradictoria$
/+0 H$ Ed+ards 8/647# .19 ha areido Due la ente )alla al eGtraer su)iciente in)ormaci!n ! certeFa de los datos
probablesL ;l llam! a esta )alla conservatismo$ *uestros entrevistados pueden di)cilmente ser descritos como
conservadores$ -Cs bien# de acuerdo con la hip!tesis de representaci!n# ellos tienden a eGtraer mCs certeFa de
los datos Due# de hecho# contienen$
03
El eGplcito c!mputo de poder# relativo a aluna hip!tesis raFonable# por ejemplo# los
e)ectos peDueEos# medianos y randes de =$ Cohen 8/64.# /6469 seuramente seran llevados
a cabo antes de Due cualDuier estudio sean hecho$ 'ales c!mputos a menudo conducirCn a
darse cuenta de Due all simplemente no eGiste la posibilidad de correr el estudio a menos
Due# por ejemplo# el tamaEo de la muestra sea multiplicado por cuatro$ *os rehusamos a
creer Due un investiador serio a sabiendas aceptarC un $13 de rieso de )allar en con)irmar
una hip!tesis de investiaci!n vClida$ &demCs# los c!mputos de poder son esenciales para la
interpretaci!n de resultados neativos# Due es# )allas en rechaFar hip!tesis invClidas$ Debido a
Due# los estimados intuitivos del poder de los lectores son probables de ser err!neos# la
publicaci!n de los valores calculados no aparenta ser un desperdicio de ya sea el tiempo de
los lectores ! el espacio en la revista$
En la literatura temprana de psicoloa# la convenci!n prevaleciente de reportar# por
ejemplo# una muestra media como - f PE# donde PE es el error probable 8por ejemplo# el
13W del intervalo de con)ianFa alrededor de la media9$ Esta convenci!n )ue mCs tarde
abandonada en )avor de la )ormulaci!n de la prueba de la hip!tesis$ Un intervalo de
con)ianFa# sin embaro# provee un Atil ndice de variabilidad del muestreo# y es precisamente
esta variabilidad la Due nosotros tendemos a subestimar$ El ;n)asis en los niveles de
sini)icancia tiende a oscurecer una distinci!n )undamental entre el tamaEo de un e)ecto y su
sini)icancia estadstica$ Sin importar el tamaEo de la muestra# el tamaEo de un e)ecto en un
estudio es un raFonable estimado del tamaEo del e)ecto en la reproducci!n$ En contraste# el
nivel de sini)icancia estimado en una reproducci!n depende crticamente del tamaEo de la
muestra$ EGpectativas no realistas concernientes a la reproducibilidad de los niveles de
sini)icancia pueden ser correidos si la distinci!n entre el tamaEo y sini)icancia es
clari)icado# y si el tamaEo calculado de los e)ectos observados es rutinariamente reportado$
Desde este punto de vista# al menos# la aceptaci!n del modelo de la prueba de la hip!tesis no
ha sido una ventaja no meFclada para la psicoloa$
El verdadero creyente en la ley de los nAmeros peDueEos comete su multitud de pecados
contra la l!ica de la in)erencia estadstica de buena )e$ Ba hip!tesis de la representaci!n
describe un prejuicio conitivo ! perceptual# el cual opera sin importar los )actores
motivacionales$ Por lo tanto# mientras mCs apresurado sea el rechaFo a la hip!tesis invClida
es rati)icante# el rechaFo a una esperanFadora hip!tesis es aravante# aAn el verdadero
creyente estC sujeto a ambas$ Su eGpectativa intuitiva estC obernada por una consistente
mala percepci!n del mundo mas bien Due por un oportunista deseo de pensar$ Dado alAn
editorial estimulante# el puede escribirse para considerar sus intuiciones estadsticas con
apropiada suspicacia y reemplaFar la )ormaci!n de impresi!n por el c!mputo siempre Due sea
posible$
0/
1( Probabilidad subjetiva2
3n juicio de representatividad
Bas probabilidades subjetivas juean un importante papel en nuestras vidas$ Bas
decisiones Due hacemos# las conclusiones Due alcanFamos y las eGplicaciones Due o)recemos
estCn usualmente basadas en nuestros juicios de la probabilidad de eventos inciertos tales
como el ;Gito en un nuevo trabajo# el resultado de una elecci!n ! el estado del mercado$
Ciertamente# una eGtensa literatura eGperimental ha sido dedicada a la interroante de c!mo
la ente percibe los procesos y evalAa las probabilidades de eventos inciertos en los conteGtos
de aprendiFaje de la probabilidad# estadstica intuitiva y tomar decisiones bajo rieso$
&unDue ninuna teora sistemCtica sobre la psicoloa de incertidumbre ha emerido de ;sta
literatura# varias eneraliFaciones empricas han sido establecidas$ 'alveF la conclusi!n mCs
eneral# obtenidas de numerosas investiaciones# es Due la ente no siue los principios de la
teora de la probabilidad en juFar la probabilidad de eventos inciertos$ Esta conclusi!n es
di)icilmente porDue muchas de las leyes de posibilidad ni intuitivamente aparentes ni
)Ccilmente aplicables$ -enos obvio# sin embaro# es el hecho de las desviaciones de la
probabilidad subjetiva de la objetiva /'0 parecen con)iables# sistemCticas y di)cil de eliminar$
&parentemente# la ente reemplaFa las leyes de posibilidad por heursticas# las cuales a
veces producen estimados raFonables y muy a menudo no$
En el presente trabajo# nosotros investiamos en detalle una de tales heursticas llamada
representatividad$ Una persona Due siue esta heurstica evalAa la probabilidad de un evento
incierto# ! una muestra# por el rado en el cual estC< 8i9 similares en propiedades esenciales a
la poblaci!n de su orienL y 8ii9 re)leja las caractersticas salientes del proceso por el cual es
enerada$ *uestra tesis es Due# en muchas situaciones# un evento & es juFado mCs probable
Due un evento B cuandoDuiera Due & pareFca mas representativa Due B$ En otras palabras# la
ordenaci!n de eventos por sus probabilidades subjetivas coincide con su ordenamiento por
representatividad$
Bas representatividad# como la similitud perceptual# es mCs )Ccil de evaluar Due
caracteriFar$ En ambos casos# no hay de)inici!n eneral disponible# aunDue eGisten muchas
situaciones donde la ente concuerda con cuCl de los dos estmulos es mCs similar al
estCndar# ! cual de los dos eventos es mCs representativo de un proceso dado$ En este trabajo
/'0 *osotros usamos el t;rmino Nprobabilidad subjetivaO para denotar cualDuier estimado de la
probabilidad de un evento# el cual es dado por el sujeto# ! in)erido de su comportamiento$ Estos
estimados no son asumidos para satis)acer cualesDuiera aGiomas ! reDuerimientos consistentes$
*osotros usamos el t;rmino NprobabilidadO objetiva para denotar valores calculados# sobre la base de
suposiciones# de acuerdo a las leyes de cClculo de la probabilidad$ Debera ser evidente Due esta
terminoloa no comprometida con respecto a cualDuier opini!n )ilos!)ica de la probabilidad$
0.
Este captulo es una abreviada versi!n de un trabajo aparecido en Psicoloa Conitiva# /62.# 0# :03>
:1:$ Derechos de autor 5 /62. por &cademic Press# Inc$ "eimpreso con permiso$
nosotros no escalamos la representatividad# aunDue esta es una aproGimaci!n )actible$ En veF
de eso# consideramos casos donde el ordenamiento de eventos de acuerdo a la
representatividad parece obvio# y muestra Due la ente consistentemente juFa al evento mCs
representativo ser el mCs probable# ya sea si es ! no es$ &unDue la representatividad puede
juar un importante papel en muchas variedades de juicios de probabilidad# por ejemplo# la
predicci!n poltica y el juicio clnico# el presente tratamiento estC restrinido situaciones
repetitivas esencialmente donde las probabilidades objetivas son rCpidamente computables
Ba mayora de los datos en este trabajo )ueron recolectados en una )orma de cuestionario
de un total de aproGimadamente /1133 encuestados en Israel$ Bos encuestados )ueron
estudiantes en rados /3# // y /. de escuelas preparatorias para Hih schools 8edades entre
/1 y /79$ Especiales )ueron hechos para mantener la atenci!n y la motivaci!n de los sujetos
8Ss9$ Bos cuestionarios )ueron administrados en un estilo de eGamen rCpido en una situaci!n
natural de aula# y los encuestados )ueron reistrados en las hojas de respuestas$ Cada
encuestado respondi! un peDueEo nAmero de 8tpicamente .>:9 de la preuntas cada una de
las cuales reDuiri!# a los sumo# . minutos$ Bas preuntas )ueron introducidas como un
estudios de las intuiciones de la ente sobre la posibilidad$ Ellas )ueron precedidas por un
estCndar oral de instrucciones los cuales eGplicaban la preunta apropiada en detalle$ El
diseEo eGperimental )ue contrabalanceado para prevenir con)undir con la escuela ! la edad$
Ba mayora de las preuntas les )ueron presentadas a estudiantes universitarios 8edades .3>
.19 y los resultados de las dos poblaciones )ueron indistinuibles$
Determinantes de la representatividad
En ;sta secci!n discutimos las caractersticas de las muestras# ! eventos# Due las hacen
representativas y demuestran sus e)ectos sobre la probabilidad subjetiva$ Primero#
describimos alunas de las caractersticas Due determinan la similitud de una muestra con su
poblaci!n de orien$ Entonces# retornamos al anClisis de las determinantes de una aparente
escoencia al aFar$
Similitud de la muestra a la poblacin
Ba noci!n de representatividad es mejor eGplicada por ejemplos espec)icos$ Considere la
preunta siuiente<
'odas las )amilias de seis niEos en una ciudad )ueron encuestadas$ En 2. )amilias el orden eacto del
nacimiento de los niEos y las niEas )ue I B I B B I$
CuCl es su estimado del nAmero de )amilias encuestadas en el cual el orden eacto de los
nacimientos )ue B I B B B BQ
Bas dos secuencias de los nacimientos son casi iuales probablemente# pero la mayora de
la ente seuramente estarC de acuerdo Due ellas no son iualmente representativas$ Ba
secuencia con cinco niEos y una niEa )alla al re)lejar la proporci!n de niEos y niEas en la
poblaci!n$ Ciertamente# 21 de 6. Ss juFaron esta secuencia ser menor probablemente Due la
secuencia estCndar 8p ] $3/ por un sino de prueba9$ Ba media estimada )ue 03$ Similares
resultados han sido reportados por Cohen y Hansel 8/6149# y por &lberoni 8/64.9$
Uno puede maravillarse de si Ss no simplemente inora el orden de la in)ormaci!n# y
responde la preunta evaluando la )recuencia de las )amilias de cinco niEos y una niEa#
relativa a esa de )amilias de tres niEos y tres niEas$ Sin embaro# cuando reDuerimos el
00
mismo Ss la )recuencia de la secuencia B B B I I I# ellos la vieron como sini)icante
menos probable Due I B B I B I 8p ] $3/9# presumiblemente porDue el anterior parece
menos al aFar$ El orden de in)ormaci!n# por lo tanto# no es simplemente inorado$
Una determinante relacionada de representatividad es si la simple preserva la relaci!n
mayora>minora en la poblaci!n$ *osotros esperamos una muestra Due preserve esta relaci!n
para ser juFada mCs probable Due una 8objetivamente9 muestra iualmente probable donde
esta relaci!n es violada$ Este e)ecto es ilustrado en el problema siuiente<
EGisten dos proramas en un hih school$ Bos estudiantes varones son una mayora 841W9 en el
prorama & y una minora en el prorama B$ EGiste un nAmero iual de clases en cada uno de los dos
proramas$
Usted entra a una clase al aFar y observa Due el 11W de los estudiantes son varones$ CuCl es su
mejor suposici!n S pertenece la clase al prorama & ! al prorama BQ
,a Due la mayora de estudiantes en la clase son varones# la clase es mCs representativa
del prorama & Due del prorama B$ En consecuencia# 42 de 76 Ss supusieron Due la clases
pertenece al prorama & 8p ] $3/ por sino de prueba9$ De hecho# es lieramente mCs
probable Due la clase perteneFca al prorama B 8puesto Due la variante para p [ $:1 aDuella
para p [ $419$
Una muestra en la cual los varios posibles resultados estCn presentes es# en eneral# mCs
representativa Due una muestra comparable en la cual alunos de los resultados no estCn
incluidos$ Por ejemplo# dado un proceso binomio con p [ :T1# una sini)icante mayora de Ss
juFan una muestra de /3 ;Gitos y 3 )allas ser menos probable Due una muestra de 4 ;Gitos y
: )allas# aunDue la muestra anterior es# de hecho# mCs probable$
Bos e)ectos de prejuiciar la representatividad no estCn limitados a simples sujetos$ Ellos
tambi;n son encontrados 8'vers(y R Kahneman# /62/# .9 en los juicios intuitivos de
so)isticados psic!loos$ Ba sini)icancia estadstica es comAnmente vista como la
representaci!n de la verdad cient)ica$ De aDu Due# un e)ecto real 8en la poblaci!n9 se espera
ser representado por un resultado sini)icante 8en la muestra9 con insu)iciente consideraci!n
por el tamaEo de la muestra$ Como una consecuencia# los investiadores estCn propensos a
sobreestimar la probabilidad de un resultado sini)icante siempre Due ellos crean en la
hip!tesis invClida ser )alsa$
Por ejemplo# la siuiente preunta )ue )ormulada a los participantes de una reuni!n del
Irupo de Psicoloa -atemCtica y la &sociaci!n &mericana de Psicoloa<
Supona Due usted ha corrido un eGperimento con .3 Ss# y ha obtenido un resultado sini)icante el
cual con)irma su teora 8F [ .$.0# p ] $31# t+o>tailed Q9$ Usted ahora tiene motivo para correr un
rupo adicional de /3 Ss$ CuCl piensa usted Due es la probabilidad de Due los resultados serCn
sini)icantes# por una prueba one>tailed 8Q9# separadamente para este rupoQ
Un estimado realstico de la probabilidad deseada es de aluna manera mCs bajo Due $13$
Ba media estimada de los encuestados )ue tan alta como $71$ Esta injusti)icada con)ianFa en
la reproducibilidad de la sini)icancia tiene severas consecuencias para el conducto de la
investiaci!n< Ella conduce a eGpectativas irreales concernientes a la sini)icancia# y
resultados en el planeamiento de estudios los cuales son de)icientes en el poder estadstico#
vea =$ Cohen 8/64.9$
!eflein sobre aleatoriedad
0:
Para ser representativa# no es su)iciente Due un evento incierto sea similar a su poblaci!n
oriinal$ El evento debera tambi;n re)lejar las propiedades del proceso incierto por el cual el
es enerado# Due es# Due el debera parecer aleatorio$ Como es cierta la similitud de la
muestra para la poblaci!n# las caractersticas espec)icas Due determinan la aparente
aleatoriedad di)iere dependiendo del conteGto$ *o obstante# dos propiedades enerales#
irreularidad y representatividad local# parecen capturar la noci!n intuitiva de la aleatoriedad$
Estas propiedades son ahora discutidas en el orden correcto$ Una mayor caracterstica de la
aleatoriedad aparente es la ausencia de patrones sistemCticos$ Una secuencia de lances de
moneda# /+0 por ejemplo# la cual contiene una obvia reularidad no es representativa$ Por lo
tanto# alternando secuencias de caras y cruces# tales como H ' H ' H ' H ' ! ' ' H H ' ' H
H# )alla al re)lejar la aleatoriedad del proceso$ Ciertamente# Ss juFa tales secuencias como
relativamente improbables y las evitan en producir secuencias de aleatoriedad simuladas
8'une# /64:L Haenaar# /6239$
&luna irreularidad es esperada# no solo en el orden de resultados# sino tambi;n en su
distribuci!n# como se muestra en el problema siuiente<
En cada ronda de un jueo# .3 canicas son distribuidas al aFar entre cinco niEos< &lan# Ben# Carl y
Ed$ Considere las siuientes distribuciones<

I II
&lan : &lan :
Ben : Ben :
Carl 1 Carl :
Dan : Dan :
Ed 0 Ed :
En muchas rondas del jueo# habrC mCs resultados de tipo I ! de tipo IIQ
Ba distribuci!n uni)orme de las canicas 8II9 es# objetivamente# mCs probable Due la
distribuci!n no uni)orme 8I9# aunDue ella pareFca muy leal para ser el resultado de un
proceso aleatorio$ Ba distribuci!n I# la cual parte lieramente de una repartici!n eDuitativa# es
mCs representativa de una distribuci!n aleatoria$ Una mayora sini)icante de Ss 804 a 1.# p [
$3/# un ensayo de indicio9 visualiFaron la distribuci!n I como mCs probable Due la
distribuci!n II$ Ba presencia de aluna perturbaci!n contribuye a la representatividad y en
consecuencia a la aparente probabilidad de eventos inciertos$
Ss contestaron el problema de arriba como si ellos inoraron la naturaleFa individual de
las dos distribuciones y compararon# las dos clases respectivas de distribuciones#
desestimando la asinaci!n particular de las canicas a los niEos$ Esto no sini)ica Due los Ss
no aprecien la distribuci!n entre una clase y sus instancias$ Bo Due ellos no aprecian es el
impacto apropiado de esta distinci!n en los juicios de )recuencia relativa$
Ba ente visualiFa la posibilidad como impredecible pero esencialmente )avorable$ Por tanto#
ellos esperan esa en una puramente aleatoria asinaci!n de canicas Due cada niEo conseuirC
aproGimadamente 8aunDue no eGactamente9 el mismo nAmero de canicas$ Similarmente# ellos
esperan aAn peDueEas secuencias del lanFamiento de una moneda para casi el mismo nAmero
de caras y cruces$ -Cs eneralmente# una muestra representativa estC representada no solo
lobalmente en la muestra completa# sino tambi;n localmente en cada una de sus partes$ Una
/+0 En este trabajo tratamos con monedas leales solamente$
muestra Due es localmente representativa# sin embaro# se desva sistemCticamente de
eGpectativas de posibilidad< ella contiene demasiadas alternativas y muy pocos rupos$
01
Ba ley de los randes nAmeros aseura Due muestras muy randes son altamente
representativas de las poblaciones de las cuales ellas son tomadas$ En otra parte 8'vers(y R
Kahneman# /62/# .9# hemos caracteriFado la eGpectativa de la representatividad local como
una creencia en la ley de los nAmeros peDueEos# de acuerdo a la cual# Nla ley de los nAmeros
randes se aplica a los nAmeros peDueEos tambi;nO$ Esta creencia# suerimos# subraya las
intuiciones err!neas sobre la aleatoriedad# las cuales son mani)iestas en una amplia variedad
de conteGtos$
Investiaciones sobre la percepci!n de la aleatoriedad 8por ejemplo# 'une# /64:L
Haenaar# /6269 muestran Due cuando la ente es reDuerida a simular un proceso aleatorio#
tal como unas series de lanFamientos de una moneda# ellos producen secuencias las cuales
son localmente representativas# con muchas otras series cortas$ &demCs la ente tiende a
considerarlas como secuencias improbables# ! las rechaFan como no aleatorias# las cuales
tienen la distribuci!n correcta de series laras# presumiblemente porDue las series laras no
son localmente representativas$
Similares descubrimientos han sido tambi;n obtenidos en los cientos de estudios sobre el
aprendiFaje de la probabilidad y predicci!n binaria 8Estes# /64:L -$ "$ =ones# /62/9$ Ba
)alacia del juador# ! el e)ecto de la neativa a la novedad# es una mani)estaci!n de la
creencia en la representatividad local$ Por si las proporciones de los dos resultados son para
ser preservados en sementos cortos# entonces una lara secuencia de un resultado debe ser
seuido por el otro resultado en orden de restaurar el balance$ En un mundo localmente
representativo# de hecho# la )alacia del juador no es ya )alaF$
En su Introduccin a la "eor#a de la Probabilidad$ ?eller 8/647# p$ /439 describe un
ejemplo el cual ilustra la err!nea creencia en la representatividad local$ Durante el intenso
bombardeo de Bondres en la Seunda Iuerra -undial# )ue eneralmente credo Due el patr!n
de bombardeo no podra ser aleatorio# porDue unas pocas secciones de la ciudad )ueron
olpeadas varias veces mientras Due muchas otras no )ueron impactadas del todo$ Por lo
tanto# el patr!n de olpes viol! la representatividad local y la hip!tesis de aleatoriedad
pareca inaceptable$ Para probar esta hip!tesis# el Crea entera del Sur de Bondres )ue dividida
dentro de peDueEas secciones de iual Crea# y la e)ectiva distribuci!n de impactos por secci!n
)ue comparada con la esperada 8Poisson9 distribuci!n bajo la suposici!n del bombardeo
aleatorio$ Contrariamente a la creencia eneral# la correspondencia entre las distribuciones
)ue eGtraordinariamente buena$ NPara el ojo no entrenadoO# ?eller observa Due# Nla
aleatoriedad aparece como reularidad ! tendencia al arupamientoO$
Ba mayora de estudiantes estCn sorprendidos al aprender Due en un rupo de tan pocas
como .0 entes# la probabilidad de Due al menos dos de ellas tienen el mismo da de
cumpleaEos 8por ejemplo# el mismo da y mes9 eGcede un $1$ Claramente# con .0 entes el
esperado nAmero de cumpleaEos por da es menor Due /T/1$ Por lo tanto un da con dos
cumpleaEos# en la presencia de 0:0 das NdesiertosO# es altamente no representativo y el
evento en cuesti!n# parece improbable$ -Cs eneralmente# nosotros conjeturamos Due la
naturaleFa contra>intuitiva de muchos resultados en la teora de la probabilidad es atribuible a
violaciones de representatividad$ 8Por un sorprendente ejemplo de la teora de aleatoriedad de
entes de toda condici!n# vea ?eller# /647# pp$ 7:>779$
Una muestra representativa# entonces# es similar a la poblaci!n en caractersticas
esenciales y re)leja la aleatoriedad como la ente la veL Due es# Due todas sus partes son
representativas y ninuna es muy reular$ Solo unas pocas de todas las muestras posibles
llenan todas estas restricciones$ Ba mayora de las muestras no las llenan# y por consiuiente
no parece n aleatorias$ Entre las .3 posibles secuencias 8no considerando la direcci!n y
desinaci!n9 de seis lanFamientos de una moneda# por ejemplo# nos aventuramos Due solo H
' ' H ' H parecen realmente aleatorias$ Para cuatro lanFamientos# puede Due no haya
ninuna$
04
Ba tendencia a considerar las secuencias binarias como mCs aleatorias Due otras tuvo
dramCticas consecuencias en los eGperimentos /10 de radio genit en los cuales la audiencia
)ue estimulada a enviar 8adivinando9 la identidad de cinco smbolos binarios Due )ueron
Nhechos llear por telepataO por un rupo de personas$ El anClisis de arriba de un mill!n de
respuestas 8Iood)ello+# /6079 revel! Due los nAmeros de aciertos estuvieron muy en eGceso
de la posibilidad para alunas secuencias y muy por debajo de la posibilidad para otras#
dependiendo randemente en la aparente aleatoriedad del objetivo de las secuencias$ Bas
implicaciones de este descubrimiento para la investiaci!n ESP son obvias$
Bas secuencias Due parecen aleatorias son aDuellas cuya descripci!n verbal es mCs lara$
Imanense usted dictando una lara secuencia de smbolos binarios# diamos caras y cruces$
Usted indudablemente utiliFarC cortas eGpresiones tales como Ncuatro 'sO# ! NH>'# tres
vecesO$ Una secuencia con muchas laras series permite eGpresiones cortas del primer tipo$
Ba estructura de la serie de una secuencia Due parece aleatoria minimiFa la disponibilidad de
estas eGpresiones cortas# y por lo tanto de)ine descripciones econ!micas$ Ba aparente
aleatoriedad# por consiuiente# es una )orma de la complejidad de la estructura$
Determinantes de la complejidad estructural# tal como la codibilidad 8Iarner# /623L IlanFer
R Clar(# /640L JitF R 'odd# /6469 a)ectan la aparente aleatoriedad tambi;n$
Distribuciones del muestreo
Hemos propuesto Due Ss asine probabilidades a los eventos de tal manera Due a los
eventos mCs representativos les sean asinadas iuales probabilidades# e iualmente a los
eventos representativos les sean asinadas iuales probabilidades$ En esta secci!n#
investiamos la implicaci!n de estas hip!tesis para el estudio de las distribuciones del
muestreo subjetivo# por ejemplo# las probabilidades Due Ss asine a las muestras de un
tamaEo dado a una poblaci!n especi)icada$
Cuando las muestra es descrita en t;rminos de un estadstica simple# por ejemplo#
proporci!n ! media# el rado al cual ella representa a la poblaci!n es determinado por la
similaridad de esa estadstica al parCmetro correspondiente de la poblaci!n$ Puesto Due el
tamaEo de la muestra no re)leja cualDuier propiedad de la poblaci!n de orien# ella no a)ecta
la representatividad$ Por lo tanto# el evento de encontrar mCs de 433 varones en una muestra
de /333 reci;n nacidos# por ejemplo# es tan representativa como el evento de encontrar mCs
de 43 varones en una muestra de /33 reci;n nacidos$ Bos dos eventos# por consiuiente#
seran juFados iualmente probables# aunDue el Altimo# de hecho# es vastamente mCs
probable$ Similarmente# de acuerdo al presente anClisis# las probabilidades subjetivas de Due
el promedio de altura en una muestra de hombres descansa entre 4 pies o puladas y 4 pies .
puladas sera independiente del tamaEo de la muestra$
Para probar estas predicciones# nueve rupos di)erentes de Ss produjeron distribuciones
de muestreo subjetivo para tres muestras de tamaEos 8* [ /3# /33# /3339 y para cada una de
las tres poblaciones siuientes$
%istribucin de seos& 8Binomial# p [ $139 a los Ss se les dijo Due aproGimadamente * reci;n
nacidos nacieron cada da en una cierta rei!n$ Para * [ /333# por ejemplo# la interroante se
lee como siue<
/10 &radecemos a "$ P$ &belson por llamar nuestra atenci!n sobre este estudio$
Insertar a-u* la 4i#ura ' de la p5#ina 16 del ori#inal(
02
?iura /$ Distribuci!n de seGos$
En Du; porcentaje de das el nAmero de varones entre /33 reci;n nacidos serC como siue<
&rriba de 13 varones
13 a /13 varones
/13 a .13 varones
$ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $
713 a 613 varones
-Cs de 613 varones
*ote Due las cateoras incluyen todas las posibilidades# por tanto sus repuestas deberCn
alcanFar alrededor del /33W$
Para * [ /33# las // cateoras )ueron< hasta 1# 1>/1# etc$ Para * [ /3# cada cateora
contuvo un simple resultado# por ejemplo# 4 varones$
%istribucin de los latidos del corazn& 8Binomial# p [ $739 &Du# a los Ss se les dijo Due
aproGimadamente * reci;n nacidos nacen cada da en una cierta rei!n# y Due el 73W de
todos los reci;n nacidos tienen un latido del coraF!n de tipo h y el restante .3W tiene latido
del coraF!n de tipo i$ Para cada tamaEo de muestra # Ss produjo distribuciones de muestreo
para el nAmero de reci;n nacidos# nacidos cada da con latido del coraF!n tipo h usando las
mismas // cateoras como las de arriba$
Insertar a-u* la 4i#ura + de la p5#ina 78 del ori#inal(
?iura .$ Distribuci!n de tipos de latido del coraF!n
%istribucin de altura& & los Ss se les dijo Due un centro de inducci!n reional reistra el
promedio de altura de * hombres Duienes son eGaminados cada da$ & ellos tambi;n se les
dijo Due el promedio de altura de la poblaci!n masculina descansa entre /23>/21 cm$ 8en
Israel la altura es medida en centmetros9# y Due la )recuencia de las alturas decrece con la
distancia de la media$ Para cada tamaEo de muestra# Ss produjo una distribuci!n del muestreo
del promedio de altura# en las siuientes siete cateoras< arriba de /43# /43>/41# $ $ $ $ # mCs
de /71$
Ba media estimada para las tres poblaciones# respectivamente# son mostradas en las
?iuras /# . y 0 para todos los tres valores de *$ 8El tamaEo del rupo vari! de :1 a 7: con
un promedio de 4.9$ Es aparente Due el tamaEo de la muestra no tiene e)ecto cualDuiera Due
sean las distribuciones del muestreo subjetivo$ Irupos independientes encarados con
problemas Due di)ieren solo en el tamaEo de la muestra# producen distribuciones
distinuibles$ Este resultado se sostiene para poblaciones Due son abstractamente de)inidas#
por ejemplo# el binomial# as como para poblaciones Due son conocidas para los Ss a trav;s
de la eGperiencia diaria# por ejemplo# la altura de los hombres$
Insertar a-u* la 4i#ura 1 de la p5#ina 7' del ori#inal(
?iura 0$ Distribuci!n de altura$
Puesto Due las distribuciones del muestreo subjetivo son independientes de *# las lneas
s!lidas en cada )iura# las cuales conectan los medios de las medias estimadas# pueden ser
07
consideradas como distribuciones de muestreo NuniversalO para la respectiva poblaci!n$ Para
describir la manitud del e)ecto cierto del tamaEo de la muestra# el cual los Ss
completamente inoran# las distribuciones del muestreo correcto paras p [ $13 y p [ $73 se
muestran# juntos con la jcorrespondiente distribuci!n de muestreo NuniversalO# en las ?iuras
: y 1# respectivamente$
Puede verse Due las curvas NuniversalesO son aAn mCs planas Due las curvas correctas
para * [ /3$ Para p [ $13# la variante NuniversalO 8$:79 es aproGimadamente iual a la
variante correcta del muestreo para * [ 1 8$319$ Para p [ $73# la variante de la curva
NuniversalO 8$3479 se ubica entre la variante del muestreo correcto para * [ . y esa para * [
0$
En distribuciones binomiales# la media eneralmente coincide con el modo$
Consecuentemente# cuando p k $13# el vnculo corto debe ser mCs alto Due el vnculo laroL
vea# por ejemplo# la distribuci!n correcta para * [ /3 en la ?iura :$ Ba ?iura : tambi;n
muestra Due esta propiedad es violada por la curva NuniversalO para p [ $73 cuya media es
solo de $40$ Por tanto# aunDue el modo de la distribuci!n del muestreo subjetivo estC
apropiadamente localiFado en el valor mCs representativo# la media estC desplaFada hacia el
vnculo laro$ El mismo resultado ha sido obtenido en otros estudios# por ejemplo# Cohen y
Hansel 8/6149# Peterson# DuCharme y Ed+ards 8/6479$ Por tanto# para p [$73 la distribuci!n
del muestreo NuniversalO de la proporci!n no es una binomial del todod
Insertar a-u* la 4i#ura 7 de la p5#ina 7+ del ori#inal(
?iura :$ Distribuci!n del muestreo p [ $13$
El presente eGperimento di)iere de estudios previos de la binomial subjetiva 8Peterson#
DuCharme R Ed+ards# /647L Hheeler R Beach# /6479 en los dos respectos$ Primero# el
trabajo anterior estuvo relacionado con tamaEos de muestra mucho mCs peDueEos Due
aDuellos del presente estudio$ Seundo# y mCs importante# el nAmero de eventos entre los
cuales las probabilidades )ueron distribuidas no )ue el mismo para di)erentes tamaEos de
muestra< para una muestra de tamaEo *# los Ss evaluaron * l / resultados$ En el presente
estudio# en contraste# los Ss evalAan el mismo nAmero de cateoras para todos los tamaEos
de muestra$ Ba constante de la distribuci!n de muestreo con respecto a *# la cual es
demostrada en las ?iuras /# . y 0# puede no sostenerse eGactamente cuando el nAmero de
cateoras vara# ! cuando la muestra es su)iciente peDueEa para permitir la enumeraci!n de
posibilidades$ Para muestras randes# la enumeraci!n es imposible y el recurso natural es
para una apreciaci!n directa de la representatividad# la cual es dominada por la media de la
muestra ! la proporci!n de la muestra$
Insertar a-u* la 4i#ura 9 de la p5#ina 71 del ori#inal(
?iura 1$ Distribuci!n del muestreo p [ $73$
Para promover la eGploraci!n de la predicci!n de representatividad concerniente al
tamaEo de la muestra# un eGperimento adicional )ue conducido$ Bos Ss )ueron 62 no
raduados de Stan)ord sin educaci!n en probabilidad ! estadstica# corrido en peDueEos
rupos de 1 a /. miembros cada uno$ Bos Ss )ueron presentados# in un orden )ijado# con tres
problemas cada uno de)iniendo un proceso de muestreo con una media espec)ica y un valor
crtico por encima de la media# y reDueridos a juFar si un resultado de muestreo particular es
mCs probable Due ocurra en una peDueEa muestra ! en una muestra rande$ & cada Ss se le
pa! m /$33 por su participaci!n en el eGperimento y un m /$33 adicional si su respuesta a uno
06
de los problemas 8aleatoriamente seleccionado despu;s de completar la tarea9 estuvo
correcta$
Para controlar los prejuicios en la respuesta# cada problema )ue presentado en dos )ormas$
Ba mitad de los Ss juFaron# para todos los tres problemas# si un resultado Due es m's
eGtremo Due el valor crtico especi)icado es mCs probable Due ocurra en una muestra peDueEa
! en una muestra rande$ Ba respuesta correcta# por supuesto# es Due un resultado eGtremo es
mCs probable de ocurrir en una muestra peDueEa$ El resto de Ss juFaron si un resultado Due
es menos eGtremo Due el valor crtico especi)icado es mCs probable Due ocurra en una
muestra peDueEa ! en una rande$ Ba respuesta correcta aDu es Due tal resultado es mCs
probable Due ocurra en una muestra rande$ Bos tres problemas son presentados abajo$ Bos
valores mostrados son los nAmeros de Ss Duienes escoieron cada cateora de respuesta#
para cada una de las dos )ormas$ Bas respuestas correctas estCn marcadas con un asterisco$
/$ Una cierta ciudad es atendida por dos hospitales# En el hospital mCs rande alrededor de :1
beb;s nacen cada da y en el mCs peDueEo alrededor de /1 beb;s nacen cada da$ Como usted sabe
alrededor del 13W de todos los beb;s son varones$ El porcentaje eGacto de beb;s varones# sin
embaro# vara da a da$ &lunas veces puede ser mayor del 13W# alunas veces menor$
Para un perodo de un aEo# cada hospital reistr! los das en los cuales 8mCs ! menos9 el 43W de
los beb;s nacidos )ueron varones$ CuCl hospital usted piensa Due reistr! mCs# tales dasQ
-Cs del 43W -enos del 43W
El hospital mCs rande /. 6K
El hospital mCs peDueEo /3K //
&lrededor del mismo 8por ejemplo# 1W de
uno a otro9 .7 .1
.$ Un investiador estudiando alunas propiedades del lenuaje seleccion! un libro en rAstica y
comput! el promedio de eGtensi!n de palabras en cada pCina del libro 8por ejemplo# el nAmero de
letras en esa pCina dividido por el nAmero de palabras9$ %tro investiador tom! la primera lnea en
cada pCina y comput! el promedio de eGtensi!n de palabras de la lnea$ El promedio de eGtensi!n de
palabras del libro entero es :$ Sin embaro# no cada lnea ! pCina tiene eGactamente ese promedio$
&lunas pueden tener un promedio mCs alto de eGtensi!n de palabras# alunas menor$
El primer investiador cont! el nAmero de pCinas Due tena un promedio de eGtensi!n de
palabras de ! 8mCs ! menos9 y el seundo investiador cont! el nAmero de lneas Due tena un
promedio de lonitud de palabras de 4 ! 8mCs ! menos9$ Pu; investiador piensa usted reistr! un
mayor nAmero de tales unidades 8pCinas para uno# lneas para el otro9Q
-Cs de 4 -enos de 4
Ba pCina del investiador 7 /3K
Ba lnea del investiador ./K /1
&lrededor del mismo 8por ejemplo# 1W de
uno a otro9 .3 .0
0$ Una encuesta m;dica se estC llevando a cabo para estudiar alunos )actores pertenecientes a las
en)ermedades coronarias$ Dos eDuipos estCn recolectando los datos$ Uno cheDuea tres hombres al da
y el otro cheDuea un hombre al da$ Estos hombres son escoidos al aFar de una poblaci!n$ Cada
altura del hombre es medida durante el cheDueo$ El promedio de altura de los hombres adultos es 1
pies /3 puladas# y eGisten tantos hombres cuyas alturas estCn por encima del promedio como
tambi;n eGisten hombres cuyas alturas estCn por debajo del promedio$
:3
El eDuipo cheDueando tres hombres por da los clasi)ica con respecto a su altura# y calcula los
das en los cuales la altura del hombre medio es 8mCs ! menos9 de 1 pies // puladas$ El otro eDuipo
meramente cuenta los das en los cuales el hombre Due el cheDue! )ue 8mCs alto TmCs bajo9 Due 1 pies
// puladas$ CuCl eDuipo piensa usted Due calcul! mCs tales dasQ
-Cs de 1@ //@@ -enos de 1@ //@@
El eDuipo cheDueando 0 2 /:K
El eDuipo cheDueando / /7K /2
&lrededor del mismo 8por ejemplo 1W
de uno a otro9 .0 /2
Si los Ss tienen una idea dentro del tamaEo de la muestra# ellos deberan encontrarlo )Ccil
de seleccionar las respuestas correctas a estas simples preuntas ordinales$ Por otro lado# si
ellos juFan los resultados representativos ser iualmente probables# ellos no deberan
mostrar una sistemCtica pre)erencia por la respuesta correcta$ Este es claramente el caso$ Ba
respuesta es NiualO en casi todas las comparacionesL mCs aAn# no eGiste pre)erencia
sini)icante para la respuesta correcta en cualDuiera de los problemas$
Este eGperimento con)irma las conclusiones del estudio inicial a pesar de varias
di)erencias de procedimiento$ &Du# cada uno de los 1 hace un juicio ordinal directo de la
probabilidad de un resultado con dos tamaEos de muestras bajo condiciones desinadas a
motivar eGactitud$ Este procedimiento debera estimular la importancia del tamaEo de la
muestra$ &demCs# el Altimo problema compara una simple observaci!n de la media de una
muestra de tres observaciones$ &parentemente# los Ss )allaron en notar aAn el hecho obvio
Due las medias deben ser menos variables Due la las simples observaciones$
Ba noci!n Due la variaci!n del muestreo decrece en proporci!n al tamaEo de la muestra es
parte aparentemente del repertorio de las intuiciones del hombre$ Ciertamente# los conceptos
err!neos del papel del tamaEo de la muestra ocurre )recuentemente en cada da de la vida$
Por otro lado# la ente estC a menudo dispuesta a tomar seriamente un resultado establecido
en porcentajes# sin tomar en cuenta el nAmero de observaciones# la cuales pueden ser
ridculamente peDueEas$ Por otro lado# la ente a menudo permanece esc;ptica en encarar la
evidencia s!lida de una muestra rande# como en el caso de el bien conocido poltico Duien
protest! ariamente Due el ndice del costo de vida no estC basado en la poblaci!n total# sino
solo en una muestra rande# y are!# NPeor aAn S una muestra aleatoriaO$
*osotros seuramente no pensamos implicar Due el hombre es incapaF de apreciar el
impacto del tamaEo de la muestra en la variante del muestreo$ & la ente se le puede enseEar
la rela correcta# talveF aAn con una peDueEa di)icultad$ El punto permanece en Due la ente
no siue la rela correcta# cuando es dejada a sus propios mecanismos$ &demCs# el estudio de
la conducta de investiaci!n psicol!ica 8=$ Cohen# /64.L 'vers(y R Kahneman# /62/# .9
revela Due una )uerte tendencia a subestimar el impacto del tamaEo de la muestra persiste a
pesar del conocimiento de la rela correcta y el eGtenso entrenamiento estadstico$ Para
DuienDuiera Due deseara visualiFar al hombre como un raFonable estadstico intuitivo# tales
resultados son desalentadores$
:odelos normativos y ;eur*sticas descriptivas
Ba opini!n ha sido eGpresada 8vea# por ejemplo# H$ Ed+ards# /647#.19 Due el hombre# en
eneral# siue la correcta rela Bayesiana# pero )alla en preciar el impacto total de la
evidencia y es por lo tanto conservador$ Peterson y Beach 8/6429# por ejemplo# concluyeron
Due el modelo normativo provee una buena primera aproGimaci!n a la conducta de los Ss
:/
Duienes estCn Nin)luenciados por variables apropiadas y en direcciones apropiadasO 8p$ :09$
Esta opini!n no ha sido compartida por todos$ En una mCs reciente revisi!n de la literatura#
Slovic y Bichttenstein 8/62/9 aruyeron evaluaci!n de arriba del desenvolvimiento del
hombre como un estadstico intuitivo es Ndemasiado enerosaO# mientras Due PitF# Do+nin
y "einhold 8/6429 concluyeron# sobre la base de sus datos# Due el desenvolvimiento humano
en las tareas Bayesianas no es N!ptimo en una manera mCs )undamental Due estC implicada
por discusiones de conservatismoO 8p$ 06.9$
Ba inutilidad de la aproGimaci!n a la normativa Bayesiana para el anClisis y el modelaje
de la probabilidad subjetiva depende primariamente no en la eGactitud de los estimados
subjetivos# sino mCs bien en si el modelo captura las determinantes esenciales del proceso del
juicio$ Ba investiaci!n discutida en este trabajo suiere Due no$ En particular hemos visto
Due el tamaEo de la muestra no tiene e)ecto en las distribuciones del muestreo subjetivo# Due
posterior a los estimados binomios son determinados 8en el caso areado# al menos9 por la
proporci!n de la muestra mCs Due por la di)erencia de la muestra# y Due ellos no dependen de
la proporci!n de la poblaci!n$ En su evaluaci!n de la evidencia# el hombre no es
aparentemente un Bayesiano conservador< ;l ciertamente no es Bayesiano$
Puede areirse Due la )alla del modelo normativo para describir el comportamiento
Bayesiano estC limitado a simples Ss encarados con procesos aleatorios no )amiliares# y Due
el modelo normativo podra proveer una adecuada importancia en la evaluaci!n de los
procesos aleatorios mCs )amiliares encuentra en la vida de cada da$ EGiste una muy peDueEo
evidencia# sin embaro# para soportar esta opini!n$ Primero# ella ha sido mostrada 8'vers(y
R Kahneman# /62/# .9 Due el mismo tipo de errores sistemCticos Due son sueridos por
consideraciones de representatividad pueden ser encontrados en los juicios intuitivos de
so)isticados cient)icos$ &parentemente# el conocimiento de la teora de la probabilidad no
elimina todas las intuiciones err!neas concernientes a las leyes de la posibilidad$ Seundo# en
nuestra vida diaria encontramos numeroso procesos aleatorios 8por ejemplo# el nacimiento de
un niEo ! aniEa# acertando a la luF roja en una intersecci!n dada# obteniendo una mano sin
coraFones en un jueo de cartas9 los cuales obedecen la ley del binomio# por ejemplo# un alto
rado de aproGimaci!n$ Ba ente# sin embaro# )alla al eGtraer de estas eGperiencias una
adecuada concepci!n de los procesos binomiales$ &parentemente# solo la eGtensa eGposici!n
a numerosos ejemplos no produce un comportamiento !ptimo$
En sus vidas diarias# las entes se preuntan a s mismas y a otras interroantes tales
como< CuCles son las posibilidades de Due este niEo de /. aEos crecerC para ser un cient)icoQ
CuCl es la posibilidad Due este candidato serC electo para el caroQ CuCl es la probabilidad de
Due ;sta compaEa se retire de los neociosQ Estos problemas di)ieren de aDuellos discutidos
previamente en el trabajo en Due# debido a su carCcter Anico# ellos no pueden ser rCpidamente
contestados ya sea en t;rminos de la )recuencia de ocurrencia en el pasado# ! en t;rminos de
alAn bien de)inido proceso de muestreo$
En este trabajo# investiamos en alAn detalle una heurstica de acuerdo a la cual la
probabilidad de un evento es evaluada por el rado por el cual el es representativo de las
mayores caractersticas del proceso ! poblaci!n de la cual el es oriinado$ &unDue nuestros
ejemplos eGperimentales )ueron con)inados a procesos de muestreo bien de)inidos 8donde la
probabilidad objetiva es rCpidamente computable9# nosotros conjeturamos Due la misma
heurstica juea un importante papel en la evaluaci!n de la incertidumbre en esencialmente
Anicas situaciones donde ninuna respuesta NcorrectaO estC disponible$ Ba probabilidad de
Due un niEo de /. aEos llearC a ser un cient)ico# por ejemplo# puede ser evaluada por el
rado al cual el papel de un cient)ico es representativo de nuestra imaen del niEo$
Similarmente# en pensar sobre las posibilidades de Due una compaEa se saldrC del neocio# !
Due un poltico serC eleido para el caro# tenemos en mente un modelo de la compaEa# ! de
:.
la situaci!n poltica y evaluamos como mCs probable aDuellos resultados los cuales
representa mejor las caractersticas esenciales del modelo correspondiente$
7( <obre la psicolo#*a de la prediccin
En este trabajo# nosotros eGploramos las relas Due determinan las predicciones intuitivas
y juicios de con)ianFa y contrastamos ;stas relas con los principios normativos de la
predicci!n estadstica$ Dos clases de predicciones son discutidas< predicci!n de cateora y
predicci!n num;rica$ En un caso cate!rico# la predicci!n es dada en )orma nominal# por
ejemplo# el anador en una elecci!n# el dian!stico de un paciente ! la ocupaci!n )utura de
una persona$ En el caso num;rico# la predicci!n es dada en )orma num;rica# por ejemplo# el
valor )uturo de una acci!n particular ! el punto promedio de rado de un estudiante$
En hacer predicciones y juicios bajo incertidumbre# la ente no aparenta seuir el cClculo
de la posibilidad ! la teora de la predicci!n estadstica$ En veF de eso# ellos se apoyan en un
limitado nAmero de heursticas las cuales a veces producen juicios raFonables y alunas
veces conducen a severos y sistemCticos errores 8Kahneman R 'vers(y# /62.b# 0L 'vers(y R
Kahneman# /62/# .L /620# //9$ El presente trabajo estC relacionado con el papel de una de
;stas heursticas S representatividad S en predicciones intuitivas$
Dada una evidencia espec)ica 8por ejemplo# el esboFo de una personalidad9# los
resultados bajo consideraci!n 8por ejemplo# ocupaciones ! niveles de un loro9 pueden ser
ordenados por el rado del cual ellos son representativos de esa evidencia$ Ba tesis de este
trabajo es Due la ente predice por representatividad# lo Due es# Due ellos seleccionan A
ordenan los resultados por el rado al cual los resultados representan las caractersticas
esenciales de la evidencia$ En muchas situaciones# resultados representativos son ciertamente
mCs probables Due otros$ Sin embaro# este no es siempre el caso# porDue eGisten )actores
8por ejemplo# las probabilidades previas de los resultados y la con)iabilidad de la evidencia9
los cuales a)ectan la probabilidad de los resultados pero no su representatividad$ PorDue ;stos
)actores son inorados# las predicciones intuitivas violan las relas estadsticas de predicci!n
de sistemCticas y )undamentales maneras$ Para con)irmar ;sta hip!tesis# mostramos Due el
ordenamiento de los resultados por la probabilidad percibida coincide con su ordenamiento
por representatividad y Due las predicciones intuitivas no son esencialmente a)ectadas por
consideraciones de probabilidad previa y la eGactitud predictiva esperada$
En la primera secci!n# investiamos las predicciones de cateora y demostramos Due
ellas se con)orman a una evaluaci!n independiente de la representatividad y Due ellas son
esencialmente independientes de las probabilidades previas de los resultados$ En la siuiente
secci!n# investiamos las predicciones num;ricas y mostramos Due ellas no son propiamente
reresivas y no son esencialmente a)ectadas por consideraciones de con)iabilidad$ Bas
siuientes tres secciones discuten# a su veF# asuntos metodol!icos en el estudio de la
:0
predicci!n# las )uentes injusti)icadas de con)ianFa en las predicciones# y alunas intuiciones
)alaces concernientes a los e)ectos de la reresi!n$
Prediccin Cate#rica
Categor#a base$ similaridad y probabilidad
El siuiente ejemplo eGperimental ilustra la predicci!n por representatividad y las )alacias
asociadas con este modo de predicci!n intuitiva$ Un rupo de 46 sujetos /'0 =el rupo de
cateora base9 )ue reDuerido a responder la interroante siuiente< NConsidere todos los
estudiantes raduados de primer aEo en los Estados Unidos hoy$ Por )avor escriba su mejor
vaticinio sobre el porcentaje de estos estudiantes Duienes ahora estCn enrolados en cada uno
de los siuientes nueve campos de especialiFaci!nO$ Bos nueve campos estCn listados en la
'abla /$ Ba primera columna de esta tabla presenta la media estimada de cateora base para
los varios campos$
Un seundo rupo de 41 sujetos 8la similaridad del rupo9 )ue presentada con el siuiente
esboFo de personalidad<
'om H$ Es de alta inteliencia# aunDue carece de verdadera creatividad$ El tiene una necesidad por el orden y la
claridad y por sistemas ntidos y ordenados en los cuales cada detalle encuentra su luar apropiado$ Su escritura
es mCs bien lenta y mecCnica# ocasionalmente animada por alunos malos jueos de palabras y por destellos de
la imainaci!n del tipo sci>)i$ El tiene un )uerte manejo de la competencia$ El parece tener poca disposici!n y
porca simpata hacia la demCs ente y no dis)ruta interactuando con otros$ &uto>centrado# ;l a pesar de todo
tiene un pro)undo sentido moral$
& los sujetos se les reDuiri! clasi)icar las nueve Creas en t;rminos de NcuCn similar es
'om H$ al tpico estudiante raduado en cada uno de los siuientes nueve campos de
especialiFaci!n del raduadoQO Ba seunda columna en la tabla / presenta la media de
similaridad de clasi)icaci!n asinada a los varios campos$
?inalmente# una predicci!n de rupo# consistiendo de //: estudiantes raduados en
psicoloa en las tres mayores universidades de los Estados Unidos# a Duienes se les dio el
esboFo de 'om H$# con la siuiente in)ormaci!n adicional<
'abla /$ Cateoras base estimadas de las nueve Creas de especialiFaci!n del raduado y resumen de
datos de similaridad y predicci!n para 'om H$
nrea de especialiFaci!n -edia juFada de la -edia del rano de -edia del rano de
del raduado cateora base similaridad probabilidad
8en puladas9
&dministraci!n de empresas /1 0$6 :$0
Ciencia en computaci!n 2 .$/ .$1
Ineniera 6 .$6 .$4
Humanidades y Educaci!n .3 2$. 2$4
Beyes 6 1$6 1$.
Ciencia Bibliotecaria 0 :$. :$2
-edicina 7 1$6 1$7
?sica y Ciencias de la Jida /. :$1 :$0
Ciencia Social y 'rabajo Social /2 7$. 7$3
El precedente esboFo de la personalidad de 'om# )ue escrito durante el Altimo aEo en el hih school por un
psic!loo# sobre la base de pruebas proyectivas$ 'om H$ es actualmente un estudiante raduado$ Por )avor
clasi)iDue los siuientes nueve campos de especialiFaci!n de raduados en orden de la probabilidad de Due 'om
H$ es ahora un estudiante raduado en cada uno de estos campos$
::
/'0 & menos Due se especi)iDue otra cosa# los sujetos en los estudios reportados en este trabajo )ueron
voluntarios reclutados a trav;s del trabajo de un estudiante de la Universidad de %re!n$ Bos datos )ueron
colectados en arrelos de rupo$
Ba tercera columna en la tabla / presenta la media de los ranos asinados a los
resultados por los sujetos en la predicci!n de rupo$
Bas correlaciones producto>momento entre las columnas de la 'abla / )ueron calculados$
Ba correlaci!n entre la probabilidad juFada y la similaridad es de $62# mientras Due la
correlaci!n entre la probabilidad juFada y la cateora base estimada es >$41$ Evidentemente#
los juicios de probabilidad esencialmente coinciden con los juicios de similaridad y son muy
di)erentes a los estimados de la cateora base$ Este resultado provee una con)irmaci!n
directa de la hip!tesis Due la ente predice por representatividad# ! similaridad$
Bos juicios de probabilidad por los estudiantes raduados en psicoloa drCsticamente
violan las relas normativas de la predicci!n$ -Cs del 61W de aDuellos entrevistados
juFaron Due 'om H$ es mCs proclive a estudiar ciencias de la computaci!n Due humanidades
! educaci!n# aunDue estuvieron seuramente concientes del hecho Due eGisten mucho mCs
estudiantes en el Altimo campo$ De acuerdo a los estimados de cateora base mostrados en la
'abla /# las probabilidades previas para humanidades ! educaci!n contra la ciencia de la
computaci!n son de alrededor de 0 a /$ 8Bas probabilidades actuales son considerablemente
mCs altas9$
De acuerdo a la rela de Bayes# es posible sobreponerse a las previas en contra de 'om
H$ de estar en las ciencias de la computaci!n mCs Due en humanidades ! educaci!n# Si la
descripci!n de su personalidad es ambas eGacta y dian!stica$ Bos estudiantes raduados en
nuestro estudio# sin embaro# no creyeron Due ;stas condiciones )ueran llenadas$ Siuiendo la
tarea de la predicci!n# los encuestados )ueron reDueridos a estimar el porcentaje de ;Gitos
8por ejemplo# correir primero las selecciones entre las nueve Creas9 las cuales podran ser
adDuiridas con varios tipos de in)ormaci!n$ Ba media estimada de ;Gitos )ue del .0W# por
ejemplo# para predicciones basadas en los reportes de estudiantes de Altimo aEo de hih
school de sus intereses y planes$ Evidentemente# las pruebas proyectivas )ueron tenidas en
baja estima$ *o obstante# los estudiantes raduados se apoyaron en una descripci!n derivada
de tales pruebas e inoraron las cateoras base$
En eneral# tres tipos de in)ormaci!n son relevantes para la predicci!n estadstica< 8a9
in)ormaci!n previa ! de )ondo 8por ejemplo# cateoras base de campos de especialiFaci!n de
los raduados9L 8b9 evidencia espec)ica concerniente al caso individual 8por ejemplo# la
descripci!n de 'om H$9L 8c9 la eGactitud esperada de la predicci!n 8por ejemplo# la
probabilidad estimada de ;Gitos9$ Una rela )undamental de la predicci!n estadstica es Due la
eGactitud esperada controle los pesos relativos asinados a la evidencia espec)ica y a la
in)ormaci!n previa$ Cuando la eGactitud esperada decrece# las predicciones deberan llear a
ser mCs reresivas# lo Due es# mCs cercanas a las eGpectativas basadas en la in)ormaci!n
previa$ En el caso de 'om H$# la eGactitud esperada )ue baja# y las probabilidades previas
deberan haber sido sopesadas randemente$ En veF de eso# nuestros sujetos predijeron por
representatividad# lo Due es# ellos ordenaron los resultados por su similaridad a la evidencia
espec)ica# sin ninuna consideraci!n por las probabilidades previas$
En su eGclusiva con)ianFa en el esboFo de personalidad# los sujetos en el rupo de
predicci!n aparentemente inoraron las siuientes consideraciones$ Primero# dada la notoria
invalideF de las pruebas de personalidad proyectiva# es muy probable Due 'om H$ nunca )ue
de hecho tan compulsivo y tan reservado como su descripci!n suiere$ Seundo# aAn si la
descripci!n )ue vClida cuando 'om H$ estaba en hih school# puede no ser vClida ahora Due
;l estC en la escuela de raduados$ ?inalmente# aAn si la descripci!n es aAn vClida# eGisten
probablemente mCs entes Duienes encuadran esa descripci!n entre estudiantes de
humanidades y de educaci!n Due entre estudiantes de ciencias de computaci!n# simplemente
porDue eGisten muchos mCs estudiantes en el anterior Due en el Altimo campo$
:1
(anipulacin de la eactitud esperada
Un estudio adicional prueba Due las hip!tesis Due# contrario al modelo estadstico# una
manipulaci!n de la eGactitud esperada no a)ecta el patr!n de predicciones$ El material
eGperimental consisti! de cinco esboFos concisos de personalidad de muchachos de noveno
rado# pretendidamente escrito por un consejero sobre la base de una entrevista en el
conteGto de un estudio lonitudinal$ El diseEo )ue es mismo como en el estudio de 'om H$
Para cada descripci!n# los sujetos en un rupo 8* [ 469 clasi)icaron los nueve campos de
especialiFaci!n de raduados 8vea 'abla /9 en t;rminos de la similaridad del muchacho
descrito a su Nimaen del tpico estudiante raduado de primer aEo en el campoO$ Siuiendo
la similaridad de los juicios# ellos estimaron la )recuencia de la cateora base de las nueve
Creas de especialiFaci!n de raduados$ Estos estimados )ueron mostrados en la 'abla /$ & los
sujetos restantes se les dijo Due los cinco casos haban sido aleatoriamente seleccionados de
entre los participantes en el estudio oriinal Duienes son ahora estudiantes raduados de
primer aEo$ & un rupo# el rupo de eGactitud alta 8* [ 119 se les dijo Due Nsobre la base de
tales descripciones# estudiantes como ustedes mismos hicieron predicciones correctas en
alrededor del 11W de los casosO$ &l rupo de eGactitud baja 8* [ 139 se les dijo Due las
predicciones de los estudiantes en ;sta tarea estCn correctos en alrededor del .2W de los
casos$ Para cada descripci!n# los sujetos clasi)icaron los nueve campos de acuerdo a Nla
probabilidad de Due la persona descrita es ahora un estudiante raduado en ese campoO$ Para
cada descripci!n# ellos tambi;n estimaron la probabilidad de Due su primera selecci!n
estuviera correcta$
Ba manipulaci!n de la eGactitud esperada tuvo un sini)icante e)ecto sobre estos juicios
de probabilidad$ Bas medias estimadas )ueron $23 y $14# respectivamente para el rupo de alta
y baja eGactitud 8t [ 0$2.# p ] $33/9$ Sin embaro# el ordenamiento de los nueve resultados
producidos por debajo de las instrucciones de eGactitud baja no )ueron sini)icantemente mCs
cercanas a la distribuci!n de cateora base Due el ordenamiento producido bajo las
instrucciones de eGactitud alta$ Una correlaci!n producto>momento )ue calculada para cada
juicio# dentro del rano promedio Due ;l haba asinado a cada uno de los nueve resultados
8sobre las cinco descripciones9 y la cateora base$ Esta correlaci!n es una medida lobal del
rado al cual las predicciones del sujeto se con)orman a la distribuci!n de la cateora base$
Bos promedios de ;stas correlaciones individuales )ueron $/0 para los sujetos en el rupo de
eGactitud alta y $/4 para los sujetos en el rupo de eGactitud baja$ Ba di)erencia no se
aproGima a la sini)icancia 8t [ $:.# d) [ /309$ Este patr!n de juicios viola la teora normativa
de la predicci!n# de acuerdo a la cual cualDuier decremento en la esperada eGactitud debera
estar acompaEado por y un cambio de predicciones hacia la cateora base$
Puesto Due la manipulaci!n de la eGactitud esperada no tuvo e)ecto en las predicciones#
los dos rupos de predicci!n )ueron unidos$ &nClisis subsecuentes )ueron lo mismo como en
el estudio de 'om H$ Por cada descripci!n# dos correlaciones )ueron calculadas< 8a9 entre el
rano de probabilidad media y el rano de similaridad media y 8b9 entre el rano de
probabilidad media y la media de cateora base$ Estas correlaciones son mostradas en la
'abla .# con el resultado juFado mCs probable para cada descripci!n$ Bas correlaciones entre
predicci!n y similaridad son consistentemente altas$ En contraste# no eGiste relaci!n
sistemCtica entre predicci!n y cateora base< las correlaciones varan ampliamente
dependiendo de si el resultado mCs representativo para cada descripci!n pudieran ser
)recuentes ! raros$
:4
'abla .$ Correlaciones producto>momento del rano de probabilidad media con el rano de
similaridad media y con la de la cateora base media$
Primera predicci!n modaloooooooooooooooooooooooooooooooooo
Ciencias de la Ciencia &dministraci!n
Beyes Computaci!n -edicina bibliotecaria de empresas
Con el rano de similaridad media $60 $64 $6. $77 $77
Con la cateora base $00 >$01 $.2 >$30 $4.
&Du de nuevo# las consideraciones de cateora base )ueron desatendidas$ En la teora
estadstica# a uno se le permite inorar la cateora base solo cuando uno espera ser in)alible$
En todos los otros casos# un compromiso apropiado debe ser encontrado entre el
ordenamiento suerido por la descripci!n y el ordenamiento de las cateoras base$ Es
di)cilmente creble Due una descripci!n precipitada de un niEo de catorce aEos basada en una
simple entrevista podra justi)icar el rado de in)alibilidad implicado por las predicciones de
nuestros sujetos$
Siuiendo las cinco descripciones de personalidad# a los sujetos se les dio un problema
adicional<
Sobre Don a usted no se le dirC nada eGcepto Due particip! en el estudio oriinal y es ahora un estudiante
raduado de primer aEo$ Por )avor indiDue su ordenamiento y reporte su con)ianFa en este caso tambi;n$
Para Don la correlaci!n entre el rano de probabilidad media y la cateora base estimada
)ue $2:$ Por lo tanto# el conocimiento de las cateoras base# el cual no )ue aplicado cuando
una descripci!n )ue dada# )ue utiliFado cuando ninuna evidencia espec)ica estuvo
disponible$
Previa versus individuar la evidencia
El siuiente estudio provee un mCs estricto ensayo de la hip!tesis Due las predicciones
intuitivas estCn dominadas por la representatividad y son relativamente insensibles a las
probabilidades previas$ En este estudio# las probabilidades previas )ueron hechas
eGcepcionalmente conspicuas y compatibles con el modo de respuesta$ Bos sujetos )ueron
presentados con la siuiente historia in)ormativa<
Un panel de psic!loos han entrevistado y administrado las pruebas de personalidad de 03 inenieros y 23
aboados# todos eGitosos en sus respectivos campos$ Sobre las bases de esta in)ormaci!n# breves descripciones
de 03 inenieros y 23 aboados han sido escritas$ Usted encontrarC en sus )ormularios cinco descripciones#
escoidas al aFar de /33 descripciones disponibles$ Para cada descripci!n# por )avor indiDue su probabilidad
Due la persona descrita es un ineniero# en una escala de 3 a /33$
Ba misma tarea ha sido realiFada por un panel de eGpertos# Duienes )ueron altamente eGactos en asinar las
probabilidades a las varias descripciones$ & usted se le paarC un bono en la medida Due su estimado se acerDue
a aDuellos del panel de eGpertos$
Estas instrucciones les )ueron dadas a un rupo de 71 sujetos 8el ineniero comAn# !
rupo B9$ & los sujetos en otro rupo 8el ineniero de cateora# ! rupo HL * [ 749 les
)ueron dadas id;nticas instrucciones eGcepto por las probabilidades previas< a ellos se les dijo
Due el jueo del cual las descripciones han sido sacadas consistan de 23 inenieros y 03
aboados$ 'odos los sujetos )ueron presentados con las mismas cinco descripciones$ Una de
las descripciones es la siuiente<
:2
=ac( es un hombre de :1 aEos de edad$ El estC casado y tiene cuatro niEos$ El es eneralmente conservador#
cuidadoso y ambicioso$ El no muestra inter;s por la poltica y asuntos sociales y emplea la mayora de su
tiempo libre en sus muchos phobbies@ los cuales incluyen carpintera en casa# naveaci!n y problemas de
matemCticas$
Ba probabilidad de Due =ac( es uno de los 03 inenieros en la muestra de /33 es oooooW$
Siuiendo las cinco descripciones# los sujetos encontraron la invClida descripci!n<
Supona ahora Due a usted no se le da ninuna in)ormaci!n# sea la Due )uere# sobre un individuo escoido al
aFar de la muestra$
Ba probabilidad de Due este hombre sea uno de los 03 inenieros en la muestra de /33 es oooooW$
En ambos rupos el del ineniero de cateora y el del ineniero comAn# la mitad de los
sujetos )ueron reDueridos a evaluar# para cada descripci!n# la probabilidad de Due la persona
descrita era un ineniero 8como en el ejemplo de arriba9# mientras Due los otros sujetos
evaluados# para cada descripci!n# la probabilidad de Due la persona descrita )uera un
aboado$ Esta manipulaci!n no tuvo e)ecto$ Bas probabilidades medias asinadas a los
resultados ingeniero y abogado en los dos di)erentes )ormas se arearon a alrededor del
/33W por cada descripci!n$ Consecuentemente# los datos para las dos )ormas )ueron unidos#
y los resultados son presentados en t;rminos del resultado ingeniero$
El diseEo de este eGperimento permite el cClculo del patr!n normativamente apropiado de
los juicios$ Ba derivaci!n se apoya en la )!rmula de Bayes# en )orma de probabilidades$ Sea
% las probabilidades de Due una descripci!n particular perteneFca a un ineniero mCs Due a
un aboado$ De acuerdo a la rela de Bayes# % [ P > "# donde P denota las probabilidades
previas Due una descripci!n seleccionada al aFar perteneFca a un ineniero mCs Due a un
aboadoL y " es la relaci!n de probabilidad para una descripci!n particular# Due es# la
relaci!n de la probabilidad Due una persona aleatoriamente sacada de una poblaci!n de
inenieros serC as descrita a la probabilidad de Due una persona aleatoriamente sacada de
una poblaci!n de aboados serC as descrita$
Para el rupo de inenieros de cateora# a Duienes se les dijo Due la muestra consiste de
23 inenieros y 03 aboados# las probabilidades previas PH son iual a 23T03$ Para el rupo
de inenieros comunes# las probabilidades previas PB son iuales a 03T23$ Por lo tanto# para
cada descripci!n# la relaci!n de las probabilidades posteriores para los dos rupos es
% H [ P H > " [ P H [ 2T0 [ 1$:::
%B PB > " PB 0T2
Insertar a-u* la 4i#ura ' de la p5#ina 99 del ori#inal(
?iura /$ Probabilidad media juFada 8ineniero9 para cinco descripciones y para la
descripci!n invClida 8smbolo cuadrado9 bajo altas y bajas probabilidades previas$ 8Ba
lnea curva despliea la relaci!n correcta de acuerdo a la rela de Bayes$9
Puesto Due la relaci!n de probabilidad es cancelada es esta )!rmula# el mismo valor de
%HT%B debera obtenerse para todas las descripciones$ En el presente diseEo# por
consiuiente# el e)ecto correcto de la manipulaci!n de las probabilidades previas puede ser
calculado sin el conocimiento de la relaci!n de la probabilidad$
Ba ?iura / presenta el estimado de la media de probabilidad para cada descripci!n# bajo
las dos condiciones de probabilidad previa$ Para cada descripci!n# la media estimada de la
probabilidad cuando la previa es alta 8PH [ 23T039 es ploteada contra la media estimada
cuando la anterior es baja 8PB [ 03T29$ De acuerdo a la ecuaci!n normativa desarrollada en el
:7
pCrra)o precedente# todos los puntos deben caer sobre la lnea curveada 8Bayesiana9$ De
hecho# solo el cuadrado vaco corresponde a la descripci!n invClida sobre ;sta lnea< cuando
ninuna descripci!n es dada# los sujetos juFan la probabilidad ser del 23W bajo PH y del
03W bajo PB$ En los otros cinco casos# los puntos caen cerca de la lnea de identidad$
El e)ecto de la probabilidad previa# aunDue liero# es estadsticamente sini)icante$ Para
cada sujeto la media estimada de la probabilidad )ue calculada sobre todos los casos eGcepto
la invClida$ El promedio es estos valores )ue de 13W para el rupo de inenieros comunes y
de 11W para el rupo de inenieros de cateora 8t [ 0$.0# d) [/46# p ] $3/9$ *o obstante#
como puede ser visto en la ?iura /# cada punto estC mas cerca de la lnea de identidad Due
de lnea Bayesiana$ Es correcto concluir Due la manipulaci!n eGplcita de la distribuci!n
previa tuvo un mnimo e)ecto sobre la probabilidad subjetiva$ Como en el eGperimento
precedente# los sujetos aplicaron su conocimiento de la anterior solo cuando a ellos no se les
dio ninuna evidencia espec)ica$ Como vinculadas por la hip!tesis de la representatividad#
las probabilidades previas )ueron randemente inoradas cuando individualiFando la
in)ormaci!n estuvo disponible$
Ba )ortaleFa de este e)ecto es demostrada por las respuestas a la siuiente descripci!n<
Dic( es un hombre de 03 aEos$ El estC casado y no tiene hijos$ Un hombre de alta habilidad y alta motivaci!n# ;l
promete ser eGitoso en su campo$ El es apreciado por sus coleas$
Esta descripci!n )ue construida para ser totalmente desin)ormativa con relaci!n a la
pro)esi!n de Dic($ *uestros sujetos acordaron< las medias estimadas )ueron del 13W en
ambos rupos del ineniero comAn y del ineniero de cateora 8vea la ?iura /9$ El
contraste entre las respuestas a esta descripci!n y a la descripci!n invClida es deslumbrante$
Evidentemente# la ente responde di)erentemente cuando no le es dada una evidencia
espec)ica y cuando la evidencia dada es inAtil$ Cuando no se les es dada una evidencia
espec)ica# las probabilidades previas son apropiadamente utiliFadasL cuando la evidencia
espec)ica inAtil les es dada# las probabilidades previas son inoradas$ /10
EGisten situaciones en las cuales las probabilidades previas son probables de juar un
papel mCs sustancial$ En todos los ejemplos discutidos hasta ahora# distintos estereotipos
estuvieron asociados con los resultados alternativos# y los juicios )ueron controlados#
nosotros suerimos# por el rado al cual las descripciones parecen representativas de ;stos
estereotipos$ En otros problemas# los resultados son mCs naturalmente vistos como
sementos de una dimensi!n$ Supona# por ejemplo# Due uno es reDuerido a juFar la
probabilidad Due cada uno de varios estudiantes recibirC una beca$ En este problema# no
eGisten estereotipos bien delineados de recipiendarios y no recipiendarios de una beca$ -as
bien# esto es natural para considerar el resultado 8por ejemplo# obtener una beca9 como
determinado por un punto lmite a lo laro de la dimensi!n del loro acad;mico ! la
habilidad$ Bas probabilidades previas# Due es# el porcentaje de becas en el rupo relevante
podra ser usado para de)inir los resultados por la localiFaci!n del punto lmite$
Consecuentemente# no eGisten probabilidades de ser inoradas$ &demCs# nosotros
esperaramos las probabilidades previas eGtremas tener alAn e)ecto aAn en la presencia de
claros estereotipos de los resultados$ Una delineaci!n precisa de las condiciones bajo las
cuales la in)ormaci!n previa es usada ! descartada espera por posterior investiaci!n$
Uno de los problemas bCsicos de la predicci!n estadstica es Due la probabilidad previa# el
cual resume lo Due conocimos sobre el problema antes de recibir la evidencia espec)ica#
permanece relevante aAn despu;s de Due tal evidencia es obtenida$ Ba rela de Bayes# traduce
este principio cualitativo dentro de una relaci!n multiplicativa entre las probabilidades
previas y la proporci!n de la probabilidad$ *uestros sujetos# sin embaro# )allaron al interar
la probabilidad previa con la evidencia espec)ica$ Cuando se eGpuso a una descripci!n# sin
:6
/10 Pero vea p$ /16 ?
embaro escasa y sospechosa de 'om H$ ! de Dic( 8el inenieroTaboado9# ellos
aparentemente sintieron Due la distribuci!n de ocupaciones en su rupo ya no era relevante$
Ba )alla al apreciar la relevancia de la probabilidad previa en la presencia de evidencia
espec)ica es talveF uno de los mCs sini)icantes despeues de la intuici!n de la teora
normativa de la predicci!n$
Prediccin num@rica
Una rela )undamental de la teora normativa de la predicci!n es Due la variabilidad de
las predicciones# sobre un jueo de casos# debera re)lejar la eGactitud predictiva$ Cuando la
eGactitud predictiva es per)ecta# uno predice el valor del criterio Due ocurrirC$ Cuando la
incertidumbre es mCGima# un valor )ijado es predicho en todos los casos$ 8En la predicci!n de
la cateora# uno predice el sini)icado# el modo# la media ! alAn otro valor dependiendo de
la p;rdida de la )unci!n$9 Por lo tanto# la variabilidad de las predicciones es iual a la
variabilidad del criterio cuando la eGactitud predictiva es per)ecta# y la variabilidad de las
predicciones es cero cuando la eGactitud predictiva es cero$ Con una eGactitud predictiva
intermedia# la variabilidad de las predicciones toma un valor intermedio# Due es# Due las
predicciones son reresivas con respecto al criterio$ Por lo tanto# mayor la incertidumbre#
menor la variabilidad de las predicciones$ Bas predicciones por representatividad no siuen
esta rela$ ?ue mostrado en la secci!n previa Due la ente no reres! hacia las cateoras mCs
)recuentes cuando la cuando la eGactitud de las predicciones )ue reducida$ Ba presente
secci!n demuestra una )alla anCloa en el conteGto de la predicci!n num;rica$
Prediccin de resultados versus evaluacin de insumos
Supona Due a uno se le dijo Due un estudiante universitario de primer aEo ha sido
descrito por un consejero como inteliente# con con)ianFa en s mismo# Due trabaja duro e
inDuisitivo$ Considere dos tipos de preuntas Due podran ser hechas sobre ;sta descripci!n<
8a9 )valuacin< C!mo ;sta descripci!n lo impresiona a usted con respecto a la habilidad acad;micaQ Pu;
porcentaje de descripciones de estudiantes universitarios de primer aEo cree usted Due lo impresionara mCsQ 8b9
Prediccin< CuCl es su estimado del punteo promedio de rado Due este estudiante obtendrCQ CuCl es el
porcentaje de estudiantes universitarios de primer aEo Due obtendrCn un punteo promedio de rado mCs altoQ
EGiste una importante di)erencia entre las dos preuntas$ En la primera# usted evalAa el
insumoL en la seunda# usted predice un resultado$ Puesto Due eGiste seuramente una mayor
incertidumbre sobre la seunda Due sobre la primera# su predicci!n debera ser mCs reresiva
Due su evaluaci!n$ Esto es# el porcentaje Due usted da como una predicci!n debera estar mCs
cerca del 13W Due el porcentaje Due usted da como una evaluaci!n$ Para resaltar la
de)erencia entre las dos preuntas# considere la posibilidad Due la descripci!n es ineGacta$
Esto no debera tener ninAn e)ecto en su evaluaci!n< el ordenamiento de las descripciones
con respecto a las impresiones Due ellas hacen en usted es independiente de su eGactitud$ En
predecir# por otro lado# usted debera ser reresivo en la medida Due su sospecha de Due la
descripci!n es ineGacta ! su predicci!n invClida$
Ba hip!tesis de representatividad# sin embaro# implica Due la predicci!n y la evaluaci!n
deberan coincidir$ En evaluar una descripci!n dada# la ente selecciona una puntuaci!n la
cual# presumiblemente# es mCs representativa de la descripci!n$ Si la ente predice por
representatividad# ellos tambi;n seleccionarCn la puntuaci!n mCs representativa de su
predicci!n$ Consecuentemente# la evaluaci!n y la predicci!n serCn esencialmente id;nticas$
Jarios estudios )ueron conducidos para probar ;sta hip!tesis$ En cada uno de ;stos estudios a
13
los sujetos se les dio las in)ormaci!n descriptiva concerniente a un jueo de casos$ Un rupo
de evaluacin evalu! la calidad de cada descripci!n relativa a una poblaci!n establecida# y un
rupo de predicci!n predijo la ejecuci!n )utura$ Bos juicios de los dos rupos )ueron
comparados para probar si las predicciones son mCs reresivas Due las evaluaciones$
En los dos estudios# a los sujetos se les dio descripciones de la universidad supuestamente
escritas por un consejero sobre las bases de un entrevista administrativa a la entrada de
clases$ En el primer estudio# cada descripci!n consisti! de cinco adjetivos# re)erentes a las
cualidades intelectuales y al carCcter# como en el ejemplo citado$ En el seundo estudio# las
descripciones )ueron reportes# incluyendo detalles de la eGperiencia del estudiante y de su
adaptaci!n a la universidad$ En ambos estudios los rupos de evaluaci!n )ueron reDueridos a
evaluar cada una de las descripciones por estimaci!n Ndel porcentaje de estudiantes en toda la
clase cuyas descripciones indican una mCs alta habilidad acad;mica$O & los rupos de
predicci!n se les dio las mismas descripciones y )ueron reDueridos a predecir el punteo
promedio de rado adDuirido por cada estudiante al )inal de su primer aEo y su posici!n en la
clase en percentiles$
Bos resultados de ambos estudios se muestran en la ?iura .# la cual plotea# para cada
descripci!n# la predicci!n media del porcentaje del punteo promedio de rado contra la
media de evaluaci!n$ Ba Anica sistemCtica discrepancia entre predicciones y evaluaciones es
observada en los adjetivos del estudio donde las predicciones )ueron consistentemente mCs
altas Due las correspondientes evaluaciones$ Ba desviaci!n estCndar de las predicciones !
evaluaciones )ue calculada dentro de los datos de cada sujeto$ Una comparaci!n de estos
valores no indic! di)erencias sini)icantes en la variabilidad entre los rupos de evaluaci!n y
de predicci!n# dentro de un rano de valores bajo estudio$ En los adjetivos de estudio# la
desviaci!n estCndar promedio )ue .1$2 para el rupo de evaluaci!n 8* [ 079 y .:$3 para el
rupo de predicci!n 8* [ 049 8t [ /$.1# d) [ 2.# ns9$ En los reportes del estudio# el promedio
de la desviaci!n estCndar )ue ..$. para el rupo de evaluaci!n 8* [ 029 y ./$: para el rupo
de predicci!n 8* [ 409 8t [ $21# d) [ 67# ns9$ En ambos estudios los rupos de predicci!n y de
evaluaci!n produjeron iualmente juicios eGtremos# aunDue el Altimo predijo un criterio
objetivo remoto sobre las bases de la in)ormaci!n de entrevista imprecisa# mientras Due el
Altimo meramente evalu! la impresi!n obtenida de cada descripci!n$ En la teora estadstica
de la predicci!n# la eDuivalencia observada entre predicci!n y evaluaci!n debera ser
justi)icada solo si la eGactitud predictiva )uera per)ecta# una condici!n Due no podra ser
concebiblemente encontrada en estos estudios$
Insertar a-u* la 4i#ura + de la p5#ina 96 del ori#inal(
?iura .$ Percentil predicho del punteo promedio de rado como una )unci!n
del percentil de evaluaci!n para los adjetivos y los reportes$
Posterior evidencia par la eDuivalencia de la evaluaci!n y la predicci!n )ue obtenida en
una tesis de maestra por Beyth 8/62.9$ Ella present! tres rupos de sujetos con siete
artculos cortos# cada uno describiendo el desempeEo de un estudiante>pro)esor durante una
particular lecci!n prCctica$ Bos sujetos )ueron estudiantes en un curso de estadstica en la
Universidad Hebrea$ & ellos se les dijo Due las descripciones haban sido sacadas de entre los
archivos de /33 maestros de escuela elemental Duienes# cinco aEos antes# haban completado
su prorama de entrenamiento para maestro$ Bos sujetos en un rupo de evaluaci!n )ueron
reDueridos a evaluar la calidad de la lecci!n descrita en el artculo corto# en puntos
percentiles relativos a la poblaci!n establecida$ Bos sujetos en un rupo de predicci!n )ueron
reDueridos a predecir en puntos percentiles la posici!n actual de cada maestro# Due es# su
competencia lobal cinco aEos despu;s Due la descripci!n )ue escrita$ Un rupo de
1/
evaluaci!n>predicci!n realiF! ambas tareas$ Como en los estudios descritos arriba# las
di)erencias entre evaluaci!n y predicci!n no )ueron sini)icantes$ Este resultado sostuvo en
ambas las comparaciones entre sujeci!n y sujeto$ &unDue los jueces estuvieron
indudablemente concientes de la multitud de )actores Due intervienen entre una simple
lecci!n de tanteo y la competencia de la enseEanFa cinco aEos despu;s# este conocimiento no
caus! Due sus predicciones sean mCs reresivas Due sus evaluaciones$
Produccin versus traslacin
Bos estudios previos mostraron Due las predicciones de una variable no son reresivas
cuando son comparadas a las evaluaciones de los insumos en t;rminos de esa variable$ En el
estudio siuiente mostraremos Due eGisten situaciones en las cuales las predicciones de una
variable 8loro acad;mico9 no son mCs reresivas Due una mera traslaci!n de esa variable de
una escala a otra$ El punteo promedio de rado )ue escoido como la variable del resultado#
porDue correlaciona y las propiedades de distribuci!n son bien conocidas de la poblaci!n de
los sujetos$
'res rupos de sujetos participaron en el eGperimento$ Bos sujetos en todos los rupos
predijeron el punteo promedio de rado de /3 hipot;ticos estudiantes sobre lo bCsico de un
simple punteo percentil obtenido por cada uno de ;stos estudiantes$ El mismo jueo de
punteo percentil )ue presentado a todos los rupos# pero los tres rupos recibieron di)erentes
interpretaciones del insumo variable como siue$
/$ Percentil del punteo promedio de grado& & los sujetos en el Irupo / 8* [ 0.9 se les
dijo Due Npor cada uno de varios estudiantes a usted le serC dado un punteo percentil
representando sus loros acad;micos en el primer aEo en la universidad y a usted se le
reDuerirC dar su mejor predicci!n sobre su punteo promedio de rado para este aEoO$ Bes )ue
eGplicado a los sujetos Due Nun promedio percentil de 41# por ejemplo# sini)ica el punteo
promedio de rado lorado por este estudiante es mejor Due el adDuirido por el 41W de su
clase# etc$O
.$ Concentracin mental& & los sujetos en el Irupo . 8* [ 029 se les dijo Due NDue el
ensayo de concentraci!n mental mide la habilidad de uno para concentrarse y eGtraer toda la
in)ormaci!n transportada por los mensajes complejos$ Se encontr! Due los estudiantes con
los mCs altos punteos promedio de rado tendan a puntuar alto en el ensayo de
concentraci!n mental y viceversa$ Sin embaro# sin embaro el desempeEo en el ensayo de
concentraci!n mental se encontr! Due depende del humor y estado mental de la persona al
tiempo Due ;l tom! el ensayo$ Por lo tanto# cuando se ensay! repetidamente# la misma
persona podra obtener muy di)erente punteos# dependiendo de la cantidad de sueEo Due ;l
tuvo la noche antes ! cuCn bien ;l se sinti! ese da$O
0$ Sentido del *umor& & los sujetos en el Irupo 0 8* [ 019 se les dijo Due Nel ensayo del
sentido del humor mide la habilidad de la ente para inventar ineniosos subttulos para
caricaturas y para apreciar el humor en varias )ormas$ Se encontr! Due los estudiantes cuyo
alto punteo en este ensayo tienden# en eneral# a obtener punteo promedio mCs alto Due los
estudiantes Due puntean bajo$ Sin embaro# no es posible predecir el punteo promedio de
rado del sentido del humor con alta eGactitud$O
Insertar a-u* la 4i#ura 1 de la p5#*na A' del ori#inal
?iura 0$ Percentil predicho del punteo promedio de rado como una )unci!n
de la evaluaci!n percentil para adjetivos y reportes$
En el presente diseEo# todos los sujetos predijeron el punteo promedio de rado sobre las
bases del mismo jueo de punteos percentiles$ El Irupo / meramente traslad! los valores de
1.
punteo percentil del punteo promedio de rado a la escala de punteo promedio de rado$ Bos
Irupos . y 0# por otro lado# predijeron el punteo promedio de rado de los mCs remotos
insumos$ Bas consideraciones normativas por consiuiente dictan Due las predicciones de
estos rupos deberan ser mCs reresivas# Due es# menos variables Due los juicios del Irupo
/$ Ba representatividad hipot;tica sin embaro# suiere un di)erente patr!n de resultados$
El Irupo . predijo de un potencialmente vClido# pero no con)iable# ensayo de
concentraci!n mental el cual )ue presentado como una medida de la habilidad a acad;mica$
*osotros lanFamos la hip!tesis de Due las predicciones de este rupo seran no reresivas
comparadas a las predicciones del Irupo /$ En eneral# conjeturamos Due el punteo de loros
8por ejemplo# el punteo promedio de rado9 el cual representa un valor percentil de una
medida de la habilidad 8por ejemplo# la concentraci!n mental9 es esa Due corresponde al
mismo en la escala de loros$ Puesto Due la representatividad no estC a)ectada por la no
con)iabilidad# nosotros esperamos Due las predicciones del punteo promedio de rado del
ensayo no con)iable de la concentraci!n mental sea esencialmente id;ntico a las predicciones
del punteo promedio de rado del punteo percentil promedio de rado$ Bas predicciones del
Irupo 0# por otro lado# se esperaron ser reresivas porDue el sentido del humor no es
comAnmente visto como una medida de la habilidad acad;mica$ *osotros asumimos la
hip!tesis Due la predicciones de este rupo debera ser no reresiva cuando se compar! con
las predicciones del Irupo /$ En eneral# conjeturamos Due el punteo del loro 8por ejemplo#
el punteo promedio de rado9 Due mejor representa un valor percentil de una medida de la
habilidad 8por ejemplo# la concentraci!n mental9 es ese Due corresponde al mismo percentil
en la escala de ejecuci!n$ Puesto Due la representatividad no es a)ectada por la no
con)iabilidad# nosotros esperCbamos Due las predicciones del puntaje promedio de rado del
'abla 0$ Promedios de predicci!n estadstica individual para los tres rupos y resultados de las
comparaciones paneadas entre los rupos / y .# y entre los rupos . y 0$
Irupooooooooooooooooooooooooooooooooooooooooooooooooooo
/$ Percentil del .$ Concentraci!n 0$ Sentido del
punteo promedio mental humor
Estadstica de rado / vs$ . . vs$ 0
ooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooo
-edia predicha del punteo
promedio de rado .$.2 ns .$01 $31 .$:4
SD de las predicciones #6/ ns #72 $3/ $46
Inclinaci!n de la reresi!n $62 ns $3.6 $3/ $3..
r $62 ns $31 ns $6:

no con)iable de la concentraci!n mental ser esencialmente id;nticos a las predicciones del
punteo promedio de rado del punteo percentil del promedio de rado$ Bas predicciones del
Irupo 0# por otro lado# se esperaba Due )ueran reresivas porDue el sentido del humor no es
comAnmente visto como una medida de la habilidad acad;mica$
Bas predicciones medias asinadas a los /3 punteos percentiles por los tres rupos son
mostrados en la ?iura 0$ Es evidente en la )iura Due las predicciones del Irupo . no son
mCs reresivas Due las predicciones del Irupo /# mientras Due las predicciones del Irupo 0
aparecen mCs reresivas$
Cuatro ndices )ueron computados dentro de los datos de cada sujeto individual< la media
de sus predicciones# la desviaci!n estCndar de sus predicciones# la inclinaci!n de la reresi!n
del punteo promedio de rado predicho sobre las clasi)icaciones de insumos y la correlaci!n
producto>momento entre ellas$ Bas medias de estos valores para los tres rupos se muestran
en la 'abla 0$
10
Es aparente en la 'abla Due los sujetos en todos los tres rupos produjeron
ordenadamente datos# como es evidenciado por la alta correlaci!n entre insumos y
predicciones 8las correlaciones promedio )ueron obtenidas trans)ormado valores individuales
a la F de ?isher9$ Bos resultados de las comparaciones planeadas entre los Irupos / y . y
entre los Irupos . y 0 con)irman el patr!n observado en la ?iura 0$ *o eGisten di)erencias
sini)icantes entre las predicciones percentiles del punteo promedio de rado e de la
concentraci!n mental$ Por lo tanto# la ente )alla en reresar 8de reresi!n9 cuando predice
una medida del loro mediante una medida de la habilidad# sin embaro no con)iable$
Bas predicciones mediante el sentido del humor# por otro lado# son reresivas aunDue no
su)iciente$ Ba correlaci!n entre el punteo promedio de rado y el sentido del humor deducida
de una comparaci!n de las lneas de reresi!n es alrededor de $23$ &demCs# las predicciones
mediante el sentido del humor son sini)icantemente mCs altas Due las predicciones mediante
la concentraci!n mental$ EGiste tambi;n una tendencia para las predicciones mediante la
concentraci!n mental de ser mCs alta Due las predicciones basadas en el punteo percentil
promedio de rado$ Hemos observado ;stos descubrimientos en muchos estudios$ Cuando se
predice el loro acad;mico de un individuo sobre las bases de una in)ormaci!n imper)ecta#
los sujetos eGhiben poca severidad 8Iuil)ord# /61:9$ Ellos responden a una disminuci!n de la
valideF elevando el nivel predicho de desempeEo$
Se espera Due las predicciones sean esencialmente no reresivas cuando Duiera Due las
variables del insumo y el resultado sean vistas como mani)estaciones del mismo raso$ Un
ejemplo de tales predicciones ha sido observado en un escenario de la vida real# el Consejo
de Selecci!n de %)iciales del Ej;rcito Israel$ Bos o)iciales altamente eGperimentados Duienes
participaron en el eDuipo de evaluaci!n normalmente evaluaron candidatos en un punto 2 de
una escala al t;rmino de varios das prueba y observaci!n$ Para los prop!sitos del estudio#
ellos )ueron reDueridos ademCs de predecir# por cada candidato eGitoso# el rado )inal Due
obtendra en una escuela de entrenamiento de o)iciales$ En sobre .33 casos# evaluados por un
sustancial nAmero de di)erentes jueces# la distribuci!n de rados predichos se encontr! ser
virtualmente id;ntica a la distribuci!n actual de los rados )inales en la escuela de
entrenamiento de o)iciales# con una obvia eGcepci!n< las predicciones de )alla )ueron menos
)recuentes Due las )allas actuales$ En particular# las )recuencias de predicciones en las dos
mCs altas cateoras precisamente iual! las )recuencias actuales$ 'odos los jueces estuvieron
pro)undamente concientes de la investiaci!n indicando Due su valideF predictiva )ue solo
moderada 8en el orden de $.3 a $:39$ *o obstante# sus predicciones )ueron no reresivas$
Consideraciones metodol#icas
Ba hip!tesis de la representatividad establece Due las predicciones no di)ieren de las
evaluaciones de las evaluaciones de similaridad# aunDue la teora normativa estadstica
implica Due las predicciones deberan ser menos eGtremas Due ;stos juicios$ Ba hip!tesis de
la prueba de la representatividad# por consiuiente# reDuiere un diseEo en el cual las
predicciones sean comparadas con otro tipo de juicio$ Jariantes de los diseEos comparativos
)ueron usados en los estudios reportados en este trabajo$
En un diseEo# etiDuetado &>M,# di)erentes rupos de sujetos juFaron dos variables 8M y
,9 sobre las bases del mismo insumo de in)ormaci!n 8&9$ En el caso de 'om H$# por
ejemplo# a dos di)erentes rupos se les dio el mismo insumo de in)ormaci!n 8&9# Due es# una
descripci!n de la personalidad$ Un rupo clasi)ic! los resultados en t;rminos de similaridad
8M9# mientras Due el otro los clasi)ic! en t;rminos de probabilidad 8,9$ Similarmente# en
varios estudios de predicci!n num;rica# a di)erentes rupos se les dio la misma in)ormaci!n
8&9# por ejemplo# una lista de adjetivos describiendo a un estudiante$ Un rupo suministr!
una evaluaci!n 8M9 y el otro una predicci!n 8,9$ En otro diseEo# etiDuetado &B>M# dos
1:
rupos di)erentes de sujetos juFaron el mismo resultado de la variable 8M9 sobre las bases de
di)erentes insumos de in)ormaci!n 8& y B9$ En el estudio inenieroTaboado# por ejemplo#
dos di)erentes rupos hicieron el mismo juicio 8M9 de la probabilidad de Due un individuo
particular es un ineniero$ & ellos se les dio una breve descripci!n de su personalidad y
di)erente y di)erente in)ormaci!n 8& y B9 concerniente a las )recuencias base>proporci!n de
inenieros y aboados$ En el conteGto de la predicci!n num;rica# di)erentes rupos
predijeron un punteo promedio de rado 8M9 mediante tanteos de di)erentes variables# del
percentil del punteo promedio de rado 8&9 y de la concentraci!n mental 8B9$
Ba hip!tesis de representatividad estuvo apoyada en ;stos diseEos comparativos
mostrando Due contrario al modelo normativo# las predicciones no son mCs reresivas Due las
evaluaciones ! juicios de la similaridad$ 'ambi;n es posible preuntar si las predicciones
intuitivas son reresivas cuando son comparadas con los resultados actuales# ! con los
insumos cuando los insumos y los resultados son medidos sobre la misma escala$ &An
cuando la predicciones no son mCs reresivas Due las traslaciones# nosotros esperamos Due
ellas sean lieramente reresivas cuando son comparadas con los resultados# debido a la bien
conocida tendencia central al error 8=ohnson# /62.L Hood+orth# /6079$En una amplia
variedad de tareas de juicios# incluyendo la mera traslaci!n de insumos de una escala a otra#
los sujetos tienden a evitar respuestas eGtremas y a estrechar la variabilidad de sus juicios
8Stevens R Ireenbaum# /6449$ Debido a este prejuicio de respuesta# los juicios serCn
reresivos# cuando sean comparados con los insumos ! con los resultados$ Bos diseEos
empleados en el presente trabajo neutraliFan el e)ecto comparando los dos juicios# estando
ambos sujetos al mismo prejuicio$
El presente jueo de estudios estC relacionado con situaciones en las cuales las entes
hacen predicciones sobre las bases de la in)ormaci!n Due estC disponible para ellas previo al
eGperimento# en la )orma de estereotipos 8por ejemplo# de un ineniero9 y las eGpectativas
concernientes a las relaciones entre variables$ Bos resultados de reaprovechamiento no )ueron
)acilitados# y el nAmero reDuerido de juicios de cada sujeto )ue peDueEo$ En contraste# los
estudios mCs recientes de la predicci!n han tratado con el aprendiFaje de relaciones
)uncionales ! estadsticas entre variables con las cuales los sujetos no haban tenido
conocimiento previo$ Estos estudios involucran tpicamente un ran nAmero de pruebas y
varias )ormas de resultado de reaprovechamiento$ 8&luna de esta literatura ha sido revisada
en Slovic R Bichtenstein# /62/9$ En estudios de predicciones repetitivas con
aprovechamiento# los sujetos eneralmente predicen seleccionando resultados de tal modo
Due la secuencia entera ! patr!n de predicciones sea altamente representativo de la
distribuci!n de resultados$ Por ejemplo# los sujetos en estudios de aprendiFaje de
probabilidad eneran secuencias de predicci!n de resultados$ Similarmente# los sujetos en la
las tareas de predicci!n num;rica aproGimadamente reproducen el ploteo disperso# Due es# la
articulaci!n de distribuci!n de insumos y resultados 8vea# por ejemplo# Iray# /6479$ Para
hacerlo# los sujetos se apoyan en una estrateia miGta< para cualDuier insumo dado ellos
eneran una distribuci!n de di)erentes predicciones$ Estas predicciones re)lejan el hecho de
Due un insumo cualDuiera es seuido por resultados di)erentes en di)erentes pruebas$
Evidentemente# las relas de predicci!n son di)erentes en los dos paradimas# aunDue# la
representatividad estC involucrada en ambos$ En el reaprovechamiento del paradima# los
sujetos producen secuencias de respuesta representando el patr!n completo de la asociaci!n
entre insumos y resultados$ En las situaciones eGploradas en el presente trabajo# los sujetos
seleccionaron la predicci!n Due mejor representa sus impresiones de cada caso individual$
Bas dos aproGimaciones conducen a di)erentes relaciones de la rela normativa< la
representaci!n de incertidumbre a trav;s de una estrateia miGta en el reaprovechamiento del
paradima y el deshecho de la incertidumbre a trav;s de la predicci!n por evaluaci!n en el
paradima presente$
11
Conian!a y la ilusin de la valide!
Como se demostr! en las secciones precedentes# uno predice seleccionando el resultado
Due es mCs representativo del insumo$ Proponemos Due el rado de con)ianFa Due uno tiene
en una predicci!n re)leja el rado al cual el resultado seleccionado es mCs representativo del
insumo de lo Due son otros resultados$ Una mayor determinante de la representatividad en el
conteGto de la predicci!n num;rica mAltiples atributos de los insumos 8por ejemplo#
cali)icaci!n de per)iles9 es la consistencia# ! la coherencia# del insumo$ -ientras mCs
consistente es el insumo# la mCs representativa cali)icaci!n predicha aparecerC y serC mayor
la con)ianFa en esa predicci!n$ Por ejemplo# la ente predice un promedio total B con mCs
con)ianFa sobre las bases de rados B en dos cursos introductorios separados Due sobre las
bases de un & y un C$ Ciertamente# la variabilidad interna ! inconsistencia del insumo se ha
encontrado Due decrece la con)ianFa en las predicciones 8Slovic# /6449$
Ba intuici!n de Due per)iles consistentes permiten mayor predecibilidad Due per)iles
inconsistentes es obliatoria$ *o es de ninAn valor# sin embaro# Due ;sta creencia sea
compatible con la comAnmente aplicada multivariado modelo de predicci!n 8por ejemplo# el
modelo lineal normal9 en el cual la eGactitud predictiva esperada es independiente de la
variabilidad interna del per)il$
Per)iles consistentes tpicamente serCn encontrados cuando el juFador predice de
cali)icaciones$ Per)iles inconsistentes# por otro lado# son mCs )recuentes cuando las
intercorrelaciones son bajas$ PorDue la con)ianFa se incrementa con la consistencia# la
con)ianFa eneralmente serC alta cuando los insumos variables est;n altamente
correlacionados$ Sin embaro# dados insumos variables de la valideF establecida# la
correlaci!n mAltiple con el criterio estC inversamente relacionada a las correlaciones entre los
insumos$ Por lo tanto# una situaci!n parad!jica sure cuando altas intercorrelaciones entre los
insumos incrementa la con)ianFa y decrece la valideF$
Para demostrar este e)ecto# reDuerimos a los sujetos predecir el punteo promedio de rado
sobre las bases de dos pares de pruebas de aptitud$ & los sujetos se les dijo Due un par de
ensayos 8pensamiento creativo y habilidad simb!lica9 )ue altamente correlacionado# mientras
Due otro par de ensayos 8)leGibilidad mental y raFonamiento sistemCtico9 no estaban
correlacionados$ Bas cali)icaciones Due ellos encontraron se con)ormaron a ;stas
eGpectativas$ 8Para la mitad de los sujetos las etiDuetas de las correlacionadas y de la no
correlacionadas de los pares de pruebas estaban invertidas9$ & los sujetos se les dijo Due
Ntodas la pruebas )ueron encontradas iualmente eGitosas en predecir el desempeEo
universitario9$O En esta situaci!n# por supuesto# una mCs alta eGactitud predictiva puede ser
adDuirida con el par de pruebas no correlacionadas Due con las correlacionadas$ Como se
esperaba# sin embaro# los sujetos estuvieron mCs con)iados en predecir de las pruebas
correlacionadas# sobre el rano entero de las cali)icaciones predichas 8t [ :$73# d) [ /.6# p ] $
33/9$ Bo Due es# Due ellos estuvieron mCs con)iados en un conteGto de in)erior valideF
predictiva$
%tro descubrimiento observado en muchos estudios de predicci!n# incluyendo el nuestro#
es Due la con)ianFa es una )unci!n )ormada>= del nivel predicho de realiFaci!n 8vea =ohnson#
/62.9$ Bos sujetos predicen sobresalientemente altos loros con muy alta con)ianFa# y ellos
tienen mCs con)ianFa en la predicci!n de )allas absolutas Due de un desempeEo mediocre$
Como vimos anteriormente# las predicciones intuitivas son a menudo insu)icientemente
reresivas$ Bas discrepancias entre predicciones y resultados# por consiuiente# son mCs
randes en los eGtremos$ Ba )unci!n )ormada>= de la con)ianFa acarrea Due los sujetos sean
mCs con)iados en las predicciones Due son mCs probables de estar )uera de la etiDueta$
14
El anClisis precedente muestra Due los )actores Due estimulan la con)ianFa# por ejemplo#
consistencia y eGtremismo# estCn a menudo neativamente correlacionados con la eGactitud
predictiva$ Por tanto# la ente estC propensa a eGperimentar mucha con)ianFa en juicios
altamente )alibles# un )en!meno Due puede ser llamado la ilusin de la validez& Como otros
errores perceptuales y de juicio la ilusi!n de la valideF a menudo persiste aAn cuando su
carCcter ilusorio es reoraniFado$ Cuando se entrevista a un candidato# por ejemplo# muchos
de nosotros ha eGperimentado ran con)ianFa en nuestra predicci!n de su )uturo desempeEo a
pesar de nuestro conocimiento de Due las entrevistas son notoriamente )alibles$
Intuiciones sobre la re#resin
Bos e)ectos de la reresi!n estCn todos sobre nosotros$ En nuestra eGperiencia# los padres
mCs sobresalientes tienen hijos alo )rustrantes# brillantes esposas tienen esposos aburridos#
los mal ajustados tienden a ajustarse y los a)ortunados son eventualmente olpeados por la
mala suerte$ & pesar de estos encuentros# la ente no adDuiere una noci!n apropiada de la
reresi!n$ Primero# ellos no esperan reresi!n en muchas situaciones es )orFado Due ocurra$
Seundo# como cualDuier maestro de estadstica atestiuarC# una noci!n apropiada de la
reresi!n es eGtremadamente di)cil de adDuirir$ 'ercero# cuando la ente observa reresi!n#
ellos tpicamente inventan eGplicaciones dinCmicas espAreas para ella$
Pu; es lo Due hace al concepto de reresi!n contra>intuitivo y di)cil de adDuirir y
aplicarQ *osotros suerimos Due una mayor )uente de di)icultad es Due los e)ectos de la
reresi!n tpicamente violan la intuici!n de Due el resultado predicho debera ser
mCGimamente representativo del insumo de in)ormaci!n /70
Para ilustrar la persistencia de las intuiciones no reresivas a pesar de la considerable
eGposici!n a la estadstica# nosotros presentamos el problema siuiente para nuestra muestra
de estudiantes raduados en psicoloa<
Un problema de ensayo$ Un individuo seleccionado aleatoriamente ha obtenido un punteo de /:3 en
una prueba estCndar de IP$ Supona Due un punteo de IP es la suma de un punteo NverdaderoO y un
error aleatorio de medici!n es cual es normalmente distribuido$
Por )avor d; su mejor opini!n sobre el 61W de los lmites de con)ianFa superior e in)erior para el
verdadero IP de ;sta persona$ Bo Due es Due d; un alto estimado tal Due usted estC 61W seuro Due el
verdadero punteo del IP es# de hecho# menor Due ese estimado# y un bajo estimado tal Due usted est;
61W seuro de Due el punteo verdadero es de hecho mCs alto$
En ;ste problema# se les orden! considerar el punteo observado como la suma de un
punteo NverdaderoO y un componente de error$ Puesto Due el punteo observado es
considerablemente mCs alto Due la poblaci!n media# es mCs probable Due no Due el
componente de error sea positivo y Due ;ste individuo obtendrC un punteo alAn tanto menor
en las pruebas subsecuentes$ Ba mayora de los sujetos 820 de /379# sin embaro#
determinaron intervalos de con)ianFa Due )ueron sim;tricos alrededor de /:3# )allando en
eGpresar cualDuier eGpectativa de reresi!n$ De los restantes 01 sujetos# .: determinaron
intervalos de con)ianFa reresivos y // determinaron intervalos contra>reresivos$ Por tanto#
la mayora de los sujetos inor! los e)ectos de la no con)iabilidad del insumo y predijeron
como si el valor de /:3 )uera el punteo verdadero$ Ba tendencia a predecir como si el insumo
de in)ormaci!n estuviera libre de error ha sido observado repetidamente en este trabajo$
BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB
/70 Ba eGpectativa de Due cada partcula sini)icante del comportamiento es altamente representativa de la
personalidad del actor puede eGplicar por Du; los leos y sic!loos por iual son perennemente
12
sorprendidos por las despreciables correlaciones entre medidas aparentemente intercambiables de
honestidad# de rieso# de aresi!n y de dependencia 8-ischel# /6479$
Ba ocurrencia de reresi!n es alunas veces reoraniFada# ya sea porDue descubrimos
e)ectos de reresi!n en nuestras propias observaciones ! porDue se nos dijo eGplcitamente ha
ocurrido reresi!n$ Cuando es reconocido# un e)ecto de reresi!n es tpicamente considerado
como un cambio sistemCtico Due reDuiere una eGplicaci!n sustantiva$ Ciertamente# muchas
eGplicaciones espAreas de e)ectos de reresi!n han sido o)recidas en las ciencias sociales$ /90
Principios dinCmicos han sido invocados para eGplicar por Du; neocios hechos
eGcepcionalmente bien en un punto y tiempo tienden a deteriorarse subsecuentemente y por
Du; el entrenamiento en interpretar eGpresiones )aciales es bene)icioso para los entrenados
Duienes puntearon pobremente en un pre>ensayo y perjudicial para aDuellos Duienes lo
hicieron mejor$ &lunas de ;stas eGplicaciones podran no haber sido o)recidas# se dieron
cuenta los autores Due dadas dos variables de iuales variantes# los siuientes dos
planteamientos son l!icamente eDuivalentes< 8a9 , es reresiva con respecto a ML 8b9 la
correlaci!n entre , y M es menor Due la unidad$ EGplicar la reresi!n# por consiuiente# es
eDuivalente a eGplicar por Du; una correlaci!n es menor Due la unidad$
Como una ilustraci!n )inal de cuCn di)cil es reconocer e interpretar apropiadamente la
reresi!n# considere la siuiente interroante la cual )ue puesta para nuestra muestra de
estudiantes raduados$ El problema descrito actualmente suri! de la eGperiencia de uno de
los autores$
+n problema de entrenamiento& Bos instructores en una escuela de entrenamiento de vuelo adoptaron
una poltica de consistente re)uerFo positivo recomendado por los psic!loos$ Ellos verbalmente
re)orFaron cada ejecuci!n eGitosa de una maniobra de vuelo$ Despu;s de alunas eGperiencias con la
aproGimaci!n al entrenamiento# los instructores declararon Due contrario a la doctrina psicol!ica# un
alto eloio por la buena ejecuci!n de maniobras complejas tpicamente resulta en un decremento de
la ejecuci!n en el siuiente intento$ Pu; diran los psic!loos de ;sta respuestaQ
Ba reresi!n es inevitable en las maniobras de vuelo porDue la ejecuci!n no es
per)ectamente con)iable y el proreso entre sucesivas maniobras es bajo$ Por lo tanto# los
pilotos Due lo hicieron eGcepcionalmente bien en un intento es probable Due se deterioren en
el siuiente sin importar la reacci!n de los instructores al ;Gito inicial$ Bos instructores de
vuelo eGperimentados actualmente descubrieron la reresi!n pero atribuida al pernicioso
e)ecto del re)uerFo positivo$ Esta historia verdadera ilustra un tristemente aspecto de la
condici!n humana$ *osotros normalmente re)orFamos a otros cuando su desempeEo es bueno
y los castiamos cuando su desempeEo es malo$ Por la sola reresi!n# por consiuiente# es
mCs probable Due ellos mejoren despu;s de ser penaliFados y lo mCs probable Due ellos se
deterioren despu;s de ser recompensados$
*inuno de los estudiantes raduados Due respondieron ;sta interroante suirieron Due
la reresi!n podra ser causa de problemas$ En luar de eso# ellos propusieron Due los
re)uerFos verbales podran ser ine)ectivos para los pilotos ! Due ellos podran conducir a una
sobre>con)ianFa$ &lunos estudiantes aAn dudaron de la valideF de las impresiones de los
instructores y discutieron posibles )uentes de prejuicio en la percepci!n de la situaci!n$ Estos
encuestados haban indudablemente sido eGpuestos a un completo tratamiento de reresi!n
estadstica$ De cualDuier manera# ellos )allaron en reconocer una instancia de reresi!n
cuando ella no )ue eGpresada en los t;rminos )amiliares de altura de los padres e hijos$
Evidentemente# el entrenamiento estadstico solo no cambia las intuiciones )undamentales
sobre la incertidumbre$
ooooooooooooooooooooooooooooooooo
17
/90 Para deslumbrantes )alacias en discusiones de reresi!n en investiaci!n# vea# por ejemplo# Campbell
8/6469 y Hallis y "oberts 8/6149$
9( Estudios de representatividad
:aya Car-)illel
Daniel Kahneman y &mos 'vers(y han propuesto Due cuando se juFa la probabilidad de
alAn incierto evento# la ente a menudo recurre a la heurstica# ! relas empricas# las cuales
son menos Due per)ectamente correlacionadas 8si# ciertamente del todo9 con las variables Due
actualmente determinan los eventos de probabilidad$ Una de tales heursticas es la
representatividad# de)inida como un juicio subjetivo del rado al cual el evento en cuesti!n
Nes similar en las propiedades esenciales a su poblaci!n de orienO ! Nre)lejan las
caractersticas conspicuas de los procesos por los cuales ella es eneradaO 8Kahneman R
'vers(y# /62.b# p$ :0/# 09$ &unDue en alunos casos los eventos mCs probables tambi;n
aparecen mCs representativos# y viceversa# la con)ianFa en la representatividad de un evento
como un indicador de su probabilidad puede introducir dos clases de error sistemCtico dentro
del juicio$ Primero# el puede dar una in)luencia indebida a las variables Due a)ectan la
representatividad de un evento pero no su probabilidad$ Seundo# el puede reducir la
importancia de las variables Due son cruciales para determinar la probabilidad de los eventos
pero no estCn relacionados a los eventos de representatividad$
El concepto de representatividad ha sido ocasionalmente criticado como muy vao y
elusivo# presumiblemente porDue carece de una de)inici!n eneral operacional$ Esto no es
para decir# sin embaro# Due es imposible evaluar los juicios de representatividad
independientemente de los de la probabilidad# una conclusi!n Due ha sido a menudo
implicada por los crticos$ En el estudio de N'om H$O# por ejemplo# Kahneman y 'vers(y
8/620# :9 de)inieron la representatividad como la similaridad de alAn individuo# 'om H$# Nal
tpico estudiante raduado en $ $ $ âlunos_ campos de la especialiFaci!n del raduadoO
8/620# p$ .079 y lo clasi)icaron independientemente de la probabilidad de Due 'om H$
estuviera enrolado en esos campos$ En otros estudios# la clasi)icaci!n independiente por
representatividad )ue evitada solo porDue los lectores podran proveerlo a s mismos va
eGperimentados pensados$
Insertar a-u* la 4i#ura ' de la P5#ina D8 del ori#inal(
?iura /$ Un estmulo caracterstico usado en el estudio de la similaridad y la probabilidad$
8?uente< Bar>Hllel# /62:9$
<imilaridad y probabilidad
16
Poco despu;s Due la noci!n de representatividad )uera introducida# yo e)ectu; un
peDueEo estudio en el Due la representatividad )ue clasi)icada por un criterio previo 8para ser
eGplicado mCs adelante en este captulo9 y eGperimentalmente por los juicios de los sujetos$
Estas clasi)icaciones )ueron entonces comparadas con juicios de probabilidad
independientemente arupados 8Bar>Hillel# /62:9$ Bas tareas estudiadas oFaron de la
ventaja de tener una Anica# bien de)inida probabilidad asociada con ellas# junto con una
simple representaci!n visual Due se presta a si misma )Ccilmente para juicios de similaridad
perceptual$
Bos estmulos en este estudio )ueron triples de rC)icos de barra# denotados B# - y " Due
)ueron coloreados de iFDuierda a derecha# verde# amarillo y rojo$ Ba lonitud de cada barra
)ue una mAltiple de 1 unidades# y las lonitudes de las tres barras dentro de cada rC)ico
sum! /33$
'odos los triples 8B# - y "9 de los rC)icos de barra usados en este eGperimento
compartieron las propiedades siuientes<
/$ Cada barra en el medio del rC)ico estuvo a medio camino en lonitud entre las
correspondientes barras en el rC)ico a la iFDuierda y a la derecha$ 8Si# sin embaro# el
promedio de lonitud de las barras de la iFDuierda y de la derecha no proveen un mAltiplo de
1# la barra del medio )ue redondeada al mAltiplo mCs cercano de 1$9 Por ejemplo# en la ?iura
/# la lonitud de la barra verde en el rC)ico - es 01# la cual estC en el medio entre .3 y 13#
las respectivas lonitudes de las barras en lo rC)icos B y "$ Bo mismo se sostiene para las
barras amarillas y rojas$ 8 *ote# sin embaro# Due las lonitudes de ;stas barras han sido
redondeadas< :.$1 a :3 y ..$1 a .1$9
.$ El orden de rano de las lonitudes de las barras en el rC)ico - coincidieron con el
orden de rano de ya sea aDuellos en el rC)ico B ! aDuellos en el rC)ico "# pero no ambos#
puesto Due el rC)ico B y el rC)ico " )ueron siempre ordenados por rano di)erentemente$
Por ejemplo# en la ?iura / el orden de rano de - y B es el mismo# la roja siendo mCs corta
y la amarilla mCs alta en ambos# pero es di)erente en "# donde la amarilla es la barra mCs
corta$ Esto )ue acentuado por una lnea delada conectando secuencialmente el eGtremo
superior de todas las barras en el rC)ico# aunDue el eje M )ue una terminal variable$
0$ Supona Due el rC)ico - es interpretado como describiendo una poblaci!n trinomial#
y Due los rC)icos " y B son interpretados como muestras del tamaEo .3 Due podra ser
obtenido de su poblaci!n$ Entonces la muestra cuyo rano de orden Due iual! a la del
rC)ico - )ue siempre la muestra menos probable$ Por ejemplo# en la )iura /# - describe
una poblaci!n trinomial con parCmetros $01# $:3 y $.1$ Bas posibilidades a )avor de obtener
una muestra " 8por ejemplo#/3 verdes# 0 amarillas y 2 cuentas rojas9 mCs Due una muestra B
8por ejemplo# : verdes# /: amarillas y . cuentas rojas9 es de alrededor de 7 a 1# puesto Due

Insertar primera rmula de la P5#( D' del ori#inal a-u*(
Por lo tanto " es la muestra mCs probable$
:$ Supona alternativamente# Due B y " son interpretadas como poblaciones y - como
una muestra$ Entonces la muestra - )ue siempre menos probable de emerer de la poblaci!n
cuyo orden de rano ella iual!$ Por ejemplo# en la ?iura /# - describe una muestra de 2
verdes# 7 amarillas y 1 cuentas rojas$ Bas probabilidades de obtener - de la poblaci!n " 8por
ejemplo# parCmetros $13# $/1 y $019 mCs Due la poblaci!n B 8por ejemplo# parCmetros $.3# $23
y $/39 son alrededor de 2 a 1# puesto Due
Insertar se#unda rmula de la P5#( D' del ori#inal a-u*(
Por lo tanto " es la poblaci!n mCs probable$
43
Jeintiocho de tales triples )ueron mostrados a los tres di)erentes rupos de sujetos#
operando bajo tres di)erentes jueos de instrucciones$ & un rupo se le dijo Due cada rC)ico
describe una distribuci!n trinomial# donde B y " describen dos poblaciones y - describe una
muestra obtenida de una de aDuellas poblaciones$ Bos .1 sujetos en este rupo juFaron si la
muestra representada en - es mCs probable de ser obtenida de la poblaci!n B ! de la
poblaci!n "$ & otro rupo se le dijo Due - describe una poblaci!n trinomial# mientras Due B
y " eran dos muestras trinomiales$ Bos .4 sujetos en este rupo juFaron cuCl de las dos
muestras era mCs probable de ser obtenida de poblaci!n dada$ Estos rupos )ueron primero
presentados con un jarra rande de vidrio llena con verdes# amarillas y cuentas rojas$ & ellos
se les mostr! Due la composici!n de la jarra 8por ejemplo# la poblaci!n9 puede ser descrita
por un apropiado rC)ico de barra$ Una muestra de .3 cuentas )ue aleatoriamente obtenida en
su presencia y su representaci!n del rC)ico de barra )ue tambi;n demostrado$ Bos sujetos
)ueron lueo instruidos a pensar de B y " como representaciones de poblaciones de la jarra#
con - representado a muestra de .3 cuentas# ! B y " como muestras# con - representado
una poblaci!n# de acuerdo al rupo en Due ellos estaban$
&l tercero y Altimo rupo# consistente de .1 sujetos# no le )ue dada la interpretaci!n de
los rC)icos y )ue meramente reDuerida a juFar cuCl de los dos rC)icos # B y "# se pareca
mCs cercanamente a la del centro# -$
Por cada uno de los tres criterios separadamente 8^/_ mCs probable Due produFca la
muestra -L ^._ mCs probable Due emerja de la poblaci!n -L ^0_ mCs similar a -9# un
estmulo )ue clasi)icado como B ! " de acuerdo al rC)ico seleccionado por una mayora de
los sujetos$
Bos dos mayores descubrimientos de este estudio )ueron<
/$ Bas clasi)icaciones de la similaridad emprica dada por los sujetos coincidi!
per)ectamente con el criterio de similaridad a priori eGpresada en la propiedad ^._ arriba$ En
otras palabras# de los .7 estmulos# sobre el 73W de los sujetos juFaron Due - era mCs
similar al rC)ico en el cual las alturas de las barras coloreadas )ueron ordenadas del mismo
modo$
.$ Bas clasi)icaciones de B y " por probabilidad# ya sea como muestras ! poblaciones#
)ueron altamente correlacionadas con sus clasi)icaciones de similaridad$ De /2 triples en los
cuales " )ue juFado mCs similar a -# solo . )ueron juFados menos probables como
muestras# y : )ueron juFados menos probables como poblaciones$ De las // muestras en las
cuales B )ue juFada mCs similar a -# solo / )ue clasi)icada menor Due "# y esa )ue como un
muestra$ Por tanto# las clasi)icaciones de similaridad no estCn de acuerdo con las
clasi)icaciones de probabilidad por menos del /0W de los estmulos$ Ba uni!n de la
clasi)icaci!n de los juicios de similaridad con la probabilidad de los juicios es dada en la
?iura .# B y " )ueron muestras# en B# ellos )ueron poblaciones$
El coe)iciente q de correlaci!n entre las clasi)icaciones de probabilidad como muestras y
las clasi)icaciones de probabilidad como poblaciones )ue de $21# casi tan alta como las
correlaciones q entre cada una de las clasi)icaciones de probabilidad y las clasi)icaciones de
similaridad$ Esto apoya la posici!n Due los sujetos en ambos los rupos de juicio>
probabilidad )ueron basando sus ordenamientos randemente en la similaridad# los juicios
realiFados por el tercer rupo$
Eu@ caracter*sticas ;acen -ue la muestras pare!can representativas?
%lson 8/6249 seEal! Due aunDue Nla noci!n de juicio en una evaluaci!n de la
representatividad oFan de considerable apoyo# ambos eGperimental e introspectivo# en un
amplio rano de situaciones de juicio#O ella no estC completa hasta Due podamos determinar
Nlos )actores Due hacen un tarea particular y las caractersticas de un problema los conspicuos
4/
con respecto a los cuales la representatividad es juFadaO 8p$ 4379$ En alunos conteGtos#
tales como el estudio de la similaridad y la probabilidad# ;stos han sido identi)icados$ Para
dar otro ejemplo# la clave Due determina la representatividad de la muestra para muestras
desordenadas de variado tamaEo obtenidas de aluna distribuci!n de Bernoulli parece ser la
disparidad entre la proporci!n de N;GitoO en la muestra y el correspondiente parCmetro de
poblaci!n 8Kahneman R 'vers(y# /62.b# 09$ El estudio Due yo describir; ahora 8Bar>Hillel#
/673b9 suiere una metodoloa eneral para identi)icar las caractersticas de control de la
representatividad para muestras de cualDuier poblaci!n$ El es ejempli)icado por un intento
para identi)icar las claves Due determinan la representatividad para las muestras 8de tres
observaciones9 tomadas de unas distribuciones en )orma de campana 8por ejemplo normal9$
El principio bCsico es simple$ Si nosotros asumimos Due los juicios de representatividad y
de probabilidad estCn determinados por las mismas caractersticas esenciales# entonces ;stas
caractersticas pueden ser descubiertas reDuiriendo a la ente interpretar los juicios de
probabilidad por un jueo de muestras seleccionadas adecuadamente$ Este procedimiento
revierte los papeles de probabilidad y representatividad$ En otras palabras# los juicios de
probabilidad son utiliFados no para con)irmar la representatividad sino para in)erir la
representatividad$ "eDuiriendo a los sujetos# sin embaro# clasi)icar las muestras por la
representatividad directamente puede bien ser una petici!n de principio$ Ellos podran
replicar< NBueno# Du; entiende usted por representatividadQO En luar de eso# la estrateia
propuesta sustituye una clara# no ambiua interroante 8NCuCl de ;stas muestras es mCs
probable de ser obtenida al aFar de ;sta poblaci!nQO9 Due bajo supuestos estCndar tiene una
respuesta normativa$
& los sujetos se les dio un problema tal como el siuiente<
El promedio de altura de los universitarios &mericanos hombres es /21 cm$ 'res archivos )ueron
aleatoriamente obtenidos de la o)icina de reistro de una universidad# pertenecientes a =ohn# -i(e y
Bob$ CuCl resultado es mCs probable con respecto a las alturas de ;stos tres hombresQ
=ohn > /27 cms$ =ohn > /22 cms$
-i(e > /23 cms$ ! -i(e > /22 cms$
Bob > /24 cms$ Bob > /22 cms$
Bos nAmeros actuales dados di)irieron de di)erentes )ormas y pueden ser encontrados en las
columnas de estmulos de la 'abla / 8los ejemplos previos corresponden a la )ila /9$ Jariando
sistemCticamente los nAmeros usados# )ue posible cheDuear justo cuCles caractersticas de
muestra# y en Du; orden )ueron determinando las respuestas de los sujetos$ &ntes yo o)reFco
una sumatoria del cuadro emerente# unos pocos comentarios eGplicatorios Due estCn en
orden# para ayudar al lector a en)rentarse con la tabla$
/$ Ba muestra etiDuetada & es siempre una Due )ue percibida como mCs probable Due la
muestra con la cual ella )ue eDuiparada$ En las )ormas del cuestionario eneral# las muestras
& aparecen a menudo a la derecha como a la iFDuierda$ Ba proporci!n eGacta de los sujetos
Due escoen & sobre B estC listada en las columnas de respuestas$

4.

40
[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[
'abla /$ =uicios y medidas estadsticas de la probabilidad relativa de pares de muestras en Bar>Hillel 8/673b9$
Estmulos para Estmulos para
la muestra & la muestra B "espuestas KS
oooooooooooooooooooo oooooooooooooooo oooooooooooooooo P8B9 "espuesta estadstica
=ohn -i(e Bob =ohn -i(e Bob &8W9 B8W9 n P8&9 verdadera & B
'res observaciones di)erentes /$ /27 /23 /24 /22 /22 /22 61 1 /77 /$06 B $0/ $40
vrs$ tres id;nticas
.$ /7/ /41 /22 /21 /21 /21 60 2 .6 4$:. B $03 $13
0$ /27 /23 /24 /21 /21 /21 62 0 03 /$16 B $0/ $13
:$ /27 /73 /24 /21 /21 /21 71 /1 .4 /$16 B $12 $13r
1 /27 /73 /24 /22 /22 /22 73 .3 .1 /$06 B $12 $40
4$ /6/ /70 /76 /21 /21 /21 2. .7 .1 /033 B $6/ $13r
'res observaciones di)erentes 2$ /27 /23 /24 /24 /23 /24 2. .7 .1 /$/. B $0/ $:0
Jrs$ dos id;nticas$
7$ /27 /23 /24 /27 /23 /27 24 .: .1 $47 & $0/ $04
6$ /24 /2: /21 /27 /23 /27 12 :0 .6 $14 & $:0 $04r
"ano mCs rande pre)erido /3$ /27 /23 /24 /24 /2: /21 4. 07 .6 /$17 B $0/ $:0
//$ /27 /23 /24 /22 /20 /24 2/ .6 0/ /$:0 B $0/ $02
/.$ /27 /23 /24 /27 /2. /22 1: :4 .7 /$/: B $0/ $0/
/0$ /27 /23 /24 /22 /2/ /21 1: :4 .7 /$/: B $0/ $02
"ano mCs peDueEo /:$ /27 /23 /24 /26 /46 /22 1: :4 .4 $21 & $0/ $03r
Pre)erido /1$ /27 /23 /24 /7/ /41 /22 22 .0 03 $.0 & $0/ $03r
/4$ /27 /23 /24 /73 /23 /21 4: 04 .1 $7/ & $0/ $.3r
/2$ /27 /23 /24 /7/ /46 /21 16 :/ .2 $43 & $0/ $/2r
-uestras bilaterales vrs$ /7$ /27 /23 /24 /2. /23 /2: 27 .. .2 /$33 CualDuiera $0/ $12
unilaterales /6$ /27 /23 /24 /27 /73 /24 4: 04 .1 /$33 CualDuiera $0/ $12
.3$ /27 /23 /24 /7: /24 /7. 24 .: .1 $.4 & $0/ $12
./$ /7/ /41 /22 /27 /73 /24 40 02 0. :$.6 B $12 $12
..$ /24 /2: /21 /7: /24 /7. 20 .2 03 $72 & $02 $12
.0$ /22 /2/ /21 /27 /73 /24 60 2 .7 $/2 & $:0 $12
.:$ /24 /2: /21 /27 /73 /24 26 ./ 02 /$17 B $:0 $12

&mbas muestras .1$ /70 /21 /22 /7: /24 /7. 72 /0 03 $:. & $13 $12
Unilaterales .4$ /71 /21 /22 /7: /24 /7. 71 /1 .2 $47 & $13 $12
.2$ /27 /73 /24 /7: /24 /7. 6/ 6 0: $.4 & $12 $12
.7$ /27 /73 /24 /7/ /26 /70 7/ /6 .7 $0. & $12 $21
?uente< Bar>Hillel 8/673b9$
41
0$ Ba muestra Due es mCs probable desde el punto de vista de una normativa puede ser
visto en la columna de las medidas estadsticas$ Ba muestra & es mCs probable Due la
muestra B s y solo si P8&9TP8B9 ] /# lo Due es# si
Insertar a-u* la rmula de la p5#ina DA del ori#inal(
Donde & [ ^M/# M.# M0_# B [ ^,/# ,.# ,0_$ Esta proporci!n )ue computada para la )unci!n de
densidad normal con s [ /21 cm# t [ 4 cm$ Puesto Due la respuesta estadsticamente correcta
aparece en las columnas & y B sobre a menudo respuestas iuales de los sujetos son
claramente relacionadas a ella y no mejor Due el nivel de posibilidad$
'alveF la mCs notable caracterstica de los resultados tabulados en la 'abla / es Due no
eGiste una clave simple en las cuales los sujetos se apoyen en el ordenamiento de las
muestras$ Por ejemplo# ellos alunas veces escoieron la muestra cuya media estC mCs cerca
de la media de la poblaci!n 8por ejemplo# la )ila /9# y alunas veces ellos escoieron lo
opuesto 8por ejemplo# la )ila .9$ &lunas veces ellos escoieron la muestra conteniendo las
observaciones mCs eGtremas 8por ejemplo# la )ila /09# y alunas veces lo opuesto 8por
ejemplo# la )ila /:9$ Ciertamente# parece como si un mont!n de claves son relevantes S
nAmero de observaciones id;nticas# ya sea Due ambos lados de la poblaci!n media est;n
representados# media y rano de la muestra S y son considerados de alAn modo de estilo
secuencial# como se represent! en la ?iura 0$ Esto re)uerFa la opini!n de Due lo Due sea Due
determine el juicio de probabilidad de una muestra constituye un concepto dentro de s
mismo$ Estuvieron los sujetos usando una pista simple# ella no estara siendo necesaria
etiDuetarla como representatividad& Es el hecho de Due los juicios de los sujetos parecen estar
basados sobre consideraciones de )iuras complejas de la uni)icada con)iuraci!n psicol!ica
de las muestras Due dan )uerFa a cali)icarla S neativa# conceptualiFando S su heurstico
juicio por representatividad&
Puede el diarama de )lujo en la ?iura 0 ser visto como mCs Due un resumen meramente
conveniente y compacto de los resultados en la tabla /Q CuCn seriamente podemos tomarlo
para ser un proceso modelo del actual raFonamiento de los sujetos en una tarea de la )orma
descritaQ Por un lado# obviamente no todas las caractersticas del modelo pueden esperarse
para eneraliFar > a otras muestras# a otros tamaEos de muestras# a otras distribuciones$ ,o
no apostara# por ejemplo# apostara a Due cualDuier muestra con variante siempre sera
juFada mCs probable Due una muestra sin variante S aunDue esto no cuenta para la muestra
empleada en mi eGperimento$ El modelo secuencial es# por lo tanto solo es una aproGimaci!n
a la estrateia conitiva actual de la ente$ Como tal# sin embaro# oFa de la atractiva
ventaja psicol!ica de ser creble# puesto Due incorpora sino a un peDueEo nAmero de claves
simples computacionalmente$
Una interesante observaci!n suiere a s misma en este punto y la ata al estudio
previamente descrito al presente$ En el estudio de los rC)icos de barra# dos )ormas de
clasi)icaciones de probabilidad )ueron comparados con clasi)icaciones de similaridad< 8a9 la
clasi)icaci!n de dos muestras como mCs ! menos probables resultados de una poblaci!n#
denotado P8sTp9L 8b9 la clasi)icaci!n de dos poblaciones como mCs ! menos )uentes de aluna
muestra# denotada P8pTs9 8alunas veces llamadas probabilidades inversas9$ Bas dos tareas
condujeron a resultados muy cercanos# suiriendo Due ellas )ueron ambas hechas de una
manera cercanamente relacionada S ciertamente# por hip!tesis# de Due ambas )ueron hechas
Insertar a-u* la 4i#ura 1 de la p5#ina DD del ori#inal(
?iura 0$ Diarama de )lujo resumiendo las pistas y la secuencia en la cual ellas )ueron
usadas para clasi)icar muestras por probabilidad$ 8?uente< Bar>Hillel# /673b$9
por representatividad 8por ejemplo# aDu similaridad visual9$ EGiste un concepto estadstico
Due es de alAn modo anCloo al concepto psicol!ico de representatividad S ese de la
calidad del ajuste$ Bas medidas de calidad del ajuste son tpicamente usadas en pruebas de
hip!tesis cuando la poblaci!n Due produjo aluna muestra de conocimiento es buscada# en la
ausencia de cualDuier probabilidad previa$ Por tanto cuando se evalAan poblaciones# la
representatividad parece corresponder mCs cercanamente al concepto de calidad del ajuste
entre una muestra y una poblaci!n Due al concepto de la probabilidad de una poblaci!n
condicional sobre una muestra# P8pTs9$
En el estudio de distribuci!n de alturas# sin embaro# la poblaci!n Due )ue la )uente de las
muestras )ue dada$ Por consiuiente# los sujetos no tuvieron acceso al asunto ya sea
probabilidades inversas ! calidad de ajuste$ *o obstante# es interesante ver si su juicios
pueden# de aluna manera# ser reconstruidos como un intento intuitivo de evaluar el Altimo$
Una medida posible de medir la calidad del ajuste entre muestras de tamaEo tres y una
distribuci!n normal es la estadstica bilateral de una>muestra Kolmoorov# Smirnov 8KS9
8vea# por ejemplo# Sieel# /614# pp$ :2>1.9$ Esta estadstica es interpretada de manera Due
mientras mCs rande su valor 8el cual es la distancia mCGima entre las )unciones de
distribuci!n de la muestra y la poblaci!n9# menos probable es Due la muestra )uera obtenida
aleatoriamente de la poblaci!n$ Bas Altimas dos columnas de la 'abla / listan el KS
estadstico para cada uno de los estudios de las muestras$ En /7 pares# el ordenamiento de las
muestras por el KS estadstico )ue atado 8en / de las cuales# la )ila /.# los sujetos )ueron
prCcticamente atados tambi;n9# y en 2 pares 8marcados por asteriscos en la
'abla /9 los ordenamientos se contradicen$
Es de poca consecuencia comparar la eGtensi!n del acuerdo entre el ordenamiento KS y
el ordenamiento de los sujetos 8lo Altimo acordado en /0 de los .7 estmulos9# puesto Due las
Altimas )iuras son justo consecuencias del estmulo particular empleado# el cual no )ue
muestreado aleatoriamente de ninuna manera de todos estmulos posibles$ Es mucho mCs
instructivo considerar d!nde el modelo de caractersticas jerCrDuicas di)iere del modelo
calidad del ajuste$ Bos casos donde el ordenamiento KS )ue atado pero el ordenamiento de
los sujetos no 8)ilas ./# .2 y un poco la /.9 puede ser atribuido a los valores KS# habiendo
sido computado con una desviaci!n estCndar de 4 cm$ Esto result! en la muestra
^/7/#/46#/21_ 8muestra B# )ila /29# la cual tiene un rano de /. cm$# teniendo el menor valor
de KS# cuando el rano NidealO 8por ejemplo# mCs representativo9 en los juicios de los sujetos
)ue alo mCs peDueEo de /3 cm$ Puesto Due no tenemos manera# sobre las bases de los
presentes datos# para aseurar Due la desviaci!n estCndar de la distribuci!n subjetiva de
alturas de los sujetos# es di)cil de conocer Du; hacer de esta discrepancia$
Una seunda clase de discrepancia# la cual cuenta para las )ilas :# 4# 6 y /:>/2# ocurre
porDue el modelo KS# pero no el modelo jerCrDuico# la permite por compensaci!n$ En otras
palabras# si una muestra tiene un mayor N)alloO 8tal como consistir de tres observaciones
id;nticas# ! representar solo la mitad de la campana de la poblaci!n9# los sujetos la juFan
menos representativa Due sobre cualDuier muestra sin ese )allo# pero el modelo KS considera
)actores Due estCn mCs abajo en el modelo jerCrDuico# tambi;n$ Puesto Due yo dije antes# Due
la naturaleFa jerCrDuica del proceso propuesto debera ser considerado como una
aproGimaci!n# ;sta discrepancia es mCs una de rado Due una de clase$
%tras medidas de la calidad del ajuste son computadas por estadsticos$ Pue ellos no
todos estCn de acuerdo indica Due la propiedad Due ellos pretenden medir no estC clara y
Anicamente de)inida$ &unDue los estadsticos eGpertos tienen una mCs so)isticada intuici!n
Due los sujetos leos# ambos pueden bien intentar hacer alo para alcanFar la misma noci!n
)undamental$ & la )echa# aAn los es)uerFos de los estadsticos en ;sta direcci!n son
insu)icientes de considerarlos completamente satis)actorios$
42
El papel del tama.o de la muestra en la evaluacin de una muestra
&lunas caractersticas de la muestra corresponden a ciertos parCmetros de la poblaci!nL
;stas caractersticas son llamadas estadstica de la muestra$ Ba representatividad heurstica ha
tpicamente sido aplicada a ellas# en cuyo caso la representatividad es eDuivalente a la
similaridad$ ! cercan#a$ de la estadstica de la muestra a los correspondientes parCmetros de
la poblaci!n$ ,o llamar; a esto el sentido primario de la representatividad$ Pero las muestras
pueden ser descritas por re)erencia al procedimiento por medio del cual ellas )ueron
obtenidas tambi;n$ Por ejemplo# una muestra puede ser obtenida con reemplaFo ! sin elL
obtenida de una poblaci!n conocida ! de una desconocidaL etc$ Presumiblemente# la noci!n
de representatividad podra tambi;n ser aplicada a ;stas$ Por tanto# la ente podra 8y eGiste
evidencia anecd!tica Due s9 juFar una muestra obtenida al aFar ser menos representativa
Due una muestra estrati)icada# ! a una muestra rande ser mCs representativa Due una
peDueEa 8Bar>Hillel# /673b9$ ,o llamar; a esto el sentido secundario de la representatividad$
Puesto Due concierne a los m;todos de muestreo# y no a post hoc 8u9estadstica de muestra# la
representatividad en este sentido secundario re)leja eGpectativas sobre la representatividad en
el sentido primario$ En otras palabras# para juFar una muestra rande mCs representativa Due
una peDueEa es de esperar Due sus Nconspicuas caractersticasO ! sus Npropiedades
esencialesO re)lejarCn mejor aDuellas de la poblaci!n# previo a serles dicho lo Due
verdaderamente son$
Bos problemas eGperimentales Due yo describir; en esta Altima secci!n estudi! este
sentido secundario de la representatividad# como aplicado a la caracterstica del tamaEo de la
muestra$
Problema /< Dos encuestadores estCn conduciendo una encuesta para estimar la proporci!n de votantes Due se
proponen votar Sv en cierto re)erendum$ Ba )irma & estC encuestando una muestra de :33 individuos$ Ba )irma
B estC encuestando una muestra de /#333 individuos$ El estimado de Duienes tendra usted mCs con)ianFa en
aceptarQ
Bos de la )irma &ooooo Bos de la )irma Boooooo Casi la mismaooooo
Este problema# y dos variantes de ;ste 8los cuales# respectivamente# arearon la
in)ormaci!n de Due el tamaEo total de la comunidad encuestada )ue 7#333 y 13#3339# les
)ueron dados a 2. sujetos$ &lrededor del 73W de ellos tuvieron mCs con)ianFa en la muestra
rande# comparada con solo el :W )avoreciendo la muestra mCs peDueEa$
Hubimos concluido de esto meramente Due la muestra mCs rande es# la mCs
representativa Due es juFada 8por ejemplo# la mCs eGacta ! con)iable Due se espera Due sea9#
;stos resultados seran casi muy triviales para arantiFar el reporte$ *o es el tamaEo de la
muestra per se el Due determina la representatividad de una muestra# sin embaro# sino mas
bien alo mas semejante a la relaci!n entre el tamaEo de la muestra y el tamaEo de la
poblaci!n$ Donde las muestras consideradas son tomadas de la misma poblaci!n# las dos
estCn linealmente relacionadas# de manera Due ellas dan el mismo ordenamiento$ Donde el
tamaEo de la poblaci!n es variado as como el tamaEo de la muestra# sin embaro# la
di)erencia viene a ser aparente$ Considere el problema siuiente<
Problema .< Dos encuestadores estCn conduciendo encuestas para estimar la proporci!n de votantes en sus
respectivas ciudades Due se proponen votar Sv en un cierto re)erendum$
Ba )irma & opera en una ciudad de / mill!n de votantes
Ba )irma B opera en una ciudad de 13#333 votantes
&mbas )irmas estCn muestreando uno de cada /#333 votantes$
El estimado de Duienes estara usted mas con)iado en aceptarQ ooooo
47
&Du aunDue la ?irma & tiene una muestra de /#333 y la ?irma B de solo 13# el porcentaje
de Ss Duienes eGpresaron mCs con)ianFa en la muestra mCs rande cay! al 13W# mientras Due
el .6W indic! iual con)ianFa en ambas muestras$ En otro rupo de sujetos a los Due se les
dijo Due ambas )irmas muestrearon /#333 8mejor Due / de cada /#3339# el 6W indic! iual
con)ianFa en ambas muestras# comparado con el 4.W Duienes tuvieron mCs con)ianFa en la
muestra votada en la ciudad mCs peDueEa$ Bos comentarios eGplicatorios a los Due los sujetos
)ueron reDueridos a suplir con)irmaron la noci!n de Due ellos estuvieron considerando los
tamaEos de muestra proporcionados# as como los tamaEos absolutos$
&lunas veces la relaci!n muestra>poblaci!n es ciertamente importante para evaluar una
muestra S por ejemplo# cuando el muestreo es hecho sin reemplaFo y especialmente cuando
una raFonablemente rande proporci!n de ella estC siendo muestreada$ Si# sin embaro# el
muestreo es hecho con reemplaFo 8por ejemplo# el tamaEo de la poblaci!n es in)inito9# ! si
solo una peDueEa proporci!n de una ran poblaci!n estC siendo muestreada 8la cual
representa a la poblaci!n# para todos los prop!sitos pramCticos# in)inita9# entonces las
consideraciones del tamaEo relativo al lado de aDuellas de tamaEo absoluto$
Problema 0$ & usted le son presentadas dos urnas cubiertas$ &mbas contienen una meFcla de cuentas verdes y
rojas$ El nAmero de cuentas es di)erente en las dos urnas< la peDueEa contiene /3 cuentas# y la rande contiene
/33 cuentas$ Sin embaro# el porcentaje de cuentas rojas y verdes es el mismo en ambas urnas$ El muestreo
procederC como siue< Usted eGtrae a cieas una cuenta de la urna# anote su color# y reemplCcelo$ Usted las
revuelve# eGtrae otra a cieas de nuevo# y anote otra veF el color$ Esto llea a un total de 6 eGtracciones de la
urna peDueEa# ! /1 eGtracciones de la urna rande$ En cuCl caso piensa usted Due sus posibilidades de adivinar
la mayora de los colores son mejoresQ
Puesto Due el procedimiento de muestreo descrito en el problema 0 es con reemplaFo# el
nAmero de cuentas en las dos urnas es completamente sin importancia desde el punto de vista
de una normativa$ Bas escoencias de los sujetos deberan haber )avorecido
abrumadoramente la muestra rande de /1 cuentas$ En veF de eso# 2. de //3 sujetos
escoieron la muestra mCs peDueEa de 6 cuentas$ Esto puede ser eGplicado solo notando Due
la relaci!n del tamaEo de la muestra al tamaEo de la poblaci!n es de 63W en el Altimo caso y
solo de /1W en el anterior$ %tros resultados reportados en Bar>Hillel 8/6269 reportan la
misma conclusi!n$
Por tanto# si en la estadstica de la muestra# los candidatos importantes para el papel de
Npropiedades esencialesO# no son conocidos# el tamaEo de la muestra puede asumir ese papel$
Ba ente claramente percibe Due el tamaEo es una ventajosa propiedad de las muestras$ Por
Du; este conocimiento )alla al llevar a cabo el sentido primario de la representatividadQ En
otras palabras# dado Due la ente creen Due las muestras mCs randes son mCs probables Due
las peDueEas para ser buenas representativas de su poblaci!n de orien# por Du; ellos )allan al
juFar resultados diverentes 8por ejemplo# una proporci!n de la muestra de 43W obtenida de
una poblaci!n caracteriFada por una proporci!n de 13W9 como menos probables en tamaEo
Due en muestras mCs peDueEasQ
Posiblemente el juicio de Due un cierto resultado de una muestra es menos probable en
muestras randes depende de su percepci!n como no representativa$ Desde el punto de vista
de una normativa# solo una muestra cuya media es id;ntica a la media de la poblaci!n es
NeGactoO$ 'odos los otros son ineGactos# aunDue alunos mCs Due los otros$ Desde un punto
de vista psicol!ico# los resultados de la muestra pueden ser juFados como representativos
aAn si ellos se desvan alo de los parCmetros de la poblaci!n$ 'alveF el 43W no es percibido
como no representativo y por consiuiente no provocan el sentido de representatividad de
seundo orden de los sujetos$
Para probar esta posibilidad# yo di a los sujetos ciertas variaciones del problema de evitar
la maternidad de Kahneman y 'vers(y 8/62.b# 09<
46
Un cierto pueblo es servido por dos hospitales$ En el hospital mCs rande alrededor de :1 beb;s nacen cada da#
y en el hospital mCs peDueEo alrededor de /1 beb;s nacen cada da$ Como usted sabe# alrededor del 13W de los
beb;s son varones$ El porcentaje eGacto de beb;s varones# sin embaro# vara de un da para otro$ &lunas veces
puede ser mayor del 13W # alunas veces menor$
Por un perodo de / aEo# cada hospital reistr! los das en los cuales 8mCs ! menos9 del 43W de los beb;s
nacidos )ueron varones$ CuCl hospital piensa usted Due reistr! mCs tales dasQ 8/62.b# p$ ::09$
En problemas separados dados a rupos separados# la proporci!n de varones )ue variada
del 43W al 23W# 73W y al /33W$ Ba tabla . muestra el e)ecto de este cambio en la
distribuci!n de respuesta de los sujetos$
Ba seunda columna reproduce# ambas en el problema y en los resultados# versi!n de
Kahneman y 'vers(y$ Pero note Due una veF la proporci!n de varones eGcede el 23W# la
respuesta modal viene a ser Nel hospital mCs peDueEo#O la cual es la respuesta correcta$ Por
ahora todos los beb;s son mencionados como varones# Nel hospital mCs peDueEoO es aAn la
respuesta mayoritaria$ %tro jueo de problemas establecen la proporci!n como menor del
43W# 23W A 73W$ Para ;stos# Nla mismaO )ue la respuesta modal hasta el )inal$
Estos resultados suieren Due una veF un resultado de una muestra es percibido como no
representativo# el tamaEo de la muestra es mCs probable Due jueue un papel apropiado en la
evaluaci!n de la muestra de la ente# presumiblemente porDue un tamaEo mCs peDueEo es
mCs compatible con resultados no representativos Due una rande$ Si# sin embaro# si el
resultado establecido de la muestra no pone en )uncionamiento la etiDueta de Nno
representativa#O la ente por lo eneral inora el tamaEo de la muestra$ Proporciones mCs
altas del 23W parecen estar codi)icadas como no representativas$ Bas proporciones Due
incluyen 13W no$
'abla .$ Proporci!n de sujetos respondiendo al problema de evitar la maternidad# con variaciones$
&rriba del &rriba del &rriba del &rriba del
43W
a
43W
b
23W
b
73W
b
/33W
c
Ba mCs rande .:W .3W .1W .4W /6W
Ba mCs peDueEa .3W .3W :0W :.W 1:W
Ba misma 14W 43W 0.W 0.W .2W
* 13 :3 .7 .2 :/
Por debajo del Por debajo del Por debajo del
43W
a
23W
b
73W
b
Ba mCs rande .3W 0/W .6W
Ba mCs peDueEa .:W .7W .1W
Ba misma 14W :/W :4W
* :1 .6 .7
a
De Kahneman y 'vers(y 8/62.b# 09$
b
Datos no publicados previamente# Bar>Hillel$
c
De Bar>Hillel 8/6269$ &Du# los hospitales mCs randes y mCs peDueEos promedian /1 y 1 beb;s por
da# respectivamente$
Discusin
Este captulo presenta un resumen de juicios de probabilidad subjetiva Due se relacionan
con la noci!n de representatividad$ Cada uno de ellos# sin embaro# lo hace de una manera
di)erente$
El primer estudio es una demostraci!n clara Due el juicio de similaridad y el juicio de la
probabilidad estCn correlacionados$ & di)erencia de muchas otras tareas Due prueban la
misma hip!tesis 8vea# por ejemplo# Kahneman R 'vers(y# /62.b# 0L /620# :9# los sujetos
23
aDu no pueden ser culpados por )allar en tomar otras consideraciones 8!# al menos# otras
consideraciones obvias ! simples9 ni por dar indebido peso a consideraciones err!neas !
irrelevantes$ & prop!sito# pocas de las probabilidades actualmente computCndose Due ellos
)ueron reDueridos a comparar# son pocos los sujetos Due podran haber hecho mas Due usar la
estrateia Due ellos usaron$ Esto de aluna manera disminuye el poder de la demostraci!n$
'omados junto a otros resultados# sin embaro# seEala c!mo consideraciones obliatorias de
similaridad aAn las de tipo visual simple Due este estudio provoca S pueden ser cuando se
juFan los Due son a menudo eventos complejos# computacionalmente ! conceptualmente$
Previo al estudio de las caractersticas de la muestra# los ensayos de representatividad
estuvieron tpicamente concentrados sobre un simple parCmetro de las poblaciones# ! en
claves de una dimensional$ Esto permiti! una clasi)icaci!n de estmulos una inmediata y la
otra a priori de la similaridad# haci;ndola necesaria para obtener clasi)icaciones
independientes eGperimental derivadas$ 8*o obstante# aAn alunas de ;stas claves NobviasO
)ueron mCs tarde puestas en duda ^vea# por ejemplo# %lson# /624_9$ Pero cuando los
estmulos crecen mCs complejos# las relaciones de similaridad entre ellos llean a ser menos
obvias# puesto Due muchas claves a)ectan el juicio completo$ Este estudio eGplot! la por
entonces establecida correlaci!n entre probabilidad y representatividad para dar aluna luF
sobre c!mo la Altima es determinada en muestras caracteriFadas por mCs Due una simple
clave$
& menudo# el mejor camino para encontrar c!mo son dos estmulos similares es inDuirir
directamente sobre la similaridad$ Esto es un poco mCs problemCtco cuando uno desea
encontrar cuCn bien la muestra S representa a la poblaci!n P$ El seundo estudio en este
captulo muestra la viabilidad de esta aproGimaci!n mientras da una descripci!n de lo Due las
caractersticas de una muestra hace Due las muestras pareFcan representativas en un conteGto
particular$
?inalmente# el tercer estudio seEala una importante distribuci!n# Due entre la
representatividad de una muestra y la representatividad de los resultados de la muestra$ En
este sentido primario# la representatividad es un juicio Due se aplica a los resultados de una
muestra$ En otras palabras# en orden de evaluar c!mo la representatividad de aluna muestra
es de aluna poblaci!n en este sentido# las caractersticas esenciales de ambas tienen Due ser
conocidas$ Por lo tanto# es sini)icativo estimar# diamos# la representatividad de una muestra
de /1 reci;n nacidos# 6 de los cuales son varones# con relaci!n a la distribuci!n eneral del
seGo de los reci;n nacidos 8con su conocimiento de la proporci!n de varones9$ Es
sini)icativo evaluar la representatividad de esta muestra si la proporci!n de varones ya sea
en la muestra ! en la poblaci!n es desconocida$ Pero eGiste otro# sentido secundario de la
representatividad Due darC la seunda clasi)icaci!n sini)icativa# tambi;n$ Es este otro
sentido# las muestras son mCs representativas si ellas son juFadas de ser mCs probables de
ser representativas en el sentido primario$ En otras palabras# sin tomar en cuenta la media de
la poblaci!n# y antes Due la media de la muestra sea divulada# una muestra de :1 reci;n
nacidos es mCs representativa 8en el sentido secundario9 Due una de /1 reci;n nacidos# porDue
es mCs probable parecerse a la poblaci!n una veF su proporci!n de varones es divulada$ Post
hoc 8u9# por supuesto# la muestra de :1 puede probar tener 43W de varones# como comparado
con 10W de varones en la muestra mCs peDueEa$ Pero si los dos sentidos son conservados
distintos# esto no debera causar con)usi!n$
El tercer estudio demostr! Due la ente responde al tamaEo de una muestra cuando
haciendo juicios secundarios de representatividad# aunDue ellos )allan en darse cuenta de las
implicaciones Due esto necesariamente tiene para los juicios de representatividad primarios y
estCndar$
2/
A( Juicios de y por representatividad

Jarios aEos atrCs# nosotros presentamos un anClisis de juicio bajo incertidumbre Due
relacion! las probabilidades subjetivas y las predicciones intuitivas a eGpectativas e
impresiones sobre la representatividad$ Dos hip!tesis distintas incorporaron este concepto< 8i9
la ente espera Due las muestras sean altamente similares a su poblaci!n de orien y tambi;n
Due representen la aleatoriedad del proceso de muestreo 8'vers(y R Kahneman# /62/# .L
/62:# /9L 8ii9 la ente a menudo se apoya en la representatividad como una heurstica para el
juicio y la predicci!n 8Kahneman R 'vers(y# /62.b# 0L /620# :9$
Ba primera hip!tesis )ue adelantada para eGplicar la creencia comAn Due los procesos de
posibilidad son auto correctivos# la eGaerada )e en los resultados de estabilidad observados
en muestras peDueEas# la )alacia del juador y los prejuicios relacionados con juicios de
aleatoriedad$ *osotros propusimos Due la concepci!n de la posibilidad incorpora una
creencia en la ley de los nAmeros peDueEos# de acuerdo a la cual aAn las muestras peDueEas
son altamente representativas de sus poblaciones de orien 8'vers(y R Kahneman# /62/# .9$
Una hip!tesis similar podra tambi;n eGplicar la tendencia comAn a eGaerar la consistencia y
el valor predictivo de los rasos de la personalidad 8-ischel# /6269 y a sobreestimar las
correlaciones entre variables similares 8vea el Captulo /19 y los comportamientos 8Sh+eder
R D@&ndrade# /6739$ Ba ente parece creer en un modelo como un holorama de la
personalidad en el cual cualDuier )ramento del comportamiento representa el verdadero
carCcter del actor 8Kahneman R 'vers(y# /620# :9$
Ba hip!tesis de Due la ente espera Due las muestras sean altamente representativas de su
poblaciones de orien es conceptualmente independiente de la seunda hip!tesis# Due la
ente a menudo usa la heurstica de representatividad para hacer predicciones y juFar las
probabilidades$ Bo Due es# Due la ente a menudo evalAa la probabilidad de un evento
incierto ! una muestra Npor el rado al cual el es 8i9 similar en propiedades esenciales a su
poblaci!n de orien# y 8ii9 re)leja las caractersticas conspicuas del proceso por el cual el es
eneradoO 8Kahneman R 'vers(y# /62.b# p$ :0/# 09$ Esta hip!tesis )ue estudiada en varios
conteGtos# incluyendo los juicios intuitivos de la estadstica y la predicci!n de la escoencia
pro)esional 8Kahneman R 'vers(y# /62.b# 0L /620# :9$
Bas dos hip!tesis de representatividad han sido usadas para eGplicar una variedad de
observaciones# tales como la ine)ectividad relativa de la in)ormaci!n de consenso y el uso de
la similaridad en la interpretaci!n de ensayos proyectivos 8*isbett R "oss# /6739$ Estas
hip!tesis han tambi;n provedo direcci!n a una bien recompensada investiaci!n de las
violaciones sini)icantes de las relas normativas en juicios intuitivos$ Ba mayora de ;sta
investiaci!n ha estado relacionada con juicios por representatividad# Due es# con el papel de
la representatividad en la predicci!n y la in)erencia$ "elativamente poco trabajo ha sido
dedicado a juicios de representatividad# Due es# a la naturaleFas de ;sta relaci!n y sus
2.
Este trabajo )ue apoyado por la %))ice *aval "esearch bajo el contrato *333/:>26>C>3322 a la Universidad de
Stan)ord$
determinantes# )uera del muestreo aleatorio 8Bar>Hillel# /673b9$ Ba primera parte de este
captulo estC relacionada con la naturaleFa de la relaci!n de representatividad y tambi;n con
las condiciones en la cuales el concepto de representatividad es Atilmente provocado para
eGplicar las predicciones intuitivas y los juicios de probabilidad$ En la seunda parte del
captulo ilustramos el contraste entre la l!ica de representatividad y la l!ica de
probabilidad en juicios de la probabilidad de eventos compuestos$
Fa relacin de representatividad
Ba representatividad es una relaci!n entre un proceso ! modelo# -# y aluna instancia !
evento# M# con ese modelo$ Ba representatividad# como la similaridad# pueden ser evaluadas
empricamente# por ejemplo# reDuiriendo a la ente juFar cuCl de los dos eventos# M
/
! M
.
# es
mCs representativo de alAn modelo# -# ! si un evento# M# es mCs representativo de -
/
! de
-
.
$ El modelo en cuesti!n podra ser una persona# una moneda leal ! la economa del
mundo# y los respectivos resultados podran ser una observaci!n# una secuencia de caras y
cruces# ! el precio actual del oro$ Ba representatividad es una relaci!n direccional< Diamos
Due una muestra es mCs ! menos representativa de una poblaci!n particular y Due un acto es
representativo de una persona$ *osotros normalmente decimos Due la poblaci!n es
representativa de la muestra ! Due la persona es representativa del acto$ En alunos
problemas# sin embaro# es posible revertir los papeles de modelo y resultado$ Por ejemplo#
uno puede evaluar si una persona es representativa del estereotipo de bibliotecarios ! si la
ocupaci!n de bibliotecario es representativa de esa persona$
*osotros distinuimos cuatro casos bCsicos en los cuales el concepto de representatividad
es comAnmente provocado$
/$ ( es una clase y , es un valor de una variable definida en -sta clase& Es en este
sentido nosotros hablamos de 8mCs ! menos9 valores de representatividad del resultado de
pro)esores universitarios# ! de la edad del matrimonio en una cultura$ *aturalmente# el valor
mCs representativo estarC cerca de la media# la mediana ! del modo de la distribuci!n de la
variable relevante en la clase -$ Ba relaci!n de representatividad estC principalmente
determinada en este caso por lo Due el juicio conoce sobre la distribuci!n de )recuencia de la
variable relevante$
.$ ( es una clase y , es una instancia de esa clase& Ba mayora de lectores
probablemente estarCn de acuerdo Due =ohn Updi(e es un mCs representativo escritor
&mericano Due *orman -ailer$ Claramente# tal juicio no tiene unas bases en )recuenciaL el
re)leja el rado al cual los estilos # temas e ideas de ;stos autores son centrales a los escritos
contemporCneos &mericanos$ Consideraciones similares determinan la representatividad de
las instancias Due son en si mismas clases mCs Due individuos$ Por ejemplo# un petirrojo es
juFado ser un pCjaro mCs tpico Due un pollo# aunDue es menos )recuente 8"osch# /627L
Smith# Shoben R "ips# /62:9$ Por lo tanto una instancia es representativa de una cateora si
ella tiene las caractersticas esenciales Due son compartidas por miembros de esa cateora y
no tienen muchas caractersticas distintivas Due no son compartidas por miembros de la
cateora 8"osch# /621L 'vers(y# /6229$
El trabajo contemporCneo sobre la )ormaci!n del concepto 8"osch R -ervis# /621L
-ervis R "osch# /67/9# la memoria semCntica 8Brans)ord R ?ran(s# /62/9# y
reconocimiento del patr!n 8Posner R Keele# /6479 ha mostrado Due los mCs representativos #
! prototipos# elementos de una cateora son mejor aprendidos# recordados y reconocidos Due
20
los elementos Due son mCs )recuentes pero menos representativos$ -Cs aAn# la ente a
menudo se eDuivocan al NreconocerO estmulos prototpicos Due nunca han sido mostrados$
Ba representatividad# por consiuiente# puede prejuFar la memoria del reconocimiento as
como los juicios de )recuencia$
Podra talveF notarse Due eGisten dos caminos en los cuales un elemento puede ser
altamente representativo de una clase$ Bos dos sentidos de representatividad corresponden
cercanamente a las relaciones de tipicalidad y prototipicalidad$ Un elemento es altamente
representativo de una cateora si el es tpico ! modalL el puede tambi;n ser representativo si
el es un tipo ideal Due envuelve la esencia de la cateora$ *ueva ,or(# por ejemplo# es el
prototipo de una ciudad &mericana# pero Cincinnati es mCs probable de ser seleccionada
como una ciudad tpica$ Similarmente# nuestras nociones de la prototpica y tpica mujer
?rancesa puede ser muy di)erente$ Ba anterior es probablemente una joven# eleante Parisina#
mientras Due la Altima es mCs probable de ser una ordin)lona mujer de mediana edad de las
provincias$
0$ ( es una clase y , es un sub.juego de (& Ba mayora de la ente probablemente
estarC de acuerdo en Due la poblaci!n de la ?lorida es menos representativa de la poblaci!n
de los Estados Unidos Due lo Due es la poblaci!n de Illinois y Due los estudiantes de
astronoma son menos representativos del cuerpo entero de estudiantes Due lo Due son los
estudiantes de psicoloa$ Bos criterios de representatividad no son los mismos para un sub>
jueo y para una instancia simple# porDue una instancia puede solo representar la tendencia
central de los atributos# mientras Due un sub>jueo puede tambi;n representar rano y
variabilidad$ Un hombre cuya altura# peso# edad e inreso econ!mico se asemejan a los
valores promedio para la poblaci!n de los estados unidos es# claramente# representativo de la
poblaci!n$ Un rupo de /33 hombres con las mismas caractersticas )allara en representar la
variabilidad de los atributos$
Si la clase - consiste de distintos rupos tales Due la variabilidad dentro de cada rupo es
muy peDueEa relativa a la variabilidad entre los rupos# # tendemos a tratar cada rupo como
una instancia de la cateora mCs Due como un sub>jueo$ Por tanto# es natural considerar al
NpetirrojoO como una clase de pCjaro# ! como una instancia de la cateora NpCjaroO# aunDue
el jueo de petirrojos es un sub>jueo de la clase de pCjaros$ -Cs eneralmente# 8.9 puede ser
considerado como un caso especial de 809 donde el sub>jueo M consiste de un simple
miembro$ Similarmente# 8/9 puede ser considerado como una versi!n unidimensional de 8.9$
Bos tres tipos de representatividad son distinuidos por la complejidad de M# donde 8/9 es el
caso de elemento simple# atributo simple# 8.9 es el elemento simple# caso de multi>atributo# y
809 es el caso de elemento mAltiple S con uno ! mCs atributos$
Un ejemplo particularmente importante de la representatividad de un sub>jueo es el caso
en el cual M es una muestra aleatoria de una poblaci!n especi)icada$ Una muestra aleatoria
se espera Due represente la aleatoriedad del proceso de selecci!n# no solo las caractersticas
esenciales de la poblaci!n de la cual ella es sacada$ Cuando /33 entes son seleccionadas al
aFar# por ejemplo# una muestra de 10 hombres y :2 mujeres puede parecer mCs representativa
Due una muestra de 13 hombres y 13 mujeres# porDue la anterior representa la irreularidad
del muestreo aleatorio mientras Due la Altima no 8Kahneman y 'vers(y# /62.b# 09$ El
concepto estadstico de una muestra representativa es discutida por Krus(al y -osteller
8/626a# /626b9$
:$ ( es un sistema /causal0 y , es una consecuencia /posible0& Este caso di)iere de los
precedentes en Due - no es por mucho una clase de objetos ! instancias sino mCs bien un
sistema Due produce varios e)ectos$ Por ejemplo# - puede ser la economa de los Estados
Unidos y M la tasa de in)laci!n# ! - puede ser una persona y M un acto realiFado por -# por
ejemplo# divorcio# suicidio# escoencia personal$ &Du M es representativa de - ya sea
porDue es )recuentemente asociada con - 8por ejemplo# )iebre alta comAnmente acompaEa a
2:
la neumona9 ! porDue la ente cree# correcta ! incorrectamente# Due - causa a M 8por
ejemplo# la pena capital previene los secuestros9$ Intrusiones de esDuemas causales en juicios
de probabilidades condicionales son ilustrados y discutidos en 'vers(y y Kahneman 8/673#
79$
En resumen# una relaci!n de representatividad puede ser de)inida por 8/9 un valor y una
distribuci!n# 8.9 una instancia y una cateora# 809 una muestra y una poblaci!n# 8:9 un e)ecto
y una causa$ En todos los cuatro casos# la representatividad eGpresa el rado de
correspondencia entre M y -# pero sus determinantes no son las mismas en los cuatro casos$
En el caso 8/9# la representatividad es dominada por la )recuencia relativa percibida !
asociaci!n estadstica$ En los casos 8.9 y 809# la representatividad es determinada
primariamente por la similaridad# por ejemplo# de una instancia a otras instancias# ! de una
muestra estadstica a los parCmetros correspondientes de una poblaci!n$ ?inalmente# en el
caso 8:9# la representatividad es controlada laramente por 8vClidas ! invClidas9 creencias
causales$
!epresentatividad y probabilidad
El uso de la representatividad para eGplicar los juicios de probabilidad y las predicciones
intuitivas descansa en las suposiciones Due<
/$ Ba relaci!n NMO es 8muy# $ $ $ $# no del todo9 representativa de - puede ser
sini)icativamente evaluada por juicios$
.$ Estas evaluaciones no deberCn estar basadas en impresiones de probabilidad o de
)recuencia# las cuales deben ser eGplicadas por la representatividad$
0$ Ba relaci!n de representatividad tiene una l!ica de su propiedad# la cual arranca
sistemCticamente de la l!ica de la probabilidad$
Cuando ;stas suposiciones son satis)echas# es de inter;s probar si los juicios de probabilidad
son mediados por evaluaciones de representatividad$
Ba evaluaci!n de la probabilidad de un evento incierto o de la predicci!n de una cantidad
desconocida es un proceso complejo# el cual comprende la interpretaci!n del problema# una
bAsDueda de la in)ormaci!n relevante# y de escoer una respuesta apropiada$ Puede ser
comprado con la operaci!n de un prorama )leGible de computaci!n Due incorpora una
potencialmente Atiles sub>rutinas$ En los t;rminos de ;sta analoa# la representatividad
heurstica es uno de los procedimientos Due pueden ser usados para retribuir# interpretar y
evaluar una in)ormaci!n$ El uso de ;sta heurstica# por supuesto# no impide el uso de otros
procedimientos# como el uso de imCenes como una heurstica para recordar a la ente Due
estuvo presente en una reuni!n particular# por ejemplo# participantes Duienes )ueron
claramente visibles se espera Due sean recordados mejor Due aDuellos Due no$ Similarmente#
el uso de la representatividad para evaluar la probabilidad subjetiva produce una
sobreestimaci!n de alunas probabilidades y subestimaci!n de otras$
Estudios anteriores dieron luar a la hip!tesis eGtrema de Due alunas juicios de
probabilidad estCn basados eGclusivamente en la representatividad$ Por ejemplo# la
observaci!n de Due las distribuciones del muestreo subjetivo son esencialmente
independientes del tamaEo de la muestra 8Kahneman y 'vesr(y# /62.b# 09 suirieron Due la
ente evalAa la probabilidad de una muestra por la similaridad de su estadstica con los
correspondientes parCmetros de la poblaci!n$ Ba mayora de los datos disponibles# sin
embaro# sostienen una hip!tesis mCs moderada Due las predicciones intuitivas y los juicios
de probabilidad son altamente sensitivos a la representatividad aunDue ellos no estCn
completamente dominados por ella$ Por lo tanto# las probabilidades subjetivas estCn
21
)uertemente in)luenciadas por 8normativamente9 )actores irrelevantes Due a)ectan la
representatividad y son relativamente insensitivos a 8normativamente9 variables relevantes
Due no a)ectan la representatividad$ Ba manitud de los prejuicios de la representatividad y el
impacto de las variables tales como el tamaEo de la muestra# la con)iabilidad y la valoraci!n
base dependen de la naturaleFa del problema# las caractersticas del diseEo# la so)isticaci!n de
los encuestados# y la presencia de claves suestivas A otras caractersticas de demanda$ El
papel ;stos )actores en la investiaci!n del juicio es discutida en el Captulo 0:$
Si la con)ianFa en la representatividad conduce a sistemCticos errores# por Du; la ente
usa ;sta relaci!n como una base para la predicci!n y el juicioQ Ba respuesta a ;sta
interroante tiene tres partes$ Primera# la representatividad aparece )Ccilmente accesible y
)Ccil de evaluar$ Ba investiaci!n moderna sobre cateoriFaci!n 8-ervis R "osch# /67/L
"osch# /6279 suiere Due el conocimiento conceptual estC a menudo oraniFado y procesado
en t;rminos de prototipos de ejemplos representativos$ Consecuentemente# encontramos mCs
)Ccil evaluar la representatividad de una instancia a una clase Due evaluar su probabilidad
condicional$ Seunda# eventos probables son usualmente mCs representativos Due los eventos
menos probables$ Por ejemplo# una muestra Due se parece a la poblaci!n es eneralmente
mCs probable Due una muestra altamente atpica del mismo tamaEo$ 'ercera# la creencia de
Due las muestras son eneralmente representativas de sus poblaciones de orien conduce a la
ente a sobreestimar la correlaci!n entre la )recuencia y la representatividad ! entre
asociaci!n estadstica y la similaridad connotativa$ Por tanto# la representatividad es usada
porDue 8i9 es accesible# 8ii9 a menudo se correlaciona con la probabilidad# y 8iii9 la ente
sobreestima ;sta correlaci!n$ Ba con)ianFa en la representatividad# sin embaro# conduce a
errores predecibles de juicio porDue la representatividad tiene una l!ica propia# la cual
di)iere de la l!ica de la probabilidad$
El contraste entre la representatividad y la probabilidad es mCs pronunciada 8i9 cuando la
evidencia es )alible ! 8ii9 cuando el objetivo del evento es altamente espec)ico$ En el caso
8i9# un resultado Due es altamente representativo de nuestro modelo puede a pesar de eso ser
improbable S si nuestro modelo mental estC basado en una evidencia de limitada valideF$
Considere# por ejemplo# la probabilidad de Due un candidato Dui;n dej! una eGcelente
impresi!n durante una entrevista tendrC ;Gito en una tarea muy di)cil$ PorDue las
impresiones basadas en entrevistas son notoriamente )alibles y el ;Gito ! el )racaso en el
trabajo es controlado por numerosos )actores Due no son predecibles de una breve
conversaci!n# el ;Gito puede ser muy improbable aAn cuando el sea altamente representativo
de nuestra impresi!n del candidato$
En el caso 8iii9# un resultado puede ser representativo puede ser muy improbable porDue
es altamente espec)ico ! detallado$ En eneral# un evento puede ser improbable ya sea
porDue es atpico ! porDue es altamente espec)ico$ Un peso debajo de las /01 lbs$ Es tpico
pero altamente espec)ico$ Ciertamente# el Altimo es mCs representativo para un hombre de
mediana edad# aunDue el anterior es mucho mCs probable$ Como este ejemplo ilustra# un
incremento en la especi)idad no eneralmente conduce a una representatividad disminuida$
Consecuentemente# la comparaci!n de eventos Due di)ieren en la especi)idad a menudo crean
con)licto entre la representatividad y la probabilidad$ Por ejemplo# una muestra al aFar de
cuatro cartas consistiendo del rey de coraFones# as de espadas# nueve de diamantes y cuatro
de tr;boles# parece mCs representativo Due una muestra consistiendo de cuatro cartas del
mismo palo# aunDue la Altima es por mucho mCs probable$ Por tanto# los prejuicios de
representatividad en juicios de probabilidad deberan ser mCs pronunciados en la evaluaci!n
de eventos Due son representativos pero altamente espec)icos$ 'ales prejuicios son
demostrados en estudios de juicios de probabilidad de eventos compuestos descritos en la
siuiente secci!n$
24
<obre la evaluacin de eventos compuestos
El audo contraste entre probabilidad y representatividad sure en la evaluaci!n de
eventos compuestos$ Supona Due nosotros estamos dando aluna in)ormaci!n sobre un
individuo 8por ejemplo# un esDuema de personalidad9 y Due nosotros especulamos sobre
varios atributos ! combinaciones de atributos Due este individuo puede poseer# tales como
ocupaci!n# pasatiempo ! a)inidad poltica$ Una de las leyes bCsicas de la probabilidad es Due
la especi)icaci!n puede solo reducir la probabilidad$ Por lo tanto# la probabilidad de Due una
persona dada es ambas un "epublicano y un artista debe ser mCs peDueEa Due la probabilidad
de Due la persona sea un artista$ Esta condici!n se sostiene no solo en el cClculo de la
probabilidad estCndar sino tambi;n en modelos no estCndar 8por ejemplo# Sha)er# /624L
gadeh# /6279$
Sin embaro# el reDuerimiento Due P8& R B9 Z P8B9# el cual puede ser llamado la rela de
la conjunci!n# no se aplica a la similaridad ! a la representatividad$ Un cuadrado aFul# por
ejemplo# puede ser mCs similar a un crculo aFul Due a un crculo# y un individuo puede
representar nuestra imaen de un artista "epublicano mCs Due a nuestra imaen de un
"epublicano$ PorDue la similaridad de un objeto a un objetivo puede ser incrementada
areando a las caractersticas del objetivo Due son compartidas por el objeto 8vea# 'vers(y#
/6229# la similaridad ! la representatividad puede ser incrementada por la especi)icaci!n del
objetivo$ Si los juicios de probabilidad son mediados por la representatividad ! la similaridad
debera ser posible construir problemas donde una conjunci!n de resultados pareFca mCs
representativa y por lo tanto mCs probable Due uno de sus componentes$
)l efecto de la conjuncin1 Estudio /
Esta predicci!n )ue primero ensayada en un eGperimento conducido en =erusal;n en /62:$
*osotros presentamos /7: sujetos con cuatro esDuemas de personalidad$ Cada esDuema
eDuiparaba el estereotipo de una ocupaci!n particular 8por ejemplo# un piloto de taGi9 y
di)era randemente del estereotipo de un partido poltico particular 8por ejemplo# laborista9#
! viceversa$ De aDu Due# cada descripci!n 8M9 )ue representativa de un objetivo# denominado
8&9# y no representativo de otro objetivo# denominado 8B9$ Cada esDuema )ue seuido de una
lista de cinco ! seis eventos objetivos descritos por una ocupaci!n# una a)iliaci!n poltica# !
una conjunci!n# por ejemplo# un taGista Due es miembro de un partido laborista$ Para cada
descripci!n# la mitad de los sujetos recibieron una lista incluyendo ambos objetivos & y B
mientras Due la otra mitad recibieron una lista incluyendo el objetivo compuesto 8& R B9$
Bos restantes cuatro objetivos )ueron id;nticos en las dos listas$ Ba mitad de los sujetos
)ueron reDueridos a clasi)icar los objetivos de acuerdo al Nrado al cual M es representativo
de esa claseO# y la otra mitad los clasi)ic! de acuerdo a Nla probabilidad de Due M sea un
miembro de esa claseO$
El diseEo del estudio permiti! una comparaci!n indirecta de la representatividad y de la
probabilidad para el evento B y el compuesto 8& R B9 en relaci!n a las cuatro constantes
alternativas$ Bos resultados pueden resumirse como siue< Primero# todas las cuatro
descripciones )ueron juFadas de ser mCs representativas del objetivo compuesto 8& R B9
Due del objetivo B solo$ Seundo# El ordenamiento de la representatividad y el probable
ordenamiento de cada jueo de objetivos )ue casi id;ntico en todos los casosL la correlaci!n
promedio producto>momento entre ranos medios )ue de $64$ En particular# al objetivo
compuesto 8& R B9 le )ue asinado un sini)icantemente mCs alto rano medio en el
ordenamiento de la probabilidad Due al objetivo simple B$ Evidentemente# la con)ianFa en la
representatividad heurstica condujo a los encuestados a considerar un evento conjuntivo
22
como mCs probable Due uno de sus componentes# contrario a la rela de la probabilidad$ &
este patr!n de juicios serC llamado el e)ecto de la conjunci!n$
)studio 21 Bill y Binda
PorDue el material de estmulo usado en el estudio temprano )ue altamente espec)ico para la
cultura Israel# nosotros construimos una versi!n en Inl;s de los problemas e hicimos una
r;plica del estudio con varias variaciones sini)icantes$ Primero# comparamos los resultados
de un diseEo pentre sujetos@# en el cual cada encuestado compar! ya sea el objetivo
compuesto 8& R B9 ! el objetivo simple 8B9# al mismo jueo de alternativas# con un diseEo
pentre rupos de sujetos@ en el cual cada uno de los encuestados compar! los dos objetivos
crticos directamente$ *osotros elaboramos la hip!tesis de Due la rela de conjunci!n )allara
en el anterior diseEo# como en nuestro estudio previo# pero esperamos Due la )recuencia de
violaciones sera randemente reducida en el Altimo diseEo donde los participantes )ueron
reDueridos# en e)ecto# comparar P8&9 con P8& R B9$ Seundo# nosotros esperamos Due aAn la
so)isticaci!n estadstica limitada eliminara la mayora de las violaciones de la rela de
conjunci!n# al menos en un diseEo pdentro de un rupo de sujetos@$
Para investiar ;stas hip!tesis# condujimos ambos un estudio pdentro de un rupo de
sujetos@ 8directo9 y pentre sujetos@ 8indirecto9# con el mismo material de estmulo$ El estudio
)ue replicado en tres rupos de encuestados Due di)irieron en so)isticaci!n estadstica$ El
estadsticamente rupo simple consisti! de estudiantes no raduados de la Universidad de
British Columbia y de la Universidad de Stan)ord Duienes no tenan antecedentes en
probabilidad ! estadstica$ El rupo intermedio consisti! en estudiantes raduados en
psicoloa y educaci!n y de estudiantes de medicina de la Universidad de Stan)ord Duienes
haban tomado varios cursos de estadstica y estaban todos )amiliariFados con los conceptos
bCsicos de la probabilidad$ El rupo estadsticamente so)isticado consisti! de estudiantes
raduados en el prorama de ciencia de la decisi!n de la Escuela de *eocios de Stan)ord
Duienes haban todos tomado varios cursos avanFados de probabilidad y de estadstica$
Dos breves esDuemas de personalidad )ueron construidos$ Cada participante se encontr!
con uno de ;stos esDuemas en el tratamiento pdentro del rupo de sujetos@ y el otro en el
tratamiento pentre los sujetos@$ En el primero el esDuema de personalidad )ue seuido por
ocho resultados posibles# incluyendo un resultado representativo# un resultado no
representativo y la conjunci!n de los dos$ En el tratamiento pentre los sujetos@ la lista de
resultados incluy! ya sea los dos resultados crticos simples ! su conjunci!n$ Bas )ormas
pdentro del rupo de sujetos@ de los dos problemas se muestran aDu$ Bos nAmeros entre
par;ntesis son la clasi)icaci!n media asinada a los varios resultados por los sujetos Duienes
recibieron ;sta )orma$
Bill tiene 0: aEos de edad$ El es inteliente# pero no imainativo$ Compulsivo y eneralmente
desanimado$ En la escuela# ;l )ue )uerte en matemCticas pero d;bil en estudios sociales y
humanidades$
Por )avor ordene las siuientes in)ormaciones por su probabilidad# usando / para el mCs probable y 7
para el menos probable$
8:$/9 Bill es un )sico Due juea po(er por hobby$
8:$79 Bill es un arDuitecto$
8/$/9 Bill es un contador$ 8&9
84$.9 Bill toca jaFF por hobby$ 8=9
81$29 Bill practica el sur)in por hobby$
81$09 Bill es un reportero$
27
80$49 Bill es un contador Due toca jaFF por hobby$ 8& R =9
81$:9 Bill escala montaEas por Hobby$
Binda tiene 0/ aEos de edad# soltera# )ranca y muy brillante$ Ella se especialiF! en )iloso)a$ Como
una estudiante# ella estuvo pro)undamente relacionada con asuntos de discriminaci!n y justicia social#
y tambi;n particip! en demostraciones anti nucleares$
Por )avor clasi)iDue las siuientes declaraciones por su probabilidad# usando / para la mCs probable y
7 para la menos probable$
81$.9 Binda es una maestra de escuela elemental$
80$09 Binda trabaja en una librera y toma clases de ,oa$
8.$/9 Binda es activa en el movimiento )eminista$ 8?9
80$/9 Binda es una trabajadora social psiDuiCtrica$
81$:9 Binda es miembro de la Bia de -ujeres Jotantes$
84$.9 Binda es una cajera de banco# 8'9
84$:9 Binda es una vendedora de seuros$
8:$/9 Binda es una cajera de banco y estC activa en el movimiento )eminista$ 8' R ?9
Como el lector ha probablemente adivinado# la descripci!n de Bill )ue construida para ser
representativa de un contador 8&9 y no representativa de una persona Due toca jaFF por
hobby 8=9$ Ba descripci!n de Binda )ue construida para ser representativa de una activa
)eminista 8?9 y no representativa de una cajera de banco 8'9$ De acuerdo con los principios
psicol!icos de la similaridad 8'vers(y# /6229 se esperaba Due los objetivos compuestos# un
contador Due toca jaFF por hobby 8& R =9 y una cajera de banco Due es activa en el
movimiento )eminista 8' R ?9# caeran entre los respectivos objetivos simples$ Para probar
esta predicci!n# nosotros reDuerimos al rupo de 77 sujetos estadsticamente simples a
clasi)icar los ocho objetivos Npor el rado al cual Bill 8Binda9 se asemejan al tpico miembro
de esa claseO$ Bas clasi)icaciones de similaridad validaron nuestra hip!tesis sobre las
descripciones$ Ba proporci!n de encuestados Duienes desplearon el orden predicho para Bill
8& w& R = w=9 )ue del 72WL el porcentaje de sujetos Duienes desplearon el orden predicho
para Binda 8? w ' R ? w '9 )ue del 71W$
'abla /$ El e)ecto conjunci!n
Simple Intermedio So)isticadooooooooo
Binda Bill Binda BilloooooooooBinda Billooooo
%iseo dentro del grupo de sujetos
E)ecto conjunci!n 8W9 76 6. 63 74 71 70
Clasi)icaci!n -< & R B :$. 0$4 0$6 0$1 :$3 0$:
Clasi)icaci!n -< B 4$0 4$: 4$. 4$: 4$/ 1$4
* 77 6: 10 14 0. 0.
%iseo entre los sujetos
Clasi)icaci!n -< & R B 0$0 .$0 .$6 .$: 0$/ .$1
Clasi)icaci!n -< B :$: :$1 0$6 :$. :$0 :$4
* 74 77 11 14 0. 0.
'odos los participantes recibieron ya sea la descripci!n de Bill ! la descripci!n de Binda
en la )orma pdentro del rupo de sujetos@ y la clasi)icaci!n ordenada de ocho objetivos de
acuerdo a sus probabilidades$ Estos datos estCn resumidos en la parte superior de la 'abla /#
donde la )ila etiDuetada Ne)ecto conjunci!n 8W9O presenta el porcentaje de sujetos en cada
rupo Due clasi)icaron el objetivo compuesto por debajo del objetivo simple menos
representativo$ Bas )ilas etiDuetadas N& y BO yOBO por ahora# respectivamente# la
26
clasi)icaci!n media asinada al compuesto y al objetivo simple menos representativo$ Ba
clasi)icaci!n media de similaridad estC ploteada en la ?iura / contra la clasi)icaci!n media
total de probabilidad en el diseEo pdentro del rupo de sujetos@$
En la condici!n pentre los sujetos@# dos versiones de cada problema )ueron construidas
eliminando de la lista de objetivos ya sea el objetivo compuesto ! los dos objetivos
compuestos$ El esDuema de personalidad# las instrucciones y los remanentes 1 objetivos
)ueron los mismo como en la versi!n pdentro del rupo de sujetos@$ Bos resultados del diseEo
pentre los sujetos@ para todos los rupos de encuestados son presentados en la parte in)erior
de la 'abla /$
Bos resultados resumidos en la 'abla / muestran Due el objetivo compuesto )ue
clasi)icado como mCs probable Due el objetivo simple en ambos diseEos pdentro del rupo de
sujetos@ y pentre los sujetos@$ Este resultado se sostiene para ambas descripciones y para
todos los rupos$ -ucha de nuestra sorpresa# so)isticaci!n estadstica tuvieron un e)ecto
insini)icante sobre el e)ecto conjunci!n# el cual )ue eGhibido por mCs del 73W de los sujetos
en todos los tres rupos$
Incluir a-u* la 4i#ura ' de la p5#ina 67 del ori#inal(
?iura /$ Ploteo de las clasi)icaciones promedio de para ocho resultados clasi)icados por probabilidad
y por similaridad para las dos descripciones$
En los estudios precedentes# los objetivos crticos )ueron )ijados en jueo mCs rande de
resultados posibles# los cuales podran haber dis)raFado la relaci!n de inclusi!n entre ellos$
Es de inter;s# por consiuiente# investiar si la ente viola la rela de conjunci!n aAn cuando
la relaci!n l!ica entre los objetivos es altamente transparente$ Para probar ;sta hip!tesis#
nosotros presentamos un nuevo rupo de 8estadsticamente simples9 sujetos con las
descripciones de Bill y Binda$ Cada sujeto )ue presentado con una de las dos descripciones#
y )ue preuntado sobre cuCl de los dos objetivos crticos ^por ejemplo# = y 8& R =9# ! ' y 8'
R ?9_ era mCs probable$ Este procedimiento no reduce el e)ecto conjunci!n< El objetivo
compuesto )ue seleccionado por el 6.W de los sujetos 8* [ 779 en el caso de Bill y por el
72W de los sujetos 8* [ 749 en el caso de Binda$
De la )alla masiva de la rela de la conjunci!n suren intriantes interroantes
concernientes a su apariencia normativa$ Para eGaminar ;sta interroante# entrevistamos a 04
estudiantes raduados# del rupo intermedio# Duienes hubieron participado en el eGperimento$
& ellos se les preunt! 8/9 c!mo haban ordenado ellos las dos cateoras crticas# 8.9 por Du;
ellos haban hecho eso# y 809 considerar el arumento de Nla probabilidad de Due Bill sea
ambos un contador y un int;rprete del jaFF no puede eGceder la probabilidad de Due es un
int;rprete del jaFF# porDue cada miembro de la cateora anterior es tambi;n un miembro de
la AltimaO$ -Cs de los dos tercios de los sujetos 8/9 dijeron Due ellos haban seleccionado el
objetivo compuesto# 8.9 dieron aluna versi!n de una similaridad ! de un arumento de
tipicalidad como una raF!n# y 809 estuvieron de acuerdo# despu;s de aluna re)leGi!n# Due sus
respuestas )ueron err!neas# porDue hubo una variante de la rela de conjunci!n$ Solo dos de
los sujetos mantuvieron Due el orden de probabilidad no necesita estar de acuerdo con la
inclusi!n de clase# y solo uno reclam! Due ;l haba mal interpretado la preunta$ &unDue la
entrevista podra haber prejuiciado a los encuestados a )avor de la rela de conjunci!n# los
resultados suieren Due los sujetos estadsticamente in)ormados# al menos# estCn dispuestos a
considerar una violaci!n de ;sta rela como un lamentable error$ Para posterior discusi!n de
este asunto# ver el captulo 0:$
En interpretar la )alla de la rela de conjunci!n# es importante considerar si el e)ecto es
atribuible# en todo ! en parte# a las convenciones linesticas ! a relas de conversaci!n$ Por
ejemplo# en un estudio anterior presentamos a la ente con la siuiente descripci!n# N=ohn
73
tiene .2 aEos de edad# con una personalidad sociable$ En la universidad )ue un eGcelente
atleta pero no mostr! mucha habilidad ! inter;s en cuestiones intelectualesO$ Encontramos
Due =ohn )ue juFado mCs probable de ser un Nmaestro de imnasiaO Due meramente un
NmaestroO$ &unDue cada maestro de imnasia es# en un sentido# un maestro# podra ser
areido Due el t;rmino maestro es entendido aDu en un sentido Due eGcluye a un maestro de
imnasia ! a un instructor de manejo en la escuela$ Este problema es evitado en el presente
diseEo# de)iniendo el resultado crtico eGtensionalmente como una intersecci!n de dos
jueos# por ejemplo# contadores e int;rpretes a)icionados del jaFF$
Jiolaciones de la rela de conjunci!n han sido tambi;n observadas en problemas
secuenciales# donde el objetivo consiste de una secuencia de eventos$ Slovic# ?ischho))# y
Bichtenstein 8/6249 presentaron sujetos con un esDuema de personalidad de una persona
Dui;n se asemejaba al estereotipo de un ineniero pero no de un periodista$ Sus sujetos le
asinaron una probabilidad baja al evento N'om H$ seleccionarC el periodismo como su
especialiFaci!n universitaria pero rCpidamente llearC a ser in)eliF con su selecci!n y
cambiarC a inenieraO$ Estrictamente hablando# el evento anterior incluye al Altimo# y el
juicio de arriba viola la rela de conjunci!n$ Este ejemplo# sin embaro# estC abierto a la
objeci!n Due# de acuerdo a las relas normales de conversaci!n# la declaraci!n de Due 'om
H$ escoi! el periodismo como su especialiFaci!n universitaria implica Due ;l tambi;n siui!
una especialiFaci!n de periodismo$ De otra manera# la declaraci!n sera enaEosa$
Similares objeciones pueden tambi;n surir considerando los ejemplos de Bill y Binda$
Por lo tanto# puede ser areido Due los sujetos leyeron# por ejemplo# la cateora de Nuna
cajera de bancoO como Nuna cajera de banco Dui;n no estC activa en el movimiento
)eministaO en contraste a la cateora dada de Nuna cajera de banco Dui;n estC activa en el
movimiento )eministaO$ Sin embaro# la presencia del e)ecto conjunci!n en un pdiseEo entre
los sujetos@# en el cual los objetivos crticos no son comparados directamente# indica Due el
e)ecto no puede ser adecuadamente eGplicado en t;rminos de una re)ormulaci!n de las
cateoras del objetivo de acuerdo a las implicaciones estCndar de conversaci!n$ -Cs bien#
los juicios observados revelan una tendencia comAn a evaluar las probabilidades de los
eventos relevantes por el rado al cual Binda es representativa de los miembros tpicos !
prototpicos de las respectivas cateoras$
&demCs# hemos observado el e)ecto conjunci!n en varias tareas Due parecen libres de
implicaciones de conversaci!n$ Bos siuientes problemas # por ejemplo# se re)ieren a la
predicci!n de eventos )uturos d!nde la interpretaci!n de B como 8B y no>&9 parece no
plausible$
)studio 0< Predicciones para 3453
Bos problemas descritos aDu )ueron desinados para probar la rela de conjunci!n en
predicciones de eventos del mundo real donde los sujetos se apoyan en su conocimiento
eneral$ Estos problemas )ueron respondidos por un rupo de 60 estadsticamente sujetos
simples en Diciembre de /673$ Bas siuientes instrucciones )ueron dadas<
En este cuestionario usted es reDuerido a evaluar la probabilidad de varios eventos Due pueden ocurrir
durante /67/$ Cada problema incluye cuatro posibles eventos$ Su tarea es clasi)icar el orden de ;stos
eventos por la probabilidad # usando / para el evento mCs probable# . para el seundo# 0 para el
tercero y : para el evento menos probable$
El cuestionario incluy! seis preuntas$ Dos de las preuntas son mostradas aDu$ Bos
resultados para otras preuntas )ueron muy similares$ Bos nAmeros entre par;ntesis son las
7/
clasi)icaciones promedio para cada eventoL tambi;n mostramos el porcentaje de sujetos Due
clasi)icaron el objetivo compuesto como mCs probable Due el objetivo simple$
"ennis 3453 8E)ecto conjunci!n< 2.W9
Supona Due Bjorn Bor alcanFa la )inal de Himbledon en /67/$ Por )avor clasi)iDue el orden de
los siuientes resultados del mCs al menos probable$
8/$29 Bor anarC el partido$
8.$29 Bor perderC el primer set$
80$19 Bor anarC el primer set pero pierde el partido$
8.$.9 Bor perderC el primer set pero ana el partido$
Pol#tica de )+6$ 3453 8E)ecto conjunci!n< 47W9
Por )avor clasi)iDue el orden de los eventos siuientes por su probabilidad de ocurrencia en /67/$
8/$19 "eaan cortarC la ayuda )ederal al obierno local$
80$09 "eaan proveerC ayuda )ederal para las madres solteras$
8.$29 "eaan incrementarC el presupuesto de la de)ensa en menos del 1W$
8.$69 "eaan proveerC ayuda )ederal para madres solteras y cortarC la ayuda )ederal a los
obiernos locales
Como en los estudios precedentes# la cateora compuesta )ue juFada mCs probable Due
uno de sus componentes$ El resultado es compatible con una noci!n de representatividad# la
cual se re)iere en este caso a la relaci!n entre un sistema causal y sus resultados mCs Due a la
similaridad de una descripci!n a un estereotipo$ En el seundo problema# por ejemplo# parece
no representativo para el Presidente "eaan proveer ayuda )ederal para las madres solteras y
completamente representativo para ;l cortar la ayuda )ederal a los obiernos locales$ Ba
conjunci!n de ;stos actos parece intermedia en representatividad# y las evaluaciones de
probabilidad evidentemente siuen el mismo patr!n$
En el primer problema# la mayora de encuestados evalu! la anancia del ttulo de Bor
como el evento mCs probable y consider! la posibilidad de Due Bor pierda el primer set
como menos probable$ Ba conjunci!n de los dos# a saber Bor pierde el primer set pero ana
el partido# )ue de nuevo juFada como menos probable Due la primera posibilidad pero mCs
probable Due la seunda$ Evidentemente# los sujetos combinaron los eventos de acuerdo a los
principios de representatividad# ! impacto causal# mCs Due de acuerdo a las leyes de la
probabilidad$
%iscusin
Bos resultados reportados en los estudios precedentes proveen soporte directo para la
hip!tesis de Due la ente evalAa la probabilidad de los eventos por el rado al cual ;stos
eventos son representativos de un modelo relevante ! proceso$ PorDue la representatividad de
un evento puede ser incrementada por la especi)idad# un objetivo compuesto puede ser
juFado mCs probable Due uno de sus componentes$ Esta predicci!n )ue soportada por
estudios usando ambos diseEos pdentro del rupo de sujetos@ y pentre los sujetos@ en
poblaciones del sujeto Due cubre un amplio rano de so)isticaci!n estadstica$
& di)erencia de otras relas probabilsticas# tales como reresi!n hacia la media# los
cuales los sujetos simples encuentran di)icultad en entender y aceptar# la rela de conjunci!n
es ambas simple y obliatoria$ Ba mayora de los sujetos estuvieron dispuestos a aprobarla en
una )orma abstracta# aunDue casi todos ellos violaron en la prCctica cuando ella entr! en
con)licto con la intuici!n de representatividad$ Bos presentes resultados contrastan con los
descubrimientos de =ohnson>Baird y Hason 8/6229 sobre la veri)icaci!n de la declaraci!n Nsi>
7.
entoncesO 8ver tambi;n =ohnson>Baird# BerenFi R Sonino>BerenFi# /62.9$ Estos
investiadores encontraron Due la mayora de los sujetos )allaron la tarea de veri)icaci!n con
material abstracto pero no en un ejemplo concreto$ *uestros encuestados# por otro lado#
aprobaron la rela de conjunci!n en una )orma abstracta pero la violaron en ejemplos
concretos 8ver Captulo 0:9$
El descubrimiento de Due una conjunci!n a menudo parece mCs probable Due uno de sus
componentes podra tener implicaciones inalcanFables$ *o encontramos ninuna buena raF!n
para creer Due los juicios de analistas polticos# jurados# jueces y )sicos est;n libres del
e)ecto conjunci!n$ Este e)ecto es probable a ser pernicioso en los intentos por predecir el
)uturo evaluando la probabilidad percibida de escenarios particulares$ Como ellos miran
)ijamente dentro de la bola de cristal# polticos# )utur!loos# y personas leas parecidas
buscan una imaen del )uturo Due mejor represente su modelo de la dinCmica del presente$
Esta investiaci!n conduce a la construcci!n de detallados escenarios# los cuales son
internamente coherentes y altamente representativos de nuestro modelo del mundo$ 'ales
escenarios parecen mCs probables Due predicciones menos detalladas las cuales son de hecho
mCs probables$ Como la cantidad de detalle se incrementa en un escenario# su probabilidad
solo puede decrecer establemente# pero su representatividad y de aDu su aparente
probabilidad puede incrementarse$ Ba con)ianFa en la representatividad# nosotros creemos# es
una raF!n primaria para la apariencia no arantiFada de escenarios detallados y el sentido
ilusorio de la perspicacia Due tal construcci!n a menudo provee$
Ba con)usi!n entre consideraciones de probabilidad y de similaridad se aplica no solo a la
predicci!n de un )uturo incierto sino Due tambi;n a la reconstrucci!n de pasado incierto# por
ejemplo en la historia y la ley penal$ &Du tambi;n# una narraci!n de eventos pasados es a
menudo incorporada dentro de un escenario representativo# el cual incluye adivinanFas
plausibles sobre eventos desconocidos$ Ba inclusi!n de tales adivinanFas puede solo
decrementar la posibilidad de Due la narraci!n entera es cierta# pero provee un sentido de
representatividad y coherencia Due puede incrementar la probabilidad percibida del
escenario$ Por ejemplo# la hip!tesis Nel reo dej! la escena del crimenO puede parecer menos
plausible Due la hip!tesis Nel reo abandon! la escena del crimen por miedo a ser acusado de
asesinatoO# aunDue la Altima narraci!n es menos probable Due la anterior$ Una buena historia
es a menudo menos probable Due una menos satis)actoria$
?inalmente# es importarse darse cuenta Due el e)ecto conjunci!n es el sntoma de un
problema mCs )undamental$ El meramente revela la inconsistencia entre la l!ica de
probabilidad y la l!ica de representatividad la cual a menudo obierna las creencias de la
ente sobre eventos inciertos$ Puesto Due el juicio humano es indispensable para muchos
problemas de inter;s en nuestras vidas# el con)licto entre el concepto intuitivo de
probabilidad y la estructura l!ica de este concepto es problemCtico$ Por otro lado# nosotros
no podemos rCpidamente abandonar la heurstica Due usamos para evaluar la incertidumbre#
porDue mucho de nuestro mundo del conocimiento estC atado a su operaci!n$ Por otro lado#
nosotros no podemos desa)iar las leyes de la probabilidad# porDue ellas capturan importantes
verdades obre el mundo$ Parecida a ella ! no# & no puede ser menos probable Due 8& R B9# y
una creencia en contrario es una )alacia$ *uestro problema es retener lo Due es Atil y vClido
en el juicio intuitivo mientras correimos los errores y prejuicios a los cuales el estC
propenso$
70
Parte III
Casualidad y atribucin
7:
D( Induccin popular: Fa inormacin no es
necesariamente inormativa
"ichard E$ *isbett# Euene Borida# "ic( Crandall#
y Harvey "eed
Ba teora conitiva Due corrientemente ejerce la mCs rande in)luencia en los psic!loos
sociales es una teora de atribuci!n# la versi!n )ormaliFada Due )ue introducida por Harold
Kelley en /642$ Ba teora posee una visi!n de un hombre como un cient)ico leo# intentando
in)erir causas para los e)ectos Due ;l observa$ Bas causas Due ;l atribuye determinan su visi!n
de su mundo social# y ;sta visi!n puede determinar su comportamiento$ Un eGtremadamente
amplio rano de )en!menos# de la investiaci!n de la con)ormidad de &sch al trabajo de la
emoci!n de Schachter# pueden ser Atilmente descritos como instancias de procesos de la
atribuci!n causal en el trabajo$ De hecho# parece muy posible Due la mCs importante
contribuci!n de Kelly puede ultimadamente ser vista de haber sido su creaci!n de un
lenuaje# ! mapa de carreteras# con el cual describir e interrelacionar diversos )en!menos
sociales de la psicoloa$
&demCs de su contribuci!n oraniFacional# Kelly propuso tres )uentes )ormales de
in)luencia en los procesos de atribuci!n causal$ En intentar atribuir causas para eventos de la
)orma NEl actor responde en un estilo M a la situaci!n &O# el leo en trabajar con la atribuci!n
responde a tres )uentes de in)ormaci!n< in)ormaci!n de distintividad 8"esponde el actor en M
estilo en todas las situaciones del tipo eneral# ! solo en la situaci!n &Q9L in)ormaci!n de
consistencia 8"esponde el actor en M estilo todo el tiempo# bajo una amplia variedad de
circunstancias# ! ;l responde en M estilo solo ocasionalmenteQ9L e in)ormaci!n de consenso
8"esponden la mayora de otros actores en el estilo M# ! es la respuesta relativamente raraQ9$
Ba atribuci!n de causa dependerC de las respuestas a cada una de ;stas interroantes$ El actor
es por tanto visto como la causa primaria de su respuesta en la medida Due ;l responde de esa
manera en todas las situaciones del tipo eneral y en la medida Due sus respuestas no son
eGhibidas por otros$ Ba situaci!n es vista como causal en la medida Due la respuesta del actor
es Anica para la situaci!n & y en la medida Due su respuesta sea ampliamente compartida$
El anClisis de Kelly del proceso de atribuci!n ha sido aclamado as como criticado en el
terreno Due es l!ico en eGtremo$ ,a sea Due a uno uste ! no la teora para ;sta cualidad#
llea como una sorpresa descubrir Due uno de sus aGiomas )undamentales no ha encontrado
virtualmente ayuda en la investiaci!n subsiuiente$ Esta es la noci!n de Due la ente
responde a la in)ormaci!n de consenso en una causa asinada$ Ba teora y el sentido comAn a
pesar de eso# eGiste evidencia base de Due la ente estC randemente in)luenciada en sus
atribuciones causales por el conocimiento del comportamiento de otros$ El conocimiento de
Esta es una versi!n abreviada de un trabajo aparecido en =$ $S$ Carroll y =$ H$ Payne 8Eds$9$ Cognicin y
Comportamiento Social# Hillsdale# *$ =$< Ba+rence Erlbaum &socc$# Inc$# /624$ "eproducido con permiso$
Due la respuesta del actor es ampliamente compartida parece no impulsar la in)erencia Due la
situaci!n mCs Due el actor es el aente causal principal$ & la inversa# el conocimiento de Due
la respuesta del actor es Anica parece no impulsar la in)erencia de Due el actor mCs Due la
situaci!n es el aente causal principal$
En las pCinas Due siuen revisamos la evidencia mostrando Due eGiste poco apoyo para
la visi!n de Due la ente utiliFa la in)ormaci!n de consenso en hacer atribuciones$ Esta
evidencia concierne a ambas instancias donde el actor es otra persona y las instancias#
eGtradas de nuestra propia investiaci!n# donde el actor es el yo$ Bueo mostramos la
similaridad entre la )alla de in)ormaci!n de consenso para a)ectar las atribuciones y la
demostraci!n por Kahneman y 'vers(y 8/620#:9 Due la in)ormaci!n basada en la raF!n )alla
al a)ectar las predicciones$ *osotros proponemos eGplicaciones para ambas )allas en t;rminos
del relativo impacto de la in)ormaci!n abstracta 8consenso# base la raF!n9 versus la
in)ormaci!n concreta 8actor A objetivo relacionado9$ ?inalmente aplicamos la distinci!n entre
in)ormaci!n abstracta e in)ormaci!n concreta a cuestiones de comunicaci!n y persuaci!n$
Inormacin de consenso y la percepcin de otros
EGisten dos estudios Due eGaminan los e)ectos de la in)ormaci!n de consenso sobre las
atribuciones sobre el comportamiento de otros$ &mbos estudios &mbos estudios muestran
una notable debilidad de la in)ormaci!n de consenso$ El primero de ;stos es de B$ g$
-c&rthur 8/62.9$ Su estudio )ue una prueba directa de las proposiciones de Kelly sobre los
e)ectos de la distintividad# la consistencia y el consenso en atribuciones causales$ & los
sujetos se les dio descripciones de una lnea de la )orma Nel actor responde al estmulo en M
estiloO y se les dio adicionalmente in)ormaci!n sobre las dimensiones de distintividad #
consistencia y consenso de Kelly$ Por ejemplo# a los sujetos se podra haber dicho Due#
N-ientras danFaban# "alph pisotea los pies de =oanO# y haberles dicho adicionalmente Due los
pisotones de "alph sobre casi todos los pies de las j!venes 8! casi no sobre los pies de otras
j!venes9# Due "alph casi siempre 8! casi nunca9 pisa los pies de =oan# y Due casi todos 8! casi
ninuno mCs9 pisa los pies de =oan$ Bos sujetos )ueron lueo preuntados si el incidente de
los pisotones )ue culpa de "alph# culpa de =oan ! justo culpa de las circunstancias$ Bos
sujetos )ueron tambi;n preuntados sobre sus predicciones por la eneraliFaci!n de la
respuesta 8CuCn probable sera Due "alph aconsejara a =oan Due se enrolara en un curso de
danFa socialQ9 y la eneraliFaci!n del estmulo 8CuCn probable sera Due "alph pisara sobre
una acera heladaQ9$
Ba in)ormaci!n de distintividad cont! para un /3W de la variante en la atribuci!n causal
8sumando sobre todas las causas9 y un 40W en las eGpectativas de la eneraliFaci!n del
estmulo$ Ba in)ormaci!n de consistencia cont! para un .3W de la variante en las
atribuciones causales y para un /:W de la variante en las eGpectativas de la eneraliFaci!n de
la respuesta$ En contraste# la in)ormaci!n de consenso cont! para menos del 0W de la
variante en cualDuiera de las tres clases de in)erencia$ Estos resultados parecen violar no solo
el sentido comAn de la teora de la atribuci!n# sino cualDuier clase de sentido comAn del todo$
&unDue los sujetos parecen creer Due es importante conocer si los pisotones de "alph sobre
la mayora de los pies de las j!venes y si ;l usualmente pisotea sobre los pies de =oan# no es
de la competencia de ellos si otras entes pisan sobre los pies de =oand
Sentido comAn S atribucional ! de cualDuier otra variedad S es tambi;n violado en el otro
estudio concernientes a las percepciones de los otros$ -iller# Iillen# Schen(er y "adlove
8/6209 reDuirieron a los estudiantes de la universidad a leer la secci!n de procedimiento del
clCsico -ilram 8/6409 estudio de la obediencia$ & la mitad de los sujetos les )ueron dados
los datos actuales del estudio -ilram# mostrando Due virtualmente todos los sujetos
74
administraron una muy sustancial cantidad de pshoc(@ por los con)ederados y Due la mayora
)ue en todo el recorrido hasta el tope de la escala de shoc(@$ & los otros sujetos se les dej!
con sus eGpectativas simples Due tal comportamiento sera raro$ Bueo todos los sujetos
)ueron reDueridos a clasi)icar a dos individuos# ambos de Duienes haban ido en todo el
recorrido# en // dimensiones de rasos randemente carados con un componente
evaluativo# por ejemplo# atractivo# cordialidad# simpata# aresividad$ Para solo uno de las
once clasi)icaciones la in)ormaci!n de consenso tuvo un sini)icante e)ecto$ El conocimiento
de Due la administraci!n del mCGimo shoc( )ue un comportamiento modal tuvo por
consiuiente virtualmente ninAn e)ecto en las evaluaciones de los individuos a Duienes les
haba dado la mCGima cantidad de pshoc(@$
Inormacin de consenso y auto percepcin
Ba in)ormaci!n de consenso parece tener poco impacto en las atribuciones echas sobre el yo$
Bem 8/6429 propuso y Kelly 8/6429 incorpor! dentro de la teora de la atribuci!n la noci!n
Due la ente desarrolla el anClisis de la causa y el e)ecto de su propio comportamiento en una
manera enteramente similar a sus atribuciones sobre el comportamiento de otros$ Ellos
observaron sus respuestas# tomado nota de las situaciones en las cuales ellas ocurren# y hacen
in)erencias sobre sus sentimientos y motivo de estados$ Por ejemplo# el sujeto en el clCsico
Schachter y Siner 8/64.9 eGperimenta Dui;n conoce lo Due a ;l le ha sido inyectado con una
droa Due produce un despertar auton!mico# y Dui;n es lueo colocado en una situaci!n
desinada para provocar )uertes emociones# realiFar una clase de anClisis de causa>e)ecto$ El
siente los sntomas del despertar# el cual ;l ordinariamente los atribuye al impacto de la
situaci!n# pero en su luar los atribuye a la droa Due ;l ha tomado$ El resultado es Due ;l
reporta y mani)iesta conductualmente menos de los sntomas de emoci!n Due los sujetos
Duienes no conocen Due ellos han sido inyectados con un aente despertador y menos
sntomas emocionales aAn Due los sujetos Due no han sido inyectados con el aente
despertador del todo$ El sujeto por consiuiente percibe la causa de sus respuestas
auton!micas como NeGternasO a ;l y siente y se comporta como corresponde$
Jarios aEos atrCs# empeFamos un prorama de intervenciones terap;uticas basadas en ;sta
noci!n de Due la ente puede ser conducida a eGternar la causa de su propias reacciones$
Pareci! Due dondeDuiera Due un individuo tiene respuestas Due son inadaptativas#
perjudiciales ! patol!icas# puede haber alo anado persuadiendo a la persona a atribuir sus
respuestas as alo eGterno a ella misma$ El primer estudio y el Anico eGitoso )ue por Storms y
*isbett 8/6239$ El estado patol!ico estudiado )ue el insomnio$ "eDuerimos a los estudiantes
de la universidad Due tenan problema en conciliar el sueEo Due tomaran una pastilla 8en
e)ecto un placebo9 /1 minutos antes de retirarse# a los cuales se les dijo Due causara un
incremento del ritmo del coraF!n# rCpido# respiraci!n irreular# una sensaci!n de calor
corporal# y un estado eneral de alerta$ Estos son por supuesto los sntomas del insomnio$
Bos sujetos Due tomaron ;stas pastillas reportaron conseuir dormir mCs rCpidamente en las
noches Due ellos las tomaron Due lo Due ellos consiuieron sin las pastillas y mCs
rCpidamente Due los sujetos de control Due no tomaron pastillas$ Storms y *isbeth raFonaron
Due uno ! ambos de los dos di)erentes procesos de atribuci!n podran haber contado para los
resultados$ El insomnio es causado en ran parte por despertar a la hora de dormir producido
por cualDuier nAmero de causas# incluyendo ansiedad por problemas personales# un
inconveniente ritmo diurno# ! neurosis cr!nica$ Como el individuo descansa en la cama en un
estado de despertar# su ensueEo incluye pensamientos de contento emocional$ El despertar
puede venir asociado con# y puede ampli)icar# las coniciones emocionales$ El resultante
estado emocional ampli)icado intensi)ica el despertar y as sucesivamente# en un crculo
72
vicioso$ Este crculo podra ser roto# sin embaro# por el conocimiento de Due el despertar es
eG!eno por naturaleFa$ Ba persona entonces no podra in)erir nada sobre cuCn preocupado ;l
estaba sobre su eGamen# ! cuCn enojado ;l estaba con su compaEero de cuarto# de la
observaci!n de su estado de despertar$ En las noches con las pastillas# el despertar sera visto
como inevitable y por lo tanto disociado de cualesDuiera pensamientos en su cabeFa$ El ciclo
del despertar ampli)icado por lo tanto roto# el sueEo podra oriinarse$
&lternativamente ! adicionalmente# un proceso un tanto di)erente con mCs aplicabilidad
eneral podra haber estado en el trabajo$ *uestros sujetos insomnes reportaron Due ellos
estuvieron muy concientes sobre el hecho de Due ellos eran insomnes$ Ellos lo tomaron como
evidencia de una patoloa mCs eneral y como re)lejando ravemente sobre su estado
desajuste psicol!ico$ Para un sujeto con tales preocupaciones# el conocimiento del
inevitable# eGtrnsecamente producido despertar debera ser tranDuiliFador$ &l menos ;sta
noche# el sujeto podra raFonar# el insomnio no podra ser tomado como evidencia de una
psicopatoloa eneral$ &l eGtremo Due tal conocimiento )ue por s mismo parcialmente
responsable del insomnio# el dormir debera haber ocurrido mCs rCpidamente en las noches
con las pastillas$
Intentos para manipular la depresin
&rmados con ;sta eGitosa intervenci!n con insomnes# nosotros empeFamos unas series de
intentos para modi)icar los estados de depresi!n$ Ba t;cnica en todos los estudios )ue una
manipulaci!n de consenso# desinada a eGternar la causa del a)ecto depresivo convenciendo
al sujeto Due ella )ue ampliamente compartida$ &l eGtremo Due el estado es compartido por
otros similares# su eGistencia se re)leja menos neativamente en el yo$ Parecera menos
enraFado en la propia eGtraEeFa del sujeto# posiblemente reacciones patol!icas a sus
circunstancias particulares y el medio ambiente$ Con inDuietud y preocupaci!n sobre la
habilidad de uno para tratar con la situaci!n de vida reducida de uno# la depresi!n podra ser
parcialmente abatida$
)studio /< Los %omingos tristes& -uchos estudiantes de la universidad eGperimentan un
sentimiento eneral de )rustraci!n los dominos$ &unDue el da puede principiar muy bien
con un desayuno>almuerFo# ca); y los peri!dicos dominicales# un sentido de aburrimiento a
menudo principia por la tarde$ EGiste mucho por hacer en la semana Due viene# demasiado
para considerar un domino de paseo# aunDue talveF no lo su)iciente para empeFar el trabajo
justo en este minuto$ &l )inal de la tarde# ninuna eGcursi!n y ninAn trabajo se han hecho#
los peri!dicos dominicales# incluyendo talveF aAn las secciones de )inanFas y de viajes# han
sido tambi;n completamente absorbidos y un laro )in de tarde de estudio tedioso se per)ila
adelante$ &l caer la noche# si todos han salido como desraciadamente a menudo lo hacen# el
trabajo prosiue dolorosamente# ! no del todo# y un humor ris de malestar y auto>duda se ha
instalado$
Se nos ocurri! Due si el )en!meno )uera eneral# y si la ente supiera esto# los Dominos
tristes podran ser reducidos en intensidad$ Si el individuo estudiante conoce Due los
dormitorios alrededor de ;l estCn llenos de ente en el mismo estado de decaimiento#
entonces sus propias emociones neativas podran ser de alAn modo mitiadas$ En luar de
decidir Due ;l no estC hecho para la vida acad;mica ! dCndole vueltas al problema sobre la
posibilidad de Due ;l no pueda tener una relaci!n completa con una mujer# ;l simplemente
toma conocimiento de Due la ente a estar de baj!n los dominos y lo deja ir as$
En orden de probar esta noci!n# nosotros reDuerimos a un ran nAmero de estudiantes no
raduados de la Universidad de ,ale a llenar un nAmero de escalas de humor a las :<33 P$-$y
a las /3<33 P$-$ en domino$ Bas escalas del humor )ueron varias escalas Hessman y "ic(s
77
8/6449 carando alto en el )actor de su eu)oria>dis)oria$ &demCs los sujetos )ueron reDueridos
a llenar un cuestionario a las /3<33 P$-$# reportando sobre sus actividades acad;micas y
sociales del da y sobre el nAmero de instancias en las cuales ellos dieron libre curso a alAn
a)ecto de dis)oria# por ejemplo# ritando ! llorando$ ?inalmente# los sujetos eGtrajeron un
paDuete de caricaturas de un )older y los clasi)icaron por su raciosidad$
Despu;s de ;sta premedida inicial del domino# los sujetos )ueron sorteados dentro de
tres rupos# cada uno con /7 sujetos$ Uno# un rupo de control# )ue simplemente dicho Due
los investiadores estaban estudiando patrones del humor en domino y los participantes
)ueron reDueridos a llenar en el domino siuiente el mismo paDuete de materiales Due ellos
haban llenado el domino previo$ Para un seundo rupo# el sndrome de los dominos
tristes )ue descrito en detalle y a los sujetos se les dio 8)alsa9 estadstica para indicar su
eGtendida ocurrencia en la poblaci!n de la universidad$ & los sujetos se les dijo Due el 6.W
de los estudiantes de ,ale reportaron haber eGperimentado el )en!meno al menos
ocasionalmente# mientras Due el 41W lo eGperimentaron en la mayora de los dominos$ & un
tercer rupo le )ue dada la misma in)ormaci!n de consenso como al seundo rupo y#
ademCs# le )ue dada una teora Due cuenta para el )en!meno$ & los sujetos se les dijo Due es
causado por un NrCpido despertarO los dominos$ El despertar normal entre semana es
tpicamente seuido por un aAn mCs )uerte despertar en sCbadoL lueo en el domino hay un
completo despertar$ Esta )alta de despertar es a menudo interpretada como# ! convertida
dentro de la depresi!n$
Ba anticipaci!n )ue Due en los dos Altimos dos rupos de eGperimentos reinterpretaran
sus amaras eGperiencias en domino# personaliFCndolos menos y convirt;ndose# como as
)ue# menos depresivos sobre su depresi!n$ Si ellos hubieran mostrado un decremento en el
a)ecto dis)!rico en las escalas del humor de la pre>manipulaci!n del domino a la post>
manipulaci!n del dominoL un decremento en el comportamiento dis)!rico# tales como
eGplotar ! llorarL un incremento en ambas actividades acad;mica y socialL y una mCs alta
clasi)icaci!n del promedio de la raciosidad de las caricaturas en el paDuete para el seundo
domino$ Ellos no hicieron ninuna de ;stas cosas$ *o por un simple indicador el humor de
los sujetos eGperimentales mejora al compararlo con el control de los sujetos$
)studio II1 %epresin crnica& Insu)icientemente desalentados# intentamos una intervenci!n
similar con mujeres no raduadas Duienes se describieron a s mismas como cr!nicamente
depresivas$ Jeinte sujetos )ueron reclutados por medio de un anuncio en el peri!dico
estudiantil de la Universidad de -ichian Due llam! por Nhombres depresivos de las clases
superiores para participar en un estudio por el Instituto para la Investiaci!n Social de la
depresi!nO$
& los sujetos eGperimentales les )ue dada la misma historia y ademCs se les dijo Due los
eGperimentadores estuvieron en las etapas )inales de probar una teora de la depresi!n en
hombres adultos j!venes$ Ba teora# basada al menos en sus particulares# )ueron como siue$
& los sujetos se les dijo Due ella haba sido conocida por alAn tiempo Due el mantenimiento
del humor en los adultos dependi! en parte en la presencia de hormonas onadales S en el
hombre# de la testosterona$ Haba habido hasta recientemente una paradoja# sin embaro# en
Due los niEos casi nunca llean a ser depresivos$ PorDue los niEos tienen eGtremadamente
bajos niveles de todas las hormonas onadales# esto pareci! una contradicci!n de la rela
eneral Due las hormonas son promotoras de los buenos humores$ Ba paradoja haba sido
recientemente resuelta por el descubrimiento de Due el l!bulo lmbico# el centro emocional
del cerebro# cambia en la adolescencia a una dependencia de las hormonas onadales para el
mantenimiento del humor$ En la mayora de los hombres# el cambio es medido bastante bien
para corresponder a la subida en el nivel de la testosterona# alcanFa su punto mCGimo a la
76
edad de .1$ En muchos hombres j!venes# sin embaro# el cambio es completado antes del
NcombustibleO# por decir# es obtenible en su)icientes cantidades para mantener el humor$
Ba )uerte implicaci!n Due para el sujeto )ue Due ;l era un hombre joven$ Se anticip! Due
la manipulaci!n causara una mejora en el humor por tres raFones desconcertantes<
/$ Un tiempo lmite )ue implicado por la depresi!n$
.$ El e)ecto neativo )ue NeGternadoO en el sentido de Due podra ahora ser atribuido a
un in)ortunado incidente biol!ico mCs Due a la red de la propia vida del sujeto y
cualDuier inhabilidad patol!ica Due llea con el$
0$ El a)ecto neativo y las raFones para ello# )ueron compartido por muchos otros en
una manera suiriendo ninuna unicidad de los problemas del sujeto y su respuesta
a ellos$
'odos los sujetos )ueron reDueridos a llenar las papeletas del humor de Hessman y "ic(s
al )inal de cada da por un perodo de . semanas$ El cuestionario tambi;n incluy! un reporte
de c!mo el sujeto haba dormido la noche anterior# porDue los disturbios del sueEo son
sntomas )recuentes de depresi!n$ ?inalmente# los promedios del punteo de rado de los
sujetos )ueron obtenidos al )inal del semestre en el cual el estudio tuvo luar$
*o hubo di)erencias en los reportes del humor de los sujetos eGperimentales y de control
en cualDuier punto en el perodo de . semanas# ni hubo ninunas cualesDuiera di)erencias en
el reporte de la calidad del sueEo$ *o hubo# de hecho# insinuaciones de cualDuier tendencia
en la direcci!n de la hip!tesis sobre ;stas variables$ Hubo una tendencia de los sujetos
eGperimentales a conseuir alunos promedios mCs altos del punteo de rado# como se
predijo# pero esto se Dued! corto de la sini)icancia estadstica 8$31 ] p ] 3$/39$ $ $ $
$tribucin y la psicolo#*a de la prediccin
Kahneman y 'vers(y han demostrado una )alla in)erencial Due parece randemente
pertinente a la )alla in)erencial observada en estudios de los e)ectos de la in)ormaci!n de
consenso$ Estos investiadores# en un trabajo titulado NBa Psicoloa de la Predicci!nO
8/620# :9# han mostrado Due la ente inora las evaluaciones base de la poblaci!n cuando
hace predicciones sobre la cateora de miembro de un miembro objetivo de la poblaci!n$ $ $ $
Si los sujetos no estCn in)luenciados por la raF!n>base de la in)ormaci!n en sus
predicciones sobre la cateora de miembro de un caso objetivo# entonces sus atribuciones
parecen escasamente probables de estar muy in)luenciadas por la in)ormaci!n de consenso$
Ba in)ormaci!n de consenso es precisamente la raF!n>base de la in)ormaci!n$ Es la raF!n>
base de la in)ormaci!n sobre las respuestas del comportamiento mCs Due la cateora de
miembro$ Una atribuci!n# mCs aAn# es una mCs complicada y indirecta Due una predicci!n$
Kahneman y 'vers(y reDuirieron a sus sujetos as producir una mCs bien directa y no
complicada cadena de in)erencia< NSi la mayora delos miembros de la poblaci!n pertenecen
a una cateora particular entonces las posibilidades son Due el caso objetivo tambi;n lo
haaO$ Sus sujetos )allaron al hacer tal in)erencia$ En la investiaci!n de la atribuci!n Due
hemos estado discutiendo# una aAn mCs elaborada cadena de in)erencia es reDuerida< NSi la
mayora de los miembros de la poblaci!n se comportan de un modo particular# entonces la
situaci!n debe ejercer )uertes presiones hacia ese comportamiento# y por consiuiente es no
parsimonioso apelar a las idiosincracias personales para contar por el comportamiento del
caso objetivo si su comportamiento es modal$O$
"esta ser probado# por supuesto si los sujetos no estCn dispuestos a aplicar el
comportamiento de las raFones>base a las predicciones sobre casos de objetivo$ Si ellos son#
63
entonces la interroante Due nosotros hemos estado buscando debe ser cambiada de NPor Du;
la ente )alla al alterar sus atribuciones en respuesta a la in)ormaci!n de consensoQO a la mCs
)undamental NPor Du; la ente trata la in)ormaci!n de la raF!n>base como si ella )uera no
in)ormativaQO
)studio J< Comportamiento de las razones base$ la prediccin y la atribucin& En orden de
eGaminar la interroante de la disposici!n de la ente a alterar sus predicciones de cara al
comportamiento de la in)ormaci!n raF!n base# dos eGperimentos de psicoloa )ueron
descritos a los sujetos 8*isbett R Borida# /6219$ Estudiantes de la Universidad de -ichian
leyeron descripciones detalladas de 8a9 un eGperimento de *isbett y Schachter 8/6449 en el
cual los sujetos )ueron reDueridos a tomar un electro shoc( tanto como ellos pudieran
soportar # y 8b9 un eGperimento de ayuda al comportamiento de Darley y Batan; 8/6479 en el
Due# como varios estudiantes discutieron problemas de ajuste a la universidad sobre
aud)onos de cubculos separados# uno de los NsujetosO empeF! a tener lo Due son! como un
secuestro$ Bos dos eGperimentos )ueron escoidos porDue en nuestra eGperiencia# de
enseEanFa los estudiantes de la universidad adivinan sobre el comportamiento de la raF!n
base )ueron amplios de la marca$ -ientras Due los estudiantes tienden a asumir Due pocos
sujetos toman mucho shoc( el;ctrico# el comportamiento modal es actualmente tolerar la mCs
alta intensidad Due el aparato puede enviar# su)iciente amperaje para causar al braFo entero
del sujeto sacudirse involuntariamente$ , mientras los estudiantes tienden a asumir
rCpidamente rCpidamente abandonara sus cubculos para ayudar al secuestro de la vctima en
la condici!n de seis>personas del eGperimento de Darley y Batan;$
PorDue los sujetos estuvieron inorantes de las raFones bases del comportamiento# )ue
posible dar a alunos de los sujetos la actual raF!n base de los eGperimentos y por eso crear
condiciones di)erenciales de la in)ormaci!n$ & los sujetos con conocimiento de la raF!n base
8condici!n de la in)ormaci!n de consenso9 se les mostr! breves entrevistas en videotape con
estudiantes descritos como sujetos en los eGperimentos oriinales 8x# en una variaci!n de la
condici!n de la in)ormaci!n de consenso# muestra breves descripciones escritas de las
eGperiencias y personalidades de los estudiantes9$ Bos sujetos de la in)ormaci!n de consenso
)ueron entonces reDueridos a predecir sobre los casos los del objetivo Due ellos vieron !
leyeron se habran comportado$ Es por consiuiente posible comparar las predicciones de los
sujetos de la in)ormaci!n de consenso con ambas la actual in)ormaci!n de la raF!n base Due
ellos posean y con las adivinaciones sobre la raF!n base hecha por los sujetos carentes de la
in)ormaci!n de consenso$
Ba )iura / muestra los resultados del eGperimento del shoc($ Ba barra de arriba del
rC)ico muestra los datos dados de la raF!n base actual para los sujetos de la in)ormaci!n de
consenso$ Ba seunda )ila muestra los estimados sobre la raF!n base hecha por los sujetos
carentes del conocimiento de la raF!n base$ Puede ser visto Due los estimados por estos
sujetos de la in)ormaci!n sin consenso son muy di)erentes de los datos actuales$ Ellos
asumen tomar una moderada cantidad de shoc( por haber tenido un comportamiento modal$
Ba tercera )ila presenta la in)ormaci!n de consenso de las adivinanFas de los sujetos sobre el
comportamiento de los casos de objetivo Due ellos vieron ! leyeron sobre ello$ &unDue estos
sujetos )ueron completamente conocedores de la raF!n base# puede ser visto Due la
distribuci!n no se parece aAn remotamente a la raF!n base actual$ En veF de eso# la
distribuci!n es altamente similar a las adivinanFas sobre la raF!n base hecha por los sujetos
carentes del conocimiento de la raF!n base$ Bos resultados )ueron enteramente similares para
ayudar al eGperimento$
El eGperimento permiti! una oportunidad para probar otra hip!tesis# ;sta )ue suerida por
'vers(y y Kahneman 8/62/# .9 en un artculo titulado NCreencia en la Bey de los *Ameros
PeDueEosO$ Estos autores aruyeron Due aAn los cient)icos son muy insensitivos al tamaEo
6/
de la muestra y estCn dispuestos a sacar in)erencias imprudentes )uertes sobre las poblaciones
sobre aAn un nAmero muy peDueEo de casos$ En orden de probar ;sta noci!n en el presente
conteGto# alunos sujetos )ueron dejados inorantes de las raFones base en ambos
eGperimentos y se les mostr! un breve videotape con entrevistas con dos sujetos de cada
eGperimento$ & los sujetos en ;sta condici!n de in)ormaci!n del objetivo se les dijo Due
ambos sujetos en ambos eGperimentos se haban comportado del modo mCs eGtremo posible#
por ejemplo# Due los dos sujetos en el eGperimento del shoc( haban ambos tomado el
mCGimo posible de shoc(# y Due los dos sujetos en el eGperimento de ayuda nunca haban
ayudado a la vctima$ Bos sujetos en la condici!n de in)ormaci!n del objetivo )ueron
entonces reDueridos a indicar lo Due ellos pensaron la distribuci!n entera del sujeto de los
eGperimentos habra sido$ Para ambos eGperimentos# los sujetos estuvieron dispuestos a
in)erir Due el modo de la poblaci!n )ue id;ntico al comportamiento de los dos sujetos Due
ellos haban observado$ Puede ser visto en la )ila )inal de la ?iura / Due los estimados de
raF!n base en el eGperimento del shoc( )ueron notablemente similares a la verdadera raF!n
base$ Bos estimados no )ueron tan similares para el eGperimento de ayuda pero estuvieron a
pesar de eso muy cercanos a la curva = de la raF!n base actual$ Bos sujetos estuvieron tan
dispuestos a in)erir Due el modo de poblaci!n )ue similar al comportamiento de los dos casos
Due ellos vieron cuando el procedimiento de selecci!n de muestra no )ue especi)icado como
cuando )ue repetidamente y vvidamente llamado su atenci!n Due los dos casos haban sido
seleccionados al aFar de un sombrero conteniendo los nombres de todos los sujetos
oriinales$
Insertar a-u* la 4i#ura ' del texto ori#inal p5#ina ''8(
?iura /$ "aF!n base# estimados de la raF!n base# y predicciones sobre los sujetos objetivo
en el eGperimento de shoc($
En resumen# los sujetos no emplearon la in)ormaci!n de la raF!n base cuando )ueron
llamados a hacer predicciones sobre el comportamiento el comportamiento de los casos
objetivo$ Es importante notar Due# ademCs de las interroantes de la predicci!n# varias
interroantes de la atribuci!n )ueron preuntadas# por ejemplo# si las )uerFas situacionales !
las inclinaciones personales )uero responsables por el comportamiento de una persona
objetivo$ *o hubo un e)ecto sustancial de la in)ormaci!n de consenso para cualDuiera de
;stas interroantes de atribuci!n$ Ba Altima )alla parece virtualmente inevitable dada la
anterior )alla$ Por consiuiente# la interroante de porDu; la ente inorara la in)ormaci!n de
consenso en hacer atribuciones sera reducida a la mCs )undamental interroante como
porDu; la in)ormaci!n de la raF!n base no debera ser tomada en cuenta para una aAn simple
in)erencia como la predicci!n$ CualDuier respuesta a ;sta mCs )undamental interroante sobre
las )allas de la ente al ser in)ormada por in)ormaci!n de la raF!n base idealmente debera
contar simultCneamente para los otros mayores descubrimientos en el presente estudio$ Este
es el descubrimiento de Due los sujetos son# en e)ecto# NeGcesivamenteO in)ormados por
in)ormaci!n del caso objetivo# estando dispuestos a asumir Due el comportamiento eGtremo
es modal cuando se les dijo Due tan pocos como dos sujetos se han comportado en el modo
mCs eGtremo posible$
Inormacin abstracta versus inormacin concreta
Kahneman y 'vers(y 8/620# :9 por s mismos no han especulado a lo laro de las raFones
Due la )alla de la ente para ser in)luenciada por la in)ormaci!n de la raF!n base$ Su
6.
eGplicaci!n base aparece para centrarse sobre la idea de Due la ente no estC simplemente
muy bien al tratar con los datos probabilsticos$ &An en la es)era del jueo# donde la ente
conoce las leyes de la oportunidad son operativas y tienen al menos alAn rudimentario
esDuema para tratar con probabilidades# la ente puede mostrar notable ceuera y prejuicios$
?uera de tales situaciones la ente puede absolutamente )allar al ver la relevancia de tal
NmeramenteO probabilstica in)ormaci!n como raF!n base$ %# la carencia de cualDuier noci!n
de c!mo combinar apropiadamente la in)ormaci!n de la raF!n base con la in)ormaci!n del
caso objetivo# ellos pueden optar simplemente por inorar la in)ormaci!n base en conjunto$
EGiste seuramente considerable verdad para ;sta noci!n de Due la ente carece de
buenos esDuemas para trabajar con la in)ormaci!n probabilstica$ De hecho# tiene la virtud de
contar para la simple eGcepci!n en la literatura de la atribuci!n para la rela de Due la ente
inora la in)ormaci!n de consenso$ Esta es la clara evidencia de la utiliFaci!n del ;Gito y la
)alla de las raFones base cuando hace atribuciones sobre la habilidad de un individuo
particular 8Heiner et al$# /62/9$ Si la mayora de la ente )alla en una tarea particular#
entonces el objetivo es percibido como teniendo alta habilidadL si ellos tienen ;Gito# el
objetivo es visto como teniendo mCs baja habilidad$ Por supuesto# nosotros hemos tenido
todos una vida de eGperiencia en estimar la habilidad en relaci!n al desempeEo de otros$ Ba
habilidad# de hecho# es por de)inici!n una in)erencia derivada de la raF!n base$
*os parece# sin embaro# Due otro principio puede estar en el trabajo tambi;n$ Casi por su
verdadera naturaleFa# la raF!n base ! la in)ormaci!n de consenso es remota# pClida y
abstracta$ En contraste# la in)ormaci!n del caso objetivo es vvida# conspcua y concreta$ En
los estudios de la depresi!n# nosotros estuvimos intentando oponer la memoria de mCs bien
seca# in)ormaci!n estadstica contra vvidas# insistentes reacciones para estimular en un todo
tambi;n el mundo real$ En el estudio de saborear una alleta# la in)ormaci!n de consenso
eGtrada de la evidencia concerniente al nivel del lDuido en las botellas )ue opuesta contra las
impresiones del sentido$ En el estudio Due describe los eGperimentos del shoc( y de ayuda#
los datos tabulares de )recuencia )ueron opuestos contra un videotape ! descripci!n escrita de
un ser humano real con los padres# los planes de carrera# los hobbies y rasos personales$ Ba
pertinencia l!ica de la in)ormaci!n de la raF!n base no obstante# tal in)ormaci!n puede
simplemente carece del objetivo para accionar un posterior trabajo conitivo$
Esta hip!tesis# como sucede# no es oriinal$ En /6.2# Bertrand "ussell propuso Due Nla
inducci!n popular depende del inter;s emocional de las instancias# no sobre su nAmeroO 8p$
.469$ En los eGperimentos de Kahneman y 'vers(y# y en aDuellos por nosotros mismos y
otros sobre los e)ectos de la in)ormaci!n de consenso# el nAmero completo de instancias ha
sido opuesto contra las instancias de alAn inter;s$ Consistente con la hip!tesis de "ussell# el
inter;s emocional ha en cada caso durado todo el da$
*osotros podemos especular la in)ormaci!n# emocionalmente interesante tiene mCs
rande poder para enerar in)erencias debido a la probabilidad de los llamados NscriptsO !
esDuemas de in)ormaci!n Due involucran similar in)ormaci!n$ Ba in)erencia entonces
prosiue a lo laro de las bien usadas lneas del script eGistente previamente$ Ba in)ormaci!n
abstracta es probablemente menos rica en coneGiones potenciales a la red asociativa por la
cual los scripts pueden ser alcanFados$ Consistente con ;sta especulaci!n# *isbett y Broida
8/6219 encontraron Due la in)ormaci!n de consenso concerniente al comportamiento de otros
en el eGperimento del shoc( y el eGperimento de ayuda no solo )allaron en a)ectar las
predicciones de los sujetos sobre c!mo ellos se haran comportado habiendo ellos sido
entrevistados posterior a los eGperimentos sino Due nunca les )ue mencionado por un simple
sujeto en la entrevista posterior al eGperimento concerniente a por Du; haban hecho ellos sus
predicciones$ En veF de eso# los sujetos evaluaron sobre detalles concretos particulares de la
situaci!n eGperimental y los relacionaron a situaciones similares en sus propias historias$ N,o
60
estoy seuro Due yo habra ayudado al muchacho porDue yo tuve un amio Duien tena una
hermana epil;pticaO$
Ba hip!tesis de "ussell tiene alunas importantes implicaciones para la acci!n en la vida
diaria$ Un sencillo ejemplo servirC como una ilustraci!n$ Permtanos suponer Due usted desea
comprar un autom!vil nuevo y ha decidido Due por motivos de economa y lonevidad usted
Duiere comprar uno de esos s!lidos# )uertes# carros Suecos de clase media S ya sea un Jolvo
! un Saab$ Como un prudente y sensible comprador# usted va a Consumer !eports$ el Due le
in)orma Due el consenso de sus eGpertos es Due el Jolvo es mecCnicamente superior# y Due el
consenso de los lectores es Due el Jolvo tiene el mejor record de reparaci!n$ &rmado con esta
in)ormaci!n# usted decide ir y hacer un trato con el distribuidor de Jolvo antes de Due
)inalice la semana$ En el nterin# sin embaro# usted asisti! a un coc(tail donde usted anuncia
;sta intenci!n a un conocido$ El reacciona con incredulidad y alarma< NUn Jolvod Usted ha
de estar bromeando$ -i cuEado tuvo un Jolvo$ Primero# esa lujosa cosa inyectada
computariFada sali! en USm .13$33$ Siuiente# ;l comenF! teniendo problemas con la
tracci!n trasera$ 'uvo Due cambiarla$ Bueo la transmisi!n y el clutch$ ?inalmente lo vendi!
a los tres aEos como chatarraO$ El status l!ico de ;sta in)ormaci!n es Due * de varios
cientos de poseedores de Jolvo lectores de Consumer !eports ha sido incrementado en uno#
y la )recuencia media del record de reparaci!n cambi! por una piFca en tres ! cuatro
dimensiones$ Sin embaro# cualDuiera Due mantiene Due ;l reducira el encuentro a tal e)ecto
a una red in)ormativa es ya sea inenuo ! )alto del mCs elemental auto>conocimiento$
)studio 7I1 Influenciabilidad por informacin abstracta versus informacin concreta& Parece
Atil operar aunDue>eGperimento el Consumer !eports 8Borida R *isbett# /6229$ Debido a
Due nuestra mayor poblaci!n del sujeto )Ccilmente disponible consisti! de estudiantes de
Psicoloa de la Universidad de -ichian# nosotros escoimos cursos de Psicoloa en la
Universidad de -ichian como nuestro consumidor de bienes$ Bueo cursos superiores de
lectura en psicoloa# di)iriendo en su calidad reportada# )ueron escoidos$ Irupos de
personas de clase baja planeando llear a ser especialistas en psicoloa )ueron acoidos en
un sal!n de clases por un miembro eGperimentador de la )acultad$ El eGperimentador les dijo
a los estudiantes Due ;l estuvo en el comit; de la )acultad relacionado con el planeamiento de
alto rano para el departamento$ Uno de los problemas con el planeamiento relacionado con
la determinaci!n de cuCntos estudiantes estaran tomando cuCles cursos en el )uturo$ & los
sujetos se les dijo Due en orden de conseuir alunas indicaciones del proyectado
renrolamiento# ellos )ueron reDueridos a llenar un prorama tentativo del curso para sus
carreras de licenciatura en psicoloa$
Bos sujetos de control )ueron entonces reDueridos a ver en un catCloo 8actualmente una
maDueta consistente de .2 cursos y eGcluyendo laboratorios# estadstica y lista de cursos de
aprobaci!n previa9 y a ponerle un cheDue a los 1>/3 cursos Due ellos esperaban toar y circular
sus cheDues de marca para cualesDuiera cursos Due ellos se sentan seuros Due ellos podran
tomar$
& los dos rupos eGperimentales se les dijo Due en orden de ayudarlos en tomar sus
decisiones# ellos les daran in)ormaci!n eGtra sobre los cursos de lectura de alto
enrolamiento$ Para ambos rupos# ;sta in)ormaci!n eGtra en parte de una detallada
descripci!n# mCs comprensiva Due el catCloo de propaanda# del contenido de cada uno de
los /3 cursos$ Bueo para un rupo eGperimental 8condici!n cara>a>cara9# los sujetos )ueron
introducidos a un panel de estudiantes de psicoloa de alto nivel$ Estos estudiantes entonces
procedieron a hacer breves comentarios sobre cada uno de los cursos de la lista de /3 Due
ellos haban tomado$ Entre uno y cuatro estudiantes# usualmente dos ! tres# comentaron sobre
cada curso$ Cada comentario comenF! con una evaluaci!n del curso empleando uno de los
cinco t;rminos siuientes< NeGcelenteO# Nmuy buenoO# NbuenoO# NjustoO# NpobreO$ Bos
6:
estudiantes hicieron entonces unas pocas observaciones sobre el curso$ Un ejemplo# en su
totalidad# se muestra abajo<
-Ientras eGiste una ran cantidad de material por cubrir# el estC muy claramente traFado para usted$
Usted conoce d!nde usted estC todo el tiempo# cuCl es muy Atil en tratar de conseuir a trav;s del
curso$ Es un amplio e importante campo de la psicoloa para llear a ser introducido$ ,o )ui
considerado muy bueno en luar de eGcelente es Due el material no es particularmente atractivo para
el pensamiento$
'abla /$ *Amero medio de cursos escoidos y valoraci!n de la tendencia de elecci!n$
Cursos Cursos no Cursos
"ecomendadosooooooooo recomendadosooooooooo no mencionadosoooooooo
Jalor de la Jalor de la Jalor de la
*Amero tendencia de *Amero tendencia de *Amero tendencia de
Condici!n escoido elecci!n escoido elecci!n escoido elecci!n
Cara a Cara
8* [ ..9 :$20
a
7$0/
a#b
$13
a
$22
a#b
0$36
a#b
:$0.
a#b
"aF!n base

8* [ /79 :$// 4$00
b
$6: /$14
b
:$/2
b
1$76
b
Control
8* [ /79 0$00
a
1$..
a
/$06
a
.$/2
a
1$06
a#b
2$/2
a
? 8.#119 4$/:K /3$0:KK 4$16K 4$41K /0$.:KK 7$/6KK
a
Ba columna sini)ica compartir este superndice Due di)iere de cada uno de los otros al nivel $3/ por
la prueba de *e+man>Keuls$
b
Ba columna sini)ica compartir este superndice Due di)iere de cada uno de los otros al nivel $31 por
la prueba de *e+man>Keuls$
K p ] $331L p ] $33/$
En la otra condici!n eGperimental 8condici!n raF!n>base9# a los sujetos se les dijo Due
ellos leeran evaluaciones medias del curso basadas sobre las escalas llenadas por todos los
estudiantes en el curso al )inal del t;rmino precedente$ Debajo de la descripci!n de cada
curso haba una escala de cinco puntos# etiDuetada de eGcelente a pobre$ Una marca )ue
colocada en cada escala para indicar la evaluaci!n media# y el nAmero de estudiantes en el
Due la media estuvo basada )ue indicado$ Estos *s ordenados de .4 a /:.$ Ba evaluaci!n
media de cada curso particular )ue preparada como para ser id;ntica con el promedio de las
evaluaciones dadas por los con)ederados en la condici!n cara a cara$
El diseEo por consiuiente lo hace comparar la e)ectividad de las recomendaciones
basadas sobre el ensayo de primera mano# Due es# los breves comentarios de dos ! tres
estudiantes Duienes han tomado el curso# con la e)ectividad de una in)ormaci!n mucho mCs
estable y ampliamente basada$ Ba 'abla / presenta el nAmero promedio de la recomendada
8evaluaciones medias de .$13 ! mejor9# no recomendada 8evaluaciones medias de 0$21 ! mCs
pobre9 y cursos no mencionados por los tres rupos$ &demCs cada cateora es la sopesada
tendencia de selecci!n# como un ndice Due da un peso de 3 a un curso si el no ha sido
escoido# y / si el ha sido escoido y . si el ha sido circundado por una selecci!n de)inida$
Puede ser visto Due el m;todo cara a cara tuvo un mucho mCs rande impacto sobre la
selecci!n del curso$ Bos sujetos en ese rupo estuvieron mucho mCs inclinados a tomar los
cursos recomendados y mucho menos inclinados a tomar los no recomendados ! cursos no
mencionados Due los sujetos de control$ En contraste# el m;todo de la raF!n base a)ect! solo
la toma de cursos no mencionados$
61
Podra areirse Due el rupo cara a cara tuvo mCs in)ormaci!n Due el rupo de la raF!n
base$ Una versi!n de este arumento es precisamente el punto Due Dueremos hacer$ *uestros
estudiantes se comportaron como si ellos haban eGtrado mCs in)ormaci!n de los
comentarios en vivo pareja de ente Due de los secos# resAmenes estadsticos de las
poblaciones enteras$ Una versi!n de este arumento# sin embaro# es Due los comentarios
hechos por los estudiantes en la condici!n cara a cara contena enuinamente valiosa
in)ormaci!n no disponible en la condici!n cara a cara# concerniente# por ejemplo#
oraniFaci!n del curso# procedimientos de raduaci!n ! accesibilidad al maestro$
En orden de tratar con la Altima objeci!n# hicimos una r;plica del estudio con una
importante variaci!n$ &l rupo de la raF!n base le )ue dada una transcripci!n escrita in
eGtenso de los comentarios hechos por los con)ederados cara a cara$ -Cs aAn# esos
comentarios )ueron eGplcitamente descritos como opiniones representativas de los
estudiantes tomando el curso# entresacados del mont!n entero de evaluaciones al )inal del
perodo$ Bos sujetos en ;sta condici!n# con acceso a evaluaciones medias estables basadas
sobre randes y completas poblaciones# con los comentarios eGtensos de los con)ederados# y
con el NconocimientoO de Due ;stos )ueron comentarios representativos# )ueron menos
a)ectados en sus selecciones Due los sujetos Due simplemente oyeron de los con)ederados sus
comentarios verbales en la condici!n cara a cara$
Comunic5ndose con el producto de la concretividad
*o es di)cil ver las implicaciones de la declaraci!n de Bertrand "ussell sobre la inducci!n
popular# y la ilustraci!n arriba de ella# para interroantes enerales de comunicaci!n y
persuasi!n$ Si la ente no estC movida por las clases de secos# estadsticos datos Due son
Dueridos por los coraFones de los cient)icos y las polticas de los plani)icadores# entonces el
proreso social y tecnol!ico debe ser impedido a menos Due sea e)ectivo# concreto#
emocionalmente interesantes modos de comunicar conclusiones son desarrollados$ *osotros
hemos recopilado varios Nestudios de casosO de persuasi!n Due creemos son bien
comprendidos en t;rminos de distinci!n entre in)ormaci!n abstracta y concreta$ Bos
presentamos abajo con la esperanFa Due ellos pueden servir como una )uente de inspiraci!n
del mundo real y como una ua en la investiaciones de cuestiones concernientes a la
naturaleFa de la in)ormaci!n y su impacto persuasivo$
/$ Una versi!n temprana de la "evoluci!n Jerde )ue posible hacerla en los primeros aEos
de la d;cada de los /603@s por avances en la t;cnica de la aricultura$ El obierno lentamente
procedi! a in)ormar a los )inDueros de la naci!n de ;stas t;cnicas por medio de aentes
municipales de aricultura arrojando pan)letos estadsticos y del obierno y se sent! a
esperar los brillante reportes del incremento de la producci!n de los cultivos$ 'ales reportes
no continuaron y pronto lle! a estar claro Due los )inDueros no se estaban convirtiendo a las
nuevas t;cnicas$ &lAn inteliente o)icial del obierno entonces )ij! un prorama por el Due
los aentes de aricultura del obierno se moviliFaron a )incas seleccionadas y cultivaron los
cultivos conjuntamente con los )inDueros# utiliFando las nuevas t;cnicas$ Bos vecinos de los
)inDueros observaron los resultados de la cosecha e inmediatamente se convirtieron a las
t;cnicas$
.$ Bas listas de espera en las clnicas de detecci!n del cCncer# como de este escrito# son de
laros meses y han estado desde el otoEo de /62:$ Esto no )ue debido a la publicaci!n de
nuevas estadsticas por el Cirujano Ieneral# la &-&# ! de cualDuier otra oraniFaci!n$ Bas
listas de lara espera datan del tiempo de las mastectomas realiFadas -rs$ ?ord y a -rs$
"oc(e)eller$
64
0$ 'imothy Crouse# en su libro sobre la cobertura de prensa de la campaEa Presidencial de
/62. titulado Los (uc*ac*os en el bus 8/62:9# report! Due en la vspera de la elecci!n un
ran rupo de reporteros cubriendo la campaEa de -cIovern sensatamente estuvieron de
acuerdo en Due -cIovern no podra perder por mCs de /3 puntos$ Estas personas )ueron
reporteros de servicio radio)!nico# reporteros de la red de televisi!n y reporteros de prensa
escrita y de revistas de noticias$ Ellos saban Due todas las principales encuestas daban a
-cIovern una desventaja de .3 puntos# y ellos saban Due en .: aEos ninuna encuesta
principal se haba eDuivocado por mCs de un 0W$ Sin embaro# ellos haban visto con sus
propios ojos una multitud de dieF mil entes aclamando salvajemente a -cIovern$
:$ El 8e9 :or; "imes 8Kau)man# /6209 recientemente llev! a cabo una entrevista con un
dibujante de ra)itis en el tren subterrCneo de *ueva ,or( Dui;n haba sido seriamente
Duemado en un incendio el;ctrico Due se inici! por una chispa Due encendi! sus botes de
pintura en spray$ El muchacho# cuyo nombre de pluma era N&liO# admiti! Due . semanas
antes de su accidente ;l haba ledo de un muchacho llamado Bernard Bro+n Dui;n haba
sido aplastado y muerto mientras pintaba ra)itis en los trenes$ NPuiFCs si hubi;ramos sabido
el nombre Due ;l usaba# diamos p=oe /:4@ el habra dejado una impresi!nO# dijo ;l# Npero yo
recuerdo riendo sobre el pensando Due ;l debe ser aluna clase de ridculo Due no saba lo
Due estaba haciendo$ $ $ $O
*osotros creemos Due la presente investiaci!n y ejemplos sacados de cada vida diaria
muestra Due alunas clases de in)ormaci!n Due el cient)ico considera como altamente
pertinente y l!icamente )orFadas son habitualmente inoradas por la ente$ %tras clases de
in)ormaci!n# l!icamente mucho mCs d;biles# accionan )uertes in)erencias y tendencias a la
acci!n$ Podemos pensar de no mCs Atil actividad para los psic!loos Duienes estudian
procesar la in)ormaci!n Due descubrir Due sus sujetos la consideran como in)ormaci!n
valiosa de procesar$
62
G( Es-uemas causales en juicios bajo incertidumbre
-uchas de las decisiones Due hacemos# en asuntos triviales as como en asuntos
cruciales# dependen de la aparente probabilidad de los eventos tales como el uardar de una
promesa# el ;Gito de una empresa# ! la respuesta a una acci!n$ Puesto Due eneralmente no
tenemos modelos )ormales adecuados para calcularlas probabilidades de tales eventos# su
evaluaci!n es necesariamente subjetiva e intuitiva$ Ba manera en la cual la ente evalAa la
evidencia para evaluar las probabilidades ha surido mucha inter;s por la investiaci!n en los
aEos recientes# por ejemplo# H$ Ed+ards 8/647# .19L Kahneman y 'vers(y 8/326a# 039L
Slovic 8/62.a9L Slovic# ?ischo)) y Bichtenstein 8/6229L 'vers(y y Kahneman 8/62:# /9$ Esta
investiaci!n ha identi)icado varios juicios heursticos los cuales son asociados con
caractersticas de errores y prejuicios$ El presente trabajo estC relacionado con el papel del
raFonamiento causal en juicios bajo incertidumbre y con alunos prejuicios Due son
asociados con este modo de pensar$
Es un luar comAn de la psicoloa Due la ente se es)uerce por adDuirir una
interpretaci!n coherente de los eventos Due los circundan# y Due la oraniFaci!n de los
eventos por esDuemas de relaciones de causa>e)ecto sirve para adDuirir esa $meta$ El clCsico
trabajo de -ichoette 8/6409 provey! una obliatoria demostraci!n de la irresistible tendencia
a percibir secuencias de eventos en t;rminos de relaciones causales# aAn cuando el Due
percibe estC completamente consciente Due la relaci!n entre eventos es incidental y Due la
causalidad imputada es ilusoria$ Ba prevalencia de los esDuemas causales en la percepci!n de
relaciones sociales elementales )ue destacada en el trabajo seminal 8u9 de Heider 8/6179 y el
estudio de la atribuci!n causal es uno de los )oci 8u9 de la psicoloa social contemporCnea
8=ones et al$# /62/L "oss# /6229$
El presente captulo estC relacionado con el papel de los esDuemas causales en el juicio
bajo incertidumbre$ En particular# nosotros investiamos juicios de probabilidad condicional
P8MTD9 de alAn evento objetivo M# sobre las bases de aluna evidencia ! datos D$ Para un
anClisis de psicoloa del impacto de la evidencia# el es Atil para distinuir entre di)erentes
tipos de relaciones Due el juicio puede percibir entre D y M$ Si D es percibido como una
causa de la ocurrencia ! no>ocurrencia de M# nos re)erimos a D como un dato causal$$ Por
otro lado# si M es tratado como una posible causa de D# nos re)erimos a D como un dato
diagnstico$ Por ejemplo# una descripci!n de la personalidad de & es comAnmente vista
como proveyendo datos causales para la predicci!n de su comportamiento# mientras Due la
descripci!n del comportamiento de & provee in)ormaci!n dian!stica sobre su personalidad$
Si D no es la causa ni el e)ecto de M# pero ellos son ambos percibidos como consecuencias de
Este captulo es la primera parte Due apareci! en -$ ?ishbein 8Ed$9# Progreso en Psicolog#a Social$ Hillsdale# *$
=$ L Ba+rence Erlbaum &ssoc$# Inc$# /673$ "eproducida con permiso$
67
otro )actor# nos re)eriremos a D como indicacional& Por lo tanto# el comportamiento en una
situaci!n provee datos indicacionales para la conducta en otro# si ambos comportamientos
son considerados como mani)estaciones del mismo trato$ ?inalmente# si D y M no parecen
estar relacionados por ya sea un neGo directo ! indirecto# nos re)eriremos a D como
incidental&
En un tratamiento normativo de la probabilidad condicional# las distinciones entre los
varios tipos de relaci!n de D con M son inmateriales# y el impacto de los datos depende
solamente de in)ormatividad$ En contraste# nosotros proponemos Due el impacto psicol!ico
de los datos depende crticamente de su papel en un esDuema causal$ En particular# nosotros
proponemos la hip!tesis de Due los datos causales tienen un mayor impacto Due otros datos
de iual in)ormatividadL y Due en la presencia de datos Due evoDuen un esDuema causal#
datos incidentales los cuales no se ajustan a ese esDuema les es dada poco ninAn peso$
En la primera parte del trabajo# los e)ectos de los datos causales y dian!sticos# y
muestran Due la ente asina mCs rande impacto a datos causales Due a datos dian!sticos
de iual in)ormatividad$ 'ambi;n eGploramos una clase de problemas donde un dato
particular tiene ambas sini)icancias causal y dian!stica# y demostramos Due las
evaluaciones intuitivas de P8MTD9 estCn dominadas por el impacto causal directo de D sobre
M# con insu)iciente respeto por las consideraciones dian!sticas $ $ $ $
Ra!onamiento causal y dia#nstico
6simetr#as inferenciales
Un esDuema causal tiene un curso naturalL el evoluciona de causas a consecuencias$ De aDu
Due suerios Due es mCs natural y mCs )Ccil seuir la secuencia normal y la raF!n de causas a
consecuencias Due invertir ;sta secuencia y raF!n de consecuencias a causas$ Si las
in)erencias causales son ciertamente mCs )Cciles y mCs naturales Due las in)erencias
dian!sticas# entonces uno esperara Due la ente in)ieras e)ectos de causas con mayor
con)ianFa Due causas de e)ectos S aAn cuando el e)ecto y la causa actualmente proveen la
misma cantidad de in)ormaci!n sobre uno al otro$ *osotros probamos ;sta hip!tesis
utiliFando dos di)erentes medidas< juicios de probabilidades condicionales y con)ianFa en la
eGactitud de las predicciones$
En uno de los jueos de preuntas# reDuerimos de los sujetos Due compararan las dos
probabilidades condicionales P8,TM9 y P8MT,9 para un par de eventos M y , tales Due 8/9 M
es naturalmente visto como una causa de ,L y 8.9 P8M9 [ P8,9# Due es# Due las probabilidades
marinales de los dos eventos son iuales$ Ba Altima condici!n implica Due P8,TM9 [
P8MT,9$ *uestras predicciones )ueron Due la mayora de los sujetos veran la relaci!n causal
mCs )uerte Due la relaci!n dian!stica# y acertaran err!neamente Due P8,TM9 [ P8MT,9$
En otro jueo de preuntas# reDuerimos de los sujetos Due compararan su con)ianFa en la
predicciones incluyendo las dos variables continuas# dependiendo de cuCl de ;stas variables
)ue dada y cuCl )ue para ser predicha$ &Du# otra veF# los problemas son construidos como
Due una de las variables es naturalmente vista como causal con respecto a la otra$ Si las dos
variables tienen similares distribuciones marinales# no eGiste raF!n estadstica vClida para
esperar una di)erencia en la eGactitud con la cual una variable puede ser predicha de la otra$ &
pesar de eso# nosotros )ormulaos la hip!tesis de Due muchos sujetos estableceran Due una
predicci!n de causa a e)ecto puede ser hecha con mayor con)ianFa Due una predicci!n de
e)ecto a causa$
Ba asimetra predicha entre in)erencias causales y dian!sticas )ue observada con ambos
tipos de preuntas$ El e)ecto es ilustrado por los siuientes problemas# donde los valores
66
entre par;ntesis indican el nAmero de estudiantes de la universidad 8de la Universidad de
%re!n9 Duienes escoieron cada respuesta$
/
Problema /< CuCl de los siuientes eventos es mCs probableQ
8a9 Pue una muchacha tena ojos aFules si su madre tiene ojos aFules$ 8* [ 469
8b9 Pue la madre tiene ojos aFules# si su hija tiene ojos aFules$ 8* [ ./9
8>9 Bos dos eventos son iualmente probables$ 8* [ 219
Problema .< En una inspecci!n a una escuela secundaria en una ciudad# la altura de los muchachos
)ue comparada con la altura de sus padres$ En cuCl predicci!n usted tendra mayor con)ianFaQ
8a9 Ba predicci!n de la altura del padre de la altura del hijoQ 8* [ .09
8b9 Ba predicci!n de la altura del hijo de la altura del padreQ 8* [ 479
8>9 Iual con)ianFa$ 8* [ 249
Claramente# la distribuci!n de altura A color del ojo es esencialmente la misma en
sucesivas eneraciones$ Para veri)icar la percepci!n de los sujetos de este hecho# nosotros
preuntamos a otro rupo de 6/ sujetos si la proporci!n de madres de ojos aFules en una
muestra rande de madres e hijas es mayor 8* [ /19# iual 8* [ 4:9 ! menor 8* [ /.9# Due la
proporci!n de hijas de ojos aFules$ Por tanto# aunDue los sujetos consideraron las dos
anteriores probabilidades como iuales# ellos no obstante juFaron la probabilidad
condicional NcausalO ser mayor Due la dian!stica$
Estrictamente hablando# por supuesto# no es una causa de la altura de su hijo$ En el uso
comAn# sin embaro# es muy aceptable decir Due un muchacho es alto porDue su padre mide
4@:@@# mientras Due la a)irmaci!n de Due el padre mide 4@:@@ porDue su hijo es alto es
claramente an!mala$ -as eneralmente# nosotros esperamos una asimetra de in)erencia
considerando las dos variables siempre Due la primera pareFca eGplicar a la seunda mejor
Due la seunda eGplicar a la primera$ Para ilustrar# considere los siuientes problemas Due
)ueron presentados a los dos di)erentes rupos de sujetos<
Problema 0< CuCl de las siuientes a)irmaciones tiene mCs sentidoQ
8a9 'om es pesado porDue ;l es alto$ 8* [ 409
8b9 'om es alto porDue ;l es pesado 8* [ 279
Problema :< & cuCl predicci!n usted le tendra mCs con)ianFaQ
8a9 Ba predicci!n de la altura de un hombre de su peso$ 8* [ /49
8b9 Ba predicci!n del peso de un hombre de su altura$ 8* [ 279
&unDue la altura y el peso no son considerados del uno al otro# la mayora de los
encuestados sintieron Due ser alto es una mejor eGplicaci!n por ser pesado Due viceversa#
aunDue el prototpico hombre pesado no sea alto$ En consecuencia# la mayora de los sujetos
eGpresaron mayor con)ianFa en predecir el peso de un hombre de su altura Due en predecir la
altura de un hombre de su peso$ 'al asimetra# por supuesto# no podra ser justi)icada por
raFones estadsticas$
Bos problemas 0 y : suieren Due una asimetra de in)erencia ocurre aAn en la ausencia
de un enlace causal directo entre las dos variables S siempre Due uno de ellos 8por ejemplo la
altura9 sea mCs naturalmente visto como una eGplicaci!n del otro 8por ejemplo# el peso9$ Bos
siuientes dos problemas estCn relacionados con el caso donde las dos variables son vistas
/
Un temprano borrador de este trabajo report! una espuriamente baja proporci!n de las respuestas de NEDualO
basadas en una muestra Israel$ *osotros estamos en deuda con &nna -$ B$ IonFaleF y -ichael Kubovy# por
;sta observaci!n$ Bos presentes datos# colectados en la Universidad de %re!n# estCn de acuerdo con los
resultados obtenidos por IonFaleF en ,ale$
/33
como indicaciones# ! mani)estaciones de alAn trato )undamental$ Una de las variables# sin
embaro# provee una mani)estaci!n ! una medida mCs vClida del trato )undamental$ *osotros
esperamos Due las in)erencias de la indicaci!n mCs )uerte a la mCs d;bil serC hecha con la
mayor con)ianFa Due las in)erencias en la direcci!n inversa$
Problema 1< CuCl de los siuientes eventos es el mCs probableQ
8a9 Pue un atleta an! la decatl!n# si ;l an! el primer evento en la decatl!n$ 8* [ ./9
8b9 Pue un atleta an! el primer evento en la decatl!n# si el an! la decatl!n$ 8* [ 219
8>9 Bos dos eventos son iualmente probables$ 8* [ 239
Problema 4< Dos pruebas de inteliencia )ueron administradas a un ran rupo de estudiantes de una
prueba de comprensi!n# y de /3 minutos de versi!n abreviada$ En cuCl predicci!n usted tendra
mayor con)ianFaQ
8a9 Ba predicci!n del punteo de un estudiante en la prueba corta ! en la prueba de comprensi!n$
8* [ 739
8b9 Ba predicci!n del punteo de un estudiante en la prueba de comprensi!n de su punteo en la
prueba corta$ 8* [ :29
8>9 Iual con)ianFa$ 8* [ 069
&Du de nuevo# la correcta respuesta es NiualO en ambos problemas$ En el problema 1# la
probabilidad )undamental de Due un atleta 8no especi)icado9 anarC la decatl!n es /T*# donde * es el
nAmero de competidores$ Esta es tambi;n la probabilidad )undamental de Due un atleta no
especi)icado anarC el primer evento$ Consecuentemente# las dos probabilidades condicionales deben
ser iuales$ En el problema 4# la suposici!n estCndar de reresiones lineales acarrea eGactitud en la
predicci!n de una prueba de otra$ Bas respuestas a ambos problemas# sin embaro# eGhibe una
marcada pre)erencia por una direcci!n de predicci!n sobre la otra$
Bos problemas 1 y 4 ambos involucran dos indicaciones del mismo trato )undamental los cuales
di)ieren en )ortaleFa$ Ba victoria en la decatl!n y la victoria en un simple evento son ambas
mani)estaciones de eGcelencia atl;tica# pero la anterior provee una mayor indicaci!n de eGcelencia
Due la Altima$ Similarmente# el desenvolvimiento en las pruebas de inteliencia re)lejan un trato
)undamental de inteliencia y la prueba mCs comprensiva provee una mejor medida de este trato Due
lo hace la versi!n abreviada$ Bos resultados con)irman la hip!tesis Due la predicci!n de la indicaci!n
mCs )uerte a la indicaci!n mCs d;bil estC asociada una mayor con)ianFa Due la predicci!n inversa$
Bas asimetras de in)erencias observadas en los problemas precedentes estCn relacionadas a las
asimetras de relaciones de proGimidad# investiadas por 'vers(y 8/6229$ Estudios empricos
muestran Due la similaridad juFada de un objeto prominente ! prototipo a un objeto menos
prominente ! variante es mCs peDueEa Due la similaridad de la variante al prototipo$ Por ejemplo# un
rojo )ocal es menos similar a un rojo )uera de )oco Due viceversa 8"osch# /6219L una NbuenaO )orma
es menos similar a una NmalaO)orma Due viceversa# y la similaridad de un prominente pas 8por
ejemplo# la China "oja9 a un menos prominente pas 8por ejemplo# Korea del *orte9 es menor Due la
similaridad contraria 8'vers(y# /6229$ Bas asimetras de predicci!n parecen seuir la misma rela$
Por tanto# eneralmente percibimos al hijo como mCs similar a su padre Due viceversa# y tambi;n
atribuimos propiedades del padre al hijo con mayor con)ianFa Due viceversa$ El mismo proceso# por
consiuiente# puede sostener ambas asimetras de similaridad y asimetras de in)erencia$
Significancia de evidencia causal y diagnstica
Ba secci!n previa mostr! Due el impacto de los datos causales sobre el juicio de probabilidad
de una consecuencia es mayor Due el impacto de los datos de dian!stico sobre el juicio de
probabilidad de una causa$ Ba presente secci!n investia interroantes en las cuales la
evidencia tiene ambas sini)icancias causal y dian!stica con respecto al objetivo del evento$
Estudiamos la hip!tesis de la ente tiende a )ocaliFarse en el impacto causal de los datos para
/3/
el )uturo# y tienden a desatender sus implicaciones dian!sticas sobre el pasado$ Primero
discutimos una clase de problemas en los cuales la dominante de las consideraciones causales
sobre las dian!sticas produce evaluaciones de probabilidades inconsistentes y parad!jicas$
El siuiente par de problemas )ueron introducidos por 'uro)) 8/62.9 en una discusi!n del
m;todo de impacto cruFado de pronosticar$
Problema 2a< CuCl de las siuientes dos probabilidades es mCs altaQ
8i9 Ba probabilidad Due# dentro de los siuientes cinco aEos# el Conreso pasarC una ley para
)renar la contaminaci!n por mercurio# si el nAmero de muertes atribuidas al
envenenamiento por mercurio durante los cinco aEos siuientes eGcede de 133$
8ii9 Ba probabilidad de Due# dentro de los siuientes cinco aEos# El Conreso pasarC una ley
para )renar la contaminaci!n por mercurio# si el nAmero de muertes atribuidas al
envenenamiento por mercurio durante los pr!Gimos cinco aEos no eGcede de las 133$
Problema 2b< CuCl de las dos siuientes probabilidades es mayorQ
8i9 Ba probabilidad de Due el nAmero de muertes atribuidas al envenenamiento por mercurio
durante los siuientes cinco aEos eGcederC de 133# si el Conreso pasa una ley durante los
siuientes cinco aEos para )renar la contaminaci!n por mercurio$
8ii9 Ba probabilidad de Due el nAmero de muertes atribuidas al envenenamiento por mercurio
durante los siuientes cinco aEos eGcederC de 133# si el Conreso no pasa una ley dentro de
los siuientes cinco aEos para )renar la contaminaci!n por mercurio$
Sea C el evento Due dentro de los siuientes 1 aEos el Conreso habrC pasado una ley
para )renar la contaminaci!n por mercurio# y sea D el evento Due dentro de los cinco aEos
siuientes# el nAmero de muertes atribuidas al envenenamiento por mercurio eGcederC de
133$ Haamos Due Cy y Dy denoten las neaciones de C y D respectivamente$
Una ran mayora de los encuestados establecieron Due el Conreso es mCs probable Due
pase una ley restriniendo la contaminaci!n por mercurio si las muertes eGceden de 133 Due
si no# Due es# P8CTD9 w P8CTDy9$ Ba mayora de la ente tambi;n establece Due la muerte es
menos probable Due alcance las 133 si la ley es aprobada dentro de los cinco das siuientes
Due si no lo es# Due es# P8DTC9 ] P8DTCy9$ Estos juicios re)lejan las creencias causales de
Due una alta mortandad incrementarC la presi!n para pasar una medida anti>contaminante# y
Due tal medida sera e)ectiva en la prevenci!n del envenenamiento por mercurio$ En una
muestra de /44 estudiantes# /:3 escoieron la respuesta modal a ambas preuntas$ Este
aparentemente plausible patr!n de juicios viola las elementales relas de probabilidades
condicionales$
Claramente# P8CTD9 w P8CTDy9 implica Due P8CTD9 w P8C9$ &demCs la desiualdad
Insertar aDu la )!rmula de la pCina /.. del libro oriinal
Se sostiene si y solo si P8C R D9 w P8C9P8D9 el Due se sostiene solo si y solo si
Insertar aDu la )!rmula de la pCina /.. del libro oriinal
Ba cual a su veF implica Due P8DTC9 w P8DTCy9# siempre P8C9 y P8D9 no sean cero$ De aDu
Due# P8CTD9 wP8CTDy implica Due P8DTC9 w P8DTCy9# contrario al prevaleciente patr!n de
juicio$
Es )Ccil construir ejemplos adicionales del mismo tipo# en los cuales las intuiciones de la
ente viola el cClculo de probabilidad$ 'ales ejemplos consisten de un par de eventos & y B#
de tal )orma Due la ocurrencia de B incremente la probabilidad de la subsecuente ocurrencia
/3.
de & # mientras Due la ocurrencia de & incremente la probabilidad de la subsecuente
ocurrencia de B$ Por ejemplo# considere el siuiente problema$
Problema 7< Sea & el evento Due antes del )inal del aEo siuiente# Peter tendrC instalado un sistema de
alarma ladrones en su casa$ Sea B el Due denote el evento de Due la casa de Peter serC proteida
contra los ladrones antes de Due )inalice el aEo$ Haamos Due &y y By representen las neaciones de
& y B respectivamente$
.
Pregunta< CuCl de las dos probabilidades condicionales# P8&TB9 ! P8&TBy9# es mayorQ
Pregunta< CuCl de las dos probabilidades condicionales# P8BT&9 ! P8BT&y9# es mayorQ
Una ran mayora de los sujetos 8/0. de /4/9 establecieron Due P8&TB9 w P8&TBy9 y Due
P8BT&9 ] P8BT&y9# contrario a las leyes de la probabilidad$ *osotros interpretamos este
patr!n de juFamientos como otra indicaci!n de la dominancia de las condiciones causales
sobre las dian!sticas$ Para apreciar la naturaleFa del e)ecto# Permtasenos analiFar la
estructura del Problema 7$
Primero# considere P8&TB9# la probabilidad condicional Due Peter instalarC un sistema de
alarma en su casa antes del )inal del aEo siuiente# asumiendo Due ;sta casa serC proteida
contra los ladrones aluna veF durante este perodo$ El sistema de alarma podra ser instalado
ya sea antes ! despu;s del robo$ Ba in)ormaci!n transportada por la condici!n# Due es# la
suposici!n de un robo# tiene una sini)icancia causal con respecto a la sini)icancia )utura y
dian!stica con respecto al pasado$ Espec)icamente# la ocurrencia de un robo provee una
causa para la sub>secuente instalaci!n de un sistema de alarma# y provee una indicaci!n de
dian!stico Due la casa no haba sido eDuipada con un sistema de alarma al tiempo del robo$
Por tanto# el impacto causal del robo incrementa la probabilidad del sistema de alarma
mientras Due el impacto dian!stico del robo decrece la probabilidad$ Bos cercanamente
unCnimes juicios de Due P8&TB9 w P8&TBy9 indica Due el impacto causal de B domina su
impacto dian!stico$
Precisamente el mismo anClisis se aplica a P8BT&9< la probabilidad de Due la casa de Peter
serC proteida contra ladrones antes del )inal del aEo siuiente# dado Due ;l habrC instalado
un sistema de alarma aluna veF durante este perodo$ Ba presencia de un sistema de alarma
es casualmente e)ectivo en reducir la probabilidad de un sub>secuente roboL el tambi;n
provee una indicaci!n dian!stica Due la ocurrencia de un robo podra haber apurado a Peter
a instalar el sistema de alarma$ El impacto causal del sistema de alarma reduce la
probabilidad de un roboL el impacto dian!stico del sistema de alarma incrementa ;sta
probabilidad$ &Du otra veF# la prevalencia del juicio Due P8BT&9 ] P8BT&y9 indica Due el
impacto causal & domina su impacto dian!stico$ En luar de sopesar los impactos causales
y dain!sticos de la evidencia# la ente aparentemente evalAa las probabilidades
condicionales P8&TB9 y P8BT&9 primariamente en t;rminos de los e)ectos causales directos de
la condici!n los cuales conducen a contradicciones en problemas de este tipo$
Una caracterstica )undamental de 'uro)) es la relaci!n de incertidumbre temporal entre
el evento condicionante y el evento del objetivo$ &An en la ausencia de incertidumbre
temporal# sin embaro# es )recuente el caso Due el evento condicionante tiene ambas
sini)icancias causal y dian!stica$ E presente anClisis conduce a la hip!tesis Due las
evaluaciones de las probabilidades condicionales estCn dominadas por consideraciones
causales # aAn cuando la relaci!n temporal entre los eventos estC completamente especi)icada$
.
Bos smbolos &# B# etc$# son introducidos aDu para )acilitar la eGposici!n$ & los sujetos se les dieron
descripciones verbales de los eventos$
Problema 6< CuCl de las siuientes probabilidades es mayorQ
/30
P8"TH9 Ba probabilidad de Due habrC racionamiento de combustible para consumidores
individuales en los Estados Unidos durante la d;cada de los aEos /663@s# si usted asume Due un
marcado incremento en el uso de la enera solar para cale)acci!n del hoar ocurrirC durante la
d;cada de los aEos /673@s$
P8"THy9 Ba probabilidad de Due habrC racionamiento de combustible para consumidores
individuales en los Estados Unidos durante la d;cada de los aEos /663@s# si usted asume Due no hay
un marcado incremento en el uso de la enera solar para la cale)acci!n del hoar ocurrirC durante la
d;cada de los aEos /673@s$
Es talveF considerar instructivo considerar la aproGimaci!n normativa 8Bayesiana9 a este
problema# a la luF de la distinci!n Due hemos sacado entre consideraciones causales y
dian!sticas$ El evento H Due ah tendrC marcado incremento en el uso de la enera solar
para la cale)acci!n del hoar durante los aEos /673@s tiene ambas sini)icancias causal y
dian!stica$ El impacto directo causal de H sobre " es claramente neativo$ %tras cosas
siendo iuales# un marcado incremento en el uso de la enera solar puede solo aliviar una
crisis de combustible en los Altimos aEos$ Sin embaro# un marcado incremento en el uso de
la enera solar durante los 73@s tambi;n provee una )uerte indicaci!n de una inminente crisis
de la enera$ En particular# ella suiere Due los precios del combustible en los 73@s son
su)icientemente altos para hacer la inversi!n en enera solar para una cale)acci!n econ!mica
del hoar por un ran nAmero de consumidores$ Bos altos precios del combustible en los
73@s# a la veF# un estado de escaseF de combustible )!sil# el cual incrementa# lo cual
incrementa la probabilidad del racionamiento de combustible en la sub>secuente d;cada$ Por
lo tanto# el impacto causal directo de H sobre " reduce la probabilidad de "# mientras Due las
implicaciones dian!sticas de H indirectamente incrementa la probabilidad de "$
&unDue la cuesti!n de la relativa )ortaleFa de ;stos )actores nos se puede establecer
)ormalmente# nosotros luchamos porDue las implicaciones dian!sticas de H podran pesar
mCs Due su impacto causal$ Ba cantidad de combustible Due podra ser economiFada por el
incrementado uso de la enera solar para la cale)acci!n dom;stica es improbable Due sea
su)icientemente rande para alejar una crisis inminente$ Por otro lado# la escaseF de
combustible la cual estC implicada por H es altamente indicativa de una pr!Gima crisis
ener;tica$ De acuerdo a ;sta lnea de raFonamiento# P8"TH9 w P8"THy9# donde Hy es la
neaci!n de H$
Ba hip!tesis de ;sta secci!n# sin embaro# )ue Due la ente eneralmente sopesa la
contribuci!n causal directa del evento condicionante en la evaluaci!n de las probabilidades
condicionales# y no dan su)iciente peso a su sini)icancia dian!stica$ Esta hip!tesis vincula#
en el Problema 6# Due la estipulaci!n de un incremento en el uso de enera solar para
cale)acci!n en los aEos 73@s reduce la probabilidad juFada del racionamiento de combustible
en los /663@s$ Ciertamente# 47 de 70 encuestados establecieron Due P8"TH9 ] P8"THy9$ El
miso patr!n de juicios es observado en otros problemas de este tipo# donde las implicaciones
del dian!stico indirecto de la condici!n estCn en con)licto con sus implicaciones causales
directas$ &unDue este patr!n de juicios no viola las relas de la probabilidad# como )ue el
caso de los problemas de 'uro))# re)leja# nosotros creemos# una tendencia comAn a no
observar la sini)icancia del dianostico del evento condicionante en juicios de probabilidad
condicional$
Prediccin$ eplicacin y revisin
En las secciones precedentes nosotros presentamos aluna evidencia en apoyo de la hip!tesis
Due las in)erencias causales tienen una mayor e)icacia Due las in)erencias dian!sticas$
Primero mostramos Due las in)erencias de causas a consecuencias son hechas con mayor
con)ianFa Due las in)erencias de consecuencias a causas$ Seundo# mostramos Due cuando los
/3:
mismos datos tienen ambas sini)icancias causal y dian!stica# a la anterior le es dado mCs
peso Due a la Altima en juicios de probabilidad condicional$
"etornamos ahora a la preunta mCs eneral de la relaci!n entre una imaen# un modelo
! un esDuema# por ejemplo# la situaci!n de enera ! la personalidad de un individuo# y alAn
resultado ! mani)estaci!n de ese sistema# por ejemplo# un incrementado uso de la enera
solar ! un desplieue de hostilidad$ -odelos ! esDuemas son comAnmente empleados para
predecir y eGplicar resultados# los cual a su veF son usados para revisar ! actualiFar los
modelos$ Por tanto# una persona puede aplicar del modelo para predecir el resultado ! para
evaluar su probabilidadL ;l puede tambi;n usar del modelo para eGplicar la ocurrencia de un
evento particular ! consecuencia$ ?inalmente# ;l puede emplear la in)ormaci!n proveda por
la ocurrencia de un evento particular para correir ! revisar su modelo$
Ba predicci!n y eGplicaci!n representa dos tipos di)erentes de in)erencia causal# mientras
Due el modelo>revisi!n es un ejemplo de in)erencia dian!stica$ En la predicci!n# el juicio
selecciona ese resultado el cual es mCs conruente con su modelo del sistema$ En la
eGplicaci!n# el juicio identi)ica aDuellas caractersticas del modelo Due son mCs probables de
dar surimiento al resultado especi)icado$ En la revisi!n# por otro lado# el juicio corrie !
completa los elementos del modelo Due son al menos conruentes con los datos$
Ba mayora de in)erencias en la vida diaria se apoyan en modelos ! esDuemas los cuales
son imprecisos# incompletos y ocasionalmente incorrectos$ Ba ente reconoce esto# sin
embaro# y estCn dispuestas a reconocer Due sus modelos de sistemas tales como las
intenciones de una persona ! la situaci!n de la enera podran estar en un error$ Ba presencia
de incertidumbre en relaci!n a la eGactitud de un modelo tiene implicaciones para la propia
conducta de la predicci!n# eGplicaci!n y revisi!n$ Si un modelo estC sujeto a error# las
predicciones de ese modelo podran ser moderadas o reresivas# Due sini)ica# Due ellas no
deberan apartarse de las predicciones de la raF!n>base$ Por ejemplo# uno debera ser mCs
reluctante de predecir Due una persona se comprometerC en un raro ! inusual comportamiento
cuando la in)ormaci!n de uno sobre la persona viene de una )uente mCs creble$
EGplicaciones Due estCn basadas en modelos inciertos deberan tambi;n ser a)inados con
precauci!n# puesto Due los )actores causales Due son usados en la eGplicaci!n pueden no
eGistir en la realidad$ &demCs# la eGplicaci!n en la presencia de incertidumbre debera
tambi;n ser combinada con modelo>revisi!n$ Por ejemplo# si una persona se compromete en
una actividad Due parece incompatible con nuestra impresi!n de su personalidad# deberamos
seriamente considerar la posibilidad de Due nuestra impresi!n )ue incorrecta# y Due debera
ser revisada en la direcci!n suerida por los nuevos datos$ & mCs rande la incertidumbre
sobre el modelo y mCs sorprendente el comportamiento# mCs rande debera ser la revisi!n$
Una adecuada eGplicaci!n debera tomar en cuenta los cambios en el modelo Due son
implicados ! sueridos por el evento Due va a ser eGplicado$ Desde un punto de vista
normativo# por consiuiente# las eGplicaciones en la presencia de incertidumbre sobre el
modelo involucra ambas in)erencias dian!sticas y causales$
Una investiaci!n previa mostr! Due la ente comAnmente sobre predice desde modelos
altamente inciertos$ Por ejemplo# los sujetos con)iadamente predicen la selecci!n pro)esional
! el desempeEo acad;mico de un individuo sobre las bases de un breve esDuema de
personalidad# aAn cuando este esDuema es atribuido a una )uente no con)iable 8Kahneman R
'vers(y# /620# :9$ Bas intenciones y tratos Due son in)eridos de un esDuema de personalidad
son naturalmente vistos como causas de tales resultados como selecci!n pro)esional ! ;Gito
en la escuela$ Ba sobre predicci!n Due es observada en tales problemas es por consiuiente
compatible con el alto impacto de los datos causales Due )ueron ilustrados en las secciones
precedentes$
En el conteGto de eGplicaci!n y revisi!n# la )ortaleFa del raFonamiento causal y la
debilidad del raFonamiento dian!stico son mani)iestas en la ran )acilidad con Due la ente
/31
construye relaciones causales para resultados Due no podran predecir# y en la di)icultad Due
ellos tienen en revisar modelos inciertos para acomodar nuevos datos$ Parece mCs )Ccil
asimilar un nuevo hecho dentro de un modelo causal eGistente Due revisar el modelo a la luF
de este nuevo hecho$ -Cs aAn# las revisiones Due son hechas para acomodar nuevos hechos
son a menudo mnimas en alcance y locales en carCcter$
Para ilustrar esta noci!n# retornaremos a observaciones no reportadas previamente de un
estudio mCs temprano de predicci!n intuitiva 8Kahneman y 'vers(y# /620# :9$ En ese estudio#
//: estudiantes raduados en psicoloa )ueron presentados con una descripci!n de un
pCrra)o laro de un estudiante raduado# 'om H$$# el cual haba sido supuestamente escrito
durante su Altimo aEo de secundaria por un psic!loo clnico# sobre las bases de pruebas
proyectivas$ Ba siuiente descripci!n )ue dada<
'om H$ es de alta inteliencia# aunDue carece de verdadera creatividad$ El tiene una necesidad de
orden y claridad# y por sistemas ntidos y ordenados en los cuales cada detalle encuentra su luar
apropiado$ Su escritura es mCs bien mon!tono y mecCnico# ocasionalmente animado por un trillado
jueo de palabras y por destellos de la imainaci!n del tipo sci>)i$ El tiene un )uerte apremio por la
competencia$ El parece tener poco sentimiento y poca simpata por la ente y no dis)ruta
interactuando con otros$ &uto centrado# ;l a pesar de eso tiene un pro)undo sentido moral$
Bos sujetos )ueron primero reDueridos a predecir el campo de especialiFaci!n de raduado de
'om por clasi)icaci!n de nueve posibilidades en t;rminos de su probabilidad$ Hubo un )uerte
consenso entre los encuestados Due 'om H$ est; en ciencias de computaci!n ! en ineniera#
y menos probable Due est; en ciencias sociales y trabajo social ! en humanidades y
educaci!n$ Ba respuesta a una interroante adicional tambi;n eGhibi! un acuerdo eneral en
Due las pruebas proyectivas no proveen una )uente vClida de in)ormaci!n para la predicci!n
de la selecci!n pro)esional$ Despu;s de completar la tarea de predicci!n# a los sujetos se les
reDuiri! contestar la siuiente interroante$
De hecho# 'om H$ es un estudiante raduado en la Escuela de Educaci!n y ;l estC enrolado en un
prorama especial de entrenamiento para la educaci!n de niEos discapacitados$ Por )avor resuma muy
brevemente la teora Due usted considera mCs probable para eGplicar la relaci!n entre la personalidad
de 'om H$ y su selecci!n de carrera$
CuCl es la aproGimaci!n apropiada a ;sta interroanteQ Bos encuestados )ueron encarados
con un aparente con)licto entre un hecho di)cil# la selecci!n de la carrera de 'om H$ y una
detallada pero inestable descripci!n de su personalidad$ Ba alta con)ianFa con Due la ente
predice la selecci!n pro)esional partiendo de descripciones de personalidad implica una
creencia en una alta correlaci!n entre personalidad y selecci!n vocacional$ Esta creencia# a su
veF# vincula Due la selecci!n pro)esional sea altamente dian!stica con respecto a la
personalidad$ En el ejemplo de arriba# la selecci!n vocacional de 'om H$ es improbable en
vista de su descripci!n de personalidad# y Due la descripci!n es atribuida a una )uente de baja
credibilidad$ Una in)erencia dian!stica raFonable debera por consiuiente conducir a una
sustancial revisi!n de la imaen de uno del carCcter de 'om H$# para hacerla mCs compatible
con el estereotipo de su pro)esi!n escoida$ Si uno cree Due los estudiantes de educaci!n
especial son eneralmente compasivos# entonces la selecci!n pro)esional de 'om H$ hara
Due surjan dudas sobre su tener Npoco sentimiento y poca simpata por otra enteO# como se
estableci! en el reporte de los psic!loos$ Una adecuada respuesta al problema debera al
menos incrementar la posibilidad de Due la personalidad de 'om H$ no es como )ue descrita#
y Due ;l de hecho mCs bondadoso y mCs humano de lo Due su descripci!n suiere$
*uestros sujetos no siuieron ;sta aproGimaci!n$ Solo una peDueEa minora 8./W9 aAn
mencion! cualDuier reserva sobre la valideF de la descripci!n$ Ba abrumadora mayora de
/34
encuestados# incluyendo a los esc;pticos# resolvi! el con)licto ya sea por re)erencia a
apropiados aspectos seleccionados de la descripci!n de 'om H$ 8por ejemplo# su pro)undo
sentido moral9 ! por una reinterpretaci!n de la sini)icancia psicol!ica de su selecci!n 8por
ejemplo# como una eGpresi!n de una necesidad de dominancia9$
Podra areirse Due la )alla de nuestros sujetos para revisar su imaen de 'om H$
meramente re)leja la demanda de caractersticas de la tarea a la cual ellos )ueron asinados# a
saber Npara eGplicar la relaci!n entre la personalidad de 'om H$ y su selecci!n de carreraO$
De acuerdo con este in)orme# la tarea naturalmente interpretada como llamando a un intento
de relacionar la selecci!n pro)esional de 'om H$ a la descripcin de su personalidad sin
cuestionar su valideF$ Creemos# sin embaro# Due la tendencia prevaleciente de tratar la
imaen de 'om H$ como si )uera per)ectamente vClida# en luar de severas dudas ejempli)ica
un mCs amplio )en!meno< la tendencia a eGplicar sin revisi!n# aAn cuando el modelo Due es
usado en la eGplicaci!n es altamente incierto$
En nuestra opini!n# las respuestas de los sujetos ilustran ambas la reluctancia a revisar un
modelo rico y coherente# sin embaro incierto# y la )acilidad con Due tal modelo puede ser
usado para eGplicar nuevos hechos# no obstante inesperados$ Estamos impresionados por la
)luencia despleada en desarrollar in)ormes causales de la inesperada selecci!n de vocaci!n#
y no tenemos raF!n para creer Due ellos habran sido menos d!ciles en eGplicar otros
inesperados comportamientos de su parte$
Habilidades eGplicatorias altamente desarrolladas probablemente contribuyan a la
proverbial robusteF y estabilidad de impresiones# modelos# concepciones# y paradimas
en)rente de una evidencia incompatible 8&belson# /616L Hovland# /616L =anis# /62.L =ervis#
/621L Kuhn# /64.9$ El mpetu por revisar un modelo puede solo venir del reconocimiento de
una inconruencia entre ese modelo y aluna nueva evidencia$ Si la ente puede eGplicar la
mayora de las ocurrencias a su propia satis)acci!n con cambios mnimos y locales en sus
concepciones eGistentes# ellos raramente sentirCn la necesidad de una drCstica revisi!n de
;stas concepciones$ De esta manera# la )luencia del pensamiento causal inhibe la revisi!n del
proceso dian!stico$ $ $ $
/32
6( Deectos en el proceso de atribucin: <obre el ori#en
y mantenimiento de evaluaciones sociales errneas
Bee "oss y Crai & &nderson
Heor*a de introduccin a la atribucin y los errores atribucionales
"eor#a de la atribucin y psicolog#a intuitiva
Ba teora de la atribuci!n# en su sentido mCs amplio# estC relacionada con los intentos de la
ente comAn de entender las causas e implicaciones de los eventos Due ellos son testios$
'rata con la Npsicoloa inenuaO de la ente como ellos interpretan su propio
comportamiento y las acciones de otros$ Ba corriente ascendencia de la teora de la atribuci!n
en psicoloa social por tanto culmina una lara batalla para mejorar la calidad de esa
concepci!n de disciplina del hombre$ *o hace mucho el aut!mata estmulo>respuesta 8S>"9
del comportamiento radical# promovi! mCs allC del rano del procesador de in)ormaci!n y el
buscador de la consistencia conitiva# Due el hombre psicol!ico haya sido al menos
bene)iciado con un status iual a ese de los cient)icos Due lo investian$ Para en la
perspectiva de la teora de la atribuci!n# las entes son psic!loos intuitivos Due buscan
eGplicar el comportamiento y sacar in)erencias sobre los actores y sobre su ambiente social$
Para mejor entender las percepciones y acciones de este cient)ico intuitivo debemos
eGplorar su m;todos$ Primero# como el psic!loo acad;mico# ;l es uiado por un nAmero de
suposiciones implcitas sobre la naturaleFa humana y el comportamiento humano S por
ejemplo# Due la bAsDueda del placer y el evitar el dolor son motivos humanos ubicuos y
poderosos# ! Due de con)ormidad a los deseos y eGpectativas de los semejantes de uno es
menos eGcepcional y menos demandante de posterior interpretaci!n Due la no con)ormidad$
El psic!loo leo# como el pro)esional# tambi;n se apoya randemente en los datos# aunDue
los datos Due raramente satis)acen los reDuerimientos )ormales considerados de aleatoriedad
! representatividad$ &lunas veces ;stos datos resultan de eGperiencias de primera manoL mCs
a menudo# ellos son el producto de la comunicaci!n social in)ormal# medios masivos A otras
)uentes indirectas$ El psic!loo intuitivo debe mCs adelante adoptar ! desarrollar t;cnicas
para codi)icar# almacenar y recuperar los datos$ ?inalmente# ;l debe emplear varias
estrateias para resumir# analiFar e interpretar los datos S Due sini)ica# Due ;l debe emplear
relas heursticas ! esDuemas Due le permitan )ormar nuevas in)erencias$ Ba habilidad del
cient)ico intuitivo para manejar su ambiente social# como corresponde# dependerC de la
eGactitud y adecuaci!n de su hip!tesis # evidencia y anClisis$ & la inversa# cualesDuiera
errores sistemCticos en las teoras eGistentes# prejuicios en datos disponibles ! inadecuaciones
Este captulo saca randemente# ambos en contenido y oraniFaci!n# de una contribuci!n por el primer autor de
6vances en Psicolog#a Social )perimental 8/6229$ El permiso para el uso de ;stos materiales es ratamente
aradecido$
/37
en m;todos de anClisis# producen serias consecuencias S ambas para el psic!loo leo y para
la sociedad Due ;l construye y perpetAa$ Estos de)ectos# eGplorados desde una posici!n
ventajosa de la teora de la atribuci!n contemporCnea# provee el )oco de este captulo$
/
Bos amplios esboFos de la teora de la atribuci!n )ueron primero bosDuejados por Heider
8/6::# /6179 y desarrollados en mayor detalle por =ones y Davis 8/6419# Kelly 8/642# /62/#
/6209 y sus asociados 8vea =ones et al$# /62/L Heiner# /62:9$ Estos teoristas trataron con dos
cercanamente relacionadas tareas con)rontando al observador social$ Ba primera tarea es esa
del juicio causal< El observador busca identi)icar la causa# ! jueo de causas# a las cuales
alAn e)ecto particular 8por ejemplo# aluna acci!n ! resultado9 puede ser mCs
raFonablemente atribuido& Ba seunda tarea es esa de la in)erencia social< El observador de
un episodio )orma in)erencias sobre los atributos ! disposiciones de los actores relevantes y
sobre los atributos ! propiedades de las situaciones a las cuales ellos han respondido$
Bas tareas de juicio e in)erencia social han ambas sido el sujeto de intensiva interroante
te!rica y emprica y# hasta recientemente# han constituido virtualmente el entero dominio de
la teora de la atribuci!n$ zltimamente# sin embaro# una tercera tarea del psic!loo intuitivo
ha comenFado a recibir aluna atenci!nL esa tarea es la prediccin ! estimacin de resultados
y comportamiento$ El psic!loo intuitivo no solo debe buscar eGplicaciones y hacer
in)erencias de disposici!nL ;l debe tambi;n )ormar eGpectativas y hacer conjeturas sobre
acciones y resultados Due son por lo eneral desconocidas ! Due ocurrirCn en el )uturo$ Por
ejemplo# cuando un candidato presidencial promete Naliviar la cara del promedio de los
contribuyentesO# nosotros consideramos posibles causas para la declaraci!n e implicaciones
sobre la disposiciones personales del candidato$ 8Ba promesa simplemente re)lej! las
demandas de conveniencia polticaQ Podemos concluir cualDuiera cosa sobre las verdaderas
convicciones del candidatoQ9 Pero nosotros tambi;n estamos proclives a especular sobre su
consecuente comportamiento y sus opiniones sobre asuntos relacionados Due no han sido
aAn eGplorados$ 8Si es eleido# cortarC ;l los impuestos a la propiedadQ ?avorecerC ;l la
reducci!n de los proramas de bienestar socialQ9 Ba psicoloa de la predicci!n intuitiva# de
hecho# es una eGtensi!n natural del dominio de la teora de la atribuci!n$
B!icamente y psicol!icamente# por supuesto# las tres tareas de atribuci!n son
independientes$ EGplicaciones# e interpretaciones sobre los actores y entidades Due )iuran en
tal evento# estCn ntimamente relacionados$ , juntos ellos proveen las bases para la
especulaci!n sobre la naturaleFa de los eventos Due son actualmente desconocidos !
probables de eGponer en el )uturo$ Cada tarea# sin embaro# o)rece posibilidades Anicas 8y
problemas Anicos de interpretaci!n y metodoloaL ver "oss# /622# pp$ /21>/269 para revelar
las suposiciones y estrateias Due son el )undamento del desenvolvimiento del cient)ico
intuitivo$ Es valioso notar Due en los aEos recientes el uso de estimaciones y predicciones
como variables dependientes en estudios de la in)erencia lea han lleado a ser
incrementadamente populares$ Unas raF!n para este incremento en popularidad es
particularmente importante$ & di)erencia de los juicios causales de in)erencias de disposici!n
Due siuen a un anClisis de un evento del Due percibe# las estimaciones ! las predicciones
sobre nuevos ! desconocidos eventos pueden a menudo ser evaluados con respecto a su
eGactitud$ Bos Due sini)ica# Due uno puede comparar las predicciones y estimados sobre
eventos con observaciones ! medidas actuales$ Esto permite la evaluaci!n de ambas de la
relativa adecuaci!n de la estrateia atributiva del cient)ico intuitivo y de la direcci!n de
errores espec)icos ! prejuicios$
/
Para una mCs completa y sistemCtica eGplicaci!n del paralelismo hombre leoTcient)ico# el lector es re)erido a
*isbett y "oss# /673$
/36
Principios lgicos de la atribucin vrs& prejuicios auto servidos
Ba teora de la atribuci!n contemporCnea ha perseuido dos distintas pero complementarias
metas$ Una meta ha sido para demostrar Due las evaluaciones e in)erencias sociales de los
Due perciben eneralmente siuen los dictados de alAn modelo l!ico ! racional$ Ba otra
meta ha sido para ilustrar y eGplicar las )uentes de perjuicios ! error Due distorsionan esas
eneralmente verdicas evaluaciones e in)erencias$ Consideraremos brevemente el as
llamado l!ico ! racional esDuema empleado por los psic!loos intuitivos y lueo dedicar el
resto del captulo a las )uentes de error y en sus intentos de entender# predecir y controlar los
eventos Due se desarrollan alrededor de ;l$
Los principios de <covariacin= y <descuento=& Bos individuos deben# por la mayor parte#
compartir un comAn entendimiento de las acciones sociales# y resultados Due los a)ectan#
porDue sin tal consenso# la interacci!n social sera ca!tica# impredecible# y mCs allC del
control de los participantes$ Ba introspecci!n por la atribuci!n de los te!ricos# sostenida por
aluna evidencia de laboratorio# ha conducido a la postulaci!n de un jueo de NrelasO Due
pueden eneralmente ser empleadas en la interpretaci!n de comportamientos y resultados$
Estas relas de Nsentido comAnO ! esDuemas son anCloos# en alunos aspectos# a las relas
mCs )ormales y procedimientos Due los cient)icos sociales y los estadsticos siuen en su
anClisis e interpretaci!n de los datos$
H$ H$ Kelley# E$ E$ =ones y sus asociados han distinuido dos causas en las cuales las
relas l!icas# ! esDuemas# puede ser aplicado$ En la mAltiple observaci!n del caso el Due
atribuye tiene acceso al comportamiento de los datos de la matriF de respuesta Due podran
ser representados por )ilas ! columnas de un &ctor M %bjeto M Situaci!n 8! Instancia9$
'picamente# en este dominio de la investiaci!n resAmenes de declaraciones son provedos a
los participantes mCs Due respuestas actuales$ Por tanto el potencial del Due atribuye aprende
Due NBa mayora de a)icionados al teatro como los pintores actAanO# ! N-ary no puede
resistir animales eGtraviadosO# ! NEl Anico prorama de televisi!n Due &nn mira son las
%bras -aestras de 'eatroO$ En el caso de simple observaci!n el Due atribuye debe tratar con
el comportamiento de un simple actor en una simple ocasi!n$ Por ejemplo# ;l puede ver a
Sam cumplir con el reDuerimiento de un eGperimentador para enviar un doloroso susto a un
compaEero# ! ;l puede aprender Due NBouie apost! todo su dinero en un ran tiro en
Pilmico$O
Bas relas l!icas ! principios Due obiernan las atribuciones en ;stos dos casos son muy
di)erentes 8Kelley# /642# /62/# /6209$ En el caso de la observaci!n mAltiple del Due atribuye
se aplica el Nprincipio de covariaci!nOL Due sini)ica Due# ;l evalAa el rado al cual loa
comportamientos ! resultados ocurren en la presencia # pero )alllan en ocurrir en la ausencia#
de cada candidato causal bajo consideraci!n$ Concordantemente# Duien atribuye concluye
Due el jueo del nuevo pintor es bueno en la medida Due es ustado por una amplia de
a)icionados# Due sini)ica Due es ustado por individuos Duienes eloian poco las obras de
teatro 8por ejemplo# los crticos9# y Due es aplaudido tan viorosamente en el nona;simo da
de su carrera como en el noveno$
En el caso de la observaci!n simple la evaluaci!n de la estrateia del Due atribuye
involucra la aplicaci!n del Nprincipio del descuentoO# por el cual el observador social
NdescuentaO el papel de cualDuier candidato causal en la eGplicaci!n de un evento al eGtremo
Due las otras causas plausibles ! determinantes puedan ser identi)icadas$ Este principio de
atribuci!n puede ser reeGpuesto nuevamente en t;rminos de in)erencias sociales mCs Due de
atribuciones causales< &l eGtremo Due situaciones ! )actores eGternos constituyen una
Nsu)icienteO eGplicaci!n para un evento# ese evento es atribuido a la situaci!n y no
l!icamente la in)erencia puede ser hecha 8y# presumiblemente# ninuna in)erencia
//3
empricamente es hecha9 sobre las disposiciones del actor$ Inversamente# en la medida Due un
acto ! resultado parece ocurrir a pesar de y no debido a la )uerFas concomitantes de la
situaci!n# el evento relevante es atribuido al actor y Nuna in)erencia correspondenteO 8=ones
R Davis# /6419 es hecha S lo Due sini)ica Due# el Due atribuye in)iere la eGistencia e
in)luencia de alAn trato# habilidad# intenci!n# sentimiento A otra disposici!n Due podra
contar para la acci!n ! resultado del actor$ Por lo tanto# nosotros nos resistimos a la
conclusi!n Due Bouie se precipit! a eGponer en Pimlico )ue un re)lejo de sus atributos
estables personales al eGtremo Due tales )actores como un discutido consejo# una crisis
)inanciera desesperada# ! siete martinis apostados previamente pueden ser citados$ Por otro
lado# nosotros juFamos a Bouie de ser un inveterado juador arriesado si consideramos Due
su apuesta ocurri! en)rentando la amenaFa de su esposa de dejarlo si ;l siempre pierde su
cheDue de pao en el jueo de nuevo# su conocimiento de Due ;l no serC capaF de paar la
rente si ;l perdi!# y la observaci!n de un eGperto juador escuchada por casualidad de Due el
)avorito en la competencia es NaAn mejor Due las disponibilidades del jueo suierenO$Es
valiosos notar Due la aplicaci!n de ;stos dos di)erentes principios coloca mCs bien di)erentes
demandas sobre el cient)ico intuitivo$ El principio de covariaci!n reDuiere del Due atribuye
aplicar relas Due son esencialmente l!icas ! estadsticas en naturaleFa y no demanda mCs
ideas sobre las caractersticas de las entidades en cuesti!n$ Bas aplicaci!n del principio del
descuento por contraste# demanda considerables ideas sobre la naturaleFa del hombre y el
impacto de tales )uerFas de situaci!n como la necesidad )inanciera# consumo de alcohol y las
amenaFas de una esposa de abandonarlo$ En un sentido# el principio de covariaci!n puede ser
aplicado por un ero NestadsticoO# mientras Due el principio del descuento reDuiere de un
psic!loo capaF de evaluar el papel de varias presiones sociales y )uerFas de situaci!n y aAn
a distinuir actos deliberados y resultados de los no deliberados 8c)$ =ones R Davis# /6419$
Evidencia concerniente al uso sistemCtico del sentido comAn de los principios de
atribuci!n vienen primariamente de estudios de cuestionarios en los cuales los sujetos leen e
interpretan breves an;cdotas sobre las respuestas de uno ! mCs actores a objetos
especi)icados ! NentidadesO bajo circunstancias especi)icadas 8por ejemplo# B$ g$ -c&rthur#
/62.# /6249$ Estudios ocasionales de estrecho alcance# y resultados 8por ejemplo# =ones#
Davis R Ieren# /64/L =ones R DeCharms# /612L =ones R Harris# /642L Stric(land# /617L
'hibaut R "iec(en# /6119$ 'al investiaci!n ha demostrado Due los Due atribuyen pueden# y
eneralmente lo hacen# hacer al menos alAn uso de los principios provenientes de una
hip!tesis ! relas de dedo$ Bo Due las metodoloas empleadas para datar han dejado
ambiuo es el rado de la eGactitud de la persona lea y la manitud y direcci!n de sus
errores$
6uto.servir prejuicios de motivacin en la atribucin& En la especulaci!n sobre posibles
distorsiones en un sistema si no de atribuci!n l!ica# los te!ricos estuvieron prontos a
postular prejuicios del Nyo>de)ensivoO a trav;s del cual los Due atribuyen mantuvieron !
realFaron su auto>estima A opini!n positiva de sus espec)icas disposiciones y habilidades
8Heider# /617L =ones R Davis# /641L Kelly# /6429$ Intentos de probar la eGistencia de tal
prejuicio de motivaci!n han eneralmente involucrado demostraciones de asimetra en la
atribuci!n de resultados positivos y neativos S espec)icamente# una tendencia de los actores
de atribuir N;GitosO a sus propios es)uerFos# habilidades ! disposiciones los cuales atribuyen
N)allaO a la suerte# di)icultad de tarea A otros )actores eGternos$ "ealiFaci!n de tareas 8por
ejemplo# Davis R Davis# /62.L ?eather# /646L ?itch# /623L Holosin# Sheran R 'ill# /6209 y
desempeEo de la enseEanFa 8por ejemplo# Bec(man# /623L ?reiFe R Heiner# /62/L =ohnson#
?eienbaum R Heiby# /64:9 han provedo la mayora de la evidencia para ;sta asimetra$
'ambi;n ha sido mostrado Due los actores pueden dar de s mismos mCs cr;dito por los ;Gitos
///
y menos reproches por sus )allas Due los observadores evaluando los mismos resultados
8Bec(man# /623L Iross# /644L Pole)(a# /6419$
Crticos esc;pticos de amplios prejuicios de motivaci!n# sin embaro# han eGperimentado
poca di)icultad en montar retos a tal investiaci!n 8ver -iller R "oss# /621L tambi;n *isbett
R "oss# /673# Cap$ /3# para detalladas discusiones9$ El mCs contado arumento contra la
investiaci!n pretendiendo mostrar prejuicios de motivaci!n es la obvia distinci!n entre las
privadas percepciones de los sujetos y sus juicios pAblicos$ Uno puede )Ccilmente crear
situaciones donde una persona pAblicamente nearC 8! demandarC9 responsabilidad por un
evento Due ;l ha aceptado privadamente 8! no lo acepta9 como su responsabilidad$ -ientras
;stos juicios pAblicos pueden ser de auto>servir en el sentido de preservar la imaen pAblica
de uno# ellos no implican la operaci!n de prejuicios del yo>de)ensivo en el sentido de
preservar la imaen privada de uno 8-iller# /6279$
&demCs# las asimetras en las atribuciones privadas 8disponible para los investiadores9
de ;Gitos y )allas# y las di)erencias en los juicios de los actores y de los observadores pueden
re)lejar otra )uente no>motivacional de prejuicio$ Como varios investiadores han notado# los
;Gitos# al menos en situaciones de prueba# es probable de ser anticipada y conruente con las
eGperiencias pasadas del actor# mientras Due la )alla puede ser no anticipada e inusual$
Similarmente# resultados eGitosos son planeados y son el objeto de planes y acciones por el
actor# mientras Due las )allas no son eventos no planeados Due ocurren a pesar de los planes y
es)uerFos del actor$ Bos observadores# ademCs# raramente estCn plenamente conscientes de
las eGperiencias pasadas ! de eGpectativas presentes e intenciones de los actores cuyos
resultados ellos observan$
"etos a la eGistencia de penetrantes prejuicios del yo>de)ensivo han sido empricos as
como conceptuales$ Por tanto# en alunos estudios los sujetos parecen mostrar prejuicios
Ncontra>de)ensivosO# ! atenuantes de estimaci!n$ Por ejemplo# "oss# Bierbrauer y Polly
8/62:9# usando un inusualmente aut;ntico paradima de instructor>aprendiF# encontraron Due
los instructores cali)ican sus propios desempeEos y habilidades como las mCs importantes
determinantes de )alla Due de ;Gito$ Inversamente# los instructores clasi)ican los es)uerFos y
habilidades de sus aprendices como las mCs crticas determinantes de ;Gito Due de )alla$ En el
mismo estudio ;stas tendencias de atribuci!n aparentemente contra>de)ensivas probaron ser
aAn mCs pronunciadas entre pro)esores pro)esionales Due entre no raduados ineGpertos# un
resultado Due contradice la obvia derivaci!n de la teora del yo>de)ensivo Due aDuellos mCs
directamente amenaFados por la eGperiencia de )alla deberan ser mCs de)ensivos$
Investiadores Duienes insisten Due los prejuicios de motivaci!n de auto>servir eGisten
pueden# por supuesto# proveer interpretaciones alternativas de estudios Due parecen no
mostrar prejuicios de motivaci!n ! prejuicios contra>de)ensivos 8c)$ Bradley# /6279$
Ciertamente# en muchos respectos el debate entre proponentes y esc;pticos ha venido a ser
una reminiscencia de anteriores y mCs amplios debates en la teora de aprendiFaje y
percepci!n bCsica en los cuales la prosperidad de la investiaci!n para un eGperimento
NdecisivoO sobre el asunto de in)luencias de motivaci!n 8por ejemplo# uno Due no podra ser
interpretado por el Notro ladoO9 viene a ser siempre mCs aparente Due los datos multiplicados
y el anClisis conceptual audiFado$
Una respuesta a este estado de asuntos ha sido abandonar construcciones de motivaci!n
temporalmente y concentrarse en aDuellos )actores no motivacionales 8por ejemplo# )actores
de in)ormaci!n# de percepci!n y conitivos9 Due in)luencian y potencialmente distorsionan
los juicios de atribuci!n$ -Cs allC de las di)icultades de concepto eGistentes# resultados
meFclados empricamente y lecciones hist!ricas Due desaniman a los investiadores Due
investiaran por abarcar prejuicios de motivaci!n# eGisten dos raFones adicionales para el
cambio contemporCneo$ Primero# eGiste una convicci!n creciente de Due una apreciaci!n
completa de in)luencias no motivacionales podran conducirnos a entender y anticipar
//.
aDuellas circunstancias en las cuales las atribuciones de responsabilidad son probables de
incrementar la auto>estima del Due atribuye y aDuellas en las cuales tales atribuciones son
probables de atenuar su auto>estima 8c)$ -iller R "oss# /6219$ Seundo# eGiste el creciente
reconocimiento de Due las atribuciones eGactas eneralmente son aptas de ser mCs Nauto>
servicioO Due las ineGactas S lo Due sini)ica# Due las distorsiones del juicio causal son aptas
para dejar el oranismo mal preparado para la tarea de supervivencia a laro plaFo# como
Duiera aradable las consecuencias inmediatas de ciertas percepciones ineGactas e in)luencias
pueden darse$
El resto de este captulo trata con un limitado nAmero de tales prejuicios no
motivacionales 8ver *isbett R "oss# /673# para una mCs completa revisi!n9$ El tambi;n
discute un )en!meno eneral Due incrementa los NcostosO de tales prejuicios S la tendencia
por impresiones err!neas# juicios y aAn mCs amplias teoras para supervivir en )rente de
datos l!icamente poderosos Due contradicen ;stas creencias$ "econoFcamos desde el
principio# sin embaro# Due los errores y prejuicios con Due tratan no son ineGplicables
perversidades por parte del cient)ico intuitivo$ 'picamente# ellos re)lejan la operaci!n de
mecanismos y estrateias Due sirven al oranismo raFonablemente bien en muchas
circunstanciasL de otra )orma ellos seuramente no sobreviven el aprendiFaje de la historia
del individuo ! la historia de la evoluci!n de las especies$ Estos errores y prejuicios pueden
per)ectamente ser considerados como Ndominio espec)icoO de )allas de estrateias
in)erenciales y tCcticas Due son al menos e)icientes en costo 8y probablemente eneralmente
muy eGactas tambi;n9 en la eGperiencia completa del oranismo$
Prejuicios de atribucin no-motivacionales
)l error fundamental de la atribucin
El primero identi)icado 8Heider# /6179 y mCs )recuentemente citado prejuicio no>
motivacional# uno Due denominaremos el error fundamental de la atribucin# es la tendencia
de los Due atribuyen a subestimar el impacto de )actores situacionales y a subestimar el papel
de los )actores disposicionales en controlar el comportamiento$ Como los psic!loos
NintuitivosO# parecemos muy a menudo ser nativistas# ! proponentes de di)erencias
individuales# y muy raramente S S " conductistas$ *osotros tambi;n rCpidamente in)erimos
amplias disposiciones personales y esperamos consistencia en el comportamiento !
resultados a trav;s de situaciones y conteGtos ampliamente dispares$ Saltamos rCpidamente a
conclusiones sobre atestiuar el comportamiento de nuestros compaEeros# inorando el
impacto de relevantes )uerFas y restricciones ambientales$
)videncia general del error fundamental de la atribucin& -Cs allC de an;cdotas y
apelaciones a la eGperiencia# la evidencia mCs )recuentemente citada por este prejuicio
eneral 8por ejemplo# =ones R *isbett# /62/L Kelley# /62/9 involucra la aparente disposici!n
del Due atribuye a sacar in)erencias personales NcorrespondentesO sobre actores Due han
respondido a las presiones situacionales muy obvias $ Por ejemplo# =ones R Harris 8/6429
encontraron Due los escuchas asumieron aluna correspondencia entre las observaciones de
los comunicadores pro>Castro y las privadas opiniones aAn cuando ;stos escuchas saban Due
los comunicadores estaban obedeciendo el reDuerimiento eGplcito del eGperimentador bajo
condiciones obliadas$
Un tipo mCs directo de evidencias Due los observadores inoran ! subestiman las )uerFas
situacionales ha sido provedo por Bierbrauer 8/6209# Dui;n estudi! impresiones de los
sujetos de las )uerFas operando en la clCsica situaci!n -ilram 8/6409$ En el estudio de
Bierbrauer# los participantes atestiuaron una literal representaci!n de la NobedienciaO de un
//0
sujeto a tal punto de enviar el mCGimo shoc( a la supuesta vctima$ Sin importar el tipo y
cantidad de retraFo antes de juFar# sin importar si ellos actualmente juaron el papel de un
sujeto en la representaci!n ! meramente observaron# los participantes de Bierbrauer
mostraron el error )undamental de la atribuci!nL Due sini)ica Due# ellos consistentemente y
dramCticamente subestimaron el rado al cual los sujetos en eneral produciran a aDuellas
)uerFas situacionales Due oblian a la obediencia en la situaci!n -ilram 8ver ?iura /9$ En
otras palabras# ellos asumieron Due la obediencia particular del sujeto re)lej! sus distinuidas
disposiciones personales mCs Due la potencia de las presiones y restricciones situacionales
sobre todos los sujetos$
)l caso especial del papel que confiri ventajas en la auto presentacin& Ba tendencia de los
observadores sociales a subestimar la potencia de las )uerFas y restricciones situacionales y a
sobreestimar el papel de las disposiciones individuales ha pesado randemente en la
estrateia# anClisis conceptuales y aAn en los debates pro)esionales de psicoloa social
contemporCnea 8ver *isbett y "oss# /673L "oss# /6229$ Ciertos casos especiales de este
)undamental error de la atribuci!n para en)ocar nuestra atenci!n sobre procesos mediCticos y
mCs espec)icas )allas del psic!loo intuitivo$ Un eGperimento de "oss# &mabile y SteimetF
8/6229# tratando con evaluaciones hechas sobre actores Due tuvieron papel de ventaja ! papel
de desventaja 8por asinaci!n aleatoria9# es el punto del caso$ Bos papeles particulares
tratados por "oss et$ al$# )ueron aDuellos del interroador y el concursante en un jueo de
prueba corta en conocimiento eneral$ El papel del interroador obli! al sujeto a componer
un jueo de preuntas desa)iantes sobre conocimiento eneral# para )ormular ;stas preuntas
al concursante# y proveer un eGacto aprovechamiento de in)ormaci!n despu;s de cada
respuesta del concursante$ El papel del concursante )ue restrinido a responder ! intentar
responder# las preuntas relevantes$ &mbos de ;stos participantes 8y# en una subsecuente
representaci!n# tambi;n los observadores9 )ueron lueo reDueridos a clasi)icar el
conocimiento eneral del interroador y del concursante$
Insertar aDu la ?iura / de la pCina /02 del teGto oriinal
?iura /$ Comparaci!n de las clasi)icaciones predichas y actuales de desobediencia$
Ba arbitraria asinaci!n y cumplimiento de ;stos papeles# Due debera ser aparente# )orF!
a los participantes y observadores a tratar con evidentemente NmuestrasO no>representativas !
de prejuicio del conocimiento de los interroadores y concursantes$ El papel de los
interroadores y de los concursantes los anim! a desplear el conocimiento esot;rico y
arantiF! Due ellos evitaran Creas de inoranciaL a los concursantes se les dene! tales
ventajas en la auto>presentaci!n$ Ciertamente# no hubo virtualmente ambieedad sobre la
arbitrariedad sobre el papel de la asinaci!n ! sobre las prerroativas diverentes asociadas
con cada papel# distinto a muchas situaciones del mundo real en las cuales los papeles
sociales similarmente con)ieren ventajas y desventajas en la auto>presentaci!n$ & pesar de
eso# el desiual concurso entre interroadores y concursantes condujo a consistentemente
impresiones de prejuicio y err!neas$ Bos participantes# en un sentido# simplemente )allaron al
hacer adecuadas concesiones para la calidad de situaci!n de ventajas ! desventajas con)eridas
de los papeles relevantes$ Por lo tanto# los concursantes clasi)icaron a sus interroadores
como muy superiores a s mismos y los observadores involucrados claramente estuvieron de
acuerdo 8ver ?iura .9$ Bos observadores# armados con el conocimiento de Due ellos no
podran mCs contestar las preuntas esot;ricas planteadas Due podran los concursantes#
reconocieron Due los concursantes no )ueron de)icientes en su conocimiento eneral$ Bo Due
concluyeron los observadores# en su luar# )ue Due los interroadores )ueron verdaderamente
//:
sobresalientes en su conocimiento eneral$ Interesantemente# los interroadores no )ueron
por s mismos eDuivocados por su encuentro$ Una apreciaci!n de este hecho cambia nuestro
en)oDue de una eGistencia eneral del error )undamental de la atribuci!n# y el impacto
espec)ico de los papeles sociales# a las Nmuestras de datosO particulares sobre los cuales los
varios participantes se apoyaron en sus in)erencias$ & di)erencia de los concursantes y de los
observadores# los interroadores no )ueron en ninAn caso )orFados a apoyarse
eGclusivamente sobre muestras NprejuiciadasO del conocimiento eneral$ Presumiblemente#
ellos tenan un ran arrelo de evidencia adicional sobre la eGtensi!n y limitaciones de su
propio conocimiento eneral y sobre la no representatividad de los detalles esot;ricos de la
in)ormaci!n Due ellos eGpusieron en sus preuntas< consecuentemente# ellos clasi)icaron por
s mismos a ambos y los concursantes como un NpromedioO$
Insertar aDu la ?iura . de la pCina /07 del teGto oriinal$
?iura .$ Jaloraci!n del conocimiento eneral de los interroadores y concursantes$
&mbas implicaciones la social y la te!rica de la demostraci!n de "oss# &mabile y
SteinmetF deberan de ser claras$ El nos impuls! a considerar los incontables conteGtos
sociales en los cuales los papeles )ormales ! in)ormales restrinen los encuentros
interpersonales y# en hacerlo# prejuician las impresiones de los participantes S aAn al punto de
parecer justi)icar las prerroativas y limitaciones Due son impuestas por los papeles
ventajosos y desventajosos$ El tambi;n nos impuls! a en)ocarnos en una de las )allas
espec)icas del cient)ico intuitivo S su aparente insensitividad al limitado valor in)erencial de
datos prejuiciados de las muestras 8ver tambi;n Hamill# Hilson R *isbett# /673L *isbett R
"oss# /673# Cap$ :9$
Prominencia disponibilidad de prejuicios
'al veF el Crea ener;ticamente mCs investiada de prejuicio de atribuci!n ha sido la Due
envuelve los e)ectos de atenci!n y de los )actores de percepci!n y conitivos Due median la
atenci!n$ Brevemente establecido# parece Due dondeDuiera Due alAn aspecto del medio
ambiente es hecho desproporcionadamente saliente ! NdisponibleO al Due lo percibe 8c)$
'vers(y R Kahneman# /620# //9 a ese aspecto le es dado mCs peso en la atribuci!n causal$
Por lo tanto# cuando un actor es hecho virtualmente saliente debido a un Anico estado racial !
seGual dentro de un ran rupo 8'aylor et al$# /6249# debido a una notable caracterstica de
apariencia ! vestido 8-c&rthur R Post# /622L -c&rthur R Soloman# /6279# debido a un
jueo de instrucci!n 8"ean R 'otten# /6219# ! aAn debido a arrelos de colocaci!n A otras
determinantes de perspectiva visual 8por ejemplo# Storms# /620L 'aylor R ?is(e# /6219# a ese
actor le es asinada una desproporcionada responsabilidad por cualDuier resultado al cual ;l
! ella contribuyen 8ver 'aylor R ?is(e# /627# para una mCs completa revisi!n9$ Ciertamente#
un nAmero de estudios desde la teora de la Nauto>concienciadO 8Duval R Hic(lund# /62.L
Hic(lund# /6219 han mostrado Due las percepciones de los actores de sus propios papeles
causales pueden ser similarmente ser in)luenciados por simples manipulaciones Due dirien
su atenci!n hacia ! lejos del yo como un objeto social 8por ejemplo# Duval R Hensley# /624L
Ellis R Holmes# /6269$
"econocimiento ! entendimiento de c!mo )actores de prominencia ! disponibilidad
a)ectan los procesos de atribuci!n pueden ayudarnos a entender mejor las bases de muchos
prejuicios )amiliares de atribuci!n y de in)erencia# talveF aAn incluy;ndolos como casos
especiales$ El error )undamental de atribuci!n# por ejemplo# puede importantemente re)lejar
el hecho de Due los actores son simplemente mCs salientes Due las caractersticas del medio
//1
ambiente y por consiuiente son mCs probables de ser notados en la investiaci!n inicial del
Due atribuye por candidatos causales$ Ciertamente# cuando los )actores situacionales y
restricciones son hechos desproporcionadamente salientes al Due atribuye# podramos esperar
errores de atribuci!n Due parecen ser opuestos al as llamado error )undamental$ Por lo tanto#
un supervisor puede ser conducido a incorrectamente atribuir un desenvolvimiento valioso de
un trabajador a un )actor eGterno S Due sini)ica# la viilancia del supervisor S cuando esos
)actores son hechos altamente salientes 8ver Stric(land# /6179$ Por la misma seEal# el inter;s
intrnseco de un actor en una tarea dada puede ser indeterminado 8por ejemplo# Deci# /62/L
Bepper R Ireene# /621# /627L Bepper# Ireene R *isbett# /6209 si ese actor es conducido a
)ocaliFar la atenci!n en un incentivo eGterno ! restricci!n Due aparentemente lo estimule#
pero# de hecho# no es necesario estimular la ejecuci!n en esa tarea$
Considere tambi;n la eneraliFaci!n emprica de =ones y *isbett 8/62/9 Due actores #
contando para su comportamiento# son relativamente mCs inclinados a citar )actores
situacionales y menos inclinados a citar )actores de disposici!n Due son observadores de tal
comportamiento$ &l eGtremo Due actores y observadores muestran di)erencias
correspondientes en su )oco de atenci!n S Due sini)ica# Due los actores atienden a
caractersticas relevantes de su medio ambiente mientras Due los observadores )ocaliFan su
atenci!n en los actores en s mismos S la eneraliFaci!n de =ones y *isbett llea a ser un caso
especial de atenci!n T eneraliFaci!n de la atribuci!n$ Ciertamente# la evidencia eGperimental
suiere Due por manipulaci!n del )oco de atenci!n# ! perspectiva# de los actores y
observadores# sus tendencias a citar causas de situaci!n versus causas de disposici!n pueden
iualmente ser manipulados 8por ejemplo# Storms# /620L 'aylor R ?is(e# /6219$
?inalmente# permtasenos considerar una )alla de in)erencia notada por ese astuto
detective T psic!loo de )icci!n S la tendencia a inorar el valor de inerencia de las no>
ocurrencias$ 'ales no>ocurrencias in)ormativas son eventos ! acciones Due no han ocurrido
en alAn conteGto# los cuales por no ocurrir de ese modo contienen potencialmente
importante in)ormaci!n 8c)$ "oss# /6229$ Ba relevancia especial de la relativamente baja
disponibilidad conitiva de las no>ocurrencias deberan ser claras$ Cuando uno investia !
considera candidatos causales# las no>ocurrencias son improbables de ser altamente salientes
! apropiadamente atendidasL concordantemente# uno no es apto para darles su)iciente peso en
contabiliFar para acciones observadas y resultados$ =ill es mCs probable Due atribuya la c!lera
de =ac( a alo Due ella ha NhechoO Due a alo Due ella ha )allado en hacer# simplemente
porDue la anterior es mCs apta de ser mCs saliente a ella Due la Altima$ Ciertamente#
asumiendo Due los pecados de omisi!n son aptos de ser menos salientes Due los pecados de
comisi!n# =ac( estC apto para cometer el mismo error en contabiliFar por su propia c!lera$
)l falso consenso el prejuicio de atribucin egoc-ntrico
El prejuicio no de motivaci!n# ! Nde in)ormaci!nO# a ser considerado en este captulo
relaciona a los estimados de consenso social de la ente S la )recuencia ! sinularidad
percibida de las varias respuestas Due ellos atestiuaron$ & di)erencia de los psic!loos
pro)esionales# Duienes se apoyan en bien de)inidas t;cnicas de muestreo y procedimientos
estadsticos para hacer tales estimados# la persona lea debe apoyarse sobre intuiciones e
impresiones subjetivas basadas sobre un limitado acceso a datos relevantes$ Bas posibilidades
de un prejuicio con tales estimados# y en las varias in)erencias sociales ! atribuciones Due
re)lejan tales estimados# son por lo tanto una lei!n$ El prejuicio espec)ico de atribuci!n Due
nosotros consideraremos aDu concierne a la tendencia de la ente a percibir un N)also
consensoO S Due sini)ica# ver sus propias escoencias de comportamiento y juicios como
relativamente comunes y apropiadas a las circunstancias eGistentes mientras visualiFan
respuestas alternativas como no comunes# eGtravaantes e inapropiadas$
//4
"e)erencias a la Natribuci!n eoc;ntricaO 8Heider# /617L =ones y *isbett# /62/9# a la
Nproyecci!n atributivaO 8Holmes# /6479# y a descubrimientos espec)icos y )en!menos
relacionados a prejuicios de )also consenso han aparecido esporCdicamente en las literaturas
de percepci!n social y atribuci!n 8c)$ KatF R &llport# /60/L Kelly R Stahels(i# /6239$ 'alveF
la mCs apremiante evidencia# sin embaro# ha sido proveda en una serie de estudios por
"oss# Ireene y House 8/6229$
En el primer estudio reportado# los sujetos leyeron descripciones de situaciones de
con)licto hipot;ticas del tipo Due ellos personalmente podran encarar y )ueron para 8a9
estimar la )recuencia de las dos posibles respuestas alternativasL 8b9 indicar la alternativa Due
ellos# personalmente# seuiranL 8c9 evaluar las caractersticas del NtpicoO individuo Due
seuira cada una de las dos alternativas espec)icas$
Bos estimados y clasi)icaciones demostraron el e)ecto de el N)also consensoOL los sujetos
estimaron Due la alternativa Due ellos escoieron sera relativamente mCs comAn Due la
alternativa no escoida$ Un obvio corolario a la proposici!n del )also consenso es Due el
psic!loo intuitivo juFa aDuellas respuestas Due di)ieren de la suya propia ser mCs
reveladora de las disposiciones estables de los actores Due aDuellas respuestas Due son
similares a la suya propia$ Bos datos de "oss# Ireene y House 8/6229 soportan ;sta
predicci!nL los sujetos hechos relativamente mCs con)iados y las predicciones eGtremas sobre
la persona tpica Due ejecutara la alternativa no escoida por el sujeto Due sobre la persona
tpica Due ejecutara la alternativa escoida por el sujeto$
El t;rmino relativo es crtico en ;sta )ormulaci!n del prejuicio del )also consenso y
reDuiere de aluna clari)icaci!n$ %bviamente# el hombre Due caminara sobre una cuerda
estirada entre dos rascacielos# lanFa una revoluci!n# ! escoe una vida de celibato clerical
reconoce Due su elecci!n sera compartida por pocos de sus compaEeros$ El prejuicio del
)also consenso# sin embaro# lo conducira a ver su elecci!n personal como menos
eGtravaante Due lo Due ellos nos pareceran a nosotros Duienes no caminaramos sobre
cuerdas estiradas# lanFaramos una revoluci!n ! llearamos a ser cl;rios c;libes$
Similarmente# la presente tesis concede Due para alunas cateoras de respuesta virtualmente
todos los estimados de los clasi)icadores pueden ser prejuiciados en la misma direcci!n$ Ba
incidencia del abuso in)antil# por ejemplo# podra ser subestimada por abuso y no>abuso de
los padres iualmente$ Bos t;rminos relativos de la hip!tesis del )also consenso conducen
solamente a la predicci!n de Due el abuso de los padres estima el abuso in)antil ser mCs
comAn y menos revelador de las disposiciones personales Due lo serC el no abuso de los
padres$
En una )inal demostraci!n por "oss y House 8/6229 la metodoloa del cuestionario
hipot;tico )ue abandonada y los sujetos )ueron con)rontados con un situaci!n de con)licto
real y consecuencial$ Bos sujetos )ueron reDueridos a caminar alrededor del campus
universitario por 03 minutos portando una ran pancarta con el siuiente mensaje NC%-&
E* B% DE =%EO$ El eGperimentador dej! claro a los sujetos Due ellos podan )Ccilmente
rehusarse a participar en el estudio de la pancarta pero Due ;l pre)erira Due participaran y de
ese modo Naprender alo interesante mientras ayudan al proyecto de investiaci!nO$ Bos
sujetos )ueron subsecuentemente reDueridos a tomar su propia decisi!n sobre tomar parte en
el estudio# para estimar las decisiones probables de otros# y a hacer in)erencias caractersticas
sobre compaEeros particulares Duienes concuerdan ! se rehusan a participar$
Bos resultados de usar ;sta situaci!n NrealN de con)licto 8'abla /9 con)irm! los
descubrimientos de estudios de cuestionarios anteriores tratando con respuestas hipot;ticas$
En eneral# los sujetos Due concordaron en llevar la pancarta estimaron Due el 4.W de sus
compaEeros haran la misma selecci!n$ Bos sujetos Due se rehusaron a portar la pancarta
estimaron Due solo un 00W de sus compaEeros cumpliran con el reDuerimiento del
//2
eGperimentador$ &demCs# como se predijo# el cumplimiento y el no>cumplimiento de
los
sujetos estCn en desacuerdo randemente en la relativa )ortaleFa de las in)erencias Due ellos
estuvieron dispuestos a hacer sobre un compaEero Due estC de acuerdo y uno Due se rehus! a
portar la pancarta$ Bos sujetos Due obedecieron hicieron in)erencias mCs con)iables y mCs
eGtremas sobre las caractersticas personales del compaEero Due no obedeci!L los sujetos Due
no obedecieron hicieron in)erencias mCs )uertes sobre el compaEero obediente$
&lunas amplias implicaciones de las demostraciones de "oss# Ireene y House 8/6229
para nuestra concepci!n del psic!loo intuitivo deberan estar claras$ Estimados leos de la
eGtravaancia y normalidad y el mont!n de ideas de in)erencias sociales y las respuestas
interpersonales Due acompaEan tales estimados# son sistemCticamente y eoc;ntricamente
prejuiciados de acuerdo con la propias selecciones de comportamiento de la persona lea$
-Cs eneralmente# es aparente Due los anClisis de atribuci!n pueden ser distorsionados no
solo por errores en el eventual anClisis de los datos sociales del psic!loo intuitivo sino
tambi;n por prejuicios anteriores en el muestreo ! estimaci!n de tales datos$
Jarios )actores no de motivaci!n parecen juar un papel en producir )alsos )en!menos de
conciencia$ Bo principal entre ;stos son 8a9 )actores selectivos de eGposici!n y
disponibilidad# y 8b9 )actores pertenecientes a la resoluci!n de ambieedad situacional$
?actores de eGposici!n selectiva sirviendo de )also consenso son justamente claras$
%bviamente# los conocemos y asociamos con la ente Due comparte nuestro conocimiento#
eGperiencias# intereses# valores y punto de vista$ 'ales entes lo hacen# en nAmeros
desproporcionados# responden como nosotros como nosotros lo haramos en una amplia
variedad de circunstancias$ Ciertamente# nuestra cercana asociaci!n estC determinada# en
parte# por sentimientos de consenso eneral# y podemos estar inclinados a evitar aDuellos de
Duienes creemos improbables de compartir nuestros juicios y respuestas$ Esta eGposicici!n a
una muestra prejuiciada de ente y comportamiento no demanda Due nosotros erremos en
nuestros estimados concernientes a las poblaciones relevantes# pero el comete tales errores
probablemente$ -Cs sutiles y mCs conitivos en carCcter son los )actores Due incrementan
nuestra habilidad para recordar# visualiFar ! imainar instancias paradimCticas del
comportamiento$ En una situaci!n dada los comportamientos espec)icos Due nosotros hemos
escoido ! podramos escoer son probables de ser mCs )Ccilmente recuperables de la
memoria y mCs )Ccilmente imainados Due los comportamientos opuestos$ En t;rminos de
Kahneman y 'vers(y 8/620# :9# las selecciones de comportamientos Due )avorecemos pueden
ser mCs conitivamente NdisponiblesO# y nosotros estamos aptos para ser enaEados por este
caso ! di)icultad de acceso en estimar la probabilidad de las opciones relevantes del
comportamiento$
Insertar en la pCina siuiente la 'abla / de la pCina /:. del teGto oriinal
Una seunda )uente de no motivaci!n del e)ecto del )also consenso sure de la respuesta
del psic!loo intuitivo a la ambieedad > ambos sobre la naturaleFa y manitud de las
)uerFas situacionales y sobre el sini)icado e implicaciones de varias respuestas alternativas$
Bos intentos por resolver tal ambieedad involucran interpretaci!n# estimaci!n y trabajo de
adivinaci!n# todos los cuales pueden ejercer un e)ecto paralelo sobre el comportamiento de
las selecciones del propio sujeto Due atribuye y sobre sus predicciones e in)erencias sobre las
selecciones de otros$ Por lo tanto# los sujetos Due anticiparon y temieron el ridculo de los
compaEeros por portar la pancarta NC%-& E* =%E@SO y Duienes consideraron los deseos y
eGpectativas de los eGperimentadores como triviales )ueron probables a rehusarse a portar la
//7
pancarta# para asumir similares neativas de sus compaEeros# y para sacar )uertes in)erencias
sobre las caractersticas de cualDuier sujeto Due escoja portar la pancarta$ Prioridades
opuestas# por supuesto# habran producido selecciones personales opuestas y estimados
sociales e in)erencias opuestas$
En resumen# en el prejuicio del )also consenso ambos re)lejan y crean distorsiones en el
proceso de atribuci!n$ "esulta del muestreo no>aleatorio y la recuperaci!n de evidencia y de
la resoluci!n ideosincrCsica de )actores y )uerFas situacionales ambiuas$ & su veF# el
prejuFa juicios sobre desviado y desviar y# mas eneralmente# promueve desviado y error
en la interpretaci!n de los )en!menos sociales$
Perseverancia en el creer al enrentar desa*os emp*ricos
Bas varias )allas del psic!loo intuitivo S aDuellas descritas en este captulo y otra parte 8ver
*isbett R "oss# /6739 S pueden conducirlo a sostener creencias sobre s miso# sobre otra
ente# ! aAn sobre la naturaleFa del mundo social# Due son prematuras y en muchos casos
err!neas$ -ientras ellas permanecen en privado y no actAen sobre tales creencias pueden
parecer inconsecuentes S meramente tentativas en naturaleFa y ajustables al nuevo insumo$
Un incremento radual del cuerpo de la teora y de la investiaci!n# sin embaro# pueden
ahora ser ordenadas para suerir lo contrario$
Parece Due las creencias S de relativamente estrechas impresiones naturales de las mCs
amplias teoras sociales S son eGtraordinariamente elCsticas al )rente de desa)os Due parecen
l!icamente devastadores$ Dos paradimas ilustran ;sta elasticidad$ Ba primera involucra la
capacidad de creer para sobrevivir y aAn ser )ortalecida por los nuevos datos# los cuales desde
un punto de vista )ormativo# conducira a la moderaci!n de tales creencias$ El seundo
involucra a la supervivencia de las creencias despu;s sus de evidencia oriinales han sido
neadas$
Perseverancia de la creencia y polarizacin al frente de los nuevos datos
Individuos# )acciones sociales# rupos de inter;s# y aAn naciones a menudo sostienen
di)erentes creencias sobre asuntos de presi!n social ! poltica$ 'ales diverencias de opini!n
son apenas sorprendentes$ Dadas la in)ormal y )recuentemente intuitivas bases sobre las
cuales tales opiniones son )ormuladas# y dado el papel Due las comunicaciones sociales 8a
menudo randemente prejuiciadas9 juean en )ormar nuestras creencias# desacuerdos
honestos son inevitables$ Pero# Du; pasa cuando a los poseedores de puntos de vista
di)erentes se les permite eGaminar la evidencia relevante S especialmente cuando esa
evidencia es relativamente )ormal en naturaleFa y es id;ntica para todos los partidos
relacionadosQ
Una eGpectativa optimista es Due las )acciones contendientes estrecharan el vaco entre
sus creencias$ Esta estrecheF podra consistir de cambios hacia posici!n justi)icada por la
evidencia relevante# si tal evidencia )uera consistente e impuestaL alternativamente# ella
podra consistir en cambios hacia una mayor moderaci!n ! tolerancia mutua# si la evidencia
relevante )uera meFclada ! inconclusa$ Una menor eGpectativa optimista es Due las )acciones
contendientes permaneceran inmoviliFadasL lo Due sini)ica# Due ellos haran caso omiso de
la nueva evidencia y se apoyaran rCpido en sus posiciones oriinales$ Un reciente
eGperimento de Bord# Bepper y "oss# 8/6269 suiere un aAn mCs descoraFonador resultado
//6
8descoraFonador# al menos# para aDuellos Due esperan ! suponen los datos objetivos del
cient)ico social amortieen los )ueos de la disputa social9$
Bord et al$ 8/6269 primero seleccionaron sujetos ya sea apoyaron la pena capital y la
creyeron ser un e)ectivo disuasivo 8proponentes9 ! se opusieron a la pena capital y la
creyeron no ser un disuasivo 8oponentes9$ & los sujetos se les present!# en un diseEo contra>
balanceado# con dos sini)icativamente aut;nticos estudios empricos$ Uno aparentemente
provey! apoyo emprico para su posici!nL el otro aparentemente se opuso a esa posici!n$ En
puntos estrat;icos en la lectura de ;stos dos estudios# los dos rupos completaron las
clasi)icaciones tratando ambos con sus evaluaciones de los dos estudios y con sus propios
cambios en actitudes y creencias$ Estas clasi)icaciones dramCticamente revelaron la
capacidad de los sostenedores de la teora para interpretar nueva evidencia de una manera
Due )ortalece y sostiene sus teoras$ Primero# ambos proponentes y opositores a la pena
capital consistentemente clasi)icaron el estudio Due apoyaba sus creencias como NmCs
convincenteO ! Nmejor conducidoODue el estudio Due se opona a esas creencias$ Seundo# y
en contraste con cualDuier estrateia normativa imainable para incorporar nueva evidencia
relevante a las creencias de uno# el e)ecto neto de leer los dos estudios )ue para polariFar mCs
las creencias de los oponentes y de los proponentes de la pena de muerte$ Ba manera en la
cual ;sta polariFaci!n ocurri! )ue particularmente iluminadora 8ver ?iura 09$ Sobre la lectura
de una breve declaraci!n de un resultado Due apoy! su propio punto de vista# las creencias de
los sujetos vino a ser considerablemente mCs eGtremaL ;stos cambios )ueron mantenidos !
incrementados cuando los sujetos consideraron los detalles sobre el procedimiento y los
datos$ En contraste# sobre la lectura de una breve declaraci!n del resultado Due se opona a su
propio punto de vista# los sujetos vinieron a ser solo lieramente eGtremosL y sobre la lectura
de los detalles relevantes concernientes a los procedimientos y los datos los sujetos tendieron
a revertir las creencias Due ellos haban sostenido antes siempre aprendiendo de la eGistencia
del estudio$ De hecho# muchos sujetos individuales Duienes haban ledo ambos el resumen
de resultados y los detalles de procedimiento de un estudio Due se opona a su creencia
ultimadamente vinieron a estar mCs convencidos de la correcci!n de esa creenciad 'ales
e)ectos no ocurrieron cuando los mismos resultados y procedimientos )ueron ledos por
sujetos cuyas opiniones iniciales )ueron apoyadas$
%bviamente# los cient)icos pro)esionales )recuentemente son culpables de la misma
o)ensa como los intuitivos$ Una y otra veF ven )acciones contendientes Due estCn
involucradas en disputas de escolaridad S ya sea Due ellos involucren los orenes del
universo# la lnea de ascendencia homnida# ! la eGistencia de prejuicios de atribuci!n
de)ensivos S sacan apoyo para sus diverentes opiniones del mismo cuerpo de
descubrimientos$ -Cs adelante en este captulo consideraremos los procesos subrayando tales
)en!menos en mCs detalle y comentaremos espec)icamente sobre el estatus normativo de la
disposici!n del cient)ico a procesar la evidencia a la luF de sus teoras y eGpectativas
eGistentes$ Primero es necesario considerar una seunda clase eneral de perseverancia de los
)en!menos$
Insertar a-u* la 4i#ura 1 de la p5#ina '7A del texto ori#inal(
?iura 0$ Panel superior< Cambios de actitud sobre la pena capital relativos al inicio
del eGperimento como )ue reportado a trav;s del tiempo por los sujetos Due recibieron
el estudio pro>disuasivo primero$ Panel in)erior< Cambios de actitud sobre la pena
capital relativos al inicio del eGperimento como )ue reportado a trav;s del tiempo por
los sujetos Due recibieron el estudio anti>disuasivo primero$
/.3
Perseverancia de la creencia despu-s de desacreditar la evidencia
El procedimiento empleado por "oss et al$# 8/6219 )ue muy directo$ Bos sujetos primero
recibieron continuas )alsas eGperiencias de c!mo ellos ejecutaron una tarea de novela de
discriminaci!n 8por ejemplo# distinuir notas de un aut;ntico suicida de unas )icticias9$ En el
primer eGperimento reportado este procedimiento )ue usado para manipular las percepciones
de los sujetos de su propio desenvolvimiento y habilidad$ Un seundo eGperimento introdujo
observadores# Duienes )ormaron impresiones sociales al tiempo Due atestiuaron la
manipulaci!n de la )alsa eGperiencia$ En ambos eGperimentos despu;s Due esta manipulaci!n
de las primeras impresiones haba sido completada# el eGperimentador totalmente desacredit!
la NevidenciaO sobre la cual las impresiones de los actores A observadores haba sido basada$
Espec)icamente# el actor 8sorprendido en el eGperimento . por el observador9 recibi! una
sesi!n standard de interroatorio en la cual ;l aprendi! Due su resultado putativo haba sido
predeterminado y Due su eGperiencia no haba sido totalmente relacionada al
desenvolvimiento actual$ &ntes de Due medidas de variables dependientes )ueran
introducidas# de hecho# cada sujeto )ue conducido a eGplcitamente reconocer su
entendimiento de la naturaleFa y prop!sito de la decepci!n eGperimental$
Siuiendo este total descr;dito de la in)ormaci!n oriinal# los sujetos completaron un
cuestionario de variable dependiente tratando con los desenvolvimientos y habilidades de los
actores$ Ba evidencia por la perseverancia de la impresi!n post>interroatorio )ue
ineDuvoca
'abla .$ Percepciones post.interrogatorio del desenvolvimiento y *abilidad del actor
Percepciones del observador
Percepciones propias del actor del actor
ooooooooooooooooooooooooooooo oooooooooooooooooooooooooooo
{Gito ?alla t {Gito ?alla t
Estimado inicial del
nAmero correcto /7$00 /.$00 1$6/KKK /6$33 /.$:. :$:0KKK
?uturo predicho
del nAmero correcto /7$00 /:$.1 :$.0KKK /6$37 /:$13 .$47K
Habilidad clasi)icada
en la tarea 1$33 0$70 .$41K 1$00 :$33 0$04KK
Kp ] $31$ KKp ] $3/$ KKKp ] $33/$
>uente< "esumido del EGperimento . de "oss# Bepper R Hubbard 8/6219$
para los actores y observadores tambi;n$ Sobre virtualmente cada medida 8por ejemplo#
objetivo de la ejecuci!n completada por el actor# estimados de ejecuci!n de un )uturo jueo
de problemas de discriminaci!n# y estimados subjetivos de las habilidades del actor9 el
resultado inicial totalmente desacreditado de la manipulaci!n produjo sini)icativos e)ectos
NresidualesO sobre las evaluaciones de los actores y observadores 8ver 'abla .$9$
Siuiendo los eGperimentos desde entonces mostraron Due una variedad de in)undadas
impresiones personales# una veF inducidas por procedimientos eGperimentales# pueden
sobrevivir una variedad de procedimientos totalmente desacreditados$ Por ejemplo# =ennins#
Bepper y "oss 8/6739 han demostrado Due las impresiones de los sujetos de su habilidad en
la persuasi!n interpersonal 8teniendo ellos ;Gito ! )alla para convencer a un aliado a donar
sanre9 pueden persistir despu;s Due ellos han aprendido Due el resultado inicial )ue
totalmente aut;ntico$ Similarmente# en dos eGperimentos relacionados Bepper# "oss y Bau
8/6269 han mostrado Due las impresiones err!neas de los estudiantes de sus Nhabilidades para
resolver problemas de l!icaO 8y sus selecciones acad;micas en una continuaci!n de la
/./
medida dos meses despu;s9 perseveraron aAn despu;s Due ellos haban aprendido Due los
procedimientos buenos ! pobres de enseEanFa proveyeron una totalmente su)iciente
eGplicaci!n para el ;Gito ! )racaso Due )ueron las bases para tales impresiones$
Perseverancia post.interrogatorio de las teor#as desacreditadas& Unas recientes series de
eGperimentos por &nderson# Bepper y "oss 8/6739 han eGtendido el dominio de las
demostraciones de perseverancia de las impresiones personales a mCs eGtensas creencias
sobre el mundo$ Bos estudios de &nderson et al$# primero manipulados y lueo intentados
para socavar las teoras de los sujetos sobre la relaci!n )uncional entre las dos variables
medidas< sobre la adecuaci!n del desenvolvimiento pro)esional de los bomberos y sus
anteriores punteos en una prueba de papel y lCpiF de la pre)erencia de rieso$ En una
particularmente variaci!n pertinente# la evidencia )ormativa consisti! de solo un par de casos
espec)icos S por ejemplo# un bombero eGitoso y uno no eGitoso con apropiadamente punteos
discrepantes en sus respectivas pruebas de toma de pre)erencias de rieso$ Interesantemente#
tales datos mnimos )ueron su)icientes para producir )uertes teoras# de parte de los sujetos#
sobre la probable relaci!n entre las medidas relevantes$ -Cs importante# sin embaro# )ue el
descubrimiento de Due tales teoras sobrevivieron las revelaciones Due los casos en cuesti!n
haban sido totalmente )icticios y los di)erentes sujetos haban# de hecho# recibido opuestos
emparejamientos de punteos de rieso y resultados del trabajo$ Ciertamente# cuando las
comparaciones )ueron hechas entre sujetos Due haban sido interroados y aDuellos Due no lo
haban sido# apareci! Due sobre el 13W del e)ecto inicial de la in)ormaci!n de la Nhistoria del
casoO permaneci! despu;s del interroatorio$
En resumen# estC claro Due las creencias pueden sobrevivir la l!ica potente ! los
desa)os empricos$ Ellas pueden sobrevivir y aAn ser re)orFadas por la evidencia Due la
mayora de los observadores no comprometidos estaran de acuerdo l!icamente con las
demandas de aluna debilidad de tales creencias$ Ellas pueden aAn sobrevivir la destrucci!n
total de sus prejuicios evidenciales oriinales$ -ientras mucho trabajo Dueda por hacer en
especi)icar los lmites precisos y eGplorar las eGcepciones inevitables a tales )en!menos# estC
claro Due los costos de los prejuicios de atribuci!n de la persona lea y otras )altas
in)erenciales no son aptas de ser correidas sino en su luar ser compuestas por la sub>
secuente eGperiencia y las deliberaciones$ Ba preunta Due al )inal debe ser diriida # por
consiuiente# es cmo y porqu- tal perseverancia ocurreQ Bo Due sini)ica# Due mecanismos
conitivos sirven de base a la no arantiFada persistencia de nuestras impresiones# creencias
y mCs amplias teoras sociales$
(ecanismos posibles que sirven de base a la perseverancia de la creencia
Investigacin prejuiciada$ recoleccin y asimilacin de informacin& Puede haber poca duda
de Due nuestras creencias in)luencian los procesos por los cuales buscamos# almacenamos e
interpretamos relevante in)ormaci!n$ Ciertamente# sin previo conocimiento y
preconcepciones correspondientes# nuestro entendimiento de la eGperiencia de cada da
demandara considerablemente mCs tiempo y es)uerFo y con toda probabilidad Due el
entendimiento sera randemente disminuido$ Pero una inevitable consecuencia de nuestra
disposici!n a la evidencia del proceso a la luF de nuestras eGperiencias previas es la tendencia
a percibir mCs apoyo para aDuellas creencias Due actualmente eGisten en la evidencia a mano$
'ales Nprejuicios de con)irmaci!nO 8vea Einhorn R Hoarth# /627L Hailton# /626# Hastie
R Kumar# /626L Hason R =ohnson>Baird# /62.9 han sido notadas de tiempo atrCs por los
)il!so)os de la ciencia 8por ejemplo# Bacon# /4.3T/6439$ 'alveF la mCs notable es la teora de
la respuesta del sostenedor de datos eDuvocos ! ambiuos$ Como Bord et al$ 8/6269 han
documentado# la evidencia potencialmente con)irmatoria es apta de ser tomada )rente al valor
/..
mientras Due la evidencia potencialmente descon)irmatoria estC sujeta al escrutinio altamente
crtico y esc;ptico$ Por tanto# siuen dos consecuencias< Primera# cualDuier patr!n de
evidencia procesada en ;ste estilo# aAn la evidencia Due es esencialmente aleatoria# tenderC a
apoyar la creencia inicial$ Seundo# una veF la evidencia ha sido procesada en ;ste estilo
ana la capacidad de sostener la creencia previa cuando esa creencia estC sujeta a una nueva
descon)irmaci!n emprica ! a los ataDues sobre sus oriinales bases evidenciales$
El papel de la asimilaci!n prejuiciada ha sido mostrado bastante convincentemente#
pensamos nosotros# para el caso donde la teora sostenida es con)rontada con nuevos datos
8por ejemplo# Bord et al$# /6269$ Pero el papel de este mecanismo en el descuento ! el
paradima del interroatorio es talveF menos obvio y estamos )orFados a apoyarnos en la
especulaci!n mCs Due en los datos di)ciles$ Suerimos Due el sujeto Due se )orma una
impresi!n inicial sobre s mismo# sobre otra persona ! sobre aluna relaci!n )uncional estC
apto para investiar su memoria y la situaci!n inmediata para datos relevantes adicionales de
esa impresi!n$ 'ales datos# entonces# estCn aptos para ser recordados y considerados como
pertinentes ! probativos solo en la medida Due ellos con)irmen la impresi!n a mano$ Por
tanto# un sujeto Due ha tenido ;Gito ! ha )allado en una tarea dada recuerda ;Gitos ! )allas
similares en tareas relacionadas S y decide sobre su relevancia para el caso presente S sobre
las bases de la conruencia de los resultados relevantes$ Similarmente# un sujeto Due ha
lleado a creer Due las variables M y , estCn )uncionalmente relacionadas recordarC# y darC
cr;dito a# casos Due con)irman mCs Due desa)an esa presunta relaci!n$ Una veF mCs# tal
investiaci!n prejuiciada# recolecci!n y asimilaci!n no solo estimulan la creencia inicial de
uno# ellas tambi;n sostienen la creencia en cuesti!n cuando su base inicial es atacada ! aAn
destruida$ Ba suposici!n crtica aDu es Due la ente constantemente no actualiFa ! re>evalAa
la evidencia relevante de sus creencias$ Ellas comAnmente no deciden Nahora Due mi
hip!tesis previa ha sido socavada un poco yo debo retornar y re>evaluar toda la evidencia Due
yo consider; a la luF de esa hip!tesisO$
La formacin de eplicaciones causales& Ba ente hace mCs Due meramente notar la
evidencia relevante de sus impresiones ! creencias$ Ellos tambi;n se ocupan de los anClisis !
eGplicaciones causales 8Heider# /6179$ Esto es# Due ellos tratan de tomar en cuenta las
caractersticas propias ! las de otros# ! por la relaci!n )uncional Due ellos han lleado a creer
Due eGiste$ Por lo tanto# el sujeto Due se cree a s misma una discriminadora superior !
in)erior del suicidio nota Due en el estudio de "oss et al$ 8/6219 podra investiar alAn
aspecto de su eGperiencia Due contara para tal talento ! de)iciencia$ Similarmente# Due es
inducido a creer en una positiva ! neativa relaci!n entre la habilidad de combatir el )ueo y
la pre)erencia de rieso tendrC poca di)icultad en postular una base l!ica para cualDuier
relaci!n$ Una veF mCs# este proceso no solo re)uerFa una impresi!n ! creencia iniciales# el
estC apto para sostener una impresi!n ! creencia de cara a subsecuenetes desa)os ! ataDues$
Ba evidencia para la operaci!n de este mecanismo de perseverancia viene primariamente
de dos estudios de interroaci!n demostrando Due cuando los sujetos son eGplcitamente
reDueridos a )ormular tales eGplicaciones# previas al interroatorio# la manitud del e)ecto de
perseverancia es incrementada$ En el estudio de &nderson et al$ 8/6739 un rupo de sujetos
)ue eGplcitamente instruido para eGplicar la relaci!n positiva ! neativa suerida por los dos
casos del bombero$ Como se predijo# ;sta manipulaci!n increment! randemente el e)ecto de
la perseverancia relevante$ De hecho# los sujetos Due eGplicaron las bases para una relaci!n
positiva ! neativa antes de ser interroados )ueron trivialmente menos ciertos de esa
relaci!n Due los sujetos Due no recibieron el interroatorio$ Similares resultados )ueron
obtenidos por "oss# Bepper# Strac( y SteinmetF 8/6229# Duienes encontraron Due los sujetos
inducidos a eGplicar los resultados en las vidas de los pacientes clnicos 8cuyo caso anterior
de las historias Due ellos haban ledo9 continuaron para considerar tales resultados como
/.0
relativamente probables aAn cuando ellos aprendieron Due los eventos eGplicados no )ueron
aut;nticos y haban sido inventados por el eGperimentador$
Confirmacin del comportamiento *iptesis <auto.completada=& Bos dos paradimas de
investiaci!n usados por "oss# Bepper y sus coleas para investiar )en!menos Due carecen
de un elemento Due puede ser crtico para muchas situaciones de la vida diaria$
Espec)icamente# los sujetos en esos estudios carecieron de la oportunidad de actuar sobre sus
creencias$ 'ales acciones son importantes parcialmente porDue ellas pueden incrementar los
costos psicol!icos ! NdisonanciaO 8?estiner# /6129 involucrados en cambiar las creencias
de uno 8c)$ &shore R Collins# /647L Collins R Hoyt# /62.L Hovland# Capbell R Broc(#
/6129$ &demCs# tales acciones crean nuevos datos relevantes para esas creencias$ *os solo
pueden ;stos nuevos datos ser procesados en una manera prejuiciada# pero los datos por s
mismos pueden tambi;n ser presjuiciados en una direcci!n Due tiende a con)irmar las
hip!tesis relevantes$
Ba idea de auto>con)irmar# ! auto>completar las hip!tesis no es una nueva para los
cient)icos$ Bos )amosos pero controversiales estudios NPymalionO de "osenthal y =acobson
8/6479# los cuales tratan con el impacto de las eGpectativas de los maestros sobre el
N)lorecimientoO de las habilidades y desenvolvimiento de sus estudiantes# es un caso puntual$
Sin embaro# unas recientes series de estudios por Snyder y sus coleas han
considerablemente avanFado nuestra apreciaci!n y entendimiento de tales )en!menos por
demostrar la manera en la cual las eGpectativas de los sujetos# ! de las hip!tesis Due son
conducidas para la prueba# pueden enerar Nsoporte objetivoO para esas eGpectativas !
hip!tesis 8por ejemplo# Snyder R S+ann# /627a# /627bL Snyder# 'an(e R Berscheid# /6229$
Comentarios concluyentes1 Las creencias cambian?
*uestra precedente discusi!n de los )en!menos y mecanismos podran no hacer Due el lector
perdiera la visi!n del hecho de Due las creencias sobre nosotros mismos# nuestros lderes
polticos# y aAn las teoras de nuestros cient)icos cambian$ En parte tal cambio puede ser
simplemente el resultado de la )uerFa bruta$ &An si los desa)os l!icos ! empricos tienen
menor impacto Due podra ser arantiFado por los estandares normativos 8ver "oss R Bepper#
/6739 ellos pueden aAn obtener el trabajo hecho$ En parte# tal hecho puede re)lejar el hecho
Due los m;todos )ormales de probar las hip!tesis alunas veces son empleados
deliberadamente para proteernos de los peliros de los m;todos in)ormales$ Pero
sospechamos Due hay mCs para la historia# porDue eGiste evidencia Due previas teoras
pueden alunas veces ser superadas sin masiva cantidad de descon)irmaci!n de la evidencia !
de decisivos bien controlados eGperimentos$ Por tanto# los cambios en perspectiva y creencia
Due pueden ser trabajados por vvida# concreta eGperiencia de primera mano 8ver *isbett R
"oss# /6739 y la e)ectividad de rupos y lderes Due cumplen polticas dramCticas !
conversiones reliiosas o)recen invitantes objetivos para la investiaci!n )utura$
/.:
'8( Impacto evidencial de clasiicaciones base
En muchos conteGtos la ente es reDuerida a evaluar la probabilidad de alAn objetivo de un
evento 8por ejemplo# el dian!stico de un paciente ! las ventas de un libro de teGto9 sobre las
bases de 8a9 la )recuencia de la base de clasi)icaci!n del resultado del objetivo en aluna
re)erencia relevante de la poblaci!n 8por ejemplo# la )recuencia de di)erentes dian!sticos !
la distribuci!n de las ventas de libros de teGto9L 8b9 aluna evidencia espec)ica sobre el caso
a la mano 8por ejemplo# la respuesta del paciente a una prueba dian!stica ! la tabla de
contenidos del teGto en cuesti!n9$
"elacionado con los datos de clasi)icaci!n base en las predicciones intuitivas sobre casos
individuales )ue eGpresado por -eehl R "osen 8/6119# Dui;n aruy!# usando la rela de
Bayes# Due las predicciones de resultado raro 8por ejemplo# el suicidio9 sobre las bases de
datos )alibles es una mayor )uente de error en la predicci!n clnica$ -eehl R "osen no
condujeron estudios eGperimentales pero ellos citaron ejemplos de la literatura sobre
dianosis clnica# en los cuales la in)ormaci!n de la clasi)icaci!n base no )ue tomada en
cuenta$
Este trabajo )ue auspiciado por la %)icina de Investiaci!n *aval bajo el contrato *333/:>26>C>3322 para la
Universidad de Stan)ord$
Para obtener una prueba eGperimental del impacto de los datos de clasi)icaci!n base#
nosotros presentamos sujetos con una descripci!n de un estudiante raduado# ! un
pro)esional# y les reDuerimos predecir su campo de estudio ! de su pro)esi!n#
respectivamente 8Kahneman R 'vers(y# /620# /620# :9$ Estos estudios mostraron Due los
juicios de probabilidad posterior )ueron determinados primariamente por el rado al cual la
descripci!n )ue similar a ! representativa del respectivo estereotipo pro)esional 8por ejemplo#
de bibliotecarios ! de aboados9$ Bas )recuencias de la clasi)icaci!n base de ;stas cateoras#
las cuales )ueron ya sea conocidas para los sujetos de su eGperiencia diaria ! establecidas
eGplcitamente en la preunta# randemente desatendidas$ 8*osotros usamos el t;rmino
desatender para describir situaciones en las cuales la clasi)icaci!n base es ya sea inorada !
sub>pesada9$
Bas predicciones por representatividad ! similaridad son eneralmente insensitivas a las
)recuencias de clasi)icaci!n base$ Sin embaro# el )en!meno de desatender la clasi)icaci!n
base es por mucho eneral# desde Due el ocurre en juicios Due no pueden ser )Ccilmente
interpretados en t;rminos de representatividad 8Hammerton# /6209$ Por ejemplo# Cassells#
Schoenberer y Irayboys 8/6279 presentaron 43 estudiantes y pro)esorado en la Escuela de
-edicina de Harvard con la siuiente preunta<
Si una prueba para detectar una en)ermedad cuya prevalencia es de /T/333 tiene una clasi)icaci!n
positiva )alsa del 1W# cuCl es la posibilidad de Due una persona Due encontr! tener un resultado
/.1
positivo actualmente tiene la en)ermedad# asumiendo Due usted no conoce nada de los sntomas !
sinos de la personaQ 8p$ 6669$
Ba respuesta mCs comAn # dada por casi la mitad de los participantes# )ue del 61W$ Ba
respuesta promedio )ue del 14W# y solo // participantes dieron la respuesta apropiada de .W#
asumiendo Due la prueba correctamente dianostica a cada persona Due padece la
en)ermedad$ Evidentemente# aAn encuestados altamente educados a menudo )allan al apreciar
la sini)icancia del resultado de la clasi)icaci!n base en problemas )ormales relativamente
simples 8ver# por ejemplo# Bar>Hillel# /673aL Byon R Slovic# /6249$ Bas crticas de -eehl R
"osen 8/6119 considerando las )allas para apreciar las clasi)icaciones base no estCn limitadas
a los psic!loos clnicosL ellos lo aplican a los )sicos y a otras entes tambi;n$
Bas condiciones bajo las cuales los datos de la clasi)icaci!n base son usados !
desatendidos han sido estudiadas eGtensivamente por los estudiantes de psicoloa social y de
juicio ^ver Borida R Bre((e 8/67/9 y Kassin 8/626b para revisiones de la literatura_$ Bas
variables independientes investiadas en ;stos estudios pueden ser divididas en dos tipos< de
procedimiento y de evidencia$ Bas variables de procedimiento se re)ieren a las propiedades
del diseEo# las tareas y la eGhibici!n# mientras Due las variables de evidencia se re)ieren a la
naturaleFa de la )uente y a la interpretaci!n de la evidencia$
Por ejemplo# una variable de procedimiento de considerable importancia es si el juicio
trata cada problema como un caso especial ! si se compromete en una tarea de predicciones
mAltiples$ Considerable evidencia de probabilidad y tareas relacionadas indican Due la ente
tiende a iualar la distribuci!n del criterio en hacer mAltiples predicciones# particularmente
en el patr!n de predicciones Due es representativo del resultado de la distribuci!n# los
eGperimentos usando repetidos juicios con la misma clasi)icaci!n base producen e)ectos de
clasi)icaci!n base mCs randes Due los eGperimentos en los Due cada juicio es tratado como
un problema especial 8ver Bar>Hillel R ?ischho))# /67/L -anis et al$# /6739$
%tra variable de procedimiento de inter;s es la di)erencia entre un diseEo adentro de los
sujetos y un diseEo entre los sujetos$ Por ejemplo# ?ischho))# Slovic R Bichtenstein 8/6269
mostr! Due los datos de clasi)icaci!n base tienen mCs impacto cuando las clasi)icaciones base
varan en los problemas presentados a cada sujeto Due cuando di)erentes clasi)icaciones base
son presentadas a di)erentes sujetos$ El procedimiento adentro de los sujetos# sin embaro#
induce una tendencia eneral a asinar un peso mCs alto al atributo variado# aAn cuando
normativamente irrelevante 8?ischho)) R Bar>Hillel# /6739$ Para mCs discusi!n del contraste
entre los diseEos comparativo 8adentro de los sujetos9 y el no comparativo 8entre los sujetos9
y sus implicaciones para la prueba de las instituciones estadsticas leas# vea el Captulo 0:$
&unDue las variables de procedimiento tienen un considerable e)ecto# el presente captulo
estC con)inado para la discusi!n de variables de evidencia Due controlan la interpretaci!n y el
impacto de los datos de clasi)icaci!n base$ Espec)icamente# nosotros nos )ocaliFamos en la
distinci!n entre dos tipos de clasi)icaciones base# los cuales etiDuetamos causales e
incidentales$
Clasiicaciones base causales e incidentales
Una clasi)icaci!n base causal si ella suiere la eGistencia de un )actor causal Due eGplica
por Du; cualDuier instancia particular es mCs probable de producir un resultado mCs Due otro$
Una clasi)icaci!n base es llamada incidental si ella no conduce a tal in)erencia$
Una demostraci!n obliatoria del contraste entre clasi)icaciones base causales e
incidentales )ue presentado por &jFen 8/6229$ En un eGperimento# los encuestados evaluaron
/.4
la probabilidad Due un estudiante# cuya habilidad acad;mica )ue brevemente descrita# haba
pasado un eGamen particular$ Ba clasi)icaci!n base causal )ue presentada como siue<
Hace dos aEos# un eGamen )inal )ue dado en un curso en la Universidad de ,ale$ &lrededor del 21W
de los estudiantes )allaron 8pasaron9 el eGamen$
Ba clasi)icaci!n base es causal porDue implica Due el eGamen )ue eGcepcionalmente
di)cil 8si el 21W de los estudiantes )allaron9 ! relativamente )Ccil 8si el 21W de los
estudiantes pasaron9$ Ba causa in)erida 8por ejemplo# la di)icultad del eGamen9 NeGplicaO la
clasi)icaci!n base y hace de cada estudiante individual menos 8! mCs9 probable de pasar el
eGamen$
Ba clasi)icaci!n base incidental )ue presentada como siue<
Hace dos aEos# un eGamen )inal )ue dado en un curso en la Universidad de ,ale$ Un psic!loo de la
educaci!n interesado en el loro escolCstico entrevist! a un ran nAmero de estudiantes Duienes
haban tomado el curso$ Puesto Due ;l estuvo primariamente relacionado con las reacciones al ;Gito
8)alla9# ;l principalmente seleccion! a los estudiantes Due haban 8)allado9 el eGamen$
Espec)icamente# alrededor del 21W de los estudiantes en su muestra haba pasado 8)allado9 el
eGamen$
Esta clasi)icaci!n base es incidental# ! no causal# porDue la proporci!n de estudiantes
eGitosos y no>eGitosos en la muestra )ue seleccionada arbitrariamente por el investiador$ &
di)erencia de la clasi)icaci!n base causal# no permite cualDuier in)erencia con relaci!n a la
di)icultad del eGamen$
El estudio de &jFen 8/6229 mostr! Due la clasi)icaci!n base causal )ue mucho mCs
potente Due la incidental# aunDue variaciones de ambos tipos de clasi)icaci!n base produjeron
e)ectos sini)icantes$ Para la clasi)icaci!n base causal# ;l juF! la probabilidad del ;Gito
8promediada a trav;s de descripciones9 )ue mCs alta por $0: cuando la clasi)icaci!n base de
;Gito )ue alta Due cuando ella )ue baja$ Para la clasi)icaci!n base incidental# la
correspondiente di)erencia )ue de solo $/.$ En los t;rminos del presente anClisis# el caso !
di)icultad de un eGamen es una de las causas contributivas Due a)ectan el desenvolvimiento
del estudiante# y es por consiuiente interada con otras causas contributivas# tales como la
inteliencia y la motivaci!n del estudiante en cuesti!n$
Ba clasi)icaci!n base del ;Gito )ue usada en el estudio precedente para de)inir un eGamen
como )Ccil ! di)cil$ En un seundo estudio# la clasi)icaci!n base de pre)erencias )ue usada
para de)inir opciones como mCs ! menos atractiva 8&jFen# /6229$ Bos sujetos )ueron
reDueridos a evaluar la probabilidad Due los estudiantes para Duienes un s(etch de
personalidad )ue provedo escoeran ya sea historia ! econ!micas como un e)ectivo curso de
inter;s eneral$ Ba clasi)icaci!n base causal# la cual sirvi! a las proporciones de estudiantes
enrolados en los dos cursos 8$23 y $039$ Ba clasi)icaci!n base incidental )ue introducida como
siue<
Para obtener la reacci!n del estudiante# el pro)esor de historia 8econ!micas9 recientemente entrevist!
a 23 estudiantes Due haban tomado su curso de inter;s eneral en historia 8econ!micas9$ En orden de
)acilitar las comparaciones# ;l tambi;n entrevist! a 03 estudiantes Due haban tomado el curso de
econ!micas 8historia9$
*ote Due a di)erencia de la clasi)icaci!n base causal# la versi!n incidental provee
in)ormaci!n sobre la popularidad de los dos cursos$ El e)ecto de la clasi)icaci!n base
incidental no )ue sini)icante en este estudio# aunDue eGisti! una di)erencia de probabilidad
de $3.1 en la direcci!n esperada$ En contraste# la clasi)icaci!n base causal tuvo un )uerte
/.2
e)ecto< Ba probabilidad media juFada de la escoencia )ue de $41 para un curso popular
8clasi)icaci!n base alta9 y de $04 para un curso impopular 8clasi)icaci!n base baja9$
Evidentemente# el atractivo de un curso es in)erido de una clasi)icaci!n base de escoencias y
estC interado con caractersticas personales en evaluar la probabilidad de Due un estudiante
particular seleccionarC un curso mejor Due otro$ Desde el punto de vista de una normativa#
sin embaro# las clasi)icaciones base causales e incidentales en ;stos ejemplos tendran
aproGimadamente e)ectos comparables$
*uestro siuiente ejemplo ilustra un tipo di)erente de clasi)icaci!n base causalL el
tambi;n permite el cClculo de la probabilidad correcta posterior bajo suposiciones raFonables$
Considere la versi!n modi)icada siuiente del problema del taGi# oriinalmente introducido
por Kahneman y 'vers(y 8/62.a9 y mCs tarde investiado por Bar>Hillel 8/673a9# y 'vers(y
y Kahneman 8/673# 79$
Un taGi se vio involucrado en un accidente en la noche y se dio a la )ua$ Dos compaEas de taGis# la
Jerde y la &Ful# operan en la ciudad$ & usted se le estCn dando los siuientes datos<
8a9 71W de los taGis de la ciudad son verdes y el /1W son &Fules$
8b9 Un testio identi)ic! el taGi como &Ful$ Ba corte investi! la con)iabilidad del testio bajo la
mismas circunstancias Due eGistieron en la noche del accidente y concluy! Due el testio identi)ic!
cada uno de los dos colores 73W del tiempo y )all! el .3W del tiempo$
CuCl es la probabilidad de Due el taGi involucrado en el accidente )uera &Ful mCs Due JerdeQ
Para obtener la respuesta correcta# haamos Due B y I denoten respectivamente la
hip!tesis Due el taGi involucrado en el accidente )uera &Ful ! Jerde# y haamos Due H sea el
reporte del testio$ Por la rela de Bayes en )orma de probabilidades# con posibilidades
previas de /1T71 y una proporci!n de probabilidad 73T.3#
P8BTH9TP8ITH9 [ P8HTB9P8B9TPTHTI9P8I9
[ 8$798$/19T8$.98$719 [ /.T/2
y por lo tanto
P8BTH9 [ /.T8/. l /29 [ :
& pesar del reporte del testio# por consiuiente# el taGi causante del accidente y huir del
luar es mCs probable Due sea Jerde Due &Ful# porDue la clasi)icaci!n base es mCs eGtrema
Due la credibilidad del testio$
Un ran nAmero de sujetos haban sido presentados con versiones lieramente di)erentes
de este problema# con resultados muy consistentes$ Ba media y modal respuesta es
tpicamente $73# un valor Due coincide con la credibilidad del testio y es aparentemente no
a)ectada por la )recuencia relativa de taGis &Fules y Jerdes$
Ba in)ormaci!n de clasi)icaci!n base# sin embaro# )ue utiliFada en la ausencia de datos
del caso$ Cuando el tem 8b9 )ue omitido de la preunta# casi todos los sujetos dieron la
clasi)icaci!n base 8/$19 como su respuesta$ &demCs la clasi)icaci!n base control! la
eGpectativa de los sujetos sobre la evidencia$ Un di)erente rupo de sujetos )ue presentado
con el problema de arriba eGcepto Due la )rase Nun testio identi)ic! al taGi como &FulO )ue
reemplaFada por Nun testio identi)ic! el color del taGiO$ & estos entrevistados se les preunt!
lueo# NCuCl es la probabilidad de Due el testio identi)ic! el taGi como &FulQO Ba respuesta
media y modal a ;sta preunta )ue $/1$ *ote Due la respuesta correcta es $. G $71 l $7 G $/1 [ $
.6$ En ausencia de otros datos# por consiuiente# la clasi)icaci!n base )ue usada
apropiadamente para predecir el resultado del objetivo e inapropiadamente para predecir le
reporte del testio$
/.7
Un di)erente patr!n de juicios )ue observado cuando la clasi)icaci!n base incidental 8de
los taGis9 )ue remplaFada por una clasi)icaci!n base causal 8del accidente9$ Esto )ue realiFado
por el replaFo del tem 8a9 con
8a@9 &unDue las dos compaEas son aproGimadamente iuales en tamaEo# 71W de los accidentes
de taGis en la ciudad involucran a los taGis Jerdes y un /1W involucran a los taGis &Fules$
Bas respuestas a este problema )ueron altamente variables# pero la clasi)icaci!n base ya
no )ue inorada$ Ba respuesta media )ue $43 la cual se basa entre la con)iabilidad del testio
8$739 y la respuesta correcta 8$:/9$ Ba clasi)icaci!n base en 8a@9 es causal porDue la di)erencia
en clasi)icaciones de accidentes entre compaEas de iual tamaEo )Ccilmente provoca la
in)erencia Due los pilotos de los taGis Jerdes son mCs imprudentes Due los pilotos de los
taGis &Fules$ Esta in)erencia cuenta para el di)erencial de clasi)icaciones base de los
accidentes e implica Due cualDuier taGi Jerde es mCs probable de estar involucrado en un
accidente Due cualDuier taGi &Ful$ En contraste# la clasi)icaci!n base en 8a9 es incidental
porDue la di)erencia entre el nAmero de taGis Jerdes y &Fules en la ciudad no justi)ica una
in)erencia causal Due haa Due cualDuier taGi Jerde tena mCs probabilidad de estar
involucrado en un accidente Due cualDuier taGi &Ful en particular$
*ote Due de acuerdo al presente anClisis la probabilidad posterior de Due el taGi errante
sea &Ful mCs Due Jerde es la misma bajo ambas 8a9 y 8a@9$ & pesar de eso la correlaci!n entre
el color del taGi y el involucramiento en accidentes es 3 para la clasi)icaci!n base incidental y
$2 para la causal$ Este hecho estadstico re)leja la di)erencia entre las dos clasi)icaciones base
y ayuda a eGplicar por Du; la clasi)icaci!n base causal es utiliFada mientras la clasi)icaci!n
base incidental es inorada$
Itras variables evidenciales
Ba naturaleFa causal ! incidental de los datos de clasi)icaci!n base nos es la Anica evidencia
variable Due a)ecta su impacto en los juicios intuitivos$ &An en la ausencia de una
interpretaci!n causal# ! incoherentes datos del caso$ Por ejemplo# Bar>Hillel 8/673a9 estudi!
una versi!n oriinal del problema del taGi en el cual la in)ormaci!n sobre el testio 8tem b9
)ue reemplaFada por un reporte en Due el taGi del accidente )ue eDuipado con
intercomunicador y Due los intercomunicadores son instalados en el 73W de los taGis Jerdes
y en un .3W de los taGis &Fules$ En este problema# la clasi)icaci!n base incidental no )ue
descartada# y la respuesta media )ue de $:7$ Bar>Hillel suiri! Due la evidencia en relaci!n al
intercomunicador no reemplaFaba a la clasi)icaci!n base porDue es menos espec)ica Due una
identi)icaci!n por un testio$ Por lo tanto# los datos de la clasi)icaci!n base estCn combinados
con otra evidencia ya sea cuando la anterior tena una interpretaci!n causal ! cuando las
Altimas no son mCs espec)icas Due la clasi)icaci!n base 8 Bar>Hillel# /673a9$
&mbas espec)icamente y causalmente pueden ayudar a eGplicar la di)erencia entre los
resultados de Kahneman y 'vers(y 8/620# :9# Duienes encontraron un esencial
incumplimiento de la clasi)icaci!n base en predecir el campo de estudio de un estudiante
sobre las bases de un esDuema de personalidad# y los resultados de -cCauley y Stitt 8/6279#
Duienes encontraron una sustancial correlaci!n entre las clasi)icaciones base juFadas de
rasos y las probabilidades juFadas de estos rasos dada una nacionalidad particular# por
ejemplo# la probabilidad Due una persona es e)iciente si ella es alemana$ &parte de varias
di)erencias de procedimiento# el Altimo estudio di)iere del primero en tres aspectos
importantes$ Primero# los sujetos )ueron reDueridos a predecir la )recuencia relativa 8por
ejemplo# la proporci!n de alemanes Due son e)icientes9 mCs Due la probabilidad para un caso
individual$ Seundo# la evidencia consisti! en la clase de miembro# por ejemplo# alemCn mCs
/.6
Due descripciones detalladas de un individuo espec)ico$ 'ercero# la )recuencia de la
clasi)icaci!n base de los rasos puede ser mCs )Ccil de interpretar causalmente Due esa de
pro)esiones$ 'eoras leas de personalidad suieren raFones del por Du; la mayora de la
ente es alere y cariEosa y solo unos pocos son masoDuistas$ Estas raFones se aplican a la
ente en eneral y a los alemanes en particular# de ese modo proveyendo una interpretaci!n
causal de la clasi)icaci!n base de los rasos$
Una situaci!n de especial inter;s se re)iere a evidencia espec)ica pero no dian!stica
8por ejemplo# una descripci!n de una persona Due es iualmente similar a un ineniero y a un
aboado9$ Bos descubrimientos eGperimentales aDu no son enteramente consistentes$
Kahneman y 'vers(y 8/620# :9 encontraron descuido en la clasi)icaci!n base# mientras
Iinosar y 'rope 8/6739 encontraron eGclusiva con)ianFa en la clasi)icaci!n base bajo
aparentemente similares condiciones eGperimentales$ Ba mayora de los estudios# sin
embaro# obtuvieron resultados intermedios donde la clasi)icaci!n base no )ue descartada
sino mCs bien diluida por la evidencia dian!stica sobre el caso a la mano 8vea por ejemplo#
-anis et al$# /673L Hells T Harvey# /6229$
$tribuciones internas versus atribuciones externas
Una clase de problemas de clasi)icaci!n base de particular inter;s para los psic!loos
sociales sure cuando la evidencia y la clasi)icaci!n base se re)ieren respectivamente a
)actores de disposici!n interna y a )actores de situaci!n eGterna Due a)ectan un resultado$ El
;Gito de un estudiante en un eGamen# por ejemplo# estC determinado juntamente por la
di)icultad del eGamen y por el talento del estudiante$ Similarmente# la respuesta de uno de
donar dinero para una causa particular depende de la enerosidad de uno y de la naturaleFa
del reDuerimiento$ ?actores eGternos tales como la di)icultad de un eGamen ! la e)ectividad
del reDuerimiento# son naturalmente eGpresados por las clasi)icaciones base relevantes 8por el
ejemplo# el 21W de los estudiantes )allaron el eGamenL la mayora de la ente contribuy! a la
causa9$ Ba preunta relacionada al impacto relativo de )actores de situaci!n y de disposici!n
en la atribuci!n social pueden# por tanto ser re)ormulados en t;rminos del peso Due es
asinado a las clasi)icaciones base correspondientes$
*isbett R Borida )ueron los primeros en eGplorar la uni!n entre el uso de la in)ormaci!n
de la clasi)icaci!n base en la investiaci!n del juicio y el peso relativo de los )actores de
situaci!n en el estudio de atribuci!n del comportamiento$ Ellos mostraron Due el
conocimiento de la baja )recuencia del comportamiento de ayuda en el estudio de Darley>
Batan; 8/6479 no a)ect! las predicciones de los sujetos del comportamiento de un
participante individual en el estudio# Due )ue observado en una breve entrevista )ilmada$ El
estudio de *isbett y Borida 8/6219 contribuy! as la converencia de las aproGimaciones
psicol!icas conitivas y sociales para el estudio del juicio$ El tambi;n provoc! controversia
8Borida# /627L Hells R Harvey# /622# /6279 y estimul! un )renes de investiaci!n sobre el
papel de la in)ormaci!n de consenso en la predicci!n del comportamiento 8Broida R
Bre((e# /67/LKasin# /626bL *isbett R "oss# /673L "oss# /6229$
En contraste con los ejemplos del eGamen y los taGis# en los cuales clasi)icaciones base
causales e incidentales son claramente distinuidas# las clasi)icaciones base en muchos
estudios de consenso estCn sujetos a interpretaciones alternativas$ Para ilustrar el punto#
permtasenos comparar el estudio de *isbett y Borida 8/6219 con la condici!n causal de la
clasi)icaci!n base en el eGperimento de &jFen 8/6229# donde los sujetos evaluaron la
probabilidad de Due un estudiante particular paso un eGamen Due el 21W de la clase haba
)allado$ Ba estructura )ormal de los dos problemas es precisamente la misma# pero la
clasi)icaci!n base )ue randemente inorada en el primer estudio y usada en el Altimo$ Parece
/03
Due a la sorprendente clasi)icaci!n base le )ue dada una interpretaci!n de situaci!n en el
estudio de &jFen pero )ue interpretada como un accidente del muestreo en el estudio de
*isbett R Broida$
Bos juicios de los sujetos de &jFen indican Due ellos dedujeron de la clasi)icaci!n base
baja de ;Gito Due el eGamen haba sido di)cil# aunDue ellos podran haber usado la misma
evidencia para concluir Due los estudiantes Due tomaron la prueba )ueron ineptos$ En
contraste# los sujetos de *isbett y Borida aparentemente dedujeron Due los participantes en
el estudio de ayuda )ueron mayoritariamente brutos insensibles 8Hells R Harvey# /6229$
Ellos no sacaron la conclusi!n correcta Due el estudio de Darley>Batan; no es conducente al
comportamiento de ayuda$
,a sea Due una clasi)icaci!n base eGtrema sea atribuida a un accidente en el muestreo ! a
)actores de situaci!n depende del conteGto del problema< Es mCs entendible Due una
distribuci!n inusual de los resultados de la prueba sea debida a la di)icultad 8! )acilidad9 de
un eGamen Due a la eGcepcional composici!n de la clase$ Por otro lado es mCs di)cil revisar
la concepci!n de uno sobre las condiciones bajo las cuales la ente ayuda a un desconocido
a)ectado Due asumir Due los participantes en el estudio de ayuda )ueron eGcepcionalmente
inAtiles$
El aparente descuido en los datos de clasi)icaci!n base en las predicciones sobre casos
individuales estC asociado con una in)erencia sobre caractersticas inusuales de los miembros
del rupo$ Una interpretaci!n causal de la clasi)icaci!n base viene a ser mCs probable si ;sta
in)erencia es bloDueada$ Esta hip!tesis ha sido soportada por varios estudios# los cuales
restauran el e)ecto de una clasi)icaci!n base recalcando la representatividad de una muestra
en la cual sorprendentes comportamientos haban sido observados 8Hansen R Donohue#
/622L Hansen R Bo+e# /624L Hells R Harvey# /6279$ El impacto de los datos de
clasi)icaci!n base )ue aAn incrementado por un estudio al in)ormar a los sujetos Due la
muestra por la cual las clasi)icaciones base )ueron provedas )ue rande y por consiuiente
con)iable 8Kassin# /626a9$ Ba mayor conclusi!n de esta investiaci!n es Due el uso !
incumplimiento de la in)ormaci!n de consenso en la predicci!n individual depende
crticamente de la interpretaci!n de esa in)ormaci!n$
/0/
Parte IV
Disponibilidad
$$$$$$$$$$$$$
/0.
''( Disponibilidad: 3na ;eur*stica para ju!#ar la
recuencia y la probabilidad
Introduccin
-ucha investiaci!n reciente ha estado relacionada con la valideF y consistencia de la
)recuencia y probabilidad de los juicios$ Poco es conocido# sin embaro# sobre los
mecanismos psicol!icos por los cuales la ente evalAa la )recuencia de clases ! la
probabilidad de eventos$
*osotros proponemos Due cuando encarados con la di)cil tarea de juFar la probabilidad
! )recuencia# la ente emplea un limitado nAmero de heursticas las cuales reducen estos
juicios a unos mCs simples$ Donde Duiera hemos analiFado en detalle una
heurstica S la representatividad$ Por esta heurstica# un evento es juFado probable al
eGtremo Due ella representa las caractersticas esenciales de su poblaci!n de orien ! proceso
enerador$ $ $ $
Cuando se estC juFando la probabilidad de un evento por la representatividad# uno
compara las caractersticas esenciales del evento con aDuellas de la estructura de la cual ella
se oriina$ De esta manera# uno estima la probabilidad por evaluaci!n de la similitud ! la
distancia connotativa$ &lternativamente# uno puede estimar la probabilidad por evaluaci!n de
la disponibilidad# ! distancia asociativa$ Desde siempre la eGperiencia nos ha enseEado Due
las instancias de clases randes son recordadas mejor y mCs rCpido Due las instancias de
clases menos )recuentes# Due las ocurrencias probables son mCs )Cciles de imainar Due las
improbables# y Due las coneGiones asociativas son re)orFadas cuando dos eventos
)recuentemente co>ocurren$ Por lo tanto# una persona podra estimar la numerosidad de una
clase# la probabilidad de un evento# ! la )recuencia de co>ocurrencias por la evaluaci!n de la
)acilidad con la cual la operaci!n mental de recuperaci!n# construcci!n ! asociaci!n puede
ser llevada a cabo$ Por ejemplo# uno puede evaluar la tasa del divorcio en una comunidad
dada recordando los divorcios entre los conocidos de unoL uno puede evaluar la probabilidad
Due un poltico perderC una elecci!n considerando varias )ormas en Due ;l puede perder
apoyoL y uno puede evaluar la probabilidad de Due una persona violenta NverCO bestias de
presa en una tarjeta "orschach evaluando la )ortaleFa de asociaci!n entre violencia y bestias
Este captulo es una versi!n abreviada de un trabajo Due apareci! en Psicolog#a Cognitiva# /620# :# .32>.0.$
Derechos de &utor 5 /62. por &cademic Press# Inc$ "eproducido con premiso
/00
de presa$ En todos los casos la estimaci!n de la )recuencia de una clase ! la probabilidad de
un evento es mediada por una evaluaci!n de disponibilidad$
'
Se dice Due una persona
emplea la disponibilidad heurstica siempre Due ;l estime la )recuencia ! la probabilidad por
la )acilidad con Due las instancias ! asociaciones podran ser tradas a la mente$ Para evaluar
la disponibilidad no es necesario evaluar la )acilidad con la cual ;stas operaciones podran ser
ejecutadas# tanto como la di)icultad de un rompecabeFas ! un problema matemCtico puede
ser evaluado sin considerar soluciones espec)icas$
Esos vnculos asociativos Due estCn re)orFados por repetici!n es talveF la ley mCs antiua
de memoria conocida para el hombre$ Ba disponibilidad heurstica eGplota el inverso de
;sta ley# Due sini)ica# Due ella utiliFa la )ortaleFa de asociaci!n como unas bases para el
juicio de )recuencia$ En ;sta teora# la disponibilidad es una variable mediadora# mCs Due una
variable dependiente como es tpicamente el caso en el estudio de la memoria$ Ba
disponibilidad es una ecol!icamente vClida clave para el juicio de la )recuencia porDue# en
eneral# los eventos )recuentes son mCs )Cciles de recordar ! imainar Due los poco
)recuentes$ Sin embaro# la disponibilidad es tambi;n a)ectada por varios )actores los cuales
no estCn relacionados a la )recuencia actual$ Si la disponibilidad heurstica es aplicada#
entonces tales )actores a)ectarCn la )recuencia percibida de clases y la probabilidad subjetiva
de los eventos$ Consecuentemente# el uso de la disponibilidad heurstica conduce a prejuicios
sistemCticos$
Este trabajo eGplora la disponibilidad heurstica en una serie de dieF estudios$
+
Primero
demostramos Due la ente puede evaluar la disponibilidad con raFonable velocidad y
eGactitud$ Bueo# mostramos Due la )recuencia de clases juFada es prejuiciada por la
disponibilidad de sus instancias para construcci!n y recuperaci!n$ Bos estudios
eGperimentales de este trabajo estCn relacionados con los juicios de las )recuencias# ! de
probabilidades Due pueden ser rCpidamente reducidas a )recuencias relativas$ Bos e)ectos de
la disponibilidad sobre las probabilidades juFadas de eventos esencialmente Anicos 8los
cuales no pueden ser reducidos a )recuencias relativas9 son discutidos en la Duinta y )inal
secci!n$
Evaluaciones de disponibilidad
)studio /< Construccin
Bos sujetos 8* [ :.9 )ueron presentados con una serie de problemas de construcci!n de palabra$ Cada
problema de una matriF de 0 G 0 conteniendo nueve letras de las cuales las palabras de tres letras !
mCs tuvieron Due ser construidas$ En la )ase de entrenamiento del estudio# seis problemas )ueron
presentados a todos los sujetos$ Para cada problema se les dio 2 seundos para estimar el nAmero
de palabras Due ellos creyeron Due podran producir en . minutos$ Siuiendo a cada
estimaci!n# se les dio dos minutos para escribir 8sobre lneas numeradas9 tantas palabras
como ellos podan construir de las letras en la matriF$ Bos datos de la )ase de entrenamiento
)ueron descartados$ En la )ase de la prueba# las tareas de construcci!n y estimaci!n )ueron
separadas$ Cada sujeto estim! para ocho problemas el nAmero de palabras Due el crey! Due
poda producir en . minutos$ Para otros ocho problemas# ;l construy! palabras sin previa
/
El presente uso del t;rmino NdisponibilidadO no coincide con alunos usos de este t;rmino en el aprendiFaje
de la literatura verbal 8vea# por ejemplo# Horo+itF# *orman R Day# /644L 'ulvin R Pearlstone# /6449$
.
&proGimadamente /133 sujetos participaron en estos estudios$ & menos Due de otra manera especi)icado# los
estudios )ueron conducidos en rupos de .3>:3 sujetos$ Bos sujetos en estudios /# .# 0# 6 y /3 )ueron reclutados
por anuncios en el peri!dico del estudiante de la Universidad de %reon$ Bos sujetos en el estudio 7 )ueron
similarmente reclutados en la Universidad de Stan)ord$ Bos sujetos en los estudios 1# 4 y 2 )ueron estudiantes
del /3|$ , //|$ Irados de varias escuelas preparatorias de secundaria en Israel$
/0:
estimaci!n$ Bos problemas de estimaci!n y construcci!n )ueron alternados$ Dos )olletos
paralelos )ueron usados# de tal manera Due por cada problema la mitad de los sujetos
estimaron y la mitad de los sujetos construyeron palabras$
!esultados& El nAmero medio de palabras producidas variaron de /$0 8para MUg%*BC=-9 a
..$: 8para '&PCE"H%B9# con una ran media de //$6$ El nAmero medio estimado vari! de
:$6 a /4$3 8para los mismos dos problemas9# con una ran media de /3$0$ Ba correlaci!n
producto>momento entre la estimaci!n y la producci!n# sobre los dieciseis problemas# )ue de
3$64$
)studio .< !ecuperacin
El diseEo y procedimiento )ueron id;nticos para el estudio /# eGcepto por la naturaleFa de la
tarea$ &Du# cada problema consisti! de una cateora# por ejemplo# flores ! novelistas rusos#
cuyas instancias tuvieron Due ser recordadas$ & los sujetos 8* [ .79 les )ueron dados 2
seundos para estimar el nAmero de instancias Due ellos podan recuperar en . minutos# ! .
minutos para actualmente recuperar las instancias$ Como en el Estudio /# las tareas de
producci!n y estimaci!n )ueron combinadas en la )ase de entrenamiento y alternadas en la
)ase de la prueba$
!esultados$ El nAmero medio de instancias producidas vari! de :$/ 8nombres de ciudades
comenFando con ?9 a .0$2 8animales de cuatro patas9# con una ran media de //$2$ El nAmero
medio estimado vari! de 4$2 a /7$2 8para las mismas dos cateoras9# con una ran media de
/3$7$ Ba correlaci!n producto>momento entre producci!n y estimaci!n sobre las /4
cateoras )ue de 3$60$
%iscusin
En los estudios de arriba# la disponibilidad de instancias podra ser medida por el nAmero
total de instancias recuperadas ! construidas en cualDuier problema dado$
0
Bos estudios
muestran Due la ente puede evaluar la disponibilidad rCpida y eGactamente$ C!mo son tales
evaluaciones llevadas a caboQ Un mecanismo plausible es suerido por el trabajo de
Bous)ield y Sede+ic( 8/6::9# Duienes mostraron Due la recuperaci!n acumulativa de
instancias es una neativamente acelerada )unci!n eGponencial del tiempo$ El sujeto podra#
por consiuiente# usar el nAmero de instancias recuperadas en un corto perodo para estimar
el nAmero de instancias Due podran ser recuperadas en un mucho mCs laro perodo de
tiempo$ &lternativamente# el sujeto puede evaluar la disponibilidad sin eGplcitamente
recuperar ! construir cualesDuiera instancias del todo$ Hart 8/6429# por ejemplo# ha mostrado
Due la ente puede evaluar eGactamente su habilidad para reconocer tems Due ellos no
pueden recordar en una prueba de memoria de asociar parejas$
Disponibilidad para la construccin
"etornamos ahora a una serie de problemas en los cuales al sujeto se le da una rela para la
construcci!n de instancias y es reDuerido a estimar su total 8! relativa9 )recuencia$ En ;stos
0
Bos problemas de construcci!n tambi;n pueden ser vistos como problemas de recuperaci!n porDue las
palabras de respuesta son almacenadas en la memoria$ En el presente trabajo hablamos de recuperaci!n cuando
el sujeto recuerda instancias de una cateora natural# como en los estudios . y 7$ Hablamos de construcci!n
cuando el sujeto enera ejemplares de acuerdo a una rela especi)icada# como en los Estudios / y :$
/01
problemas S como en la mayora de problemas de estimaci!n S el sujeto no puede construir y
enumerar todas las instancias$ En veF de eso# proponemos# Due ;l intente construir alunas
instancias y juFue la totalidad de la )recuencia por disponibilidad# Due sini)ica# por una
evaluaci!n de la )acilidad con la cual las instancias pueden ser tradas a la mente$ Como una
consecuencia# las clases cuyas instancias son )Cciles de construir ! imainar serCn percibidas
como mCs )recuentes Due las clases del mismo tamaEo cuyas instancias estCn menos
disponibles$ Esta predicci!n es probada en el juicio de )recuencia de una palabra# y en la
estimaci!n de varias eGpresiones de combinaci!n$
)studio 0< @uicio de frecuencia de una palabra
Supona Due usted muestrea una palabra al aFar de un teGto en Inl;s$ Es mCs probable Due
la palabra empiece con una K# ! Due la K es la tercera letraQ De acuerdo a nuestra tesis# la
ente responde a tal interroante comparando la disponibilidad de las dos cateoras# por
ejemplo# evaluando la )acilidad con la cual las instancias de vienen a la mente$ Es
ciertamente mCs )Ccil pensar de las palabras Due empieFan con K Due de las palabras donde la
K estC en la tercera posici!n$ Si el juicio de )recuencia es comunicado por la disponibilidad
evaluada# entonces las palabras Due empieFan con K deberan ser juFadas mCs )recuentes$
De hecho# un teGto tpico contiene el doble de palabras en las cuales la K estC en la tercera
posici!n Due las palabras Due empieFan con K$
De acuerdo al eGtenso conteo de palabra de -ayFner y 'resselt 8/6419# ocho consonantes
en conjunto Due aparecen mCs )recuentemente en la tercera Due en la primera posici!n$ De
;stas# dos consonantes 8M y g9 son relativamente raras# y otra 8D9 Due es mCs )recuente en la
tercera posici!n solo en palabras de tres letras$ Bas restantes cinco consonantes 8K# B# *# "#
J9 )ueron seleccionadas para investiaci!n$
& los sujetos se les dio las instrucciones siuientes<
Ba )recuencia de aparici!n de letras en el lenuaje Inl;s )ue estudiada$ Un teGto tpico )ue
seleccionado# y la )recuencia relativa con la cual varias letras del al)abeto aparecieron en la primera y
tercera posiciones en las palabras )ueron rabadas$ Bas palabras de menos de tres letras )ueron
eGcluidas del asunto$
& usted se le darCn varias letras del al)abeto# y usted serC reDuerido a juFar si ;stas letras
aparecen mCs a menudo en la primera ! en la tercera posici!n# y a estimar la relaci!n de la )recuencia
con la cual ellas aparecen en ;stas posiciones$
Un problema tpico se lee como siue<
Considere la letra "$
Es " mCs probable de aparecer en
> la primera posici!nQ
> la tercera posici!nQ 8marDue una9
-i estimado para la relaci!n de estos dos valores es oooo< /$
Bos sujetos )ueron instruidos a estimar la relaci!n de la clases mCs rande a la mCs
peDueEa$ Para la mitad de los sujetos# el ordenamiento de las dos posiciones en la
interroante )ue revertido$ &demCs# tres di)erentes ordenamientos de las cinco letras )ueron
empleados$
!esultados& Entre los /1. sujetos# /31 juFaron la primera posici!n ser mCs probable para
una mayora de las letras$# y :2 juFaron a la tercera posici!n ser mCs probable para una
mayora de las letras$ El prejuicio )avoreciendo la primera posici!n es altamente sini)icante
/04
8p ] $33/ por seEal de prueba9$ -Cs aAn# cada una de las cinco letras )ue juFada por una
mayora de los sujetos ser mCs )recuente en la primera Due en la tercera posici!n$ Ba relaci!n
media estimada )ue .</ para cada una de las cinco letras$ Estos resultados )ueron obtenidos a
pesar del hecho Due todas las letras )ueron mCs )recuentes en la tercera posici!n$
En otros estudios encontramos el mismo prejuicio )avoreciendo a la primera posici!n en
un diseEo dentro del sujeto donde cada sujeto juF! una simple letra# y en un diseEo entre el
sujeto# donde las )recuencias de las letras en la primera y en la tercera posici!n )ueron
evaluadas por di)erentes sujetos$ 'ambi;n encontramos Due la introducci!n de )actores
decisivos para la eGactitud en el diseEo dentro del sujeto no tena e)ecto )uera lo Due )uera$
Desde Due el mismo patr!n eneral de resultados )ue obtenido en todos ;stos m;todos# solo
los descubrimientos obtenidos por el procedimiento mCs simple son reportados aDu$
Un resultado similar )ue reportado por Phillips 8/6449 en un estudio de in)erencia
Bayesiana$ Seis editores de la publicaci!n de un estudiante estimaron las probabilidades de
varios biramas# muestreados de sus propios escritos# )ueron sacados del principio ! del )inal
de las palabras$ Un e)ecto incidental observado en ese estudio )ue Due todos los editores
compartieron un prejuicio comAn para )avorecer la hip!tesis Due los biramas haban sido
sacados del principio de las palabras$ Por ejemplo# los editores err!neamente juFaron el
principio de las palabras mCs )recuentes Due las palabras terminadas con re$ El mCs antiuo#
por supuesto# estC mCs disponible Due el Altimo$
)studio :< Permutaciones
Considere las dos estructuras# & y B# las cuales son eGpuestas abajo$
8&9 8B9
GGGGGGGG GG
GGGGGGGG GG
GGGGGGGG GG
GG
GG
GG
GG
GG
GG
Una trayectoria en una estructura es una lnea Due conecta un elemento en la )ila de arriba a un
elemento en la )ila de abajo# y pasa a trav;s de uno y solo un elemento en cada )ila$
En cuCl de las dos estructuras eGiste mCs trayectoriaQ
CuCntas trayectorias piensa usted Due eGisten en cada estructuraQ
Ba mayora de los lectores probablemente comparten con nosotros la impresi!n inmediata de
Due eGisten mCs trayectorias en & Due en B$ *uestros sujetos concordaron< :4 de 1:
encuestados vieron mCs trayectorias en & Due en B 8p ] $33/# por seEal de prueba9$ Ba
estimaci!n de la media )ueron :3 trayectorias en & y /7 en B$ De hecho# el nAmero de
trayectorias es el mismo en ambas estructuras# para 7
0
[ .
6
[ 1/.$
PorDu; la ente ve mCs trayectorias en & Due en BQ Suerimos Due este resultado re)leja
la disponibilidad di)erencial de las trayectorias en las dos estructuras$ EGisten varios )actores
Due hacen las trayectorias en & mCs disponibles Due aDuellas en B$ Primero# las trayectorias
mCs inmediatamente disponibles son las columnas de las estructuras$ Estas son 7 columnas
/02
en & y solo . en B$ Seundo# entre las trayectorias Due cruFan las columnas# aDuellas de &
son eneralmente mCs distintivas y menos con)undibles Due aDuellas en B$ Dos trayectorias
en & comparten# en promedio alrededor de /T7 de sus elementos# mientras Due dos
trayectorias en B# comparten# en promedio la mitad de sus elementos$ ?inalmente# las
trayectorias en & son mCs cortas y por eso )Ccilmente de visualiFar Due aDuellas en B$
)studio 1< Combinaciones
Considere un rupo de dieF entes Due tienen Due )ormar comit;s de r miembros# donde r es
alAn nAmero entre . y 7$ CuCntos di)erentes comit;s de r miembros pueden ellos )ormarQ Ba
respuesta correcta a este problema es dada por el coe)iciente binomial 8r/39# el cual alcanFa
un mCGimo de .1. para r [ 1$ Claramente# el nAmero de comit;s de r miembros es iual al
nAmero de comit;s de /3 S r miembros porDue cualDuier rupo eleido de# diamos# dos
miembros de)ine un Anico rupo no eleido de 7 miembros$
De acuerdo a nuestro anClisis de estimaci!n intuitiva# sin embaro# los comit;s de dos
miembros estCn mCs disponibles Due los comit;s de ocho$ Primero# el mCs simple esDuema
para construir comit;s es una partici!n del rupo dentro de sujetos desarticulados$ Por tanto#
uno rCpidamente ve Due eGisten tanto como cinco comit;s desarticulados de dos miembros#
pero aAn no dos comit;s desarticulados de ocho$ Seundo# los comit;s de ocho miembros son
mucho menos distintos# debido a su traslape de membresaL cualesDuiera dos comit;s de ocho
comparten al menos seis miembros$ Este anClisis suiere Due peDueEos comit;s estCn mCs
disponibles Due randes comit;s$ Por la hip!tesis de la disponibilidad# por consiuiente# los
peDueEos comit;s deberan aparecer mCs numerosos$
Cuatro rupos de sujetos 8total * [ //79 estimaron el nAmero de posibles comit;s de r
miembros Due pueden ser )ormados de un jueo de dieF entes$ Bos di)erentes rupos#
respectivamente# evaluaron los siuientes valores de r< . y 4L 0 y 7L y : y 2L 1$
Ba media estimada del nAmero de comit;s son mostrados en la ?iura /# con los valores
correctos$ Como se predijo# el nAmero de comit;s juFados decrece con su tamaEo$
Ba siuiente )ormulaci!n alternativa del mismo problema )ue ideada en orden de probar
la eneralidad de los descubrimientos<
En el dibujo de abajo# eGisten dieF estaciones a lo laro de una ruta entre el Inicio y el ?inal$
Considere un autobus Due viaja# parando en eGactamente r estaciones a lo laro de esta ruta$
Inicio Final
CuCl es el nAmero de di)erentes patrones de r paradas Due el autobus puede hacerQ
El nAmero de di)erentes patrones de r paradas es de nuevo dado por 8
/3
r
9$ &Du tambi;n#
por supuesto# el nAmero de patrones de dos paradas es el mismo como el nAmero de patrones
de ocho paradas# porDue para cualDuier patr!n de paradas eGiste un patr!n Anico
complementario de no>paradas$ *o obstante# aparece como si uno tiene mCs rados de
libertad en construir patrones de dos paradas donde Nuno tiene muchas estaciones para
escoer deO Due en construir patrones de ocho paradas donde Nuno debe parar en casi cada
estaci!nO$ *uestro anClisis previo suiere Due los patrones antiuos estCn mCs disponibles<
mCs si tales patrones son vistos a primera vista# ellos son mCs distintivos y son mCs )Cciles de
visualiFar$
Cuatro nuevos rupos de sujetos 8total * [ /279 respondieron esta cuesti!n# para r [
.# $ $ $# 7# siuiendo el mismo diseEo de arriba$ Bas estimaciones medias del nAmero de
paradas son mostradas en la ?iura /$ Como en el problema del comit;# el nAmero aparente
de combinaciones eneralmente decrece con r# en concordancia con la predicci!n de la
disponibilidad de la hip!tesis y en marcado contraste a los valores correctos$ &demCs# las
/07
estimaciones del nAmero de combinaciones son muy similares en los dos problemas$ Como
en otros problemas de combinaci!n# eGiste una marcada subestimaci!n de todos los valores
correctos# con una simple eGcepci!n en el caso mCs disponible# donde r [ .$
Ba subestimaci!n observada en los EGperimentos : y 1 ocurre# nosotros suerimos#
porDue la ente estima los valores de combinaci!n por eGtrapolaci!n de una impresi!n
inicial$ Bo Due una persona ve en un vistaFo ! en unos pocos pasos de computaci!n le dan a
ella una inadecuada idea de la tasa eGplosiva de crecimiento de muchas eGpresiones de
combinaci!n$ En tales situaciones# eGtrapolando de una impresi!n inicial la conduce a una
pronunciada subestimaci!n$ Este es el caso de si las bases para la eGtrapolaci!n es la
disponibilidad inicial de las instancias# como en los dos estudios precedentes# ! el resultado
de una computaci!n inicial# como en el siuiente estudio$
Insertar aDu la ?iura / de la pCina /23 del teGto oriinal$
)studio 4< )trapolacin
*osotros reDuerimos a los sujetos estimar# dentro de 1 seundos # una eGpresi!n num;rica
Due )ue escrita en el piFarr!n$ Un rupo de sujetos 8* [ 729 estim! el producto 7 G 2 G 4 G 1 G
: G 0 G . G /# mientras Due otro rupo 8* [ //:9 estim! el producto / G . G 0 G : G 1 G 4 G 2 G
7$ Ba estimaci!n media para la secuencia descendente )ue de .#.13$ Ba estimaci!n media
para la secuencia ascendente )ue de 1/.$ Ba di)erencia entre las estimaciones )ue altamente
sini)icativa 8p ] $33/9# por prueba de la media9$ &mbas estimaciones cayeron muy cortas de
la respuesta correcta# la cual es de :3#0.3$
&mbas la subestimaci!n del valor correcto y la di)erencia entre las dos estimaciones
soportan la hip!tesis de Due la ente estima 7d por eGtrapolaci!n de una computaci!n
parcial$ El )actorial# como otras eGpresiones de combinaci!n# estC caracteriFado por una
siempre creciente tasa de crecimiento$ Consecuentemente# una persona Due eGtrapola de una
computaci!n parcial subestimarC eGcesivamente los )actoriales$ Debido a Due los resultados
de los primeros pocos pasos de multiplicaci!n 8ejecutados de iFDuierda a derecha9 son mCs
randes en la secuencia descendente Due en la secuencia ascendente# la eGpresi!n mCs
antiua es juFada mCs rande Due la Altima$ Ba evaluaci!n de la secuencia descendente
puede proceder como siue< N7 veces 2 es 14 veces 4 estC ya arriba de /33# por lo tanto
estamos tratando con un nAmero raFonablemente randeO$ En la evaluaci!n de secuencia
ascendente# por otro lado#$uno puede raFonar< Nuna veF . es . dos veces 0 es 4 veces : es .:#
y esta eGpresi!n es claramente no estC yendo muy lejos$ $ $ $O$
)studio 2< %isponibilidad A binomial vrs& representatividad
El estudio )inal de esta secci!n eGplora el papel de la disponibilidad en la evaluaci!n de las
distribuciones binomiales e ilustra c!mo la )ormulaci!n de un problema controla la
escoencia de la heurstica Due la ente adopta en la estimaci!n intuitiva$
& los sujetos 8* [ 209 )ueron presentados con ;stas instrucciones<
Considere el siuiente diarama<
M M % M M M
M M M M % M
M % M M M M
M M M % M M
M M M M M %
% M M M M M
/06
Una trayectoria en este diarama es cualDuier lnea descendente la cual empieFa en la )ila de arriba#
termina en la lnea de abajo y pasa a trav;s eGactamente de un smbolo 8M A %9 en cada )ila$
CuCl piensa usted es el porcentaje de trayectorias Due contiene
4 S M y no S % oooooW
1 S M y / > % oooooW
$
$
$
*o S M y 4 S % oooooW
*ote Due ;stos incluyen todos los tipos posibles de trayectoria y de aDu Due sus estimaciones se
arearan al /33W$
Insertar aDu la ?iura . de la pCina /2. del teGto oriinal
?iura .$ Jalores correctos y juicios medios< Problema de trayectoria$
Este problema de carta es )ormalmente id;ntico al problema de trayectoria# pero el tiene
la intenci!n de obtener un di)erente modo de evaluaci!n$ En el problema de la trayectoria# las
instancias individuales )ueron en)atiFadas por la eGposici!n# y la proporci!n de la poblaci!n
8por ejemplo# la proporci!n de Ms en cada )ila9 no )ue hecha eGplcita$ En el problema de la
carta# por otro lado# la proporci!n de la poblaci!n es eGplcitamente establecida y ninuna
menci!n es hecha de las instancias individuales$ Consecuentemente# sacamos la hip!tesis de
Due los resultados en el problema de la carta serC evaluado por el rado al cual ellas son
representativas de la composici!n de la baraja mCs Due por la disponibilidad de la instancias
individuales$ En el problema de la carta# el resultado Ncinco Ms y una %O es el mCs
representativo# porDue el iuala la proporci!n de la poblaci!n 8ver Kahneman , 'vers(y#
/62.b# 09$ Por lo tanto# por la representatividad heurstica# este resultado debera ser juFado
mCs )recuente Due el resultado Nseis Ms y no %O contrario al patr!n observado de juicios en el
problema de la trayectoria$
Insertar aDu la ?iura 0 de la pCina /2: del teGto oriinal$
?iura 0$ Jalores correctos y juicios medios< Problema de la carta$
Disponibilidad para la recuperacin
En esta secci!n discutimos varios estudios en los cuales el sujeto es primero eGpuesto a un
mensaje 8por ejemplo# una lista de nombres9 y es mCs tarde reDuerido a juFar la )recuencia
de tems de un tipo dado Due )ueron incluidos en el mensaje$ Como los problemas estudiados
en la secci!n previa# el sujeto no puede recordar y contar todas las instancias$ En veF de eso#
nosotros proponemos# Due ;l intente recordar alunas instancias y juFar la totalidad de la
)recuencia por la disponibilidad# por ejemplo# por la )acilidad con la cual las instancias
vienen a la mente$ Como una consecuencia# las clases cuyas instancias son rCpidamente
recordadas serCn juFadas mCs numerosas Due las clases del mismo tamaEo cuyas instancias
son menos disponibles$ Esta predicci!n es primero probada en un estudio de la )recuencia
juFada de las cateoras$ $ $ $
)studio 7< >ama$ frecuencia y recuerdo
Bos sujetos )ueron presentados con una lista rabada consistente de nombres de conocidas
personalidades de ambos seGos$ Despu;s de escuchar la lista# alunos sujetos juFaron si ella
contena mCs nombres de hombres ! de mujeres# otros intentaron recordar los nombres en la
/:3
lista$ &lunos de los nombres en la lista )ueron muy )amosos 8por ejemplo# "ichard *iGon#
EliFabeth 'aylor9# otros )ueron menos )amosos 8por ejemplo# Hilliam ?ulbriht# Bana
'urner9$ *ombres )amosos son eneralmente mCs )Cciles de recordar$ Por lo tanto# si
juFamientos de )recuencia son mediados por disponibilidad evaluada# entonces una clase
consistente de nombres )amosos deberan ser mCs numerosos Due una clase comparable
consistente de nombres menos )amosos$
Cuatro listas de nombres )ueron preparadas# dos listas de artistas y dos listas de otras
)iuras pAblicas$ Cada lista incluy! 06 nombres rabados a un ritmo de un nombre cada .
seundos$ Dos de las listas 8una de )iuras pAblicas y una artistas9 incluy! nombres de
mujeres )amosas y .3 nombres de mujeres menos )amosas$ Por lo tanto# )ama y )recuencia
)ueron inversamente relacionadas en todas las listas$ Bos primeros nombres de todas las
personalidades siempre permitieron una ambiua identi)icaci!n del seGo$
Bos sujetos )ueron instruidos a escuchar atentamente un mensaje rabado$ Cada una de
las cuatro listas le )ue presentada a los dos rupos$ Despu;s de escuchar la rabaci!n# los
sujetos en un rupo )ueron reDueridos a escribir tantos nombres como ellos podan recordar
de la lista$ Bos sujetos en el otro rupo )ueron reDueridos a juFar si la lista contena mCs
nombres de hombres ! de mujeres$
!esultados& 8a9 "ecuerdo$ En promedio# los sujetos recordaron /.$0 de los /6 nombres
)amosos y 7$: de los .3 menos )amosos$ De los 74 sujetos en los cuatro rupos de recuerdo#
12 recordaron los nombres mCs )amosos Due los nombres no )amosos# y solo /0 recordaron
los nombres poco )amosos Due los menos )amosos 8p ] >33/# por seEal de prueba9$
8b9 ?recuencia$ Entre los 66 sujetos Duienes compararon la )recuencia de hombres y
mujeres en las listas# 73 err!neamente juFaron la clase consistente de los nombres mCs
)amosos ser mCs )recuente 8p ] $33/# por seEal de prueba9$ $ $ $
Recuperacin de ocurrencias y construccin de escenarios
En todos los estudios empricos Due )ueron discutidos en este trabajo# eGisti! un
procedimiento objetivo para enumerar la instancias 8por ejemplo# palabras Due empieFan con
K ! trayectorias en un diarama9# y por tanto cada uno de los problemas tuvieron una
respuesta objetivamente correcta$ Este no es el caso en muchas situaciones de la vida real
donde las probabilidades son juFadas$ Cada ocurrencia de una recesi!n econ!mica# una
operaci!n m;dica eGitosa ! un divorcio# es esencialmente Anica y su probabilidad no puede
ser evaluada por una simple cuenta de instancias$ Sin embaro# la disponibilidad heurstica
puede ser aplicada a evaluar la probabilidad de tales eventos$
En juFar la probabilidad Due una pareja particular se divorciarC# por ejemplo# uno puede
escudriEar la memoria de uno para similares parejas la cual esta cuesti!n trae a la mente$ El
divorcio parecerC probable si los divorcios son prevalecientes entre las instancias Due son
recuperadas en esta manera$ &lternativamente# uno puede evaluar la probabilidad intentando
construir historias ! escenarios Due conduFcan al divorcio$ Ba plausibilidad de tales
escenarios# ! la )acilidad con la cual ellos vienen a la mente# pueden proveer unas bases para
el juicio de probabilidad$ En la presente secci!n# discutimos el papel de la disponibilidad en
tales juicios# especular sobre )uentes de prejuicio esperadas# y esDuematiFar alunas
direcciones Due una investiaci!n adicional podra seuir$ *osotros ilustramos los prejuicios
de disponibilidad por consideraci!n de una imainaria situaci!n clnica$
:
Un clnico Due ha
:
Este ejemplo )ue escoido debido a su disponibilidad$ *o conocemos ninuna raF!n para creer Due las
predicciones intuitivas de corredores de bolsa# pronosticadores de deportes# analistas polticos ! psic!loos
investiadores son menos susceptibles a los prejuicios$
/:/
odo a un paciente Duejarse de Due ;l estC cansado de la vida# y piensa si ese paciente es
probable Due cometa suicidio puede bien recordar a pacientes similares Due ;l ha conocido$
&lunas veces solo una instancia relevante viene a la mente# talveF porDue es mCs
memorable$ &Du# la probabilidad subjetiva puede depender primariamente de la similaridad
entre esa instancia y el caso en consideraci!n$ Si los dos son muy similares# entonces uno
espera Due lo Due ha pasado en el pasado volverC a ocurrir$ Cuando varias instancias vienen a
la mente# ellas son probablemente pesadas por el rado e Due ellas son similares# en
caractersticas esenciales# al problema a mano$
CuCn relevantes son las instancias seleccionadasQ En escrutar su pasada eGperiencia
recuerda el clnico a pacientes Due se asemejan al presente caso# pacientes Due intentaron
suicidio# ! pacientes Due se asemejan al presente caso e intentaron el suicidioQ Desde un
punto de vista actuarial# por supuesto# la clase relevante es esa de pacientes Due son similares#
en alunos aspectos# al caso presente# y la estadstica relevante es la )recuencia del suicidio
intentado en esta clase$
Ba bAsDueda de la memoria puede seuir otras relas$ Puesto Due intent! el suicidio es un
evento dramCtico y destacado# los pacientes de suicidio tienen la probabilidad de ser mCs
memorables y mCs )Cciles de recordar Due los pacientes depresivos Due no intentan el
suicidio$ Como una consecuencia# los clnicos pueden recordar pacientes de suicidio Due ;l a
encontrado y juFa la probabilidad de un suicidio intentado por el rado de semejanFa entre
;stos casos y el presente paciente$ Esta aproGimaci!n conduce a serios prejuicios$ El clnico
Due nota Due casi todos los pacientes de suicidio en los Due ;l puede pensar se encontraban
severamente deprimidos puede concluir Due un paciente es probable de cometer suicidio si ;l
muestra sinos de depresi!n severa$ &lternativamente# el clnico puede concluir Due el
suicidio es improbable si Neste paciente no luce como cualDuier caso de suicidio Due yo he
encontradoO
'al raFonamiento inora el hecho Due solo una minora de pacientes depresivos intentan
suicidio y la posibilidad Due el presente paciente pueda ser muy di)erente a cualDuiera Due el
terapista jamCs haya encontrado$
?inalmente# un clnico podra pensar solo de pacientes Due )ueron ambos depresivos y
suicidas$ El entonces evaluara la probabilidad del suicidio por la )acilidad con la cual tales
casos vienen a la mente ! por el rado el presente paciente es representativo de esta clase$
Este raFonamiento# tambi;n# estC sujeto a un serio error$ El hecho de Due eGistan muchos
pacientes depresivos Due intentaron suicidarse no Duiere decir mucho sobre la probabilidad
de Due un paciente depresivo intentarC suicidarse# aAn este modo de evaluaci!n no es inusual$
Jarios estudios 8=en(ins R Hard# /640L Smedslund# /640L Hard R =en(ins# /6419 mostraron
Due la continencia entre dos variables binarias tal como un sntoma y una en)ermedad es
juFada por la )recuencia con la cual ellas co>ocurren# con poca ! no consideraci!n por casos
donde ya sea el sntoma ! la en)ermedad no estCn presentes$
&lunos eventos son percibidos tanto como Anicos Due la historia pasada no parece
relevante para la evaluaci!n de su probabilidad$ Pensando en tales eventos a menudo
construimos escenarios$ por ejemplo historias Due conducen de la presente situaci!n al
evento objetivo$ Ba plausibilidad de los escenarios Due vienen a la mente# ! la di)icultad de
producirlos# entonces sirven como una pista para la probabilidad del evento$ Si no viene a la
mente un escenario raFonable# el evento es considerado imposible ! altamente improbable$ Si
muchos escenarios vienen a la mente# ! si un escenario Due es construido es particularmente
apremiante# el evento en cuesti!n parece probable$
-uchos de los eventos cuya probabilidad la ente desea evaluar dependen de varios
)actores interrelacionados$ &An si es eGcesivamente di)cil para la mente humana percibir
secuencias de variaciones de varios )actores interactuando$ Suerimos Due en la evaluaci!n
de la probabilidad de eventos complejos solo los mCs simples y mCs disponibles escenarios
/:.
posibles de ser considerados$ En particular# la ente tenderC a producir escenarios en los
cuales muchos )actores no varan del todo# solo las variaciones mCs obvias toman luar# y las
interacciones de cambios son raras$ Debido a la naturaleFa simpli)icada de escenarios
imainados# los resultados de simulaciones de computadora de procesos interactuando son a
menudo contra>intuitivos 8?orrester# /62/9$ Ba tendencia a considerar solo relativamente
simples escenarios pueden tener particularmente e)ectos sobresalientes en situaciones de
con)licto$ &h# el propio mal humor de uno y los planes estCn mCs disponibles para uno Due
aDuellos del oponente$ *o es )Ccil adoptar la opini!n del oponente del tablero de ajedreF ! del
campo de batalla# lo cual puede ser el por Du; el juador mediocre descubre tantas nuevas
posibilidades cuando el cambia lados en un jueo$ Consecuentemente# el juador puede
tender a considerar la estrateia de su oponente como relativamente constante e
independiente de sus propias movidas$ Estas consideraciones suieren Due un juador es
susceptible a la falacia de la iniciativa S una tendencia a atribuir menos iniciativa y menos
imainaci!n al oponente Due a s mismo$ Esta hip!tesis es consistente con un descubrimiento
de investiaci!n de la atribuci!n 8=ones R *isbett# /62/9 Due la ente tiende a visualiFar su
propio comportamiento como re)lejando las demandas de cambio de su entorno y el
comportamiento de los otros como una caracterstica dominada$
Ba producci!n de un escenario obliatorio es similar a restrinir el pensamiento del
)uturo$ EGiste mucha evidencia mostrando Due# una situaci!n incierta ha sido percibida !
interpretada en un estilo particular es muy di)cil visualiFarla de cualDuier otra manera 8ver#
por ejemplo# Bruner R Potter# /6469$ Por tanto# la eneraci!n de un escenario espec)ico
puede inhibir la emerencia de otros escenarios# particularmente aDuellos Due conducen a
di)erentes resultados$
'alveF la mCs obvia demostraci!n de la disponibilidad en la vida real es el impacto de la
)ortuita disponibilidad de incidentes ! escenarios$ -uchos lectores deben haber
eGperimentado la temporal elevaci!n en la probabilidad subjetiva de un accidente despu;s de
haber visto un auto volcado al lado del camino$ Similarmente# muchos deben haber notado un
incremento en la probabilidad subjetiva de Due un accidente ! mal )uncionamiento puede
desatar una uerra termonuclear despu;s de haber visto una pelcula en la cual tal ocurrencia
)ue vvidamente representada $ Preocupaci!n continuada con un resultado puede incrementar
su disponibilidad# y por consiuiente su probabilidad percibida$ Ba ente estC preocupada con
altamente deseables resultados# tales como anar la lotera# ! con altamente indeseables
resultados# tal como la cada de un avi!n$ Consecuentemente# la disponibilidad provee un
mecanismo por el cual las ocurrencias de eGtrema utilidad 8! di)icultad9 pueden parecer mCs
probables Due lo Due ellas actualmente son$ $ $ $
/:0
'+( Prejuicios e#oc@ntricos en la disponibilidad y la
atribucin
-ichael "oss y ?iore Sicoly
Una instancia de un )en!meno eGaminado en los presentes eGperimentos es )amiliar a casi a
cada uno Due ha conducido una investiaci!n en conjunto$ Considere lo siuiente< Usted ha
trabajado en un proyecto de investiaci!n con otra persona# y la interroante sure como
Dui;n debera ser Nprimer autorO 8por ejemplo# Dui;n contribuy! mCs al producto )inalQ9$ &
menudo parece Due ambos de ustedes se sienten enteramente justi)icados en reclamar ese
honor$ &demCs# desde Due ustedes estC convencido Due su opini!n de la realidad debe ser
compartida por su colea 8ah habiendo una sola realidad9# usted asume Due la otra persona
estC intentando tomar ventaja de usted$ &lunas veces tales asuntos son establecidos !
prevenidos por el uso arbitrario de relas de decisi!n# por ejemplo# la rela de Nprioridad
al)ab;ticaO S una estrataema de aDuellos cuyos apellidos empieFan con letras de la primera
parte del al)abeto$
Suerimos# entonces# Due los individuos tienden a aceptar mCs responsabilidad por un
producto en conjunto Due otros contribuyentes lo atribuyen a ellos$ Se propone mCs
adelante
EGtractos de un trabajo Due apreci! en 'he =ournal o) Personality and Social Psicholoy# /626# 02# 0..>004$
Derechos de autor 5 /626 por la &sociaci!n &mericana de Psicoloa$ "eimpreso con permiso$
Due ;sta penetrante )en!meno cuando la responsabilidad por una uni!n comercial es repartida
por los participantes$ En muchas empresas comunes# sin embaro# los participantes no estCn
concientes de sus opiniones diverentes# desde# Due no hay necesidad de asinar Nuna
autoridadOL consecuentemente# la ubicuidad del )en!meno no es eGcesivamente aparente$ El
prop!sito de la corriente investiaci!n )ue investiar si ;stas percepciones eoc;ntricas
ocurren en una variedad de escenarios y para eGaminar procesos psicol!icos$
En eGplorar las bases de tales percepciones di)erenciales# no somos tan inenuos como
para suerir Due el auto enrandecimiento intencional nunca ocurre$ *o obstante# es probable
Due las percepciones puedan estar en discrepancia en la ausencia de una deliberada
decepci!nL es desde ;sta perspectiva Due nos aproGimamos al asunto$
Para repartir responsabilidades para una empresa colectiva# los participantes bien
intencionados presumiblemente intenten recordar las contribuciones de cada uno hechas para
el producto )inal# &lunos aspectos de la interacci!n pueden ser recordados mCs rCpidamente#
! estar mCs disponibles# Due otros# sin embaro$ &demCs# las caractersticas Due son
recordadas )Ccilmente no pueden ser un subset aleatorio de la totalidad$ Espec)icamente# una
persona puede recordar una mayor proporci!n de sus propias contribuciones Due podran
otros participantes$
Un prejuicio eoc;ntrico en la disponibilidad de in)ormaci!n en la memoria# a su veF
podra producir atribuciones prejuiciadas de responsabilidad para un producto colectivo$
Como Kahneman y 'vers(y 8/620# //9 han demostrado# la ente usa la habilidad# Due
sini)ica# Nla )acilidad con la cual instancias relevantes vienen a la menteO 8/620# p$ .369#
/::
como un prejuicio para estimar la )recuencia$ Por lo tanto# si las alimentaciones auto
eneradas estuvieran ciertamente mCs disponibles# los individuos tendran mCs probabilidad
de reclamar mCs responsabilidad para un producto colectivo Due otros participantes podran
atribuirles a ellos$
EGisten al menos cuatro procesos Due pueden ser operantes para incrementar la
disponibilidad de las propias contribuciones de uno< 8a9 codi)icaci!n selectiva y
almacenamiento de in)ormaci!n# 8b9 resarcimiento di)erencial# 8c9 disparidad de in)ormaci!n
y 8d9 in)luencias de motivaci!n$
Codificacin selectiva y almacenamiento
Por un nAmero de raFones# la disponibilidad de la persona de sus propios )actores de
producci!n puede ser )acilitada por codi)icaci!n di)erencial y almacenamiento de las
respuestas auto>eneradas$ Primero# los pensamientos propios de los individuos 8sobre lo Due
ellos van a decir a continuaci!n# soEar despierto# etc$9 ! acciones pueden distraer su atenci!n
de las contribuciones de otros$ Seundo# los individuos pueden ensayar ! repetir sus propias
ideas ! acciones# por ejemplo# pensar )uera de sus posiciones antes de eGpresarse y
de)enderla$ Consecuentemente# sus propios )actores de producci!n pueden recibir mCs
Ntiempo de estudioO# y el rado de retenci!n estC )uertemente relacionado al tiempo de
estudio 8Carver# /62.9$ 'ercero# las contribuciones de los individuos tienen la probabilidad de
ajustarse mCs rCpidamente dentro de su propio esDuema conitivo# lo Due sini)ica# su Anica
concepci!n del problema basado en la eGperiencia pasada# valores# etc$ Bas contribuciones
Due se ajustan dentro de tales esDuemas preeGistentes tienen mCs probabilidad de ser
retenidas 8Bartlett# /60.L Bruner# /64/9$
!ecuperacin diferencial
El prejuicio de disponibilidad puede tambi;n ser producido por la recuperaci!n selectiva de
la in)ormaci!n de la memoria$ En la asinaci!n de responsabilidad para un resultado
colectivo# la cuesti!n esencial desde el punto de vista de cada uno de los participantes puede
ser# NCuCnto contribu yoQO Bos participantes pueden# por consiuiente# intentar recordar
principalmente sus propias contribuciones para estimar sus contribuciones relativas# un juicio
Due no puede ser apropiadamente hecho sin una consideraci!n de los )actores de producci!n
de otros tambi;n$
%isparidades de informacin
Es posible Due haya di)erencias en la in)ormaci!n disponible para los contribuyentes Due
pueden promover un recuerdo eoc;ntrico$ Bos individuos tienen mCs rande acceso a sus
propios estados internos# pensamientos y estrateias Due hacen los observadores$ -Cs aAn#
los participantes en un es)uerFo comAn pueden di)erir en su conocimiento de la )recuencia y
sini)icancia de cada uno de las contribuciones independientes de cada uno de los otros$ Por
ejemplo# los supervisores del cuerpo docente pueden estar menos concientes Due sus coleas
estudiantes de la cantidad de tiempo# es)uerFo ! ineniosidad Due los estudiantes invierten en
sujetos corrientes# ejecutar anClisis de datos y escribir borradores preliminares de un trabajo$
Por otro lado# los supervisores son menos conocedores de la cantidad y de la importancia del
pensamiento# lectura# etc$ Due ellos ponen al estudio antes Due empiece el involucramiento de
los estudiantes$
Influencias de motivacin
/:1
Bos )actores de motivaci!n pueden tambi;n servir un prejuicio eoc;ntrico en la
disponibilidad$ El sentido de la auto>estima de uno puede ser ensalFado )ocaliFando sobre !
pesando mCs randemente en los propios )actores de producci!n$ Similarmente# una
inDuietud para la e)icacia personal ! control 8vea deCharms# /647L Hhite# /6169 podran
conducir a los individuos a detenerse en sus propias contribuciones para un producto
colectivo$
Ba discusi!n precedente delinea un nAmero de procesos Due pueden estar operando para
dar a los propios )actores de producci!n de uno mCs disponibilidad 8y mCs probable de ser
recordados9 Due la contribuciones de los otros$ Consecuentemente# puede ser di)cil imainar
una descon)irmaci!n de la hip!tesis de Due las memorias y las atribuciones son eoc;ntricas$
Como Ireen+ald 8/6279 ha observado# sin embaro# el carCcter eoc;ntrico de la memoria
Nno es una necesaria verdadO$ Es posible# por ejemplo# concebir de una oraniFaci!n de una
eGperiencia pasada Due es mCs probable Due de un trabajo de re)erencia# tal como el teGto de
una historia# ! el ndice de un diccionarioO 8p$ :9$ &demCs# nosotros estamos incapacitados
para encontrar datos publicados directamente soportantes del prejuicio hipotetiFado en
disponibilidad$ ?inalmente# recientes desarrollos en la literatura actor>observador parecen
inconsistentes con la hip!tesis de Due las memorias y las atribuciones son eoc;ntricas$ =ones
y *isbett 8/62/9 especularon Due los actores estCn dispuestos a localiFar la causa de su
comportamiento en el entorno# mientras Due los observadores atribuyen el mismo
comportamiento a caractersticas estables posedas por los actores$ &unDue una variedad de
eGplicaciones )ueron avanFadas para contar por este e)ecto 8=ones R *isbett# /62/9# el
reciente ;n)asis ha sido sobre el procesamiento de la in)ormaci!n de percepci!n 8Storms#
/620L 'aylor R ?is(e# /6219$ Bos receptores visuales del actor son lanFados hacia el medio
ambienteL un observador puede )ocaliFarse directamente en el actor$ Por tanto# aspectos
diverentes de la situaci!n son salientes a los actores y observadores# una disparidad Due es
re)lejada en sus atribuciones causales$ Esta propuesta parece contradecir la tesis de Due los
actores en una interacci!n son randemente auto>absorbidos$
Dos estudios o)recen suestiva evidencia ! la presente hip!tesis$ "oers# Kulper y Kir(er
8/6229 mostraron Due las caractersticas de los adjetivos )ueron recordadas mCs rCpidamente
cuando los sujetos haban sido reDueridos para hacer un juicio sobre la auto>relevancia 8para
decidir si cada caracterstica )ue descriptiva de ellos9 mCs Due sobre un nAmero de otras
dimensiones# por ejemplo# juicios de sinonimidad9$ Estos datos implican Due la auto>
relevancia incrementa la disponibilidadL sin embaro# "oers et al$ no contrastaron el
recuerdo de los adjetivos relevantes al yo con recuerdo de adjetivos relevantes a otras entes
S una comparaci!n Due sera mCs pertinente a la corriente discusi!n$$ Ireen+ald y &lbert
8/6479 encontraron Due los individuos recordaron sus propios arumentos sobre un asunto de
actitud mCs eGactamente Due los arumentos escritos de otros sujetos$ Desde Due los
arumentos del yo y de otros )ueron siempre sobre lados opuestos del asunto# el
descubrimiento de Ireen+ald y &lbert podran concebiblemente re)lejar un incremento de la
)amiliaridad con# y una memoria para# arumentos consistentes con la propia posici!n de
actitud de uno mCs Due la memoria intensi)icada por declaraciones auto>eneradas 8aunDue la
evidencia por el aprendiFaje de una actitud prejuiciada es eDuvoca# por ejemplo# Ireen+ald
R Sa(umura# /642L -alpass# /6469$
*osotros condujimos un estudio piloto para determinar si podramos obtener soporte para
el prejuicio hipotetiFado en la disponibilidad$ Bos estudiantes en un seminario universitario
)ueron reDueridos a estimar el nAmero de minutos Due cada uno de los miembros del
seminario haban hablado sobre el inmediatamente precedente perodo de clase$ Unos .4
sujetos adicionales )ueron obtenidos de la ocurrencia natural de rupos de dos personas
aproGimados en ca)eteras y bares$ Bos participantes en estos rupos )ueron reDueridos a
/:4
estimar el porcentaje del tiempo total Due cada persona haba hablado durante la corriente
interacci!n$
?ue asumido Due los sujetos basaran sus estimados del tiempo sobre aDuellas porciones
de la conversaci!n Due ellos recordaran rCpidamente$ Por lo tanto# si eGiste un prejuicio en la
direcci!n del mejor recuerdo de las propias declaraciones de uno# los estimados de la
cantidad de tiempo Due ellos mismos hablaron eGcedera el promedio del tiempo hablado
atribuido a ellos por los otros miembros del rupo$
Bos resultados )ueron consistentes con este raFonamiento$ Para siete de los ocho
estudiantes en el seminario universitario# las evaluaciones de su propio tiempo de discusi!n
eGcedi! el tiempo promedio estimado atribuido a ellos por los otros participantes 8p ] $31#
seEal de la prueba9$ Similarmente# en /3 de los /0 parejas# las estimaciones del propio tiempo
de discusi!n de uno eGcedi! a ese proporcionado por los otros participantes 8p ] $31# seEal de
la prueba9$ Ba manitud del prejuicio )ue altamente sini)icante sobre las /0 parejas# ?8/# /.9
[ /:$71# p ] $331L en promedio# los participantes estimaron Due ellos hablaron 16W del
tiempo$ Estos datos proveen preliminarmente# aunDue indirecta# evidencia por el prejuicio de
disponibilidad hipotetiFado en situaciones de cada da$ $ $ $
Experimento '
En este eGperimento# deseamos eGaminar prejuicios eoc;ntricos Due ocurren naturalmente
en relaciones continuadas$ Parejas casadas parecieron representar un rupo de objetivo ideal$
Boa esposos Bos esposos se ocupan en muchas empresas conjuntas de variada importancia$
Esta circunstancia parecerC ser abundante con posibilidades de prejuicios eoc;ntricos$
Como corresponde# el primer eGperimento )ue conducido 8a9 para determinar si los
prejuicios eoc;ntricos en reparticiones de responsabilidad ocurren en las relaciones
maritalesL 8b9 para hacer una r;plica# usando una medida dependiente di)erente# el prejuicio
eoc;ntrico en la disponibilidad obtenido previo a la pruebaL y 8c9 correlacionar el prejuicio
en la disponibilidad con el prejuicio en la responsabilidad$ Si el prejuicio en la
responsabilidad es causado por un prejuicio en la disponibilidad# los dos sets de datos
estaran relacionados$
(-todo
Sujetos& Bos sujetos )ueron 02 parejas casadas viviendo en residencias de estudiantes$ Jeinte de las
parejas tenan niEos$ Bos sujetos )ueron reclutados por dos mujeres asistentes de investiaci!n
Duienes tocaron de puerta en puerta en las residencias y brevemente describieron el eGperimento$ Si la
pareja estuviera dispuesta a participar# una cita )ue acordada$ El estudio )ue conducido en el
apartamento de la parejaL a cada pareja se le pa! m 1$33 por participar$
Procedimiento Un cuestionario )ue desarrollado sobre la base de eGtensas entrevistas preliminares con
seis parejas casadas$ En el propio eGperimento# el cuestionario )ue completado individualmente por el
esposo y la esposaL su anonimato )ue aseurado$ Bas primeras pCinas del cuestionario reDuirieron de
los sujetos estimar la eGtensi!n de sus responsabilidad por cada una de las .3 actividades relevantes
de la parejas casadas# poniendo una reducci!n a trav;s de una lnea recta de /13>mm# los puntos
)inales de las cuales )ueron etiDuetados Nprimariamente esposaO y Nprimariamente esposoO$
/
Bas
veinte actividades )ueron preparar el desayuno# lavar los platos# limpiar
/ En las entrevistas preliminares# utiliFamos porcentajes estimados$ *osotros encontraos Due los sujetos )ueron
capaces de recordar el porcentaje Due ellos rabaron y Due las comparaciones post>cuestionario de los
porcentajes proveyeron una )uerte )uente de con)licto entre los c!nyues$ El uso de las escalas de /13>mm
evitaron ;stas di)icultadesL los sujetos no estuvieron inclinados a evitar sus astos dentro de porcentajes eGactos
Due podran entonces ser disputados
/:2
la casa# compra de abarrotes# cuidado de sus niEos# planear actividades conjuntas de ocio# decidir
cuCnto dinero debera ser astado# decidir d!nde vivir# escoer amistades# tomar decisiones
importantes Due a)ectan a ambos# causar arumentos Due ocurren entre ambos# resolver con)lictos Due
ocurren entre ambos# arrelar el desorden de la casa# lavar la ropa# mantener contacto con los
parientes# demostrar a)ecto por el c!nyue# sacar la basura# irritar al c!nyue# esperar al c!nyue#
decidir si tener niEos$
Bos sujetos )ueron a continuaci!n reDueridos a rabar brevemente ejemplos de las contribuciones
Due ellos ! sus c!nyues hicieron para cada actividad$ Sus escritos rabados )ueron subsecuentemente
eGaminados para evaluar si los )actores de producci!n de la propia persona estuvieron eneralmente
mCs NdisponiblesO$Eso es# los ejemplos reportados por los sujetos tendieron a )ocaliFarse mCs en sus
propios comportamientos Due en los de sus c!nyuesQ Un paador de impuestos# cieo a la hip!tesis
eGperimental# rab! el nAmero de ejemplos discretos Due los sujetos proveyeron de sus
contribuciones propias y de sus c!nyues$ Un seundo paador de impuestos codi)ic! un tercio de los
datos# la )iabilidad 8correlaci!n producto>momento de Pearson9 )ue de $7/$
!esultados
Bas respuestas de ambos c!nyues a cada una de las preuntas de responsabilidad )ueron
sumadas# de tal manera Due el total incluy! la cantidad Due la esposa consider! como su
contribuci!n y la cantidad $Due el esposo consider! como su contribuci!n$ Puesto Due la
escala de respuesta )ue de /13 mm$ de laro# eGistieron /13 Nunidades de responsabilidadO
para ser repartidas$ Una suma mayor Due las /13 indicara un prejuicio eoc;ntrico en la
contribuci!n percibida# en Due al menos Due uno de los c!nyues estuvo sobreestimando su
responsabilidad para esa actividad$ Para evaluar el rado de sobre ! subestimaci!n Due los
c!nyues revelaron para cada actividad# /13 )ue sustrado del total de cada una de las parejas$
Un punteo )ue derivado para la pareja# promediando sobre las .3 actividades 8! /6 cuando la
pareja no tena niEos9$
Un anClisis de la variaci!n# usando la pareja como la unidad de anClisis revel! Due los
punteos compuestos )ueron sini)icantemente mayores Due cero# - [ :$42# ?8/$ 019 [ /.$76#
p ] $33/# indicando un prejuicio eoc;ntrico en las contribuciones percibidas$ Jeintisiete de
las 02 parejas mostraron alAn rado de sobreestimaci!n 8p ] $3.1# prueba de seEal9$ -Cs
aAn# en el promedio de sobreestimaci!n ocurrido en /4 de los .3 tems del cuestionario#
incluyendo tems neativos S por ejemplo# arumentos causantes entre los dos de ustedes#
?8/# 0.9 [ .3$07# p ] $33/$ &unDue la manitud de la sobreestimaci!n )ue relativamente
peDueEa# en el promedio# note Due los sujetos tendieron a usar un rano restrinido de la
escala$ Ba mayora de las repuestas estuvieron levemente arriba ! levemente debajo de la
marca a la mitad del camino en la escala$ *inuno de los tems mostraron un sini)icativo
e)ecto de subestimaci!n$
El seundo set de tems en el cuestionario reDuiri! de los sujetos rabar ejemplos de sus
propias contribuciones y las de sus c!nyues para cada actividad$ Un punteo de la di)erencia
media )ue obtenido sobre las .3 actividades 8promediando sobre esposo y esposa9# con el
nAmero de ejemplos de contribuciones de los c!nyues sustrado del nAmero de ejemplos de
las contribuciones propias$ Una prueba de la ran media )ue altamente sini)icativa# ?8/# 019
[ 04$3# p ] $33/L como se esperaba# los sujetos proveyeron mCs ejemplos de sus propios
)actores de producci!n 8- [ /3$69 Due de sus c!nyues 8- [ 7$/9$ Ba correlaci!n entre ;sta
di)erencia entre el punteo de uno y del otro y la medida inicial de la responsabilidad
percibida )ue determinada$ Como si )uera una hip!tesis# mientras mayor la tendencia a
recordar los comportamientos auto>relevantes# mayor )ue la sobreestimaci!n en la
responsabilidad percibida# r8019 [ $13# p ] $3/$
El nAmero de palabras contenidas en cada uno de los ejemplos reportados por los sujetos
)ue tambi;n evaluado para proporcionar una medida de la elaboraci!n ! riDueFa del recuerdo$
/:7
El nAmero medio de palabras por ejemplo no di)iri! como una )unci!n de si el
comportamiento )ue reportado para ser emitido por uno 8- [ /3$39 ! por el c!nyue 8- [
/3$/9# ? ] /$ &demCs# ;sta medida no )ue correida con la medida de responsabilidad
percibida# r8019 [ >$/1# ns$
En resumen# ambas la medida de la responsabilidad y la medida re)lejando la
disponibilidad de comportamientos relevantes mostraron los prejuicios eoc;ntricos de las
hip!tesis$ -Cs aAn# eGisti! una sini)icativa correlaci!n entre la manitud del prejuicio en la
disponibilidad y la manitud del prejuicio en la responsabilidad$ Este descubrimiento es
consistente con la hip!tesis de Due los prejuicios eoc;ntricos en las atribuciones de
responsabilidad son mediados por los prejuicios en la disponibilidad$ ?inalmente# la cantidad
del comportamiento recordado pareci! ser el )actor importante# mCs Due la riDueFa del
recuerdo$ $ $ $
Experimento +
En el eGperimento .# tuvimos a los juadores de /. eDuipos de bas(etball intercoleial Due
individualmente completan un cuestionario en el cual ellos )ueron reDueridos a recordar un
importante punto decisivo en su Altimo partido y a evaluar porDu; su eDuipo haba anado !
perdido$
Es un salto para ir de las comparaciones del yo y del otro Due hemos considerado en los
estudios previos para las comparaciones del propio eDuipo y del otro$ EGisten# sin embaro#
un nAmero de raFones para esperar Due las acciones del propio eDuipo de uno estara mCs
disponible para el atribuidor Due las acciones del otro eDuipo< ,o s; los nombres de mis
compaEeros de eDuipo# y por consiuiente# yo teno unos medios listos de oraniFar el
almacenamiento y retribuci!n de los datos relevantes para ellosL nuestro ;Gito en )uturos
partidos contra otros oponentes depende mCs de nuestras propias habilidades o)ensivas y
de)ensivas Due sobre las habilidades del eDuipo opuesto$ Consecuentemente# yo puedo
atender mCs cercanamente a las acciones de mis compaEeros# las cuales estimularan
codi)icar y almacenar$ 'ambi;n eGisten disparidades de in)ormaci!n< Bas estrateias de mi
propio eDuipo son mCs importantes Due las estrateias del eDuipo opositor 8'vers(y R
Kanhneman$ /620$ //9$ Si las iniciativas del propio eDuipo de uno estCn di)erencialmente
disponibles# los juadores recordaran un punto decisivo en t;rminos de las acciones de su
eDuipo y la responsabilidad del atributo para el resultado del jueo para su eDuipo$ $ $ $
(-todo
Sujetos& Setenta y cuatro mujeres y 7: hombres juadores del bas(etball intercoleial participaron en
el estudio$ Bos t;cnicos de los eDuipos )ueron contactados por tel;)onoL todos acordaron seuir las
discusiones con sus juadores para Due sus eDuipos participen en el estudio$
Procedimiento& Bo s cuestionarios )ueron administrados despu;s de seis partidos en los cuales los
eDuipos participantes en el estudio juaron unos contra otros$ Por lo tanto# para los tres partidos
masculinos escoidos# tres de los seis eDuipos masculinos en el estudio estuvieron compitiendo contra
los otros tres eDuipos$ Similarmente# los tres eDuipos )emeninos seleccionados incluyeron todos los
seis eDuipos )emeninos$ Bos cuestionarios )ueron administrados en la prCctica del primer eDuipo
siuiendo el objetivo del partido 8/ ! . das despu;s del partido9# eGcepto en un caso donde# debido a
los calendarios de jueo del eDuipo# )ue necesario recolectar los datos inmediatamente despu;s del
jueo 8dos eDuipos )emeninos9$ Bos cuestionarios )ueron completados individualmente# y el
anonimato de los encuestados )ue arantiFado$ Bas preuntas relevantes# de la perspectiva corriente#
)ueron las siuientes<
/:6
/$ Por )avor describa brevemente un importante punto decisivo en el Altimo jueo e indiDue en cual
perodo ocurri!$
.$ *uestro eDuipo an!Tperdi! nuestro Altimo partido debido a$ $ $ $
Bas respuestas a la primera preunta )ueron eGaminadas para determinar si el punto decisivo )ue
descrito como precipitado por el propio eDuipo de uno# ambos eDuipos# ! el otro eDuipo$ Bas
respuestas a la seunda preunta )ueron eGaminadas para evaluar el nAmero de raFones para la
anancia ! la p;rdida Due relacion! a las acciones de ya sea del propio de uno ! del eDuipo opuesto$
Bos datos )ueron codi)icados por una persona Dui;n no estaba al tanto de las hip!tesis eGperimentales$
Un seundo observador independientemente codi)ic! las respuestas del 13W de los sujetos$ Hubo
/33W de concordancia para ambas interroantes$
!esultados
*o hubo una sini)icativas di)erencias en seGo en las dos medidas dependientes# los resultados son#
por consiuiente# reportados colapsados a trav;s del ;nero$ Puesto Due las respuestas de los
miembros del eDuipo no pueden ser vistas como independientes# las respuestas )ueron promediadas# y
el eDuipo sirvi! como la unidad de anClisis$
Un eGamen preliminar de los datos del Npunto decisivoO revel! Due aAn dentro de un eDuipo# los
juadores )ueron recordando eventos muy di)erentes$ & pesar de eso# //6 juadores recordaron un
punto decisivo Due ellos describieron como precipitado por las acciones de su propio eDuipoL /0
juadores recordaron un punto decisivo Due ellos lo vieron como causado por ambos eDuiposL /4
juadores recordaron un punto decisivo visto al ser iniciado por las acciones del eDuipo opuesto 8los
restantes /3 juadores no respondieron la preunta9$ Bos sujetos describieron tales eventos como una
)uerte de)ensa durante los dos Altimos minutos del partido# un robo de)ensivo# un cambio en las
estrateias o)ensivas# etc$
El porcentaje de juadores Due recordaron un punto decisivo causado por sus compaEeros de
eDuipo )ue derivado por cada eDuipo$ Estos /. punteos )ueron remitidos a un anClisis Due los compar!
a una eGpectante casualidad del 13W$ Ba distribuci!n obtenida )ue sini)icativamente di)erente de la
casualidad# ?8/# //9 [ 03$.1# p ] $33/# con una media del 73$.1W$ Como se )ormul! la hip!tesis# la
mayora de los reportes en)atiFaron las acciones de los juadores del propio eDuipo$
El porcentaje de juadores Due recordaron un punto decisivo causado por sus compaEeros de
eDuipo )ue eGaminado en relaci!n al desenvolvimiento del eDuipo$ El porcentaje promedio )ue mayor
en el eDuipo perdedor Due en el eDuipo anador en cinco de los seis partidos 8p ] $//# prueba de
seEal9$ Ba di)erencia media entre los porcentajes de los eDuipos perdedor 8- [ 77$19 y anador 8- [
2.9 no )ue sini)icativa$
Bas eGplicaciones de los juadores de sus eDuipos anadores ! perdedores )ueron tambi;n
eGaminados$ De los /17 participantes# solo /: proporcionaron cualesDuiera raFones Due involucraron
las acciones del eDuipo opuesto$ En promedio# los sujetos reportaron /$26 raFones para el anador ! el
perdedor Due involucr! a su propio eDuipo y $36 raFones Due involucraron al eDuipo opuesto# ?8/# //9
[ .2.$6/# p ] $33/$ ?inalmente# la tendencia a imputar mCs raFones al propio eDuipo de uno no )ue
sini)icantemente mayor despu;s de una p;rdida 8- [ /$209 Due despu;s de una anancia 8- [ /$419#
? ] /$
%iscusin
Bas respuestas a la preunta sobre el punto decisivo indican Due los desenvolvimientos de los
compaEeros de eDuipo de los sujetos estuvieron mCs disponibles Due aDuellos de los miembros del
eDuipo opuesto$ &demCs# los sujetos le imputaron la responsabilidad$ Por tanto# los prejuicios de
disponibilidad y los juicios de responsabilidad pueden ocurrir a nivel de rupo$ -Cs bien y Hes(o+itF
8/6229 proporciona otro ejemplo del eocentrismo de rupo< NCBS ^noticias_ lle! a ser un s!lido
*Amero Uno despu;s del lanFamiento del &polo a la luna en /647$ Si ustedes son una persona CBS#
ustedes tienden a decir nuestra cobertura del aluniFaje inclin! a todos sobre nosotros$ Si ustedes son
/13
una persona *BC# ustedes tienden a citar la desmembraci!n del eDuipo Huntley>Brin(ley como el
)actor claveO 8p$ 0329$ $ $ $
Experimento 1
En el eGperimento 0# intentamos cambiar el )oco de atenci!n del individuo para a)ectar la
disponibilidad$ *osotros empleamos una manipulaci!n desinada para promover una
recuperaci!n selectiva de la in)ormaci!n directamente relevante a las atribuciones de la
responsabilidad$
En nuestro anClisis inicial# suerimos Due la atribuciones eoc;ntricas de la
responsabilidad podran ser producidas por la recuperaci!n selectiva de in)ormaci!n desde la
memoria y Due la recuperaci!n podra ser uiada por la )orma de preuntas Due los
individuos se preuntan a s mismos$ El eGperimento 0 )ue conducido para probar ;sta
hip!tesis$ Bos sujetos )ueron inducidos a comprometerse en aplaFar la recuperaci!n por
variaciones en la )orma en la cual las preuntas )ueron )ormuladas$ Bos estudiantes
raduados )ueron estimulados a pensar sobre ya sea sus propias contribuciones a sus tesis de
B& ! las contribuciones de sus supervisores$ Ba cantidad de responsabilidad para la tesis Due
los sujetos asinaron a ya sea a s mismos ! al supervisor )ueron entonces evaluados$ Se
)ormul! una hip!tesis de Due los sujetos aceptaran menos responsabilidad para el es)uerFo
de investiaci!n en el )oco del supervisor Due en la condici!n del )oco de s mismo$
(-todo
Los sujetos& Bos sujetos )ueron /2 mujeres y /. hombres estudiantes raduados en psicoloa$ Ba
mayora haba completado / ! . aEos en la escuela de raduados$ 'odos ;stos estudiantes haban
conducido eGperimentos Due sirvieron con sus tesis de B& en su aEo )inal para raduarse$
Procedimiento& Bos sujetos )ueron aproGimados individualmente en sus o)icinas y reDueridos
a completar un breve cuestionario sobre las relaciones supervisor>estudiante$ *inuno se
rehus! a participar$ Bas dos )ormas del cuestionario )ueron distribuidas al aFar a los sujetosL a
ellos se les aseur! Due sus respuestas seran an!nimas y con)idenciales$
Una )orma del cuestionario reDuera a los sujetos indicar su propia contribuci!n a cada
uno de un nAmero de actividades relacionadas a sus tesis de B&$ Bas preuntas )ueron como
siue< 8a9 N,o suer el ooo por ciento de la metodoloa Due )ue )inalmente empleada en el
estudioO$ 8b9 N,o prove el ooo por ciento de la interpretaci!n de los resultadosO$ 8c9 N,o
inici; ooo por ciento de las discusiones de la tesis relevante con mi supervisorO$ 8d9 NDurante
las discusiones de la tesis relacionada yo tend a controlar el curso y contenido de la
discusi!n el ooo por ciento del tiempoO$ 8e9 NDe todas las cosas consideradas# yo )ui
responsable del ooo por ciento del es)uerFo total de la investiaci!nO$ 8)9 NC!mo evaluara
usted su tesis relativa a otras hechas en el departamentoQO$
Ba seunda )orma del cuestionario )ue id;ntica a la de arriba# eGcepto Due la palabra yo
8condici!n de auto )oco9 )ue reemplaFada con mi supervisor 8condici!n de )oco mi
supervisor9 en las Preuntas />1$ Bos sujetos )ueron reDueridos a llenar los espacios en
blanco con las respuestas a las primeras cinco preuntas y a poner un cheDue a trav;s de una
lnea de /13>mm# con puntos )inales etiDuetados Nin)eriorO y NsuperiorO# en la respuesta a la
preunta 4$
!esultados y discusin
Para prop!sitos del anClisis# se asumi! Due la contribuci!n del supervisor y el estudiante a
/1/
cada tem se areara hasta el /33W$ &unDue el eGperimento )ue introducido como un
estudio de las relaciones supervisor>estudiante# es posible Due los estudiantes puedan haber
considerado en sus estimaciones los )actores de producci!n de otros individuos 8por ejemplo#
estudiantes amios9$ *o obstante# el procedimiento corriente provee una prueba conservadora
de la hip!tesis eGperimental$ Por ejemplo# si un sujeto respondi! el .3W de un tem en la
versi!n NIO del cuestionario# se asumi! Due su supervisor contribuy! con el 73W$ &unDue el
supervisor puede haber contribuido solo con el 43W# con una persona no especi)icada
proveyendo el remanente$ Por posiblemente una sobreestimaci!n de la contribuci!n del
supervisor# sin embaro# estamos prejuiciando los datos contra la hip!tesis eGperimental< Ba
versi!n NIO se esperaba Due redujera el porcentaje de responsabilidad asinado al supervisor$
Bas respuestas de los sujetos a las primeras cinco preuntas sobre la )orma NIO del
cuestionario )ueron sustradas de /33# de tal manera Due los nAmeros mCs altos re)lejaran
mayores contribuciones del supervisor en ambas condiciones# Ba preunta 1 trata con la
totalidad de la responsabilidad por el es)uerFo de la investiaci!n$ Como se anticip!# los
sujetos asinaron mCs responsabilidad al supervisor en la condici!n de la concentraci!n del
supervisor 8- [ 00$0W9 Due en la condici!n de la auto>concentraci!n 8- [ /4$1W9# ?8/# .29
[ 6$31# p ] $3/$ Bas primeras cuatro preuntas estuvieron relacionadas con di)erentes
aspectos de la tesis# y la respuesta promedio revel! un resultado similar< concentraci!n del
supervisor - [ 00$0:L auto>concentraci!n - [ ./$7.L ?8/# .29 [ 1$0:# p ] $31$ ?inalmente#
los sujetos tendieron a evaluar sus tesis mCs positivamente en la condici!n de auto>
concentraci!n Due en la condici!n de concentraci!n del supervisorL //.$4 versus 6:$4#
?8/#.29 [ 0$16# p ] $/3$
Bas contrastantes palabras de las preuntas tuvo el impacto anticipado sobre las
asinaciones de responsabilidad de los sujetos$ Ba versi!n del cuestionario del supervisor
presumiblemente caus! a los sujetos recordar una mayor proporci!n de las contribuciones de
los supervisores Due la )orma NIO del cuestionario$ Esta disponibilidad di)erencial estuvo
entonces re)lejada en las asinaciones de responsabilidad$ *ote# sin embaro# Due las
preuntas no )ueron enteramente eGitosas en controlar la reparaci!n de los sujetos$ &l
supervisor le )ue asinada solo un tercio de la responsabilidad por la tesis en la condici!n de
la concentraci!n del supervisor$
& la luF de los presentes datos# las atribuciones de responsabilidad de los juadores de
bas(etball por el resultado del partido en el EGperimento . necesitan ser reeGaminadas$
"ecuerde Due los juadores )ueron reDueridos a completar la )rase< N*uestro eDuipo
an!Tperdi! nuestro Altimo partido debido a$ $ $ $O$ Esta preunta condujo a un altamente
sini)icativo prejuicio eoc;ntrico$ Con percepci!n retrospectiva# es evidente Due la )orma de
la preunta S N8uestro eDuipo # # # nuestro Altimo partidoO puede haber impulsado a los
sujetos a concentrarse en las acciones de sus propios eDuipos# aAn cuando el palabreo no
eGcluye re)erencias al eDuipo opuesto$ Ba preunta del Npunto decisivoO en el EGperimento .
)ue mCs neutralmente palabreado y no es susceptible para ;sta interpretaci!n alternativa$
Bas preuntas dominantes en ;stos estudios emanan de una )uente eGternaL muchas de
nuestras preuntas de recuperaci!n son auto>iniciadas# sin embaro# y nuestro recuerdo puede
bien ser prejuiciado por la )orma en la cual )ormulamos las preuntas de recuperaci!n a
nosotros mismos$ Por ejemplo# los juadores de bas(etball son probablemente mCs proclives
a pensar en t;rminos de NPor Du; nosotros anamos ! perdimosQO Due en t;rminos de una
neutralmente )raseada NCuCl eDuipo )ue responsable del resultado del partidoQO$ $ $
Ba presente investiaci!n demuestra la prevalencia de prejuicios auto>centrados en la
disponibilidad y en juicios de responsabilidad$ En la vida diaria# ;stas tendencias
eoc;ntricas pueden ser inoradas cuando empresas conjuntas no reDuieren asinaciones
eGplcitas de responsabilidad$ Si las asinaciones son establecidas distintamente# sin
embaro# eGiste un potencial para el disenso# y los individuos son improbables de darse
/1.
cuenta Due sus di)erencias en juicio podran surir de evaluaciones honestas de in)ormaci!n
Due estCn di)erencialmente disponibles$
/10
'1( El prejuicio de disponibilidad en la percepcin
social e interaccin
Shelley E$ 'aylor
'odos los das el percibidor social hace numerosos# aparentemente complejos juicios sociales
S Predecir el comportamiento de otro# atribuir responsabilidad# cateoriFar a un individuo#
evaluar a otros# estimar el poder de in)luencia de una persona# ! atribuir una causalidad$
Hasta recientemente# la investiaci!n sobre ;ste t!pico )ue marcada por un prejuicio
racionalista# la suposici!n de Due los juicios son hechos usando per)ectas# estrateias !ptimas
8vea# por ejemplo# ?ischho))# /624# para discusi!n sobre este punto9$ Bos errores en juicios
)ueron atribuidos a dos )uentes< 8a9 errores accidentales debido a problemas con la
in)ormaci!n de los cuales el percibidor no estuvo presumiblemente conscienteL y 8b9 errores
Due resultaron de motivos irracionales y necesidades del percibidor$
Dentro de la psicoloa social ;sta perspectiva estC representada por la investiaci!n de la
atribuci!n causal$ En las primeras )ormulaciones de la atribuci!n 8por ejemplo# =ones R
Davis# /641L Kelley# /6429 el percibidor social )ue caracteriFado como un cient)ico leo Due
reuni! in)ormaci!n de mAltiples )uentes en el medio ambiente para hacer atribuciones
considerando las relaciones causa>e)ecto$ Cuando )ueron observadas orientaciones de estos
modelos normativos# se crey! Due ellos se derivan de prejuicios tal como la relevancia
hed!nica 8vea# -iller R "oss# /6219$
Sin embaro# a trav;s de un perodo de aEos# un creciente cuerpo de evidencia suiri! no
solo Due los juicios y decisiones de la ente son menos completos y racionales de lo Due )ue
pensado pero Due no todos los errores pueden ser rastreados por )actores de motivaci!n$ &An
en la ausencia de motivos# los juicios estCn a menudo hechos sobre las bases de datos
escasos# los cuales aparentemente son casualmente combinados e in)luenciados por pre>
concepciones 8vea# por ejemplo# Da+es# /6249$ Estos descubrimientos condujeron a una vista
revisada del sistema conitivo$ Ba ente vino a ser vista como de capacidad limitada# capaF
de tratar con solo una peDueEa cantidad de datos a la veF$ -Cs Due ser vista como un
cient)ico leo Due optimiFa# la persona )ue considerada para Nsatis)acerO 8Simon# /6129 y
usar atajos Due produciran decisiones y juicios e)iciente y eGactamente$
Una de las contribuciones mCs provocativas y Due in)luyen para ;sta opini!n revisada del
proceso del juicio es el trabajo de Kahneman y 'vers(y sobre heursticas conitivas
8Kahneman y 'vers(y# /62:# /9$ De acuerdo a Kahneman y 'vers(y 8/62:# /9# las heursticas
son usadas bajo condiciones de incertidumbre# ! la no disponibilidad ! indeterminaci!n de
in)ormaci!n importante$ En juicios no sociales# la incertidumbre se deriva primariamente del
hecho de Due la in)ormaci!n relevante a un juicio particular es casi siempre incompleta$ El
material apropiado real puede ser inaccesible# el puede no ser arupado en tiempo para
re)erirse a la decisi!n# ! el puede ser muy voluminoso para ser apropiadamente oraniFado y
Ba preparaci!n de este trabajo )ue patrocinada por *S? "esearch Irant *o$ B*S 22>366..
/1:
utiliFado en una tarea de juicio$
Bas heursticas son probables estrateias para hacer juicios sociales as como para no
sociales por varias raFones$ Primera# la distinci!n entre juicios sociales y no>sociales es una
arbitraria# en Due virtualmente cualDuier juicio sini)icativo tiene consecuencias sociales$
Seunda# los juicios sociales involucran las mismas )ormas de incertidumbre Due caracteriFa
a los juicios no>sociales$ 'ercera# los juicios sociales incluyen nuevas )uentes de
incertidumbre$ Ba in)ormaci!n sobre la ente es mCs ambiua# menos )idedina y mCs
inestable Due es la in)ormaci!n sobre objetos ! eventos no>sociales# desde Due la ente no usa
sus atributos personales sobre sus caras del modo Due los objetos usan su color# )orma !
tamaEo$ Por lo tanto# los atributos personales deben ser in)eridos mCs Due observados
directamente$ Ba ente tiene intenciones# de las cuales no todas son directamente
establecidas$ Debido a Due la mayora de acciones sociales sini)icativas pueden ser
comprometidas para una variedad de raFones y producirC una variedad de consecuencias# el
sini)icado de la acci!n social es )undamentalmente ambiuo$ &unDue los objetos mantienen
sus atributos cruFados>en situaci!n y )uera de hora# los motivos de la ente cambian de
situaci!n en situaci!n# y las metas cambian de minuto a minuto as como sobre el tiempo de
vidaL por tanto# una in)erencia eGacta en una situaci!n puede tener poca utilidad productiva$
Ba imposibilidad de tener in)ormaci!n completa# seura# predecible sobre la ente y las
interacciones sociales suieren Due la ente adopta heursticas Due la posibilita a hacer
in)erencias y predicciones de los escasos y no con)iables datos Due estCn disponibles$
La disponibilidad *eur#stica
Una de tales heursticas es la disponibilidad$ NUna persona se dice Due emplea la
disponibilidad heurstica cada veF Due ;l estima la )recuencia ! probabilidad por la )acilidad
con la cual las instancias ! las asociaciones vienen a la menteO 8'vers(y R Kahneman# /620#
p$ .37# ''9$ Uno asume Due si los ejemplos son trados a la mente rCpidamente# entonces debe
haber muchos de ellos# ! Due si una asociaci!n es hecha )Ccilmente# entonces debe ser eGacta#
puesto Due las uniones asociativas son construidas con eGperiencia$ &demCs# es )Ccil de
restablecimiento# construcci!n y asociaci!n Due provee la estimaci!n de la )recuencia ! de la
probabilidad# no la suma total de ejemplos ! asociaciones Due vienen a la mente$ Por tanto#
una importante di)erencia entre el uso de la disponibilidad heurstica y el uso de alAn
proceso mCs elaborado es Due el poco restablecimiento actual ! construcci!n necesita ser
completado# una estimaci!n de la )acilidad con la cual este proceso puede ser ejecutado es
su)iciente como una base para la in)erencia$
'vers(y R Kahneman 8/620# ''9 suieren dos clases enerales de tareas en las cuales un
prejuicio de disponibilidad podra )iurar prominentemente< la construcci!n de instancias y
asociaciones y el restablecimiento de asociaciones e instancias$ Estas dos tareas enerales son
tambi;n tareas del percibidor social$ Bajo muchas circunstancias# podemos ser reDueridos a
construir un comportamiento social# como en tratar de adivinar c!mo alAn amio va a
comportarse ;l se da cuenta Due su esposa lo estC abandonando$ En tales casos uno estC
construyendo una realidad social contra la cual el evento social actual puede ser comparado$
En otros casos# uno puede sacar del pasado ejemplos del comportamiento de un individuo
para hacer in)erencias# como en recordar instancias de c!mo este mismo amio se las arrel!
con la crisis en el pasado como una base para in)erir como ;l se las arrelarC ahora$
Hasta cierto punto las suposiciones relacionadas entre la )acilidad de construcci!n !
restablecimiento y nAmero de ejemplos ! asociaciones son eGactas# y al rado Due ellas son#
un individuo usando la disponibilidad heurstica alcanFarC las in)erencias correctas ! al
menos in)erencias Due se asemejen a aDuellas alcanFadas usando procedimientos mCs
eGhaustivos y aotadores$ Bajo otras circunstancias# sin embaro# aDuellas in)erencias pueden
/11
no ser eGactas debido a Due eGisten prejuicios en los datos disponibles Due son trados para
ser apropiados al problema$ EGisten al menos tres maneras en las cuales un prejuicio en los
datos disponibles podran prejuiciar a procesos sociales subsecuentes$ Primero# datos
altamente importantes pueden estar mCs disponibles y por lo tanto ejercer una
desproporcionada in)luencia sobre los procesos de juicio$ Seundo# prejuicios en el proceso
de restablecimiento en s mismo puede conducir a una base de datos no>representativa$
'ercero# la perseverancia de las estructuras conitivas del percibidor tales como creencias y
valores )omentan preconcepciones Due aumentan la disponibilidad de cierta evidencia# por
tanto prejuiciando el proceso de juicio$ Ba presencia de cualDuiera de ;stos prejuicios
evidenciales ! de procesamiento pueden conducir a in)erencias prejuiciadas$
%isponibilidad y prejuicios salientes1 +n ejemplo
Prejuicios salientes se re)ieren al hecho Due el colorido# la dinCmica A otros estmulos
distintivos desproporcionadamente comprometen la atenci!n y concordantemente a)ectan los
juicios desproporcionadamente$ Un ejemplo de tal prejuicio a sido denominado el error de
atribucin fundamental 8vea "oss# /6229 y se re)iere a un penetrante prejuicio de ver a la
ente como aentes causales en el medio ambiente$ Bo Due sini)ica Due# en un ajuste social
en el cual ya sea una persona ! aluna variable situacional es un plausible candidato causal
para un resultado# ah eGiste un prejuicio eneral de ver a la ente como aentes causales#
particularmente sus atributos de tolerancia de disposici!n$
&lunas entes son mCs sobresalientes Due otras# y ;sta di)erencia de sobresaliente dentro
del entorno social puede tambi;n prejuiciar del proceso de juicio$ Estudios Due han aplicado
a principios de estar una idea de ;n)asis de )iura al mundo social 8vea# por ejemplo#
-c&rthur R Post# /622L 'aylor R ?is(e# /621L ?is(e et al$# /6269 revelan Due un individuo
Due es brillantemente iluminan# movi;ndose 8como en una silla mecedora9# muy contrastante
8a trav;s de tales aparentemente triviales manipulaciones como el color de la camisa9# !
novela desviarC una desproporcionada cantidad de atenci!n$
Consecuencias sociales del prejuicio saliente son ilustradas por estudios Due eGaminan el
impacto de la sola posici!n ! interaci!n simb!lica de las impresiones de la ente de los
individuos$ Cuando una compaEa estC a punto de desinterarse e incluye a miembros de un
rupo minoritario# tal como neros# mujeres ! los incapacitados# a menudo un paso
intermedio ocurre previo a la interaci!n completa$ En este paso# uno ! dos miembros de ;ste
rupo previamente eGcluido puede ser trado dentro de lo Due ha de otro modo sido un rupo
de trabajo de hombres blancos# por tanto creando instancias de una sola posici!n$ Una sola
posici!n puede presentarse por cualDuiera de varias raFones$ &h debe de haber una ausencia
de aplicantes cali)icados del rupo minoritario particularL la oraniFaci!n puede desear evitar
el desa)o suerido por un rande in)lujo de miembros del rupo minoritarioL ! uno solo
puede ser usado para prevenir las )uerFas de acci!n a)irmativa$ & pesar de las raFones para la
interaci!n simb!lica# el smbolo ! solo individual es a menudo tratado como un
representativo de su rupo social$ En consecuencia# las evaluaciones Due son hechas de su
desenvolvimiento son a menudo usadas para predecir cuCnto bien otros miembros de ese
rupo haran si ellos )ueran a venir dentro de la oraniFaci!n tambi;n$ Ba sini)icaci!n de la
sola posici!n es su novedad$ En un distinto medio ambiente masculino# una mujer oriinal#
como lo hace una nera# en un distinto medio ambiente blanco$ 'al distinci!n )omenta un
prejuicio saliente$
/14
En una analoa eGperimental de esta situaci!n# los sujetos observaron una representaci!n
audiovisual de un peDueEo rupo 8seis personas9 teniendo una discusi!n in)ormal$ &lunos
sujetos vieron a un rupo Due incluy! un nero# uno masculino ! uno )emenino en un distinto
rupo blanco# )emenino ! masculino# respectivamente 8'aylor et al$# /624L 'aylor# ?is(e
Etco)) R "uderman# /6279$ %tros observaron rupos de comparaci!n en los cuales el
contenido del rupo de discusi!n )ue id;ntico a ese de condiciones sola# pero la composici!n
del seGo ! raFa del rupo )ue iualada 8por ejemplo# tres hombres y tres mujeres9$ Bos sujetos
observaron el rupo de discusi!n y entonces rabaron sus impresiones de los individuos en
los rupos$
Consistente con el arumento Due eGiste un prejuicio sobresaliente creado por posiciones
solas ! simb!licas# un comportamiento solo de un nero )ue recordado de aluna manera
mejor Due el comportamiento de ese mismo individuo en un iualmente comparable rupo
miGto# y el solo )ue juFado como haciendo mCs del parloteo comparado con un individuo
comparable en rupo miGto$
/
Este prejuicio saliente# a su veF# conduce a una eGtremidad
evaluativa$ Cuando un individuo )ue un solo en un rupo# el comportamiento de esa persona
)ue evaluado mCs eGtremamente en ya sea una direcci!n positiva ! neativa# comparada con
el mismo comportamiento en un rupo miGto$ Una persona desaradable )ue percibida como
aAn mCs cuando un soloL una persona aradable )ue percibida como aAn mCs aradable
cuando un solo$
Usando la disponibilidad heurstica como un marco de trabajo eGplicatorio# uno puede
in)erir Due cuando los sujetos )ueron reDueridos a evaluar a un individuo en el rupo# ellos
trataron de acceder a ejemplos de comportamientos relevantes ! asociaciones para el
estmulo de las personas# y la )acilidad con la cual tales instancias ! asociaciones vinieron a
la mente los condujeron a hacer evaluativamente juicios eGtremos$ En el caso del solo# mCs
ejemplos de comportamientos relevantes estCn disponibles debido a Due eGiste una ran base
de datos# conduciendo a una eGtremidad evaluativa$ Estos resultados suieren muy
)uertemente Due un individuo distintivo Due es un solo# Duien es discapacitado# ! Dui;n es de
otro modo di)erente de otros individuos con Duienes ;l interactAa# provocarC evaluativamente
juicios eGtremos en aDuellos alrededor de ;l$ Bas implicaciones de estos descubrimientos para
el mundo social son# por supuesto# pro)undos$ Por ejemplo# si solos son usados como unas
bases para hacer decisiones de disreaci!n y percepciones de un solo son inherentemente
prejuiciadas# entonces decisiones eDuivocadas pueden ser hechas$ Evaluaciones
eGaeradamente neativas de un solo pueden conducir a una terminaci!n no arantiFada de
un prorama de disreaci!n$
Evaluaciones eGaeradamente positivas pueden )inar )alsas eGpectativas para el
comportamiento de otros miembros del rupo minoritario# eGpectativas Due pueden no
ser encontradas$
Usando la disponibilidad heurstica como un marco de trabajo eGplicatorio# uno puede
in)erir Due cuando los sujetos )ueron reDueridos a evaluar a un individuo en el rupo# ellos
trataron de acceder a ejemplos de comportamientos relevantes ! asociaciones a los estmulos
de las personas# y la )acilidad con la cual tales instancias ! asociaciones vinieron a la mente y
los condujeron a hacer juicios eGtremos evaluativamente$ En el caso del solo# mCs ejemplos
de comportamientos relevantes estCn disponibles debido a Due eGiste una enorme base de
datos# conduciendo a la eGtremidad evaluativa$ Estos resultados suieren muy )uertemente
Due un individuo distintivo Duien es un solo# Duien es discapacitado# ! Duien es di)erente de
otros individuos con Duienes interactAa# evocarCn evaluativamente los juicios eGtremos en
aDuellos alrededor de ;l$ Bas implicaciones de estos descubrimientos para el mundo social
son# por supuesto# pro)undos$ Por ejemplo# si los solos son usados como una base para
3
(edidas de recuerdo no fueron colectadas en los estudios sobre el solo masculino y el solo femenino&
/12
hacer decisiones y percepciones de disreaci!n de un solo son inherentemente prejuiciadas#
entonces decisiones eDuivocadas pueden ser hechas$ Bas evaluaciones de un solo
eGaeradamente neativas pueden conducir a una )inaliFaci!n no arantiFada de un prorama
de disreaci!n$ Evaluaciones eGaeradamente positivas pueden provocar )alsas eGpectativas
para el comportamiento de otros miembros del rupo minoritario# eGpectativas Due pueden
no ser eGperimentadas$
Ba motivaci!n claramente no puede contar para estos prejuicios en las percepciones de
otros salientes$ &unDue alunos procesos de motivaci!n pueden ser comprometidos en
reacciones a los incapacitados ! a un solo# es di)cil encontrarlos en las evaluaciones de una
persona Duien es saliente por virtud del color de la camisa ! movimiento$ Por consiuiente#
uno debe ver los )actores conitivos# y la disponibilidad heurstica provee una posible
eGplicaci!n para estos e)ectos$
Prejuicios de disponibilidad y restablecimiento1 %os ejemplos
Una seunda )uente de prejuicios de disponibilidad se deriva de c!mo la in)ormaci!n es
almacenada ! restablecida$ Pue sini)ica# Due la memoria estC oraniFada en modos
particulares Due pueden )acilitar la recuperaci!n ! construcci!n de ciertas )ormas de ejemplos
! in)erencias e inter)erir con otros$ Una )uente de inter)erencia es la simple limitaci!n en la
cantidad de in)ormaci!n Due puede ser sostenida en la memoria# la Due puede conducir a
con)usi!n en los rasos asociativos o ejemplos Due son almacenados$
"othbart y sus coleas 8"othbart et al$# /6279 demostraron este problema en un estudio de
los atributos de rupos sociales$ & los sujetos se les dio in)ormaci!n caracterstica sobre
hipot;ticos miembros del rupo 8por ejemplo# Phil es pereFoso9 bajo una de dos condiciones$
Bos sujetos tampoco vieron los nombres de varios di)erentes miembros del rupo 8Ed# Phil#
?redL =oe9 aparejados con un raso particular 8pereFoso9 ! ellos vieron el mismo nombre del
raso aparejando 8Phil es pereFoso9 un eDuivalente nAmero de veces$ Si los sujetos son
capaces de recordar eGactamente cuales nombres )ueron aparejados con cuales rasos#
entonces las in)erencias sobre el rupo como un todo deberan ser mCs )uertes si varios
miembros del rupo tienen un raso particular Due si solo un miembro tiene el raso$ Cuando
el nAmero total de emparejamientos de raso de nombre a Due los sujetos )ueron eGpuestos
)ue bajo# los sujetos mostraron esta cautela en sus in)erencias sobre el rupo$ Sin embaro#
cuando el nAmero total de emparejamientos de raso de nombre )ue alto# )ue aparentemente
di)cil para los sujetos conservarse seuros de cuCntos individuos tenan esos rasos# y ellos
empeFaron a comportarse como si mAltiples instancias del mismo aparejamiento del raso
del nombre )ue tan in)ormativo como varios di)erentes nombres emparejados con ese
nombre$ El rupo vino a ser caracteriFado como pereFoso aAn cuando solo unos pocos de sus
miembros actualmente )ueron pereFosos$
El mundo social es activo y a menudo abrumadoramente in)ormativo# y como tal
usualmente re)leja "othbart et al$@s 8/6279 condici!n de alta cara de memoria mCs Due la
condici!n de baja cara de memoria$ Estas condiciones )acilitaran# entonces# la in)ormaci!n
de estereotipos de rupo del comportamiento de unos pocos individuos cuyo comportamiento
muestra un ran nAmero de veces$ Como "othbart et al$ *otan# la media es mCs tomada con
eventos neativos Due positivos# y concordantemente la totalidad de estos prejuicios podran
)avorecer la )ormaci!n estereotipos de rupos neativos# particularmente si la membresa del
rupo es saliente cuando es mencionada en cobertura media$
El seundo ejemplo del impacto de prejuicios de recuperaci!n de juicios sociales es el de
atribuciones eoc;ntricas 8"oss R Sicoly# /626# '+9$ En muchos conteGtos un individuo debe
hacer juicios en relaci!n a Dui;n es responsable por lo Due ha transpirado$ Ba autora de un
/17
trabajo debe ser decidida# unos honorarios de consultora deben ser divididos entre
trabajadores# ! el cr;dito para un rupo anador ! perdedor debe ser dividido$ EGcepto la
conservaci!n de cada persona de una lista de sus contribuciones propias y las de las otras
personas 8una estrateia alo desesperada Due las vctimas han sido )orFadas a adoptar9# todas
las partes deben hacer una aproGimaci!n de Dui;n lo hiFo Due en la empresa conjunta$ Ba
disponibilidad heurstica provee una estrateia potencial para hacerlo$ Uno puede pensar
sobre ejemplos de las contribuciones propias y de las otras personas y sobre las bases de
cuCntos ejemplos vienen a la mente decidir Dui;n hiFo mCs$ Bos prejuicios pueden estar
presentes# sin embaro# Due inter)ieren con una eGacta evaluaci!n$ Un prejuicio hipotetiFado
es recuerdo eoc;ntrico# la habilidad de traer a la mente las propias contribuciones de uno un
tanto mejor Due aDuellas de otra persona$ Este prejuicio en recordar puede# a su veF# producir
prejuicios en la responsabilidad percibida$ Por ejemplo# si yo puedo recordar seis veces Due
yo eGtraje la basura y solo tres veces Due mi esposo lo hiFo# yo puedo concluir Due yo teno
responsabilidad por eGtraer la basura$ En una investiaci!n reciente# las )aenas maritales
probaron ser particularmente Atiles as como el conteGto el;ctrico para eGaminar el prejuicio
de disponibilidad 8"oss R Socoly# /626# '+9$ 'reinta y siete parejas casadas )ueron
entrevistadas en relaci!n a sus contribuciones a las variadas actividades Due la ente casada
debe ejecutar# tales como hacer el desayuno ! lavar los platos$ Cada miembro de la pareja )ue
reDuerido a indicar si cada actividad )ue ejecutada primariamente por el esposo !
primariamente por la esposa$ Cada persona entonces record! ejemplos espec)icos de lo Due
esa persona ! la esposa haba contribuido a la actividad# una medida desinada para utiliFar
la relativa disponibilidad de las contribuciones propias versus la de la esposa$
Bos resultados claramente indicaron Due cada c!nyue pens! Due ;l ! ella haban
contribuido mCs a las actividades conjuntas Due el otro c!nyue$ Cuando los punteos de
responsabilidad de los dos socios )ueron areados juntos# ellos eGcedieron el total posible de
responsabilidad Due podra ser tomado$ El nAmero de ejemplos espec)icos de contribuciones
Due cada c!nyue haba hecho )ue tambi;n calculado# y los resultados indicaron Due el
nAmero de contribuciones acreditadas a s mismo eGcedieron por mucho del nAmero de
contribuciones acreditadas al c!nyue$ Ba correlaci!n entre ejemplos recordados y
atribuciones de responsabilidad )ue alto 8l $1/9# suiriendo Due el prejuicio en recordar puede
haber producido el prejuicio la responsabilidad$
Una posible eGplicaci!n para estos e)ectos descansa en principios de motivaci!n y
mantiene Due las entes toman mCs de su compartir justo del cr;dito para preservar !
incrementar una positiva auto>imaen$ Si esto es cierto# entonces deberamos encontrar Due
cuando un proyecto conjunto )alla# la ente denearC el cr;dito personal por la )alla y atribuir
la responsabilidad al otro$ Por ejemplo# si una pareja hace una compra Due lle! a ser un
lim!n# cada uno puede acreditar al otro por la decisi!n$ "oss y Sicoly 8/626# '+9 eGaminaron
;sta posibilidad y encontraron Due ella contribuye solo d;bilmente a atribuciones
eoc;ntricas$ Ba ente estuvo cercanamente probable a tomar un cr;dito desproporcionado
para un mal proyecto conjunto como para uno bueno$
Una eGplicaci!n conitiva para estos e)ectos recurre a c!mo la recuperaci!n ! el
almacenamiento de in)ormaci!n produce prejuicios en la responsabilidad percibida$ Un
prejuicio eGpuesto puede estar presente tal Due uno observe sus propias contribuciones mCs
cercanamente Due aDuellas de otros# y por tanto cuando se estC reconstruyendo Dui;n es
responsable por lo Due# mCs de las contribuciones propias de uno vienen a la mente$ Por
ejemplo# si ambos c!nyues estCn trabajando al mismo tiempo# uno puede ser distrado por
las contribuciones del otro y observar sus propias contribuciones mCs cercanamente$
&lternativamente# uno puede estar menos consciente las contribuciones del otro porDue uno
no estC )sicamente presente cuando el c!nyue de uno estC haciendo su repartici!n del
trabajoL por consiuiente# uno puede subestimar la cantidad de tiempo y es)uerFo Due el
/16
c!nyue ha actualmente invertido$ &dicionalmente# el prejuicio puede estar presente si uno
ha re)leGionado sobre las propias contribuciones mCs Due las del otro$ Esto es especialmente
probable de ser cierto cuando el proyecto conjunto involucra mucho de pensar# escribir A otra
)orma de trabajo eGtendido como en plani)icar una mayor reparaci!n de la casa A
oraniFaci!n de una )iesta$ Una tercera posibilidad es Due las contribuciones propias de uno
se ajusten construcciones ! esDuemas de uno# lo Due sini)ica# maneras de dividir ! codi)icar
la in)ormaci!n$ Ba in)ormaci!n Due se ajuste a un esDuema preeGistente parece ser recordado
mCs )Ccilmente# y por lo tanto la disponibilidad realFada de las propias contribuciones de uno
pueden re)lejar un prejuicio de recuperaci!n 8vea 'aylor T Croc(er# /626b9$ Para resumir# los
prejuicios en c!mo la in)ormaci!n es almacenada ! recuperada puede conducir juicios
sociales prejuFados$ Un posible mediador es el uso de la disponibilidad heurstica$
%isponibilidad y prejuicios debidos a estructuras cognitivas
Una tercera )orma en la cual la disponibilidad puede prejuiciar los juicios sociales es a trav;s
del uso del percibidor social de relas bien practicadas# esDuemas A otras estructuras
conitivas$ Ba ente tiene estructuras resistentes para procesar la in)ormaci!n entrante Due
ellos emplean )recuentemente y de aDu Due viene a utiliFarse como hCbitos conitivos$
Sabemos# por ejemplo# Due la ente estC mCs inclinada a usar alunos rasos como maneras
de oraniFar la in)ormaci!n de la ente sobre otros rasos$ Por ejemplo# acad;micos a
menudo discriminan entre la ente sobre la caracterstica de la inteliencia# mientras Due para
los entusiastas del deporte# la habilidad atl;tica mCs Due la inteliencia es un )actor
discriminante$ Esta clase de prejuicio en la tendencia a usar esDuemas ! construcciones
particulares tambi;n pueden prejuiciar los juicios$ Por ejemplo# si uno es reDuerido si uno es
preuntado de sus impresiones de un individuo particular# uno puede emplear sus
caractersticas )avoritas 8por ejemplo# la inteliencia9 como una manera de buscar la memoria
y describir al individuo menos en t;rminos de su actual comportamiento mCs Due en t;rminos
de los propios rasos pre)eridos de uno8vea# por ejemplo# D@&ndrade#/6419$ Un prejuicio
similar puede ocurrir en la construcci!n del comportamiento social# desde Due la ente
tambi;n sus construcciones y esDuemas personales cuando es en)rentado con nuevas
situaciones ! cuando es reDuerido a hacer predicciones sobre el )uturo$ Por ejemplo# un
acad;mico puede predecir la habilidad de un amio para salir de una mala situaci!n sobre las
bases de cuCn inteliente es el amio# mientras Due el entusiasta del deporte puede predecir la
habilidad del mismo amio para salir de la situaci!n sobre las bases de cuCn rCpido el amio
puede correr$ Por consiuiente# el uso de relas# esDuemas y construcciones personales puede
conducir a uno a hacer in)erencias Due un individuo Duien no comparte las mismas conitivas
no hara$
'alveF el mCs intriante ejemplo de los e)ectos de estructuras esDuemCticas resitentes
sobre la percepci!n de datos es proveda por el )en!meno de estereotipar$ Esperando Due una
persona se comprometa en un comportamiento particular puede conducir a in)erencias Due
una persona se ha comprometido en el comportamiento$ Estereotipos son )ormas particulares
de eGpectativas Due pueden )uncionar para uiar y )ormar la realidad# y ellos pueden hacerlo#
al menos en parte# a trav;s de un prejuicio de disponibilidad$ Hamilton y "ose 8/6279
eGploraron esta posibilidad en su estereotipada investiaci!n$ En un estudio# a los sujetos se
les dieron listas de )rases de la )orma# NCarol# una bibliotecaria# es atractiva y seriaO$ En cada
una de las )rases# un miembro de una ocupaci!n )ue descrito como poseyendo dos
caractersticas$ &lunas de las caractersticas )astidian a una asociaci!n estereotpica a la
ocupaci!n como# por ejemplo# en el caso del raso NserioO# con la ocupaci!n de
NbibliotecariaOL en otros casos los rasos no )ueron estereotpicos para esa ocupaci!n 8tal
como NatractivaO para una aeromoFa9$ En todas las )rases cada raso )ue aparejado con cada
/43
ocupaci!n un nAmero iual de veces$ Cada raso )ue aparejado con una ocupaci!n
estereotipada un tercio del tiempo y con ocupaciones no estereotipadas dos tercios del
tiempo$ Sin embaro# cuando los sujetos )ueron reDueridos a estimar el nAmero de veces Due
cada raso haba descrito a un miembro de cada ocupaci!n# ellos no recordaron el
aparejamiento raso>ocupaci!n para )avorecer las asociaciones estereotpicas$ Por ejemplo#
ellos se inclinaron mCs a recordar Due las bibliotecarias haban sido serias mCs Due las
aeromoFas haban sido serias$
&unDue )actores de motivaci!n pueden proveer una eGplicaci!n para ;stos estados# ellos
no estCn inclinados a hacerlo$ &lunos estereotipos pueden )iurar prominentemente en las
necesidades y metas de un individuo# pero estereotipos para ocupaciones tales como
aeromoFa ! bibliotecaria son justamente banales y probablemente no$ En consecuencia# ;stos
resultados son mejor entendidos como un )en!meno conitivo$ Ba disponibilidad heurstica
provee una posible eGplicaci!n asumiendo Due cuando los sujetos son preuntados sobre
cuCn a menudo el raso y la ocupaci!n son aparejados# ellos estiman la )recuencia usando la
)ortaleFa de la asociaci!n entre la ocupaci!n y el rasoL bajo la mayora las asociaciones son
mCs )uertes despu;s de muchos aparejamientos$ Sin embaro# en este caso# eGiste un
prejuicio en la )ortaleFa de la coneGi!n asociada por virtud de la asociaci!n estereotpica
entre alunos de los aparejamientos raso>ocupaci!n$ Por consiuiente# desde Due aDuellas
asociaciones son mCs )uertes# el percibidor estima Due aDuellos rasos y ocupaciones han
sido mCs )recuentemente aparejados Due el raso>ocupaci!n no estereotpico$ De nuevo# las
implicaciones sociales de esta )orma de prejuicio son randes$ Estereotipos# una veF
)ormados# pueden prejuiciar el arupamiento y almacenamiento de la in)ormaci!n e
impresiones subsecuentes$ Una consecuencia es Due injusti)icadas in)erencias sobre rupos
sociales ! individuales pueden ser perpetuados en la ausencia de cualDuier base emprica$
Conclusiones
Bas pasadas pocas d;cadas han testi)icado un lejano cambio de una visi!n de los juicios
como los productos de racionales# hacer decisiones l!icas des)iurada por la presencia
ocasional de necesidades irracionales y motivos hacia una visi!n de la persona como usuario
heurstico$ El trabajo emprico sobre juicios no sociales indica Due el percibidor emplea
atajos ! heursticas para liberar capacidad y transmitir in)ormaci!n tan pronto como le es
posible# y reciente investiaci!n en psicoloa social suiere Due estos procesos tambi;n se
aplican a la )ormaci!n y uso de juicios sociales$ Ba )acilidad con la cual los ejemplos !
asociaciones son trados a la mente proveen un estimado de probabilidad 8por ejemplo#
)recuencia ! probabilidad9# la cual a su veF provee una base para hacer otros juicios sociales
tales como evaluar a otro# imputando causalidad ! responsabilidad# describiendo los atributos
de otro# cateoriFando a otros# ! describi;ndose a uno mismo$
Un crtico observante notarC Due en los estudios presentados# la evidencia para el uso de
la disponibilidad heurstica es de in)erencia mCs Due directa# y uno puede raFonablemente
demandar mCs clara evidencia Due es la )acilidad con la cual los ejemplos ! asociaciones
pueden ser trados a la mente Due es en realidad juicios mediadores$ EGisten varias raFones
para la vauedad$ Primero# a di)erencia de la investiaci!n conitiva sobre la disponibilidad#
ninuna de estas investiaciones sociales )ueron desinadas para eGaminar la disponibilidad
per seL mCs bien cada una )ue desinada para dilucidar alAn intrnsicamente interesante
)en!meno social# y la disponibilidad heurstica )ue elevada como una de varias posibles
eGplicaciones para el )en!meno$ Seundo# no ha habido hasta ahora acuerdo sobre la medida
de la disponibilidad$ &lunos estudios han usado la velocidad con la cual la in)ormaci!n es
/4/
recuperada como una medida de la disponibilidad 8vea Pryor R Kriss# /6229# mientras Due
otras investiaciones han visto al volumen de in)ormaci!n recordada como un ndice de la
disponibilidad de in)ormaci!n 8vea "oss y Sicoly# /626# '+9$ Desde Due las dos medidas no
siempre se correlacionan bien 8vea Pryor R Kriss# /6229# la medici!n de la ambieedad ha
entorpecido el proreso emprico$
&luno de este problema de medici!n# sin embaro# es discutible debido a un tercer
problema# llamado# ambieedad conceptual rodeando el uso del t;rmino disponibilidad&
EGiste un sentido trivial en el cual toda in)erencia social es mediada por la disponibilidadL los
juicios de uno estCn siempre basados en lo Due viene a la mente$ El uso del t;rmino
disponibilidad debe ser distinuido mCs cuidadosamente del uso de la disponibilidad
heurstica a trav;s de claros criterios para determinar si ! no y c!mo la disponibilidad
heurstica ha sido comprometida y si ! no la disponibilidad de ejemplos ! asociaciones estC
mediando los juicios subsiuientes$ Bos psic!loos sociales han tendido a en)ocarse en Du;
in)ormaci!n esta disponible y por qu-L para avanFar el calibre de la eGplicaci!n social
reDuiere rediriir es)uerFos a c!mo la disponibilidad heurstica ata el contenido de lo Due estC
disponible al procesamiento conitivo$
El impacto del concepto de disponibilidad en psicoloa social ha de ninuna manera
sido rande por varias raFones$ Primero# el subraya errores en el procesamiento Due pueden
ser entendidos sin recurrir a construcciones de motivaci!n$ Esto no Duiere decir Due el
impacto de motivos en juicios no es importante sino meramente seEalar Due mayores errores
en conici!n tambi;n eGisten$ Seundo# aunDue las teoras racionales han provedo Atiles
modelos normativos contra los cuales los juicios actuales pueden ser comparados# apartarse
de ;stos modelos son tan comunes y evidentes Due los modelos descriptivos son recordados$
En los ejemplos provedos aDu as como en muchos otros# la disponibilidad heurstica ha
provedo una posible descripci!n$ Bajo alunas circunstancias# el uso de la disponibilidad
heurstica conduce a per)ectamente apropiadas conclusionesL sin embaro# bajo esas
circunstancias donde eGiste un prejuicio en Due la in)ormaci!n estC disponible# in)erencias
)allidas siuen$ Espec)icamente# prejuicios en rasos sobresalientes# prejuicios en
recuperaci!n# y prejuicios debidos a estructuras conitivas tales como esDuemas# creencias y
valores pueden conducir a la disponibilidad intensi)icada de in)ormaci!n incorrecta !
enaEosa en tareas de juicios sociales$
Dado Due los prejuicios de disponibilidad pueden ser muy prevaleciente# por Du; el uso
de la disponibilidad heurstica persisteQ Una raF!n obvia es Due ella produce respuestas mCs
correctas Due erradas# y en un sentido costoTbene)icio# paa en tiempo y enera ahorrada$
Una seunda respuesta es Due muchos errores en las conclusiones producidos por la
disponibilidad heurstica no importarCn$ Por ejemplo# si las impresiones prejuiciadas de uno
no a)ectan el )uncionamiento )uturo de uno# como en )ormar una impresi!n incorrecta de una
persona lo encuentra una sola veF # entonces el prejuicio importarC poco$ Un prejuicio de
disponibilidad puede tambi;n importar poco si es constante con el tiempo$ Por ejemplo# si
uno relaciona al je)e de uno como brusco# puede no importar Due ;l es brusco solo cuando ;l
estC en papel de je)e# si esa es la sola circunstancia bajo la cual uno interactAa con ;l$ Una
tercera respuesta es Due muchos errores serCn correidos$ Cuando Duiera Due los prejuicios
de disponibilidad no son correlacionados con el tiempo# el proceso empeFarC a correirse a s
miso con repetidos encuentros$ Por ejemplo# si varios amios de uno no continAan el divorcio
inde)inidamente# la estimaci!n de uno de la tasa del divorcio puede ser temporalmente
eGaerada# pero asumiendo Due los amios de uno no continAan el divorcio inde)inidamente#
la tasa de divorcio estimada de uno debera venir eventualmente dentro de la lnea con datos
objetivos$ ?inalmente# en alunos casos# el error serC detectado a trav;s de la comunicaci!n$
Por ejemplo# si la aseveraci!n de Due uno estC tratando de compartir el trabajo de la casa se
encuentra con objeciones )uriosas de su c!nyue# esa posici!n es probable de ser modi)icada$
/4.
En resumen# las relaciones sociales normales proveen una base para realmente probar las
in)erencias de uno# y evidentemente )alsas conclusiones con implicaciones inalcanFables son
probables de ser correidas$
Pero percepciones err!neas con severas consecuencias pueden# bajo alunas
circunstancias# persistir$ Por ejemplo# como los estudios estereotpicos ilustran# si eGiste un
prejuicio en la )ormaci!n de un juicio# el puede a su veF conducir a un prejuicio en mantener
ese juicio va la estructura conitiva 8en este caso# un estereotipo9 Due es )ormada$ Estas
ntimas cooperaciones ! prejuicios complementarios pueden# como una consecuencia# ser
altamente resistentes a la contra>evidencia$ Hasta tal punto Due ellos eGisten# ellos pueden
tener un efecto daEino en ambas percepciones individuales y poltica social$ En resumen# uno
no puede con)iar en Due los prejuicios de disponibilidad sean inconsecuentes# y por
consiuiente# las estrateias para la detecci!n y correcci!n de las in)erencias prejuiciadas son
necesarias$
/40
'7( Fa simulacin ;eur*stica
%aniel Ba*neman y 6mos "vers;y
*uestro tratamiento oriinal de la disponibilidad heurstica 8'vers(y R Kahneman# /620# ''9
discuti! dos clases de operaciones mentales Due Ntraen cosas a la menteO< la recuperaci!n de
instancias y la construcci!n de ejemplos ! escenarios$ !ecuerdo y construccin son muy
di)erentes maneras de traer cosas a la mente< ellos son usados para responder di)erentes
preuntas# y ellos siuen di)erentes relas$ Ba anterior investiaci!n a tratado principalmente
con la recuperaci!n de instancias de memoria# y el proceso de construcci!n mental ha sido
relativamente abandonado$ Para avanFar en el estudio de la disponibilidad para construcci!n#
hicimos un s(etch de una operaci!n mental Due etiDuetamos la estimulaci!n heurstica$
*uestro punto de partida es una introspecci!n comAn< Parece haber muchas situaciones en las
cuales las preuntas sobre eventos son respondidas por una operaci!n Due semeja la corrida
de un modelo de simulaci!n$ Ba simulaci!n puede ser constreEida y controlada de varias
maneras< Bas condiciones de arranDue para una NcarreraO pueden ser dejadas a sus
valores reales de incumplimiento ! modi)icados para asumir aluna continencia especialL
los resultados pueden ser dejados no especi)icados# ! mCs un estado de objetivo puede ser
)ijado# con la tarea de encontrar un atajo para ese estado partiendo de las condiciones
iniciales$ Una simulaci!n no necesariamente produce una simple historia# la cual se inicia al
principio y )inales con un resultado de)inido$ -Cs bien# construimos la producci!n de
simulaci!n como evaluaci!n de la )acilidad con la cual el modelo podra producir di)erentes
resultados# dadas sus condiciones iniciales y parCmetros de operaci!n$ Por lo tanto#
suerimos Due la simulaci!n mental conduFca a una medida de la propensi!n de la situaci!n
del modelo de uno para enerar varios resultados# tanto como las propensiones de un modelo
estadstico pueden ser evaluadas por t;cnicas -onte Carlo$ Ba )acilidad con la cual la
simulaci!n de un sistema alcanFa un estado particular es usualmente usada para juFar la
propensi!n del sistema 8real9 para producir ese estado$
*osotros areimos Due las evaluaciones de propensi!n y probabilidad se derivaron de
simulaciones mentales Due son usadas en varias tareas de juicio y tambi;n Due ellas juean
un sini)icativo en varios estados a)ectivos$ Primero listamos alunas actividades de juicio en
las cuales la simulaci!n mental parece estar involucrada$ Entonces describimos un estudio de
las relas conitivas Due obiernan el deshacer mental de eventos pasados# y brevemente
discutimos las implicaciones de estas relas por emociones Due suren cuando la realidad es
comparada con una alternativa )avorecida# Due uno ha )allado en alcanFar pero podra
Este captulo es sacado de KatF>*e+comb Becture in Social Psycholoy NSobre la Psicoloa de Posibles
-undosO# &nn &rbor# -ichian# &pril# /626$ El trabajo )ue auspiciado por the %))ice o) *aval "esearch bajo
Contrato *333/:>26>C>3322 para la Universidad de Stan)ord$
/4:
)Ccilmente imainar alcanFar$
Concluimos este breve s(etch de la simulaci!n heurstica con alunas observaciones
sobre escenarios # y sobre los prejuicios Due son probables de surir cuando esta heurstica es
utiliFada$
/$ Prediccin& Imaine el primer encuentro entre dos personas Due usted conoce bien#
Duienes nunca se han conocido antes$ C!mo enera usted predicciones tales como NEllos se
desenvolverCn )amosamenteO ! NEllos se lastimarCn el uno al otroQO
.$ )valuar la probabilidad de un evento especificado& C!mo evalAa usted la intervenci!n
armada &mericana para aseurar los campos de petr!leo de &rabia Saudita en la pr!Gima
d;cadaQ *ote la di)erencia entre esta tarea y la precedente$ Ba simulaci!n el presente caso
tiene un estado objetivo especi)icado# y su objeto es obtener aluna medida de la N)acilidadO
con la cual este estado objetivo puede ser producido# dentro de las restricciones de un modelo
realstico del sistema internacional$
0$ )valuar probabilidades condicionadas& Si la uerra civil estalla en &rabia Saudita#
cuCles son las probables consecuenciasQ *ote Due este ejercicio de simulaci!n di)iere de la
mera predicci!n# debido a Due involucra a un estado inicial especi)icado# el cual puede
diverir mCs ! menos de la realidad actual$ Ba evaluaci!n de continencias remotas# en
particular# involucra una interesante ambieedad$ Pu; cambios deberan ser hechos en el
modelo actual de uno antes de NcorrerO la simulaci!nQ Debera uno hacer solo los cambios
mnimos Due incorporen la continencia especi)icada 8por ejemplo# la uerra civil en &rabia
Saudita9# sujetos a reDuerimientos elementales de consistenciaQ } debera uno introducir
todos los cambios Due son hechos probables por la estipulaci!n de la condici!nQ En ese caso#
por ejemplo# el modelo de uno del sistema poltico debera primero ser ajustado a hacer la
uerra civil en &rabia Saudita tan no sorprendente como sea posible# y la simulaci!n debera
emplear los parCmetros del modelo revisado$
:$ )valuacin de la causalidad& CuCn cerca estuvieron los cient)icos de Hitler de
desarrollar la bomba at!mica en la Seunda Iuerra -undialQ Si ellos la hubieran
desarrollado en ?ebrero de /6:1# podra haber sido el resultado di)erenteQ Evaluaci!n de
hechos contrarios son tambi;n usados en muchos hechos mundanos# como cuando nosotros
juFamos Due Nella podra haberse en)rentado con la situaci!n del trabajo si su niEo no
hubiera estado en)ermoO$
1$ )valuacin de la causalidad& Para probar si un evento & caus! un evento B# nosotros
podemos deshacer & en nuestra mente# y observar si B aAn ocurre en la simulaci!n$ Ba
simulaci!n puede tambi;n ser usada para probar si & marcadamente incrementa la propensi!n
de B# DuiFC aAn hecho a B inevitable$ *osotros suerimos Due una prueba de causalidad por
simulaci!n es involucrada en ejemplos tales como NUsted conoce muy bien Due ellos habran
peleado aAn si ella no hubiera mencionado a su madreO$
Estudios de des;acer
*uestras investiaciones iniciales de la simulaci!n heurstica se han )ocaliFado en juicios en
contra de los hechos$ En particular# nosotros hemos estado al tanto con los procesos por los
cuales la ente juFa Due ese evento Nestuvo cerca de ocurrirO ! Ncercanamente ocurri!O$Ba
metC)ora espacial es obliatoria y ha sido adoptada en muchas investiaciones )ilos!)icas$
Parece raFonable hablar de la distancia entre la realidad y alAn una veF posible pero
irrealiFado mundo$ Ba sini)icaci!n psicol!ica de esta evaluaci!n de la distancia entre lo
Due sucedi! y lo Due podra haber sucedido es ilustrada en el siuiente ejemplo<
/41
El Sr$ Crane y el Sr$ 'ees )ueron proramados para abandonar el aeropuerto en di)erentes vuelos# al
mismo tiempo$ Ellos viajaron desde el pueblo en la misma limousina# )ueron atrapados en el trC)ico
pesado# y llearon al aeropuerto 03 minutos despu;s de la hora de partida proramada de sus vuelos$

&l Sr$ Crane se le dijo Due su vuelo parti! en tiempo$
&l Sr$ 'ees se le dijo Due su vuelo )ue retrasado# y Due justo parti! hace cinco minutos
Pui;n estC mCs molestoQ
El Sr$ Crane El Sr$ 'ees
JendrC no como sorpresa Due el 64W de una muestra de estudiantes Duienes respondieron
;sta preunta establecieron Due el Sr$ 'ees estara mCs molesto$ Pu; es lo Due hace el
estereotipo tan obvioQ *ote Due la situaci!n objetiva de los dos caballeros es precisamente
id;ntica# como ambos han )allado en sus planes$ -Cs aAn# desde Due ambos )allaron en sus
planes# la di)erencia entre ellos no puede ser atribuida a disusto$ En cualDuier sentido de la
palabra# la di)erencia entre 'ees y Crane es inmaterial$ Ba Anica raF!n para el Sr$ 'ees de
estar mCs disustado es Due )ue mCs NposibleO para ;l alcanFar su vuelo$ Suerimos Due el
ejercicio estCndar emocional para esta situaci!n llame a ambos viajeros a comprometerse en
un ejercicio de simulaci!n# en el cual ellos prueben cuCn cerca ellos estuvieron de alcanFar su
vuelo en tiempo$ Bas )unciones de construcci!n del hecho contrario como sera una
eGpectativa$ &unDue la historia deja claro Due las eGpectativas del Sr$ 'ees y del Sr$ Crane no
podran ser di)erentes# el Sr$ 'ees estC ahora mCs disustado porDue es mas )Ccil para ;l
imainar c!mo ;l podra haber arribado 1 minutos mCs temprano Due lo Due es para el Sr$
Crane imainar como los 03 minutos de retraso podran haber sido evitados$
EGiste una cualidad de &licia en el Pas de la -aravillas para tales ejemplos# con su
eGtraEa meFcla de )antasa y realidad$ Si el Sr$ Crane es capaF de imainar unicornios S y
esperamos ;l es S porDu; ;l encuentra relativamente di)cil imainarse a s mismo evitando
un atraso de 03 minutos# como suerimos Due ;l lo hace$ Evidentemente# eGisten
restricciones sobre la libertad de la )antasa# y el anClisis psicol!ico de la simulaci!n mental
consiste primariamente en una investiaci!n de ;stas restricciones$
*uestra comprensi!n de las relas de simulaciones mentales es todava rudimentaria y
podemos presentar solo resultados tempranos y especulaciones tentativas en un dominio Due
parece eGcepcionalmente rico y promisorio$ Hemos obtenido observaciones preliminares
sobre las relas Due obiernan una clase especial de actividad de simulaci!n S deshacer el
pasado$ *uestros estudios de deshacer se han )ocaliFado en una situaci!n en la Due ;sta
actividad es especialmente comAn S la respuesta de parientes sobrevivientes de un )atal
accidente$ &Du de nuevo# como en el caso del Sr$ 'ees y del Sr$ Crane# nosotros escoemos
estudiar lo Due llamamos los ejercicios emocionales para una situaci!n$ Por ejemplo#
considere la siuiente historia<
El Sr$ =ones tena :2 aEos de edad# padre de tres hijos y un ejecutivo banDuero eGitoso$ Su esposa
haba estado en)erma en casa por varios meses$
En el da del accidente el Sr$ =ones abandon! su o)icina a la hora reular$ El alunas veces
abandonaba temprano la o)icina para cuidar de las tareas de la casa a pedido de su esposa# pero esto
no )ue necesario en aDuel da$ El Sr$ =ones no manej! a casa por su ruta reular$ El da estaba
eGcepcionalmente claro y el Sr$ =ones cont! a sus amios en la o)icina Due ;l conducira a lo laro de
la playa para dis)rutar de la vista$
El accidente ocurri! en una intersecci!n principal$ Ba luF se torn! Cmbar al tiempo Due el Sr$
=ones se aproGimaba$ 'estios notaron Due el )ren! duro para parar en el cruce# aunDue ;l pudo
)Ccilmente atravesarse$ Su )amilia reconoci! esto como una ocurrencia comAn en el manejo del Sr$
=ones$ Cuando ;l comenF! a cruFar despu;s Due el semC)oro cambi!# un liero cami!n car! dentro
de la intersecci!n a alta velocidad# y embisti! al carro del Sr$ =ones del lado iFDuierdo$ El Sr$ =ones
muri! instantCneamente$
/44
-Cs tarde )ue comprobado Due el cami!n era conducido por un muchacho adolescente# Duien
estaba bajo la in)luencia de droas$
Como comAnmente sucede en tales situaciones# la )amilia =ones y sus amios a menudo pensaron
y a menudo dijeron# NSi solo $ $ $O# durante los das Due siuieron al accidente$ C!mo continuaron
ellos este pensamientoQ Por )avor escriba una ! mCs probables conclusiones$
Esta versi!n 8etiDuetada la versi!n NrutaO9 )ue dada a 4. estudiantes de la Universidad de
British Columbia$ %tro rupo de 4/ estudiantes recibi! una versi!n NtiempoO# en la cual el
seundo pCrra)o se lea como siue<
En el da del accidente# el Sr$ =ones dej! la o)icina mCs temprano Due de costumbre# para atender a los
Duehaceres de la casa a pedido de su esposa$ El condujo a casa a lo laro de su ruta reular$ El Sr$
=ones ocasionalmente escoe conducir a lo laro de la playa# para dis)rutar de la vista en das
eGcepcionalmente claros# pero ese da )ue justo el promedio$
El anClisis de la primera conclusi!n del radical NSi soloO es dado en la 'abla /$ Cuatro
cateoras de respuestas )ueron encontradas< 8i9 Deshacer de la rutaL 8ii9 Deshacer del tiempo
de partida de la o)icinaL 8iii9 El Sr$ =ones cruFando con la luF CmbarL 8iv9 "emoviendo al
muchacho droado de la escena$
'abla /$ &nClisis de la primera conclusi!n del radical NSi soloO
Cateoras de respuesta Jersi!n tiempo Jersi!n ruta
ooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooo
o
8i9 "uta 7 00
8ii9 'iempo /4 .
8iii9 CruFando /6 /:
8iv9 -uchacho /7 /0
8v9 %tra / 0
[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[
[
Un particularmente impresionante aspecto de los resultados mostrados en la 'abla / es un
evento Due )alla al ocurrir$ *o un simple sujeto mencion! Due si el Sr$ =ones hubiera lleado
a la intersecci!n dos ! tres seundos mCs temprano ;l la hubiera atravesado seuro$ El
descubrimiento es tpico< Bos eventos no son mentalmente deshechos por alteraciones
arbitrarias en los valores de variables continuas$ Evidentemente# los sujetos no ejecutan la
tarea de deshacer por eliminaci!n de esa condici!n necesaria del evento crtico Due tiene la
mCs baja probabilidad previa S un procedimiento Due seuramente los conducira a
)ocaliFarse en la eGtraordinaria coincidencia de los dos carros encontrCndose en la
intersecci!n$ Bo Due sea Due la ente haa# entonces# no estC per)ectamente correlacionado
con la probabilidad previa$
Bas alteraciones Due la ente introduce en las historias pueden ser clasi)icadas como
cuesta
abajo# cuesta arriba ! cambios horiFontales$ Un cambio cuesta abajo es uno Due remueve un
aspecto sorprendente ! inesperado de la historia# ! de otro modo incrementa su coherencia
interna$ Un cambio cuesta arriba es uno Due introduce ocurrencias improbables$ Un cambio
horiFontal es uno en Due un valor arbitrario es reemplaFado por otro valor arbitrario# el cual
es ni mas ! menos probable Due el primero$ Ba manipulaci!n eGperimental caus! un cambio
de ruta para ser cuesta abajo en una versi!n# cuesta arriba en otra# con una correspondiente
variaci!n en el carCcter de cambios del cronometraje del )atal viaje del Sr$ =ones$ Ba
/42
manipulaci!n )ue claramente eGitosa< Bos sujetos estuvieron mCs inclinados a deshacer el
accidente restaurando un valor normal de una variable Due por la introducci!n de una
eGcepci!n$ En eneral# los cambios cuesta arriba son relativamente raros en las respuestas de
los sujetos# y cambios horiFontales son ineGistentes$
Ba noci!n de cambios cuesta abajo y cuesta arriba es prestada de la eGperiencia del cruce
del pueblo del esDuiador# y su prop!sito es ilustrar la especial naturaleFa de relaci!n de
distancia Due puede ser de)inida para posibles estados de un sistema$ Ba propiedad esencial
de esa relaci!n es Due no es sim;trica$ Para el esDuiador Due cruFa el pueblo# una breve
carrera cuesta debajo de & a B es a menudo aparejada con una lara y laboriosa escalada de B
a &$ En ;sta metC)ora eGcepcionales estados ! eventos son cumbres# estados ! eventos
normales son valles$ Por tanto# proponemos Due la distancia psicol!ica de una eGcepci!n a
la norma Due ella viola es menor Due la distancia de la norma a la misma eGcepci!n$ Ba
pre)erencia por los cambios cuesta abajo es tal veF la mayor rela Due las simulaciones
mentales obedecenL ella incluye las restricciones esenciales Due dan realismo a las )antasas
contrahechas$
Un notable aspecto de los resultados mostrados en la 'abla / es la relativamente baja
proporci!n de respuestas en las cuales el accidente es deshecho eliminando el evento Due es
naturalmente visto como su causa< El insano comportamiento del muchacho droado en la
intersecci!n$ Este descubrimiento ilustra otra propiedad de la simulaci!n mental# la cual
etiDuetamos la rela del )oco< Bas historias son comAnmente alteradas por cambiar aluna
propiedad del objeto principal de preocupaci!n y atenci!n$ En el presente caso# por supuesto#
el )oco de atenci!n )ue el Sr$ =ones# desde Due los sujetos haban sido instruidos a en)atiFar
con su )amilia$ Para probar la rela del )oco# una nueva versi!n de la historia del accidente
)ue construida en la cual el Altimo pCrra)o )ue reemplaFado por la in)ormaci!n siuiente<
?ue mCs tarde aseurado Due el cami!n era conducido por un muchacho adolescente# llamado 'om
Searler$ El padre de 'om lo haba encontrado justo en casa bajo la in)luencia de droas$ Esta )ue una
ocurrencia comAn# ya Due 'om usaba droas pesadamente$ &h haba habido una pelea# durante la
cual 'om coi! las llaves Due )ueron dejadas sobre la mesa de la sala y se )ue conduciendo
cieamente$ El )ue severamente herido en el accidente$
& los sujetos les )ue dada esta versi!n de la historia donde se les reDuiri! completar el
radical NSi solo $ $ $O# ya sea en nombre de los parientes del Sr$ =ones ! en nombre de los
parientes de 'om$ &Du de nuevo# consideramos la primera respuesta dada por los sujetos$ Ba
mayora de los sujetos Due tomaron el papel de los parientes de 'om 847W9 modi)icada la
historia por remoci!n de ;l de la escena del accidente > mCs a menudo por no tener en cuenta
las llaves )atales sobre la mesa$ En contraste# solo una minora 8.7W9 de los sujetos
identi)icCndose con los parientes del Sr$ =ones mencion! a 'om en sus respuestas$
Hemos descrito este estudio de deshacer en alAn detalle# a pesar de su carCcter
preliminar# para ilustrar el sorprendente orden de las relas Due obiernan la simulaci!n
mental y para demostrar la eGistencia de ampliamente compartidas normas re)erentes a las
)antasas contrahechas Due son apropiadas en ciertas situaciones$ Creemos Due las relas
conitivas Due obiernan el deshacer mental serC de utilidad en el estudio de un rupo de
emociones Due podran ser llamadas emociones contrahechas# debido a su dependencia de
una comparaci!n de la realidad con lo Due podra ! debera haber sido< ?rustraci!n# pena y
alunos casos de indinaci!n# pesar y envidia son todos ejemplos$ Ba caracterstica comAn de
;stos estados emocionales contrariados es Due el nivel de adaptaci!n hed!nica de uno es
mayor Due la realidad actual# como si las posibilidades irrealiFadas )ueran sopesadas dentro
del nivel de adaptaci!n# por pesos Due corresponden a la )acilidad con la cual estas
posibilidades son alcanFadas en la simulaci!n mental$
/47
Ibservaciones sobre los escenarios
En el conteGto de la predicci!n y planeamiento bajo incertidumbre# la deliberada
manipulaci!n de los modelos mentales parecen ser su)icientemente importantes para merecer
la etiDueta de una distintiva simulaci!n heurstica$ El ejemplo mCs claro de tales actividades
es la eGplcita construcci!n de escenarios como un procedimiento para la estimulaci!n de las
probabilidades$
Pu; hace un buen escenarioQ En los t;rminos ya introducidos# un buen escenario Due
haa punte entre el estado inicial y el objetivo del evento por una serie de eventos# con una
tendencia eneral cuesta abajo y una movida insini)icante cuesta arriba a lo laro del
camino$ %bservaciones in)ormales suieren Due la plausibilidad de un escenario depende
mucho mCs de la plausibilidad de su vnculo mCs d;bil Due del nAmero de vnculos$ Un
escenario es especialmente satis)actorio cuando el sendero Due conduce del estado inicial al
estado terminal no es inmediatamente aparente# de tal manera Due la introducci!n de etapas
intermedias actualmente elevan la probabilidad subjetiva del objetivo del evento$
CualDuier escenario es necesariamente esDuemCtico e incompleto$ Es por lo tanto de
inter;s descubrir las relas Due obiernan la selecci!n de los sistemas Due son eGplcitamente
especi)icados en el escenario$ *osotros hacemos la hip!tesis Due los NvnculosO de un
escenario son eventos Due son bajos en redundancia y altos en sini)icado causal$ Un evento
no redundante representa un mnimo local en lo predecible de la secuencia# un punto en el
Due las alternativas sini)icantes pueden surir$ Un evento sini)icante causalmente es uno
cuya ocurrencia los valores Due son considerados normales para otros eventos en la cadena
Due eventualmente conduce al objetivo del escenario$
Ba elaboraci!n de un simple escenario plausible Due conduFca de condiciones realistas
iniciales as un estado )inal especi)icado es a menudo usado para soportar el juicio de Due la
probabilidad del estado )inal es alto$ Por otro lado# tendemos a concluir Due un resultado es
improbable si el puede ser alcanFado solo invocando suposiciones cuesta arriba de eventos
raros y eGtraEas coincidencias$ Por lo tanto# una evaluaci!n de la NbondadO de los escenarios
pueden servir como una heurstica para juFar la probabilidad de los eventos$ En el conteGto
de planeamiento# en particular# los escenarios son a menudo usados para evaluar la
probabilidad de Due el plan tendrC ;Gito y para evaluar el rieso de varias causas de )alla$
Hemos suerido Due la construcci!n de los escenarios sea usada como una heurstica para
evaluar la probabilidad de los eventos por una evaluaci!n mediCtica de la propensi!n de
alAn sistema causal para producir estos eventos$ Como cualDuier otra heurstica # la
simulaci!n heurstica debera estar sujeta a errores y prejuicios caractersticos$ Investiaci!n
estC )altando en ;sta Crea# pero la siuiente hip!tesis parece prometedora< 8i9 Ba investiaci!n
para los NvnculosO no redundantes y causalmente sini)icantes en la construcci!n de un
escenario se espera Due conduFca a un prejuicio por los escenarios 8y estados )inales9 en los
cuales los eventos dramCticos marcan transiciones causales$ EGistirC una correspondiente
tendencia a subestimar la probabilidad de los eventos Due son producidos por cambios lentos
y de incremento$ 8ii9 El uso de escenarios para evaluar la probabilidad estC asociado con un
prejuicio a )avor de eventos por los Due un escenario plausible pueda ser encontrado# con
correspondiente prejuicio contra los eventos Due puedan ser producidos en una multitud de
modos improbables$ 'al prejuicio podra tener especialmente perniciosas consecuencias en
un conteGto de plani)icaci!n# debido a Due el produce estimaciones demasiado optimistas de
la probabilidad de Due el plan tendrC ;Gito$ Por su mera naturaleFa# un plan consiste de una
cadena de vnculos plausibles$ En cualDuier punto de la cadena# eGiste una sensible esperanFa
de Due los eventos se desarrollarCn como se plane!$ Sin embaro# la probabilidad
acumulativa de al menos una )alla )atal podra ser abrumadoramente alta aAn cuando la
probabilidad de cada causa individual de )alla es insini)icante$ Bos planes )allan debido a
/46
sorpresas# ocasiones en las cuales un inesperado cambio cuesta arriba ocurre$ Ba simulaci!n
heurstica# la cual es prejuiciada a )avor de cambios cuesta abajo# estC por consiuiente#
asociada con un rieso de randes y sistemCticos errores$

/23
Parte V
Covariacin y control

/2/
'9( Evaluacin de la covariacin inormal: Casada en
datos versus la teor*a basada en juicios
Dennis B$ =ennins# 'eresa -$ &mabile y Bee "oss
El )lujo de la eGperiencia social )recuentemente nos impulsa a reconocer covariaciones
empricas$ &lunas veces estas covariaciones son meramente otro resto de nuestros poderes
de observaci!n y son imprCcticas en lo Due concierne a nosotros$ En otros tiempos > por
ejemplo# cuando esas covariaciones involucran sntomas tempranos de problemas y mCs
adelante mani)estaciones# ! estrateias de comportamiento empleadas y resultados obtenidos#
! relativamente caractersticas evidentes de la ente ! situaciones# y relativamente
)urtivas
unas S tal detecci!n de habilidades puede ayudar a determinar nuestro ;Gito en adaptarse a
las demandas de la vida social de cada da$ -as eneralmente# la detecci!n de covariaciones
juarC un ran papel en nuestra continua lucha como Ncient)icos intuitivosO 8vea *isbett R
"oss# /673L "oss# /622# /6279 para evaluar y actualiFar la hip!tesis Due sostenemos sobre
nosotros mismos# nuestros compaEeros y nuestra sociedad$ Una preunta obvia por
consiuiente se presenta a s misma< CuCn productivos somos# como ente lea# en evaluar
las covariaciones empricas por la evidencia eGperimentalQ
&ntes de proceder a discutir la investiaci!n pasada y presente# deberamos notar Due la
observaci!n de cada da provee mucho de evidencia relevanteL y da a entender Due la
respuesta a la provechosa preunta estC lejos de una simple$ Por un lado# ambas la
eneralmente adaptable naturaleFa del comportamiento social y la eneralmente armoniosa
calidad de la interacci!n social dejan muy poca duda Due los participantes en nuestra cultura
poseen muchas ideas sobre las causas del comportamiento y sus consecuencias$ De hecho#
te!ricos contemporCneos de la atribuci!n 8por ejemplo# =ones et al$# /62/L Kelley# /642#
/62/# /620L Heiner# /62:9# Duienes han estado raramente relacionados con los prejuicios por
tales ideas# eneralmente parecen haber tratado la habilidad para detectar covariaciones como
una NdCdivaO y procedieron al uso in)erencial Due es hecho de tales covariaciones percibidas$
Por otro lado# la eGperiencia diaria tambi;n o)rece eGcelente testimonio para la eGistencia de
prejuicios mal )undados# estrateias de comportamiento ruinosas de teoras causales ! de
correlaci!n$ Debera ser aparente# por consiuiente# Due cualDuier retrato de la evaluaci!n de
una covariaci!n debe diriir la irreularidad de la persona lea$ Debe de alAn modo
Deseamos aradecer a los pro)esores Daniel Kahneman# &mos 'vers(y y Paul Slovic por sus provechosos
comentarios y suestiones$ 'ambi;n deseamos reconocer los incondicionales es)uerFos de "ita ?rench y =ulia
SteinmetF Duienes )ueron co>investiadoras en aluna de la investiaci!n reportada adjunta$ Ba investiaci!n
)ue patrocinada en parte por una Comunidad de Iraduados de la ?undaci!n *acional de Ciencia al primer
autor y por el Instituto *acional de Salud -ental Irant -H>.4204 y la ?undaci!n *acional de Ciencia Irant
B*S>27>3/.// para Bee "oss y -ar( Bepper$ Ba oraniFaci!n y contenido de este captulo tiene una obvia
deuda a un tratado anterior del mismo t!pico por B$ "oss y "$ E$ *isbett en Inferencia Cumana1 )strategias y
%efectos del @uicio Social$ Prentice>Hall# /673$
/2.
reconciliar las ideas sutiles sobre aluna relaci!n )uncional con la inorancia ! ilusiones
sobre otra relaci!n$
Investi#acin previa de evaluacin de la covariacin
*o es dino de atenci!n# talveF# Due aAn los mCs )ieles de)ensores de las capacidades de la
persona lea como un cient)ico intuitivo 8por ejemplo# Peterson R Beach# /6429 han tenido
poco )avorecedor Due decir sobre el manejo de la persona lea de eGpresiones bi>variables$
"evisaremos dos lneas de investiaci!n Due soportan este retrato no )avorecedor#
)ocaliFCndose en cada caso en aspectos de procedimiento y resultados Due probarCn ser
pertinentes al subsiuiente reporte de nuestra propia investiaci!n de la evaluaci!n de la
covariaci!n lea$
Leyendo tablas de contingencia1 El asunto de la validez ecolgica=
Una lnea importante de investiaci!n previa tiene Due tratar con la habilidad de la ente para
reconocer relaciones )uncionales presentadas en un simples tablas de continencia . G .$
'picamente# ;stas tablas resumen el nAmero de instancias de la presencia y ausencia de la
variable M 8por ejemplo# una en)ermedad particular9 intencionalmente asociada con la
presencia y ausencia de la variable , 8por ejemplo# un sntoma particular9$ Con datos bi>
variables ntidamente armados y NempaDuetadosO# la tarea de los sujetos )ue un inusualmente
simple y sencillo$ *o obstante# la evidencia 8por ejemplo# =en(ins R Hard# /641L Smedslund#
/640< Hard R =en(ins# /6419# muestra Due la ente lea eneralmente lo ha hecho muy
pobremente en tales tareas$
Estrateias de juicio Due inoran una ! mCs de las cuatro c;lulas probadas de estar en la
raF de la mayora de las di)icultades de los sujetos$ Una )alla comAn# por ejemplo# involucra
la virtualmente eGclusiva con)ianFa sobre el tamaEo de la Npresente>presenteO c;lula relativa
a la poblaci!n entera$ Por lo tanto muchos sujetos pueden decir Due el sntoma M estC
asociado con la en)ermedad & simplemente debido a Due las tablas de continencia reportan
un ran nAmero de casos en los Due la ente lo hace# de hecho# tienen ambos la en)ermedad y
el sntoma$ Bos sujetos Due ponen atenci!n a solo dos de las cuatro c;lulas pueden ser
similarmente ser mal conducidos$ *otando# por ejemplo# Due la mayora de la ente con la
en)ermedad carecen del sntoma & Due lo posee# ellos pueden por consiuiente concluir Due
la relaci!n relevante es una neativaL ! notando Due mCs ente con el sntoma tienen la
en)ermedad Due las Due estCn libres de ella# ellos pueden concluir Due la relaci!n es una
positiva$
Sin entrenamiento )ormal estadstico# sin embaro# muy poca ente aprecia el hecho Due
las in)erencias vClidas en tales casos pueden ser solo por considerar todas las cuatro c;lulas$
Un m;todo satis)actorio# por ejemplo# pueden involucrar proporciones comparables 8por
ejemplo# comparando la proporci!n de la ente en)ermada mani)estando el sntoma particular
con la proporci!n de la ente no en)ermada mani)estando ese sntoma9$ Ba estrateia )ormal
dictada por los teGtos contemporCneos de in)erencia estadstica# por supuesto# involucraran
similarmente atender a todas las cuatro c;lulas$ Espec)icamente# uno sera reDuerido a notar
discrepancias entre )recuencias de c;lulas observadas y aDuellas )recuencias a ser
NesperadasO sobre las bases de las )recuencias marinales relevantes ! probabilidades 8de ese
modo proveyendo la in)ormaci!n reDuerida por el cClculo de una letra>cuadrada estadstica9$
Bos esc;pticos inclinados a de)ender la causa de las personas leas podran ser tentadas a
desestimar tales demostraciones como evidencia solo Due la ente sea pobre en la NlecturaO
de las tablas de continencia y a a)irmar Due los errores de los sujetos en tales tareas
/20
primariamente son productos de la novedad y arti)icialidad de las tareas$ Ba relaci!n entre las
ejecuciones en el laboratorio y las ejecuciones diarias en el mundo real S Due sini)ica el
problema de la NvalideF ecol!icaO S es un importante problema y uno Due no puede ser
evadido en la investiaci!n reportada en este captulo$ Permtasenos# en consecuencia#
empeFar a diriir el problema aDu en la esperanFa Due el lector estarC advertido y prevenido$
Primero# mientras Due la tarea de leer la tabla es inneablemente inusual y
ecol!icamente no representativa# permtasenos notar Due la l!ica 8y los varios resAmenes
de la l!ica9 eGpuestos por los sujetos en aDuellas tareas de laboratorio es muy consistente
con lo Due eGpusieron en una variedad de in)erencias diarias$ Considere# por ejemplo# la
preunta con)usa# NDios responde a las pleariasQO NSO# la persona lea Duien consulta solo
la presente>presente c;lula puede responder# NporDue muchas veces yo le he pedido a Dios
por alo# y El me lo ha concedidoO$ Su mCs so)isticado y esc;ptico compaEero estC pronto a
preuntar# NPero cuCn a menudo ha usted pedido a Dios por alo y no se lo ha concedidoQO
Ba comparaci!n de dos c;lulas# sin embaro# es absolutamente inadecuada por la tarea
in)erencial a la mano$ &An la adici!n de una tercera c;lula S )avorables resultados Due
ocurrieron en la ausencia del orante S dejaran el asunto en duda# porDue todas las cuatro
c;lulas son reDueridas antes Due cualDuier in)erencia s!lida pueda ser hecha$ , aAn el mCs
so)isticado de los psic!loos intuitivos probablemente se neara a la suerencia de Due los
datos de la c;lula Nausente>ausenteO 8por ejemplo# resultados )avorables Due no )ueron
pedidos y Due no ocurrieron9 son indispensables para evaluar el impacto de los oradores
sobre resultados de este mundo$
El caro de la no>representatividad puede ser respondido aAn mCs )orFosamente# sin
embaro$ Si la tarea de la tabla de cuatro plieues crea alunos otros problemas la misma
tarea tambi;n a*orra a los sujetos de la mayora de las demandas Due contribuyen a la
di)icultad de las evaluaciones de la covariaci!n diaria$ Estas demandas incluyen inicialmente
muestrear# codi)icar# almacenar y recuperar los datos relevantes y lueo arrelarlos en una
)orma Due permita la evaluaci!n de la covariaci!n$ Considere# por ejemplo# el hombre Duien
emprende para probar la noci!n estereotipada Due la ente pelirroja es de temperamento
irritable 8!# mCs precisamente# Due la presencia de cabello rojo es positivamente
correlacionada con la presencia de mal enio9$ Primero# ;l debe decidir cuales datos deben de
ser considerados DeberC ;l intentar muestrear ! recordar instancias de ente pelirroja
impulsivaQ % deberC ;l considerar aluna ente pelirroja y notar cuCntos son de
temperamento irritable# ! aluna ente de temperamento irritable y notar cuCntos tienen
cabello rojoQ -uy probablemente ;l adoptarC aluna estrateia ! combinaci!n de estrateias
sin aAn entretener la posibilidad de Due la relativa )recuencia de aAn morenas
temperamentales podra ser relevante a la tarea in)erencial a mano$ Este estado de situaciones
contrasta con la tarea de la tabla de cuatro dobleces Due hace de todos los datos relevantes
iualmente disponibles a los sujetos# aAn si ella no demanda Due a todos ellos les sea dado
apropiadas consideraciones subsecuentes$
Permtasenos suponer Due el individuo en cuesti!n de alAn modo reconoce Due probar
su estereotipo demanda Due ;l considere los datos en todas las cuatro c;lulas$ C!mo ;l sacarC
una muestra apropiada de los datos de los cuales enerar la relevante c;lula de )recuenciasQ
DeberC ;l simplemente el primer jueo de entes Due le vienen a la menteQ DeberC ;l
considerar a toda la ente en aluna clase restrinida 8por ejemplo# los miembros de su
)amilia# su crculo de amios ! los inDuilinos en su edi)icio de apartamentos9Q % deberC ;l
intentar adoptar alAn m;todo NaleatorioO para enerar casos de la totalidad de la poblaci!nQ
Bas )uentes potenciales de prejuicios en la mayora del muestreo in)ormal son obvias$
-uestras de la ente Due primero le viene a la mente son apropiadas para mostrar serios
prejuicios de NdisponibilidadO 8'vers(y R Kahneman# /620# ''9$ , muestras de amios !
miembros de la )amilia ! vecinos son probables de Due muestren el mismo prejuicio# as
/2:
como violar el reDuerimiento de la independencia 8no un problema trivial# puesto Due la
)amilia de uno# los amios de uno ! aAn los vecinos de uno pueden tender a compartir
tendencias de comportamiento# caractersticas )sicas y aAn correspondencias entre ellos9$ El
procedimiento NineniosoO de la tabla de cuatro dobleces# por supuesto# dedica al asesor de
covariaci!n la tarea de con)rontar estos con)usos y potencialmente abrumadores problemas$
Bas tareas de codi)icaci!n de datos# almacenamiento# y recuperaci!n trae un mont!n de
)actores adicionales y problemas dentro del jueo en la evaluaci!n de la covariaci!n diaria$
-Cs importantemente# la hip!tesis implcita Due las pelirrojas son de temperamento irritable
puede prejuiciar las decisiones sobre Duien es ! no es de temperamento irritable y cuyo
cabello es ! no es rojo$ Este asunto recibe nueva atenci!n mCs tarde en este captulo$ Por
ahora permtasenos meramente notar Due las eGpectativas previas de uno ! hip!tesis
constituyen una in)luencia de prejuiciar sobre cada estado del procesamiento de la
in)ormaci!n# una in)luencia Due estC imposibilitada cuando es presentado con datos por los
cuales todos los del procesamiento involucrados en codi)icar# almacenar y recuperar ya han
sido completados$ -Cs eneralmente# permtasenos simplemente reiterar Due tales
impedimentos del mundo real para aseurar la evaluaci!n de la covariaci!n estCn lejos de
probarlo lueo el surimiento de la arti)icialidad ! no )amiliaridad de la metodoloa de la
tabla de continencia$
Correlacin ilusoria< )l impacto de las preconcepciones sobre las percepciones
CuCn eGitosa es la ente Due trata con distribuciones bi>variables cuando las observaciones
relevantes son presentadas individualmente mCs Due preempaDuetadas en la )orma de tablas
de continenciaQ -ucha de la evidencia eGistente del trabajo seminal de Chapman de
correlaci!n ilusoria$ Para un detallado in)orme de esta investiaci!n vea Chapman R
Chapman# /642# /646L y vea el captulo /2 de este volumen$ *uestra breve revisi!n aDu se
)ocaliFa en los asuntos y descubrimientos particulares Due )ijan el estado para nuestros
propios y mCs recientes es)uerFos$
'alveF el mCs simple resumen de los descubrimientos y conclusiones de Chapman sobre
la habilidad de los sujetos para detectar covariaciones entre sinos clnicos y sntomas es Due
las covariaciones reportadas parecen re)lejar verdaderas covariaciones menos lejos Due las
preconcepciones basadas en la teora ! basadas semCnticamente sobre la naturaleFa de las
relaciones Due NdebenO eGistir$ -ientras Due ;stos descubrimientos )ueron dramCticos#
controversiales y de considerable inmediata relevancia para los practicantes# el punto eneral
Due ellos hicieron sobre los e)ectos de las preconcepciones sobre asociaciones observadas )ue
esencialmente uno )amiliar$
Como el mismo B$ =$ Chapman anot! en su trabajo inicial 8/6429# las correlaciones
ilusorias no estCn restrinidas al dominio del juicio clnico$ Ba mayora de las supersticiones
esencialmente son empricamente creencias sin )undamento sobre la asociaci!n entre
acciones ! eventos particulares y los resultados subsecuentes positivos ! neativos$
Estereotipos raciales# ;tnicos# reionales# reliiosos A ocupacionales similarmente son
creencias sobre covariaciones# creencias Due son )uertemente sostenidas y marcadamente
resistentes al impacto de los datos no soportados 8re)$ &dorno et al$# /613L &llport# /61:L P$
Ioldber# /647L =$ -$ =ones# /62.L 'aynor R DeauG# /6209$ Investiaci!n sobre la Nteora de
la personalidad implcitaO tambi;n puede ser citada en este conteGto$ Sobre medio silo atrCs
'horndi(e describi! el as llamado e)ecto halo# por el Due los percibidores esperan y reportan
la asociaci!n de todas las caractersticas positivas de la personalidad$ Subsecuentes
investiadores 8por ejemplo# Koltuv# /64.L *orman R Ioldber# /644L Passini R *orman#
/6449 han randemente eGtendido este trabajo y eGplorado los esDuemas conceptuales y
creencias sobre la personalidad Due dispone a los percibidores a reportar relaciones
/21
consistentes entre di)erentes caractersticas ! di)erentes indicadores de la misma
caracterstica cuyas vinculaciones empricas son muy d;biles ! aAn no eGistentes$
EGiste por tanto una riDueFa de evidencia emprica y anecd!tica Due# en la medida de lo
posible la evaluaci!n de la covariaci!n# la controversia entre eGpectativas y evidencia es
conveniente Due sea Anica$ =usto como en otros juicios perceptivos y conitivos 8re)$ Bruner#
/612a# /612bL Bruner# Postman R "odriues# /61/9# las preconcepciones intuitivas de los
cient)icos sobre relaciones empricas son convenientes para determinar lo Due ;l detecta# lo
Due )alla en detectar# y lo Due ;l ve Due no estC realmente all para ser visto$ 'ales
eneraliFaciones super)iciales sobre la supremaca de la teora sobre los datos# sin embaro#
pueden conducirnos a pasar por alto una importante ambieedad S ! al menos un importante
asunto irresoluto S en los estudios de Chapman$ Espec)icamente# podemos identi)icar dos
puntos separados de inter;s sobre la evaluaci!n de la covariaci!n intuitiva Due son# en un
sentido con)undidos en aDuellos estudios y en subsecuentes investiaciones 8por ejemplo#
Ioldin R "orer# /62.L Starr R Kat(in# /6469$ El primer punto involucra las di)icultades de
la ente en detectar covariaciones presentadas en datos inmediatamente disponibles S Due es#
su capacidad de reconocer y evaluar covariaciones cuando ellas no estCn NsobrecaradasO por
cualesDuiera teoras ! eGpectativas espec)icas sobre la relaci!n emprica en cuesti!n$ El
seundo punto involucra la tendencia por las teoras ! intuiciones de los sujetos Due los
conducen a asumir la eGistencia de )uertes correlaciones donde tales suposiciones son
desmentidas por la mejor evidencia NobjetivaO$
Ba separaci!n de estos puntos suiere la necesidad de investiar las ejecuciones de los
sujetos en la evaluaci!n de las covariaciones en dos muy di)erentes tareas$ Ba primera tarea
es esencialmente una Nde psicoloaO produciendo evidencia sobre la relaci!n entre juicios
subjetivos y medidas objetivas$ En ;sta tarea los sujetos son simplemente presentados con
jueos de observaciones bivariables sobre las cuales ellos no pueden sostener teoras
preconcebidas y lueo ser reDueridos a evaluar la )ortaleFa de la relaci!n en cada jueo$ El
investiador puede entonces intentar medir la di)icultad de la tarea de los sujetos
8primariamente notando el rado de variabilidad asociado con juicios particulares9 y para
determinar la naturaleFa de la )unci!n Npsicom;tricaO relacionando las estimaciones
subjetivas a las medidas objetivas$
Ba seunda tarea trata con el eGtremo opuesto a tales puramente evaluaciones Nbasadas en
datosOL ella concierne a las evaluaciones Due son eGclusivamente # ! casi eGclusivamente#
Nbasadas en la teoraO$ Por lo tanto pares de variables ! medidas Due pueden ser vinculadas
por las intuiciones ! teoras delos sujetos deben ser especi)icadas# pero no datos bivariables
relevantes deben ser suministrados por el investiador$ Si cualesDuiera datos son trados para
llevar por los sujetos en tales evaluaciones# por consiuiente# ellos deben ser suministrados
de las eGperiencias y recolecciones diarias de los sujetosL y como tal ellos son susceptibles al
mont!n de errores de NprocesamientoO y prejuicios aludidos anteriormente en nuestra
discusi!n$ Para prop!sitos de evaluaci!n y comparaci!n# el eGperimentador debe tener
tambi;n alunos medios de evaluar la eGactitud# ! la naturaleFas de los errores# asociados con
tales evaluaciones intuitivas$ Bos Due sini)ica Due ;l debe poseer aluna medida NobjetivaO
de correlaci!n para cada par de variables especi)icadas a los sujetos$
Comparacin experimental de evaluacin de covariacin basada en datos y basada en
teor*a
"ecientemente condujimos un estudio siuiendo los puntos y empleando la estrateias bCsica
justo esboFada$ Para la tarea basada en los datos# tres di)erentes tipos de distribuciones
bivariables# descrita en mCs detalle en la siuiente secci!n# )ueron empleados$ Para las
/24
evaluaciones basadas en la teora# pares de variables asociadas )ueron especi)icadas pero no
)ueron presentados datos actuales por el eGperimentador$ Para )acilitar las comparaciones
entre evaluaciones basadas en los datos y basadas en la teora# un diseEo dentro de los sujetos
)ue usado en el cual los sujetos emplearon la misma escala de puntuaci!n para ambas tareas
8con contrabalanceo para el orden de la presentaci!n$
En cada caso# variables continuas mCs Due dic!tomas 8en contraste al trabajo de Chapman
R Chapman# /642# /646# y =en(ins y Hard# /6419 )ueron usadas en las tareas de covariaci!n
relevantes$ Esta caracterstica )ue desinada para capturar mCs )ielmente la naturaleFa de la
mayora de las tareas de evaluaci!n de cada da$
/
Los sujetos y las tareas de puntuacin
Un total de 4: no raduados de Stan)ord# ninuno de los cuales haba completado un curso
de estadstica a nivel universitario# particip! en este eGperimento desinado para comparar
evaluaciones de covariaci!n basadas en datos y basadas en teora$ Para ambos tipos de
evaluaciones# los sujetos utiliFaron una simple escala de punteo para describir su impresi!n
subjetiva de la direcci!n y )ortaleFa de las relaciones entre pares de variables$ En usar esta
escala# los sujetos los sujetos primero estimaron si la relaci!n en cuesti!n era positiva !
neativa$ Ellos entonces estimaron cuCn )uerte la relaci!n )ue por la colocaci!n de una NMO
sobre una escala de punteo de /33 puntos anclada con Nper)ecta relaci!nO y Nninuna
relaci!nO$
)stimaciones de la covariacin basada en datos& Una parte del eGperimento trata con
estimaciones de la covariaci!n basada en jueos de observaciones bivariables provedas por
el eGperimentador$ 'res jueos de estmulos materiales )ueron empleados para crear las
distribuciones bivariables relevantes$ Para cada tipo de estmulo material# un jueo de
distribuciones bivariables )ue creado para representar di)erentes covariaciones objetivas entre
las dos variables$ Bos sujetos )ueron reDueridos a estudiar cada distribuci!n y a estimar la
relaci!n Due ella representaba utiliFando la escala de punteo subjetiva de /33 puntos$
&nticipamos Due la eGactitud de las estimaciones de los sujetos en esta tarea dependera
en parte de las di)icultades Due ellos tenan en codi)icar# procesar y recordar los datos$ Para
probar esta suposici!n# tres tipos de estmulos materiales di)irieron marcadamente en las
demandas de procesamiento de la in)ormaci!n Due ellos colocaron sobre los sujetos previo a
la estimaci!n de la covarici!n# particularmente con respecto a la demanda para la estimaci!n
de las manitudes del estmulo y para almacenar y recuperar la in)ormaci!n de la memoria$
Por lo tanto# el primer tipo de jueos present! jueos de /3 simples nAmeros de pares$ El
seundo present! dibujos# cada uno esboFando un jueo de /3 hombres de alturas variables
sosteniendo bastones de varias alturas$ El tipo )inal de distribuci!n )ue presentado en la
)orma de cintas de audio en los cuales un jueo de /3 individuos )ueron cada uno escuchados
para decir aluna letra ocupando una posici!n ordinal particular en el al)abeto 8a prop!sito la
letra inicial de su apellido9 y lueo cantar una nota musical de variable duraci!n$
)stimaciones de la covariacin basadas en la teor#a& Ba otra parte del eGperimento
8orden de presentaci!n de las dos partes )ue contrabalanceado9 trata con estimaciones de
covariaci!n basadas en eGpectativas a priori de los sujetos ! teoras mCs Due en cualesDuiera
/
*uestra bAsDueda de literatura revel! Due las tareas de estimaci!n de la covariaci!n caracteriFando continuas
variables han sido muy raramente empleadas por investiadores previos$ Ba eGcepci!n descubierta es Due la
bAsDueda )ue un estudio citado muy raramente 8reportado por Erlic(# /644L Erlic( R -illa# /6429 Due trat!
primariamente con los e)ectos de variante sobre la desconeGi!n percibida y produjo muy pocos datos al
presente asunto$
datos bivariables inmediatamente disponibles$
/22
Pares de medidas de variables )ueron especi)icadas# y los sujetos )ueron reDueridos a
estimar primero la direcci!n y lueo la )ortaleFa de la relaci!n para cada par# siempre
empleando la misma tabla simple de punteo subjetiva como esa empleada para las
evaluaciones basadas en datos$ &lunos de estos pares en esta parte del eGperimento tratan
con diverentes medidas del comportamiento de disposiciones personales# por ejemplo# dos
consistencia del cruce situacional en el comportamiento moral# otros tratan con actitudes
medidas de honestidad usadas en el estudio clCsico de Hartshorne y ay 8/6.79 de la
personales# hCbitos ! pre)erencias$ En cada uno de los casos# sin embaro# la estimaci!n de la
covariaci!n subjetiva Due obtuvimos podra ser comparada con correlaciones NobjetivasO
escoidas de previos estudios empricos$ 8Una completa lista de ;stos pares variables y sus
correlaciones pertinentes es presentada la 'abla / en las pCinas .0/ y .0.9$
Resultados
)stimaciones de covariacin basadas en datos
*uestra primera inDuietud involucra las estimaciones de la covariaci!n Due los sujetos
hicieron en respuesta a los inmediatamente disponibles datos bivariables$ Dos preuntas
espec)icas pueden ser diriidas< Primera# cuCn rCpidamente podran los individuos detectar
la manitud de las covariaciones en la ausencia de cualDuier NteoraO sobre las distribuciones
de datos relevantesQ Seunda# cuCl )ue la naturaleFa de la N)unci!n psico)sicaO relacionando
la media de los tasadores de las estimaciones subjetivas para una medida objetiva de la
covariaci!nQ
Ba estimaci!n de los datos suiri! Due la tarea de estimaci!n )ue muy di)cil$ Bas
desviaciones estCndar y los ranos intercuartiles asociados con la totalidad de las
estimaciones del rupo para cada uno de los datos )ijados )ueron eGtremadamente altos 8vea
la ?iura / en la pCina .0.9$ Bo Due es particularmente notable es la di)icultad Due muchos
sujetos eGperimentaron en simplemente reconocer la eGistencia de relaciones positivas# aAn
aDuellas de respetable manitud$ De hecho es solo cuando las correlaciones objetivas
alcanFan el nivel de l$4 a l$2 Due el intervalo intercuartil consistentemente eGcluye las
estimaciones neativas de la relaci!n$ Ba inestabilidad de las estimaciones de covariaci!n#
incidentalmente# no parecen di)erir sistemCticamente para los tres tipos de distribuciones de
datos vibariables# a pesar de las di)erencias aparentes en la cantidad de procesamiento de
in)ormaci!n 8y en consecuencia las posibilidades de error aleatorio ! sistemCtico9 asociada
con estos tres tipos$ Esta aparente insensibilidad a las demandas del procesamiento de
in)ormaci!n incrementadas puede o)recer alunas pistas sobre la naturaleFa de la NestrateiaO
de evaluaci!n de los sujetos S una posibilidad Due nosotros continuaremos mCs adelante en
este captulo$
'abla /$ Pares de variables descritas a los tasadores y sus correlaciones objetivas$
Jariables especi)icadas Correlaci!n
ooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooobjetivao
o
& &uto>puntajes de los estudiantes del liberalismo >$.7
a
Puntajes de los estudiantes del cumplimiento de los lderes de neocios en la pasada
d;cada
B &uto>puntajes de los estudiantes del intelectualismo >$/6
a
Puntajes de los estudiantes del cumplimiento de los presidentes de EU& en la pasada
d;cada
C &uto>puntajes de los estudiantes de la timideF >$$/.
a
/27
*Amero de estados de EU& visitados por los estudiantes
D &uto>puntajes de los estudiantes de la ambici!n $3/
a
&lturas de los estudiantes
E Puntajes de los estudiantes del cumplimiento de los presidentes de la universidad en $37
a
la pasada d;cada
'iempo empleado por semana por los estudiantes en recreaci!n atl;tica
? &uto>puntaje de los estudiantes del intelectualismo $/2
a

Inresos de las )amilias de los estudiantes
I Deshonestidad de los niEos medida por )also reporte del cumplimiento atl;tico $/7
b

Deshonestidad de los niEos medida por la cantidad de trampas al resolver un
rompecabeFas
H Inresos de las )amilias de los estudiantes $.7
a
Puntaje de los estudiantes del cumplimiento de los lderes de neocios en la pasada
d;cada
I Habilidad de los de seGto rado en Nretrasar la rati)icaci!nO $0/
c

Habilidad de los de seGto rado para resistir la tentaci!n de hacer trampa
= &uto>puntaje de los estudiantes de la conciencia $01
d
Puntaje de aDuellos estudiantes de la conciencia por el compaEero de cuarto
K &uto>puntajes de los estudiantes del intelectualismo $02
a
&uto>puntajes de los estudiantes de la ambici!n
B Puntajes de los estudiantes del cumplimiento del Conreso en la pasada d;cada $:3
a
Puntajes de los estudiantes del cumplimiento de la labor de los lderes en la pasada
d;cada
- 'iempo empleado por semana por los estudiantes en recreaci!n atl;tica $1.
a
Puntajes de los estudiantes de la aptitud )sica
* Puntajes de los estudiantes del cumplimiento de los presidentes de EU& en la $11
a
pasada d;cada
Puntajes de los estudiantes del cumplimiento de los lderes de neocios en la pasada
d;cada
% &uto>puntaje del conservatismo poltico $12
e
Un compuesto de detalles de auto>puntaje de la escala de Etnocentricidad
P &ltura de los estudiantes $26
a
Peso de los estudiantes
a
Correlaci!n obtenida de una encuesta 8*[.619 de estudiantes de la Universidad de Stan)ord$
b
Correlaci!n obtenida de Hartshorne R ay 8/6.79$
c
Correlaci!n obtenida de -ischel R Iillian 8/64:9$
d
Correlaci!n obtenida de Be R &llen 8/62:9$
e
Correlaci!n obtenida de &dorno et al$ 8/6139$

Insertar a-u* la 4i#ura ' de la p5#ina ++8 del texto ori#inal(
?iura /$ "anos de medias e intercuartiles para estimados de la covariaci!n Nbasada en
datosO# reuniendo resultados para los tres tipos de distribuci!n$ Ba N)unci!n psico)sicaO#
/33 8/ > ~/ S r
.
9# es mostrada con una lnea punteada$
/26
'ambi;n presentados en la ?iura / estCn los datos relevantes a la seunda preunta sobre
evaluaci!n basada en datos# la preunta de la Nrelaci!n )uncionalO# el asunto de la Nrelaci!n
)uncionalO entre indicadores de la covarici!n objetivos y subjetivos$ 8El lector notarC Due las
medias para los tres dominios del estmulo estCn reunidos en esta presentaci!n de resultados$
*i las pruebas de inspecci!n ni de sini)icaci!n revelaron ninuna tendencia sini)icante !
consistente a distinuir los resultados para los tres dominios del estmulo# y el resultado de tal
reuni!n es una mCs llana y comprensible )unci!n Due esa obtenida de los tres dominios
individuales9$ Para conveniencia de los lectores hemos )ijado una curva de los puntos en
nuestra rC)ica$ Esta curva# debemos en)atiFar# )ue dibujada post hocL no )ue derivada de
ninuna Nteora psico)sicaO$
EstC claro por la inspecci!n Due# a pesar de la variabilidad dentro del rupo para las
estimaciones individuales# la )unci!n relacionando la media de las estimaciones subjetivas a
las correlaciones objetivas 8Pearson r@s9 )ue una mCs )Ccil$ -Cs espec)icamente# parece
haber una auda aceleraci!n de la )unci!n relacionando las dos variables$ Por lo tanto# en el
rano comAnmente tratado por los psic!loos con la medici!n de ranos de personalidad A
otras consistencias cruFadas en el comportamiento social 8por ejemplo# 8r [ $. a $:9 son
apenas detectables# produciendo estimaciones medias en el rano de : a 7 en la escala de /33
puntos$ &An las relaciones consideradas muy )uertes por tales psic!loos 8por ejemplo# r [ $4
a $79 resultan en muy modestas estimaciones subjetivas de la covariaci!n$ Correlaciones
objetivas de $2# por ejemplo# produjeron una estimaci!n subjetiva de 0: S un puntaje medio
entre los puntos etiDuetados Nmuy d;bilesO y NmoderadoO en la escala subjetiva de /33
puntos$ Solo cuando las correlaciones objetivas se aproGiman al nivel $71 el rupo medio
alcanF! el punto medio de la escala subjetiva# y solo mCs allC de ese punto los sujetos
consistentemente clasi)icaron las relaciones como )uertemente positivas$
Una mirada cercana a las estimaciones suiere Due las clasi)icaciones subjetivas de la
relaci!n ! covariaci!n no son una )unci!n lineal de r ! aAn de r al cuadrado$ -Cs bien# el
patr!n de las estimaciones medias reunidas parecen bien capturadas por la eGpresi!n# / > ~/ S
r
.$
8El lector puede reconocer esta eGpresi!n como el Ncoe)iciente de trans)erenciaO# una
medida de la reducci!n en el error estCndar asociado con la predicci!n de la variable ,
basado en el conocimiento de ambos de la variable M y la correlaci!n entre M y ,
^Huntsberer# /6429_$ Ciertamente# la similitud entre las estimaciones medias actuales y
aDuellas descritas por esta eGpresi!n )ueron muy sorprendentes S para ser preciso# el 61W de
la variaci!n entre medias estC justi)icada por la )unci!n basada en el coe)iciente de
trans)erencia$ *os apresuramos a recordar a nuestros lectores# sin embaro# Due ellos no
deben malinterpretar el sini)icado de este ntido acceso$ Ba bondad del acceso retratado en
la ?iura / se aplica solo al rupo de estimacionesL estimaciones individuales a)irmaron las
di)icultades de los sujetos en distinuir di)erentes niveles de covariaci!n$
%bviamente es prematuro concluir nada sobre la naturaleFa precisa de la )unci!n
Npsico)sicaO relacionando repuestas subjetivas a medidas objetivas de covarici!n$ Detalles
de la tarea# conteGto# y talveF aAn la poblaci!n de clasi)icadores produciran indudablemente
di)erencias en la )unci!n# di)erencias Due podran ser capturadas solo a trav;s de la inclusi!n
de parCmetros apropiados$ & pesar de eso# los presentes resultados probablemente satis)acen
para suerir Due las modestas correlaciones de la clase muy a menudo reportada por el cuadro
de asesores de la personalidad 8c)$ -ischel# /647# /6469 son probables de ir randemente sin
detectar ! dejar la mCs d;bil de las impresiones en la persona lea Due encuentra tales
covariaciones en la ausencia de teora basada en preconcepciones$
Es valioso mCs adelante re>en)atiFar Due las tareas de estimaci!n de la covariaci!n basada
en datos produjeron notablemente similares resultados de la randemente di)erencia de las
demandas de procesamiento de in)ormaci!n Due ellos colocaron sobre los sujetos$ Por lo
tanto# la )unci!n psico)sica# ilustrada en la ?iura /# eGactamente re)leja la relaci!n entre los
/73
estimados subjetivos y las medidas subjetivas para cada una de las tres tareas emprendidas
por los sujetos$ Ba correlaci!n entre las medias de los actuales estimados de los sujetos y los
estimados predichos por la )unci!n se clasi)ica de r [ $6/ para los pares de estilo de letra a r [
$67 para el nAmero de pares$
)stimados basados en teor#a
Hasta aDu hemos presentado evidencia de Due las correlaciones objetivas relativamente
)uertes 8en t;rminos de Pearson@s r9 son reDueridas para impulsar evaluaciones subjetivas aAn
modestamente di)erentes de cero$ Considerada en aislamiento# la )unci!n psico)sica para
evaluaciones basadas en datos podra ser simplemente evidencia de Due la m;trica de la
persona lea es una cautelosa ! conservadora relativa a esa empleada por la mayora de
estadsticos )ormales$ 8Ciertamente pocos disputaran Due r
.
es un ndice mCs apropiado de
relaci!n Due r# desde Due el puede ser mucho mCs rCpidamente relacionado a una utilidad de
predicci!n ! reducci!n en la incertidumbre sobre el valor de una variable basada en el
conocimiento de otro# asociado# variable9$ En resumen# los estimados obtenidos basados en
datos no suieren ninuna )alta de parte del psic!loo intuitivo# aunDue la variabilidad
asociada con tales estimados deje poca duda sobre las di)icultades e incertidumbres de la
tarea de estimaci!n$
Con estos descubrimientos y posibles interpretaciones en mente# podemos ahora retornar
a los resultados para los estimados subjetivos de la covariaci!n sobre las relaciones listadas
en la 'abla /$ Estas estimaciones# deberan recordar# Due )ueron hechas en la ausencia de
datos inmediatamente disponiblesL presumiblemente# ellos )ueron hechos solo sobre las bases
de las teoras ! intuiciones de los clasi)icadores in)ormales# sin datos Due salvan esos datos
altamente NprocesadosO notados y recordados de la eGperiencia diaria$ Ba ?iura . provee
una primera vista de estos resultados$ EstC claro# inmediatamente# Due ninuna )unci!n
simple S lineal ! de otro modo S captura la relaci!n entre estimados subjetivos y medidas
objetivas$ *o obstante# eGiste una inneable tendencia para los estimados de los sujetos
basados en teora a mostrar una di)cil correspondencia con la evidencia objetiva$ Eso es Due#
las relaciones empricas positivas )ueron estimadas a ser positivasL las relaciones neativas
)ueron estimadas a ser neativasL relativamente )uertes relaciones empricas eneralmente
)ueron estimadas para ser mCs )uertes Due las relativamente d;bilesL etc$
Insertar aDu la ?iura . de la pCina ..0 del teGto oriinal$
?iura .$ -edias de estimaciones de la covariaci!n Nbasada en teoraO$8ver 'abla /
para la clave de variables especi)icadas9$
'alveF la mCs notable caracterstica de ;stas estimaciones basadas en teora# sin embaro#
es Due una veF liberada de las restricciones impuestas por los inmediatamente disponibles los
sujetos dejaron de ser precavidos ! conservadores$ Ellos voluntariamente se aventuraron
dentro de las reiones centrales ! aAn reiones superiores de la escala subjetiva de /33
puntos aAn cuando estCn tratando con pares de variables Due objetivamente )ueron solo
modestamente correlacionados$ Jarios pares de variables correlacionados a niveles Due# en el
caso de las evaluaciones basadas en datos# haban producido estimaciones subjetivas muy
cercanas a 3 8por ejemplo# r [ $09 ahora produjeron estimaciones de 03# :3 ! mCs# en la escala
subjetiva de /33 puntos$
Bos pares de variables I e I ameritan especial ;n)asis# puesto Due ellos tratan con
estimados basados en teora de la consistencia del comportamiento de situaci!n cruFada y de
/7/
ese modo hablar de un asunto de inter;s te!rico particularmente activo en el tiempo presente
8c)$ &l(er# /62.L &llport# /644L Be R &llen# /62:L Be R ?under# /627L Be R Bord# /626L
-ischel# /647# /6469$ El mensaje transportado por los estimados subjetivos para ;stas dos
relaciones es claro y dramCtico$ Cuando se encara con datos objetivos inmediatamente
disponibles presentando correlaciones en el rano r [ $. a r [ $0# los sujetos haban
proporcionado estimaciones medias promediando entre 3 y /3 en la escala de clasi)icaci!n de
/33 puntos$ &hora# en la ausencia de datos inmediatamente disponibles# pero tratando con
dominios bivariables presentando el mismo rano de r [ $. a r [ $0# las teoras de
personalidad implcitas de los sujetos los condujeron a o)recer estimados de covariaci!n Due
promediaban en el rano de 13 a 43$ Pu; rado covariaci!n en inmediatamente disponibles
datos bivariables habran sido reDueridos para impulsar similares estimados en la ausencia de
NteorasO ! preconcepcionesQ Ba respuesta como podemos ver en la ?iura .# es Due solo las
correlaciones empricas en el rano de r [ $63 podran haber impulsado tales estimados$
Bos resultados de nuestra propia investiaci!n por tanto pueden ser resumidos con un par
de eneraliFaciones empricas$
/$ Donde los datos bivariables inmediatamente disponibles son eGaminados en la ausencia de
cualesDuiera teoras ! preconcepciones sobre sus relaciones# el psic!loo intuitivo tiene ran
di)icultad en detectar covariaciones de las manitudes Due son viables de caracteriFar un amplio
rano de relaciones )uncionales presentadas por la eGperiencia social diaria$ En particular#
covariaciones en el rano de manitudes comAnmente tratadas por los psicom;tricos tratando de
buscar consistencias comportamientos de situaci!n cruFada son mCs probables de ir no detectados !
percibidas cercanas a cero$
.$ Cuando datos bivariables# no objetivos# inmediatamente disponibles pueden ser eGaminados#
pero teoras ! preconcepciones previas pueden ser tradas para vencer# los psicoloistas intuitivos son
viables para esperar y predecir covariaciones de considerable manitud S a menudo de mayor
manitud Due son probables de haber sido presentadas de pasadas eGperiencias ! ser vencidas por una
eGperiencia )utura$
'omadas juntas ;stas eneraliFaciones ayudan a a)inar el centro del presente contraste
entre evaluaciones basadas en datos y basadas en teora$ Bas teoras Due aparentemente
sostenemos nos conducen a esperar y predecir mCs )uertes relaciones empricas Due
actualmente eGisten# aAn unas de manitud de consecuencia# son viables de ir sin detectar a
menos Due ya esperCramos encontrarlas$
<obre el ori#en y supervivencia de las teor*as
)strategias de evaluacin de la covariacin
-Cs allC de o)recer eneraliFaciones sobre los resultados de varias tareas de evaluaci!n# es
importante empeFar considerando los procesos de juicios y estrateias Due podran subrayar
tales resultados$ Una veF mCs la distinci!n entre evaluaciones basadas en datos y
evaluaciones basadas en teora una crtica# y una veF mCs los descubrimientos seminales de
Chapman proveen un punto conveniente de partida$
%atos versus teor#as& Estuvo claro de los estudios de Chapman Due las preconcepciones
superaron a la in)ormaci!n proveda por los datos inmediatamente disponibles$ -enos claro#
sin embaro# )ue la manera en la cual esto ocurri!$ NJieronO los sujetos la relaci!n Due ellos
reportaronQ % ellos meramente reportaron la relaci!n Due ellos esperaban estar presentes en
los datos# sin ninuna impresi!n subjetiva correspondienteQ % lo hiFo el NcompromisoO de
los sujetos entre sus percepciones y eGpectativas subjetivas# dando alAn peso a cada unaQ Es
/7.
imposible dar una respuesta de)initiva sobre las bases de los resultados reportados# aunDue
eGiste una clara evidencia de Due los sujetos dieron al menos alAn peso a sus percepciones
inmediatas de los datos y Due sus percepciones no )ueron totalmente determinadas por sus
eGpectativas$ Espec)icamente# notamos Due los reportes de Chapman Due repetida
eGposici!n a las no relaciones ultimadamente redujeron los reportes de la correlaci!n ilusoria$
Sin embaro# estuvo tambi;n claro Due los datos nunca podran totalmente triun)ar sobre las
preconcepciones de los sujetos# para aAn una eGtendida eGposici!n a relaciones neativas no
podran completamente eliminar reportes de positivas correlaciones ilusorias$
Bas interroantes concernientes a estrateias intuitivas para la evaluaci!n de la
covariaci!n vienen rCpidamente dentro del )oco$ C!mo los sujetos deciden Du; radeo de
relaci!n estC presente en los datos a manoQ C!mo ellos deciden Du; rado de relaci!n NdebeO
estar presente en un jueo de observaciones bivariables Due son diriidas por sus teoras
intuitivas ! preconcepcionesQ CuCndo y c!mo# las preconcepciones trans)orman las
eGperiencias subjetivas de covariaci!n de unoQ Principiando a especular sobre las respuestas
a tales interroantes es una veF de nuevo Atil )ocaliFar inicialmente sobre evaluaciones
puramente basadas en datos y puramente 8! al menos randemente9 basadas en teora# y solo
entonces retornar al caso cuando los datos inmediatamente disponibles y las eGpectativas
basadas en teora entran en con)licto$
)valuacin de estrategias basadas en datos& 'alveF nuestro mCs sorprendente
descubrimiento en relaci!n con la evaluaci!n basada en datos involucr! las repuestas de los
sujetos a las distribuciones bi>variables o)reciendo covariaciones de manitudes Due son
viables a ser encontradas en la eGperiencia diaria y son relevantes a las teoras sociales
in)ormales S espec)icamente# los sujetos encontraron muy di)cil de detectar tales relaciones
y# en promedio# ellos clasi)icaron las covariaciones relevantes de ser muy cercanas a cero$
Pu; implicaciones tienen tales resultados concernientes a las estrateias de evaluaci!n de la
covariaci!n in)ormal Due podran haber sido empleadas por nuestros sujetosQ
En especular sobre este asunto# es importante recordar Due los clasi)icadores individuales
eneralmente no estimaron objetivamente las d;biles correlaciones ser cercanas a cero$ En su
luar# ellos o)recieron un completamente amplio rano de estimaciones para los cuales solo
las medias relevantes estuvieron cercanas al punto cero$ Una veF de nuevo# es di)cil de
discernir eGactamente lo Due los sujetos actualmente NvieronO y lo Due ellos estimaron en
luar de lo Due ellos vieron$ Ba sorprendentemente suave y consistente )unci!n
Npsic!m;tricaO relacionando las estimaciones medias a las correlaciones actuales deja poca
duda de Due los sujetos hicieron uso de las caractersticas de los datos Due )ueron
consistentemente relacionados a la correlaci!n objetiva$ Ba cantidad de variabilidad en sus
estimaciones# sin embaro# indican Due las caractersticas de los datos utiliFados )ueron solo
muy aproGimadamente relacionadas a medidas objetivas de la covariaci!n$
*uestra sospecha# apoyada por las introspecciones de alunos clasi)icadores inenuos
Duienes han emprendido la tarea# es Due las impresiones de los sujetos de la Nrelaci!nO no
re)lejan ninAn intento de considerar la muestra total observaciones bivariables relevantes$
-Cs bien# los sujetos pueden transmitir sobre unos pocos casos especiales# probablemente los
casos eGtremos de la variable M ! de la variable ,$ Por tanto# ellos pueden simplemente
observar la direcci!n y eGtremidad del valor de las ,s asociado con los valores eGtremos de
M# y viceversa$ Bos )actores in)luenciando la atenci!n y la memoria podran tambi;n juar un
papelL por tanto la vivideF y concretividad# as como la primaca y el carCcter reciente de la
presentaci!n# podran in)luenciar cuales puntos de datos son apoyados$
Con)ianFa sobre un limitado nAmero de casos ! NprobadosO en este estilo$
Particularmente la con)ianFa sobre puntajes eGtremos# producira ciertas consecuencias Due
parecen altamente consistentes con nuestros propios descubrimientos< Primero#
/70
manipulaciones del dominio del estmulo 8por ejemplo# nAmeros vrs$ imCenes vrs$ cintas de
audio9 Due )ueron desinados para variar la necesidad por la manitud de la estimaci!n y
memoria previa a la evaluaci!n de la covariaci!n debera de haber producido peDueEo
impacto# puesto Due ;stas demandas adicionales )ueron consideradas triviales si los
cali)icadores meramente se apoyaron sobre un muy limitado nAmero de casos especiales$
Seundo# dependiendo sobre cuales casos particulares ellos tomaron nota# los sujetos
tratando con d;biles relaciones podran ser esperados a estimar las relaciones ser
moderadamente positivas ! moderadamente neativas mCs Due cero$ Por contraste# los
sujetos tratando con )uertes relaciones deberan mostrar del todo estimaciones consistentes y
eGtremas# puesto Due las relaciones altamente positivas permiten poca variabilidad en los
valores de una variable Due puede ser asociada con los valores eGtremos de otra variable$ Ba
)orma de nuestra )unci!n psicom;trica# y la reducida variabilidad asociada con estimaciones
de la mCs )uerte relaci!n emprica presentada# son consistentes con estas consecuencias
postuladas de apoyarse sobre casos eGtremos# aunDue tal evidencia estC lejos de ser
conclusiva$ Claramente# mCs respuestas de)initivas podran venir solo de diseEos de
investiaci!n Due deliberadamente manipulara los valores de casos eGtremos# ! de otro modo
desproporcionadamente disponibles$
)strategias para la evaluacin basada en teor#a& Cuando tornamos nuestra atenci!n a la
evaluaci!n basada en teora# la interroante obvia a ser planteada involucra la eGtensi!n a la
cual cualesDuiera datos pueden haber sido utiliFados en adici!n a la pura teora$ En alunos
casos# por supuesto# es probable Due los datos no son consultados del todo$ Bos
clasi)icadores# por ejemplo# pueden haber con)iado solamente sobre semCnticamente !
intuiciones y eGpectativas basadas en teoraL Due son criterios de NrepresentatividadO
aplicados 8c)$ Kahneman R 'vers(y# /620# 79 en considerar la relaci!n entre dos variables en
cada par$ Pocos lectores son probables de disputar la controversia Due la ente sostiene S ! al
menos puede rCpidamente enerar S teoras sociales Due tienen tales orenes$ Ciertamente#
cualDuiera persona lea puede enerar nuevas teoras ! predicciones sobre relaciones
)uncionales muy rCpidamente para aDuellas teoras Due dependen sobre la eneraci!n y
anClisis de casos actuales$
Por consiuiente# no cuestionamos la posibilidad Due alunas estimaciones de
covariaci!n basadas en teora puedan involucrar recurso a la evidencia actual$ Una veF mCs#
sin embaro# sospechamos Due la persona lea es mCs probable de apoyarse sobre casos de
prueba particulares S sujetos a muchas )uentes de prejuicios sini)icantes en codi)icar#
almacenar y recordar S Due enerar e in)ormalmente analiFar aluna muestra completa de
datos bivariables$
&lunas teoras ! creencias sobre relaciones particulares pueden por tanto estar basadas
la menos parcialmente sobre datos$ %tras pueden estar basadas en deducciones de mCs
amplias creencias sobre el mundo# sabidura convencional de la ente# asociaciones
semCnticas# ! comunicaciones persuasivas por la )amilia# amios ! los medios masivos$ Sin
importar de sus orenes# sin embaro# estC claro Due muchas de tales creencias son ambas
err!neas y capaces de sobrevivir y talveF aAn )lorecer en)rente de la evidencia Due creara
raves dudas en cualDuier observador no prejuiciado S ciertamente en cualDuier observador
no prejuiciado Duien posey! una calculadora# un teGto introductorio de estadstica# y alAn
conocimiento convencional sobre c!mo usarlas$ *osotros# por consiuiente# concluiremos
este captulo diriiendo brevemente un par de interroantes relacionadas sobre el con)licto
entre teoras intuitivas y eGperiencias diarias con las covariaciones empricas Due NpruebanO
esas teoras< Primera# cuCles son los mecanismos por los cuales las creencias err!neas !
randemente eGaeradas sobre relaciones )uncionales pueden sobrevivir al )rente de
aparentemente desa)os obliados de l!ica ! de evidenciaQ Seunda# c!mo puede nuestro
/7:
emerente retrato de las de)iciencias de la persona lea ser reconciliado con la obvia
capacidad del oranismo de mostrar aprendiFaje 8en particular# condicionamiento operante y
respondente9 y con la obvia eGactitud y adecuaci!n de tantas de nuestras creencias diarias y
estrateias socialesQ
Estas interroantes pueden solo ser tocadas aDu# y re)erimos a los lectores interesados en
mCs comprensivas discusiones al Captulo 6 de este volumen y a otras publicaciones 8por
ejemplo# *isbett R "oss# /6739$
(ecanismos de la teor#a de la perseverancia
'eoras sobre relaciones empricas# como impresiones sobre individuos particulares# a
menudo muestran una asombrosa capacidad de sobrevivir al en)rentar desa)os empricos$ Un
jueo de mecanismos Due cuentan para tal perseverancia tienen su orien en el simple hecho
de Due la ente caractersticamente actAa sobre sus creenciasL ;stas acciones pueden tener un
rano desde una simple recomendaci!n pAblica a la inversi!n del tiempo de uno# eneras#
riDueFa ! reputaci!n$ 'al compromiso de comportamiento lo hace altamente NdisonanteO
8&belson et al$# /647L ?estiner# /612# /64:9 para el actor simplemente para actualiFar sus
creencias a la luF de la nueva evidencia$ Ciertamente# las creencias ! eGpectativas de un actor
pueden constituir una pro)eca de auto>llenar# por la Due creencias inicialmente in)undadas
causan Due el actor se comporte de una manera Due produce resultados ! datos Due
ultimadamente validan sus creencias 8-erton# /6:7L "osenhan# /620L "osenthal R =acobson#
/647L Snyder R S+ann# /624L Snyder# 'an(e R Berscheid# /6229$
Una reciente investiaci!n por BepperL "oss y sus coleas ha ilustrado mecanismos !
procesos adicionales Due pueden subrayar la perseverancia en la creencia$ Estos mecanismos
involucran las propensiones de los cient)icos leos para asimilar nuevamente puntos de
in)ormaci!n como una )unci!n de su consistencia con creencias previas e ir mCs allC de la
asimilaci!n de datos para el desarrollo de eGplicaciones causales capaces de eGplicar porDu;
el estado hipotetiFado de los asuntos se sostendra 8vea el Captulo 6 de este volumen y
&nderson# Bepper R "oss# /673L =ennins# Bepper R "oss# /673L Bord# "oss R Bepper#
/626L *isbett R "oss# /673L "oss# /622L "oss# Bepper R Hubbard# /621L "oss# Bepper#
Strac( R _SteinmetF# /6229$
%eteccin de la covariacin$ acondicionamiento y otros sucesos del mundo real *uestro
retrato poco prometedor de las capacidades de la persona lea para detectar y evaluar la
covariaci!n pueden parecer a la primera ojeada ser inconruentes con la evidencia de un
enorme cuerpo de laboratorio# y aAn una mCs amplia base de eGperiencia diaria# ilustrando
acondicionamientos clCsicos y operantes$ Cada rata Due nunca ha aprendido a escapar de una
ratonera# cada niEo Due siempre ha discernido las ventajas de arear aFAcar a su cereal del
desayuno# cada enamorado Due ha descubierto Due la honestidad no siempre es la mejor
poltica# cada madre Due siempre ha mostrado un re)lejo de lactancia en respuesta al llanto
del niEo# prueban Due los oranismos reconocen covariaciones entre los estmulos del medio
ambiente$ Puede el trabajo de Chapman y ese de la presente investiaci!n por consiuiente
tratar con aluna muy estrecha y aberrante clase de problemas de evaluaci!n de covariaci!n a
los cuales la persona lea es eGtraordinariamente de)icienteQ *isbett R "oss 8/6739 han
discutido este asunto y sostuvieron Due la respuesta es no$ En su luar# ellos a)irmaron Due#
es el )en!meno del acondicionamiento el Due constituye la NeGcepci!nO# y es la limitada
capacidad para detectar y evaluar la covariaci!n descrita a trav;s de este captulo Due ilustra
la NrelaO$
*osotros no podemos revisar los arumentos relevantes en detalle# pero la esencia de la
tesis de *isbett y "oss es Due el acondicionamiento clCsico y operante eneralmente son
/71
obtenidos bajo audas circunstancias restrinidas involucrando un estmulo sobresaliente y
distinci!n# estmulos !ptimos e intervalos di)icultosos internamente y una ausencia de
eventos irrelevantes ! de estmulos Due distraen$ Dos )actores adicionales citan ellos# sin
embaro# ameritan especial atenci!n$ Primero# valioso notar Due mientras el
acondicionamiento puede ser mantenido con relativamente baja covariaci!n entre estmulos
condicionados 8CS9 y estmulos no condicionados 8UCS9 ! respuesta y re)uerFo# el casi
invariablemente es obtenido con condiciones de per)ecta covariaci!n S Due es Due# el CS !
respuesta es invariablemente seuido por un UCS ! re)uerFo# y el seundo nunca es
presentado en la ausencia del anterior$ Ba asimetra entre las condiciones necesarias para la
adDuisici!n de una respuesta condicionada y el mantenimiento ! NperseveranciaO de tal
respuesta por tanto puede ilustrar# hasta cierto punto# la misma asimetra entre la evaluaci!n
de la covaraci!n basada en datos y la basada en teora Due ha sido eGplorada en el presente
captulo$ Bo Due sini)ica Due# durante el mantenimiento el oranismo puede continuar
esperando# y talveF aAn percibiendo# una mayor covariaci!n entre CS y UCS ! entre
respuesta y re)uerFo Due objetivamente estC justi)icada$ El puede aceptar intentos re)orFados
de cara al valor mientras atribuye intentos no re)orFados a circunstancias eGtenuantes#
in)luencias de la tercera variable# ! aAn oportunidad$
?inalmente# y talveF mCs importante# es el montaje de la evidencia del Due se bene)ician
ambos acondicionamientos operante y clCsico# y en alunos casos pueden aAn demandar# un
raFonablemente buen ajuste entre las continencias a ser aprendidas y las teoras !
eGpectativas previas Due el oranismo trae al laboratorio$ & lo muy menos# estC claro Due no
todos los CS>UCS ! las continencias respuesta>re)uerFo son iualmente aprendibles$ 'alveF
las mCs impresionantes de este punto han sido provedas por Iarcia y sus colaboradores 8por
ejemplo# Iarcia# -cIo+an R Ireene# /62.9$ Estos investiadores han reportado Due las
ratas pueden aprender# en un simple intento# a evitar un nuevo sabor de comida Due es
seuido de una en)ermedad astrointestinal# aAn si el intervalo entre comer y en)ermarse es
tanto como /. horasL en contraste# un animal Due se en)erma varias horas antes de consumir
una comida de usto )amiliar pero de nueva )orma no muestra tal evitar el aprendiFaje$ Por
otro lado# cuando un dolor inmediato reemplaFa a la en)ermedad demorada como el UCS# un
patr!n opuesto de resultados es obtenidoL lo Due sini)ica Due# la rata rCpidamente aprende a
evitar nuevas )ormas pero no nuevos sabores cuando tales estmulos estCn inmediatamente
seuidos por una descara el;ctrica$ Como *isbett R "oss 8/6739 resumen# la rata puede ser
caracteriFada como poseyendo dos NteorasO# ambas de las cuales estCn bien ajustadas a las
actuales continencias de su ecoloa< 8a9 Distintas pistas ustativas# cuando son seuidas por
una tarda 8aAn mCs tarda9 molestia Cstrica# deberan ser consideradas sospechosasL 8b9
Distintas pistas tCctiles ! espaciales# cuando son seuidas por un dolor somCtico inmediato
debera ser considerado sospechoso$
El arumento# en t;rminos mCs enerales 8c)$ 'esta# /62:9 es por tanto Due los
oranismos S de la ente as como de las ratas S son proclives a ver aDuellas covariaciones# y
solo aDuellas covariaciones# Due su propia historia ! la historia de sus especies los dispone a
ver$ Cuando no son uiados por NteorasO# la detecci!n de la covariaci!n viene a ser muy
di)cil y es probable Due ocurra solo cuando las correlaciones relevantes se aproGiman a la
unidad# yT! cuando las condiciones para aprender son !ptimas en t;rminos de los )actores Due
han sido eGplicados en los laboratorios de una lara y distinuida lnea de Hullians y
S(innerians$
&lunas veces# por supuesto# las circunstancias de cada da son !ptimas para aprender$
Por lo tanto# en nuestra eGperiencia diaria aprendemos Due incontables cambios# apoyos#
botones y otras manipulaciones hace# y Due una desconcertante variedad de sinos# smbolos
y seEales sini)ican# porDue las covariaciones relevantes estCn muy cerca de las per)ectas$
Iualmente importante# talveF# es el hecho de Due la persona lea# iual Due el cient)ico
/74
normal# a menudo puede NprobarO nuevas hip!tesis Due ;l ha trado para entretenci!n$ Bas
muestras de datos pueden deliberadamente ser eneradas Due son mejor adaptadas para la
tarea de in)erencia a mano Due las muestras o)recidas por eGperiencia accidental y
recolecci!n )ortuita$
Ciertamente# nuestra maestra de nuestro ha crecientemente dependido sobre nuestra
capacidad para sustituir relativamente herramientas )ormales de in)erencia por in)ormales$
*uestro ;Gito re)leja el leado de eneraciones de hombres y mujeres ordinarios Duienes han
cuidadosamente notado y rabado sus descubrimientos y# mCs recientemente# esa de
incontables cient)icos entrenados en las artes de eGperimentaci!n )ormal y anClisis
estadstico$
/72
'A( Fa ilusin del control
Ellen J( Fan#er
-ientras la ente concuerda Due eGiste mucho traslape entre habilidad y suerte# un completo
entendimiento de c!mo ineGtricablemente los une a los dos estC aAn por ser lorado$ En
principio la distinci!n parece clara$ En situaciones de habilidad eGiste un vnculo causal entre
el comportamiento y el resultado$ Por tanto# el ;Gito en las tareas de habilidad es controlable$
Ba suerte# por otro lado# es un suceso )ortuito$ El ;Gito en la suerte ! actividades de
probabilidad es aparentemente incontrolable$ El asunto de la presente inDuietud si s ! no esta
distinci!n es eneralmente reconocida$ Ba posici!n tomada aDu es Due no es$ mientras la
ente puede paar )inir estar de acuerdo con el concepto de probabilidad# ellos se
comportaron como si los eventos de probabilidad son sujetos de control$ Si esto es correcto#
es de inter;s determinar las variables responsables por esta con)usi!n$
&lAn soporte de observaci!n para esta aseveraci!n de Due la ente trata los eventos de
probabilidad como controlables viene de los psic!loos Io))man 8/6429 y Henslin 8/6429$
-ientras e)ectuaba prCcticas de jueo en Bas Jeas# Io))man not! Due neociantes Duienes
eGperimentaban perodos de mala suerte se corran el rieso de perder sus trabajos$ Henslin
estudiaba el jueo de dados y not! Due los juadores de dados claramente se
comportaban como si ellos estuvieran controlando el resultado de la tirada$ Ellos son
cuidadosos en tirar el dado suavemente si ellos desean nAmeros bajos ! tirarlo duro para
nAmeros altos$ Ellos creen Due el es)uerFo y concentraci!n rendirCn )rutos$ El control puede
tambi;n ser ejercido cuando se apuestaL por ejemplo# siempre apuestan con la persona Due
luce como Due ;l tiene el mayor control$ Estos comportamientos son todos muy racionales si
uno cree Due el jueo es un jueo de habilidad$
Si uno estuviera tratando de ejercer control sobre un evento de oportunidad# uno ejercera
in)luencia antes Due el resultado del evento estuviera determinado$ Stric(land# Be+ic(i# y
KatF 8/6449 probaron esta noci!n$ Bos sujetos )ueron involucrados en un jueo de tiro de
dados en el cual ellos seleccionaron de un nAmero de apuestas alternativas ya sea antes de
Due el dado )uera tirado ! justo despu;s de la tirada pero antes Due el resultado )uera
descubierto$ Ellos encontraron Due los riesos mCs randes# Due es# apuestas mCs randes
colocadas# cuando se apuesta antes mCs Due despu;s de la tirada$
Ba investiaci!n previa muestra Due la ente a menudo )alla al responder
di)erencialmente a los eventos controlables e incontrolables$ Sin embaro# los )actores Due
obiernan este ilusorio control del comportamiento no ha sido estudiado sistemCticamente$
Un modo de identi)icar estos )actores es eGplorar las caractersticas de las situaciones de la
habilidad$ En situaciones de habilidad la ente se compromete en varios comportamientos
evidentes$ , secretos desinados para maGimiFar la probabilidad de ;Gito< escoiendo cuCles
materiales son apropiados para la situaci!n y cuCles respuestas hacer# )amiliariFCndose uno
EGtractos de un trabajo Due apareci! en 'he =ournal o) Personality and Social Psycholoy# /621# 0.# 0//>0.7$
Derechos de autor 5 /621 por la &sociaci!n &mericana de Psicoloa$ "eimpreso con permiso$
/77
mismo con ;stos materiales y respuestas# perdiendo alAn tiempo pensando sobre la tarea
para arribar a posibles estrateias Due pueden ser empleadas# y ejerciendo es)uerFo mientras
estC comprometido activamente en la tarea para incrementar la probabilidad de ;Gito$
&demCs# las situaciones de habilidad tienen ciertas caractersticas no necesariamente
instiadas por el individuo en orden de maGimiFar la probabilidad de ;Gito$ Ba competencia
es uno de tales )actores$
Estos )actores relacionados a la habilidad pueden ser responsables por inducir una ilusi!n
del control$ Una ilusi!n del control es de)inida como eGpectativa de un ;Gito personal de
probabilidad inapropiadamente mCs alto Due la probabilidad objetiva arantiFara$ Bos
siuientes estudios )ueron diseEados para evaluar la e)ectividad de estos )actores
relacionados con la habilidad en ocasionar una ilusi!n del control$ Espec)icamente# la
investiaci!n a ser descrita )ue desinada para probar la siuiente hip!tesis$ &nimando !
permitiendo a los participantes en un evento de probabilidad a comprometerse en
comportamientos Due ellos se comprometeran donde ellos participando en un evento de
habilidad# uno incrementa la probabilidad de inducir una orientaci!n de habilidadL Due es
Due# uno induce una ilusi!n del control$ Por tanto# uno debera ser capaF de introducir
cualDuiera de los aspectos previamente mencionados en una situaci!n de habilidad S
escoencia# estmulo ! )amiliaridad de respuesta# involucramiento pasivo ! activo#
competencia S dentro de una situaci!n de posibilidad donde los participantes no in)luencien
mCs el resultado y ocasionen un comportamiento mCs apropiado a un evento de habilidad$
Una )uerte prueba de ;sta hip!tesis es la introducci!n de ;stos )actores dentro de
situaciones tales como loteras# donde los resultados son probabilidades completamente
determinadas$ Si ;stos )actores son eGitosos en inducir una ilusi!n de control en ;stas
situaciones mecCnicas# entonces los e)ectos deberan ser mucho mCs randes cuando ellos
son introducidos dentro de situaciones donde ya eGiste un elemento de control$ $ $ $
Experimento ': Eectos de la competencia sobre la ilusin del control
Desde Due la ente a menudo se ocupa de la competencia cuando ellos estCn evaluando su
habilidades# es hipotetiFado Due la introducci!n de este )actor de habilidad relacionado dentro
de una probabilidad )ijada induce una ilusi!n de controlabilidad$ Ba cantidad de control Due
uno actualmente tiene en producir un resultado eGitoso en una competencia de probabilidad
vara como una )unci!n de la habilidad del oponente de uno$ Si la ente responde a los
eventos de probabilidad en los cuales eGiste una competencia como si ;stos eventos )ueran
determinados por la habilidad# entonces la ilusi!n del control debera tambi;n variar como
una )unci!n de las caractersticas del oponente de uno$
En el siuiente estudio los sujetos compiten en una tarea de probabilidad contra ya sea un
atractivo# con)idente con)ederado ! un di)cil y nervioso con)ederado$ Si la tarea es
respondida como si el resultado es incontrolable# entonces los )actores otros Due de la
probabilidad de anar juean un papel mayor en in)luenciar las apuestas de los sujetos$ Bajo
estas circunstancias# los sujetos son probables de apostar mucho cuando estCn compitiendo
contra el con)idente con)ederado ya sea porDue el con)ederado se espera Due apueste mucho
y los sujetos desean aparentar similar a ;l ! porDue el rieso es un valor en nuestra sociedad
8Hallach R Hin# /6479 Bos sujetos pueden tambi;n apostar mucho cuando estCn apostando
contra el di)cil y nervioso porDue ;l se espera Due apueste menos# por lo Due los sujetos
pueden arriesarse menos y aAn aparentar ser riesosos$ En cualDuier caso# los sujetos no
deberan apostar mCs contra el con)ederado di)cil Due contra el con)ederado con)idente$ Por
otro lado# si# como se predijo# la competencia induce a una orientaci!n de habilidad# los
sujetos apostarCn sobre las bases de la probabilidad de anar$ Desde Due el oponente de uno
es menos competente# la mayor probabilidad de uno es anar# los sujetos deben apostar
/76
menos cuando compiten contra el con)ederado di)cil Due cuando compiten contra el
con)ederado con)idente$
(-todo
Sujetos1 Bos sujetos )ueron 04 hombres no raduados enrolados en el curso de psicoloa
introductoria en la Universidad de ,ale$ Ellos )ueron reclutados por un anuncio Due o)reca el cr;dito
de un curso y una posibilidad de anar dinero por la participaci!n en un estudio sobre la relaci!n
entre respuestas conitivas y psicol!icas$ Ellos )ueron asinados al aFar a una de dos condiciones
eGperimentales# con /7 sujetos en cada una$
Procedimiento& Cuando cada sujeto entr! al cuarto en el cual el eGperimento iba a tener luar# ;l
encontr! esperando a un con)ederado presumiendo como otro sujeto$ El con)ederado# un hombre no
raduado cieo a la hip!tesis eGperimental# ju! el papel de ya sea una persona seura de s misma !
de una persona de con)ianFa 8condici!n apuesta ! estApida9$
Condicin apuesta& En ;sta condici!n el con)ederado apareci! seuro y sociable y )ue vestido con
un saco sport bien ajustado$ El se introdujo a s mismo al sujeto y seEal! un anuncio )ijado en el
sal!n$ El anuncio deca Due la eGperimentadora estara atrCs y reDuerira a los sujetos llenar un breve
cuestionario mientras esperaba$ Hacer el estudio parece estar relacionado con asuntos psicol!icos# el
cuestionario reDuera sobre dieta# en)ermedades )amiliares# etc$ El sujeto y el con)ederado
completaron el )ormulario e interactuaron durante este tiempo por aproGimadamente /3 minutos$ Ba
conversaci!n no )ue estructurada pero s )ocaliFada principalmente en eventos deportivos$ Despu;s de
;sta interacci!n el con)ederado con indi)erencia toc! con los nudillos la pared Due lo separaba de
eGperimentadora y del sujeto a la seEal de ella de retornar al sal!n$
Condicin estpida1 En esta condici!n el con)ederado apareci! mCs bien tmido# se comport!
torpemente# tuvo una contracci!n nerviosa y )ue vestido con un saco sport Due era muy peDueEo para
;l$ En todos los otros aspectos esta condici!n )ue id;ntica a la de la condici!n apuesta$
En ambas condiciones el con)ederado se Duit! el saco antes de Due la eGperimentadora entrara al
sal!n$ Despu;s de Due ella se disculp! por la tardanFa# la eGperimentadora instruy! a los sujetos a
sentarse y no platicar mientras ella preparaba los materiales para el estudio$ Empleando estas
medidas# )ue posible conservar a la eGperimentadora ciea a la precedente manipulaci!n
eGperimental$ El sujeto y el con)ederado se sentaron en una mesa uno )rente al otro$ Despu;s la
eGperimentadora coloc! un televolter# alcohol# esponjas de asa# electrodos# el de electrodo y tape
sobre la mesa# ella les dio las siuientes instrucciones$
*osotros estamos interesados en los e)ectos de ciertas respuestas motoras y
conitivas sobre respuestas psicol!icas$ Espec)icamente# estamos interesados en
cambios en la resistencia de la corteFa como una )unci!n de tareas presuriFadas y no
presuriFadas$ El estudio )ue diseEado de tal manera Due# esperanFadoramente# usted
va a dis)rutar de las tareas mientras yo consio la in)ormaci!n Due necesito$ Usted
tendrC la posibilidad de ya sea anar ! perder dinero por lo Due deberC ser divertido
S pero no hay aranta de Due usted saldrC de aDu con dinero eGtra$ De acuerdo#
ahora la primera cosa Due yo Duiero Due ustedes haan es pear con tape estos
electrodos a sus manos$ ,o Duiero ponerlo sobre la mano con Due ustedes no
escriben$ Son ustedes derechos ! FurdosQ *o se preocupen# nada de esto los herirC$
^Ba eGperimentadora puso tape a los electrodos# los conect! en el televolter y trajo
un maFo de cartas de jueo_$
Ba primera tarea es un jueo de cartas$ Bas relas son Due ustedes escoerCn
cada uno una carta del maFo# y DuienDuiera Due seleccione la carta mCs alta ana$
HabrC cuatro rounds# y antes de cada uno ustedes escribirCn cuCnto desean apostar$
Ustedes pueden apostar lo Due sea de 3 a .1 centavos en cada round$ Bueo ustedes
me mostrarCn sus apuestas a m pero no a cada uno de los otros$ *o miren a las
cartas Due ustedes escoieron$ De este modo sus apuestas y los resultados no
/63
in)luenciarCn sus respuestas psicol!icas en la tarea siuiente$ ,o le dar; vuelta a
las cartas para ustedes y se den cuenta mCs tarde cuCnto )ue anado ! perdido con
cada uno de ustedes individualmente$ Ba apuesta es justo entre cada uno de ustedes
y yo# de modo Due si usted anan yo les paar; y si ustedes pierden ustedes me
paarCn ya sea en dinero ! tiempo del sujeto$ EstCn ustedes dispuestos a participarQ
^los con)ederados rCpidamente respondieron# NSeuroO_$ Bueno# ahora podemos
empeFar$ *o escriban su apuesta hasta Due yo dia listos de tal modo Due yo pueda
conseuir una lnea base de lectura$
Ba eGperimentadora lueo instruy! a los sujetos a rabar sus apuestas y mostrarlas a ella$
Bas apuestas )ueron rabadas# y lueo los sujetos alternativamente sacaron un a carta y# a
reDuerimiento# simultCneamente se las mostraron a la eGperimentadora# Duien rab! el
resultado y a continuaci!n coloc! las cartas boca abajo en una mesa vecina$ &ntes de cada
paso la eGperimentadora pareci! estar rabando las )luctuaciones de la resistencia resistencia
de la piel$ Este procedimiento )ue repetido en cuatro intentos$
C*equeo de la medida y manipulacin dependiente& Ba medida dependiente )ue la cantidad de dinero
Due los sujetos apostaron en cada round$
Despu;s de Due cada jueo de cartas termin!# a los sujetos se les dijo Due la pr!Gima tarea sera
hacerla individualmente# de tal modo Due uno de los sujetos habra de ir a otro sal!n donde otro
eGperimentador le dara instrucciones$ & ellos tambi;n se les dijo Due una veF este eGperimento
estuviera terminado# este eGperimentador le contara al otro el resultado del jueo de cartas de tal
modo Due las deudas podran ser satis)echas$ El eGperimentador reDuiri! al con)ederado a irse y les
dijo a ;l y al sujeto Due se despidieran el uno del otro# puesto Due su participaci!n conjunta haba
)inaliFado$ & cada uno de los sujetos les )ue dado lueo una tarea interpolada en la Due ;l anara
aproGimadamente m .$33 sin importar sus apuestas previas$ El sujeto eGamin! una jarra de elatina
con ranos de )rijol y estim! el nAmero presente mientras el eGperimentador rababa las )luctuaciones
de la resistencia de la piel$ Bueo al sujeto le )ue dado otro cuestionario Due era psicol!ico por
naturaleFa$ Despu;s de Dueel )ue reDuerido Due si el pens! Due la presencia del otro sujeto haba
tenido alAn e)ecto en sus respuestas psicol!icas# ;l )ue reDuerido a clasi)icar al otro sujeto sobre
una escala de 4 puntos partiendo de / 8una personalidad no muy competente9 a 4 8interpersonalidad
muy competente9# las restantes preuntas )ueron llenadas con cosas Due se relacionaban con asuntos
psicol!icos$ Despu;s Due ;stas medidas )ueron obtenidas# todos los sujetos )ueron aradecidos y se
les dijo Due llamaran al autor el pr!Gimo mes si ellos deseaban conocer el prop!sito y resultados del
estudio$
!esultados
&ntes de eGaminar s ! no las cantidades de dinero apostadas cariaron como una )unci!n de la
competencia del con)ederado# es importante estar seuro Due el con)ederado )ue ciertamente
percibido di)erencialmente en las dos condiciones$ Ba clasi)icaci!n media de la competencia del
con)ederado )ue :$7 cuando ;l )ue supuesto a ser apuesto y 0$/2 cuando ;l estuvo juando a estApido$
Casi no hubo traslape entre las dos condiciones$ Ba di)erencia entre los dos sini)icados es altamente
sini)icante 8t [ 1$:4# p ] $3319$ Por consiuiente# es seuro decir Due los sujetos en la condici!n
apuesta se vieron a s mismos como compitiendo contra un individuo mCs competente Due los sujetos
en la condici!n estApida$
DeberC ser recordado Due los sujetos podan apostar cualDuier cantidad de nada a .1 centavos en
cada uno de los cuatro rounds de apuesta$ Estas cuatro apuestas )ueron promediadas para dar un
simple punteo para cada sujeto$ Ba apuesta media para los sujetos en la condici!n apuesta )ue //$3:
centavos comparada con /4$.1 centavos para los sujetos en la condici!n estApida 8t [ .$06# p ] $3.19$
Ba di)erencia entre los dos rupos debera ser aAn mCs aparente cuando eGaminamos las primeras
apuestas hechas# puesto Due el primer round de apuesta siui! mCs cercanamente la manipulaci!n
/6/
eGperimental$ Ba media de la primera apuesta para la condici!n apuesta )ue 6$.7 centavos# mientras
Due la media de la primera apuesta para la condici!n estApida )ue /4$2. centavos 8t [ 0$/4# p ] $3319$
Prueba conceptual de la manipulacin& En orden de estar seuro Due la suposici!n Due los sujetos de
,ale esperan al atractivo con)ederado para apostar mCs Due al no atractivo con)ederado )ue cierta# dos
cuestionarios )ueron administrados para muestras aleatorias de los estudiantes no raduados de ,ale$
En el primer cuestionario# la tarea y los participantes )ueron descritos y los sujetos se les preunt!
Dui;n pensaban ellos Due apostaran mCs$ Doce de los /4 sujetos esperaban a la persona atractiva para
apostar mCs 8M
.
[ :# p ] $319$ El seundo cuestionario describa la tarea y preuntaba a la ente
cuCnto ellos pensaban Due apostaran en cada intento$ 'odos de los /1 sujetos preuntados
respondieron con la mCGima apuesta 8.1 centavos9$
Experimento +: Eectos de la seleccin en la ilusin del control
Una veF mCs# se cre! una hip!tesis Due cuando una situaci!n de probabilidad )icticia una
situaci!n de habilidad# la ente se comporta como si ellos tienen el control sobre el evento
incontrolable aAn cuando el hecho de Due el suceso ! )alla depende de la probabilidad# es
destacado$ Una lotera provee un vehculo para estudiar esta ilusi!n del control porDue# aparte
de la decisi!n de s ! no comprar un tic(et# el resultado es enteramente obernado por la
probabilidad Si uno pudiera ejercer control sobre el resultado de una lotera# uno
incrementara la probabilidad de tener un tic(et seleccionado$ Este tic(et sera entonces de
muy rande valor Due un tic(et perteneciente a aluien sin este control$ , si el )uera de un
valor mayor entonces se siue Due uno reDuerira un precio mCs alto de un comprador
potencial$
En el siuiente estudio una lotera )ue conducida para evaluar los e)ectos de la
escoencia# como un importante )actor en una situaci!n de habilidad# en la ilusi!n del
control$ Se predijo Due a los sujetos a Duienes se les dio su escoencia del tic(et de la lotera
reDueriran un precio mCs alto por el$
(-todo
Los sujetos& Bos tic(ets de la lotera estuvieron disponibles para adultos hombres y para mujeres
trabajadoras de o)icina empleadas por una ! dos )irmas localiFadas en Bon Island# una aencia de
seuros y una compaEa manu)acturera$
/
Puesto Due varios sorteos y Duinielas de deportes no eran
comunes a estas o)icinas# una justi)icaci!n elaborada para correr la presente lotera )ue necesaria$ Con
la eGcepci!n de cuatro mujeres# toda la ente aproGimada por la pretendida aente de ventas de tic(ets
compr! tic(ets de la lotera$ Bos sujetos )ueron asinados aleatoriamente a las condiciones con el
resultado Due eGistieron .: hombres y 0 mujeres en la condici!n de escoencia y .0 hombres y e
mujeres en la condici!n de no escoencia$
(ateriales& Bos tic(ets de la lotera )ueron tarjetas de )ootball estCndar : G . puladas 8/3$/4 G 1$37
cms#9$ En cada una de las tarjetas apareca un )amoso juador de )ootball# su nombre y su eDuipo$ Bas
tarjetas )ueron arreladas al)ab;ticamente primero por el nombre del eDuipo y lueo por el nombre
individual del juador$ EGistieron dos jueos aparejados de tic(ets# cada uno comprendiendo ..2
tarjetas de )ootball$ Cada uno de los sujetos uard! el tic(et de un jueo mientras Due el mismo tic(et
del otro jueo )ue depositado en un tablero de tarjetas de cart!n de la cual el tic(et anador sera mCs
tarde seleccionado$
Procedimiento& Ba lotera )ue conducida por un empleado de la aencia de seuros y una empleada
de la )irma manu)acturera / semana previa al jueo del SupertaF!n de /620$ &mbos eGperimentadores
estuvieron cieos a la hip!tesis del estudio$ Cada uno de ellos se aproGim! a los
/6.
/
Bas )irmas desean permanecer en el anonimato$
miembros de sus respectivas o)icinas y les preuntaron si ellos deseaban comprar un tic(et de
la lotera a un costo de m /$33$ & los sujetos se les dijo Due los tic(ets estuvieron vendi;ndose
en ambas de sus o)icinas y en otra o)icina 8la otra o)icina )ue nombrada9 y Due el premio
completo# aproGimadamente m 13$33# sera para el anador$ Bos sujetos )ueron tambi;n
in)ormados de la )echa del sorteo$ Despu;s de haber estado de acuerdo en participar en la
lotera# al primer sujeto aproGimado se le dio la caja con las tarjetas y se le dijo Due
seleccionara los tic(ets Due ;l Duisiera$ El sujeto nombr! la tarjeta de manera Due el
eGperimentador pudiera seleccionar la misma tarjeta del seundo jueo y depositarla en la
caja de cart!n cerrada$ En este momento el eGperimentador tambi;n rab! el nombre de los
sujetos y la tarjeta seleccionada$ El seundo sujeto aproGimado )ue tratado de la misma
manera eGcepto Due despu;s de estar de acuerdo de participar en la lotera# a ;l ! a ella se
entre! una tarjeta la cual aparejaba la escoencia del sujeto anterior$ El da despu;s Due los
tic(ets )ueron vendidos en una o)icina# el mismo procedimiento )ue llevado a cabo en la
seunda o)icina$
(edida dependiente& 'odos los sujetos )ueron individualmente aproGimados por el
eGperimentador de Duienes ellos compraron sus tic(ets la maEana del sorteo de la lotera$ &
ellos se les dijo< N&luien en la otra o)icina Duera participar en la lotera# pero puesto Due yo
no estoy vendiendo mCs tic(ets# ;l me preunt! si yo podra averiuar por cuCnto venderan
ustedes sus tic(ets$ Eso no haca ninuna di)erencia para m# pero cuCnto le dira yo a ;lQO Ba
cantidad cotiFada constituy! la medida dependiente$ En el caso Due un sujeto dijo Due ;l no
vendera su tic(et# el eGperimentador )ue instruido a estimularlo hasta Due ;l diera una ci)ra y
entonces rabar la respuesta Nno vender;O junto a la cantidad Due ;l )inalmente o)reci!$
!esultados
Como se dijo# la manipulaci!n de la escoencia tena un considerable e)ecto sobre el valor
del tic(et de la lotera$ Ba cantidad media de dinero reDuerida para el sujeto para vender su
tic(et )ue m 7$42 en la condici!n de escoencia y solo m /$64 en la condici!n de no
escoencia 8t [ :$00# p ] $3319$ &unDue a ellos se les preunt! en cuCnto venderan sus
tic(ets si ellos los venderan# /1 sujetos inicialmente respondieron Due ellos no los venderan$
De ;stos# /3 sujetos estuvieron en la condici!n de escoencia y 1 en la condici!n de no
escoencia 8p ] $/39$ Ba di)erencia previamente citada# sin embaro# no )ue simplemente una
)unci!n de las cantidades cotiFadas por ;stos sujetos despu;s de estimularlos# puesto Due sus
respuestas van de un rano de m 0$33 al premio entero de m 10$33# con solo 0 sujetos en la
Altima cateora$
-ientras no sea espec)icamente probado hasta el siuiente estudio# uno de los resultados
obtenidos es este estudio concierne al e)ecto de )amiliaridad en la ilusi!n del control$ Bas
mujeres no estCn tan proclives como los hombres a estar )amiliariFadas con el jueo de
)ootball$ Por lo tanto# ellas deberan ser menos probables de entrar a la lotera en primer
luar# y si ellas entran# ellas reDueriran menos dinero para vender su tic(et$ Debe recordarse
Due solo cuatro personas se rehusaron a participar en la lotera y Due cada una de ellas )ue
mujer$ De los seis mujeres Due s entraron# cuatro reDuirieron m /$33 y dos reDuirieron m .$33
por sus tic(ets$ Por lo tanto la cantidad media para las mujeres )ue de m /$00 comparada con m
1$76 para los hombres 8t [ .$/:# p ] $319$ $ $ $
Implicaciones y aplicaciones
/60
Sobre las bases de la evidencia presentada# parece Due los sujetos no distinuen los eventos
de probabilidad S de los de determinada habilidad del modo Due es suerido por sus
de)iniciones$ Ba continencia objetiva no parece ser una variable crucial Due obierna el
comportamiento de los sujetos$ En veF de eso# si un evento es ! no reaccionado como si es
randemente controlable depende de )actores como la competencia# la escoencia# la
)amiliaridad y el involucramiento# los cuales pueden ser ortoonales a la continencia actual$
Esto ha sido mostrado ser el caso aAn en situaciones Due son tan claramente obernadas por
la probabilidad como una lotera$
PorDu; ocurre estoQ Bas entes estCn motivadas a controlar su medio ambiente$ Ba
importancia del control en este conteGto ha sido ampliamente discutida por ambos terapistas
e investiadores de ciencia social$ Si ella es vista como una necesidad de competencia
8Hhite# /6169# un instinto por manejar 8Hendric(# /6:09# una rivalidad por la superioridad
8&dler# /6039# ! una rivalidad por una causalidad personal 8deCharms# /6479# la mayora de
cient)icos sociales estCn de acuerdo en Due eGiste una motivaci!n para manejar el medio
ambiente de uno# y un completo dominio incluira la habilidad para Nvencer las
probabilidadesO# Due sini)ica# controlar los eventos de probabilidad$ -ientras mCs di)cil es
un problema# mCs competente se siente uno en ser capaF de resolverlo$ Ba mayor satis)acci!n
! sentimiento de competencia resultara por consiuiente de estar dispuesto a controlar lo
aparentemente incontrolable$
&demCs de la motivaci!n para controlar# eGiste otra raF!n para la )alta de discriminaci!n
entre eventos controlables e incontrolables$ Este es el hecho de Due los )actores de habilidad
y probabilidad estCn tan cercanamente asociados a la eGperiencia de la ente$ Pue es# Due no
eGiste solo una motivaci!n no para discriminar# pero hay a menudo una verdadera di)icultad
en hacer la discriminaci!n# puesto Due eGiste un elemento de probabilidad en cada situaci!n
de posibilidad y un elemento de posibilidad en casi toda situaci!n de posibilidad$ Bo anterior
es obvio y no necesita mayor eGplicaci!n aDu$ Ejemplos de la Altima son conocer Due una
buena apuesta es en un jueo de dados 8por ejemplo# conocer las di)erencias9 ! conocer
cuales mCDuinas traanDueles estCn montadas para dar las mayores recompensas$ $ $ $
/6:
'D( Fos resultados de las pruebas son los -ue usted piensa
-ue son
Foren J( C;apman y Jean C;apman
Cada da los psiDuiatras y los psic!loos clnicos deben tomar decisiones vitales<
Cu'l es su problemaD %eber#a -l ser internado en un *ospital mentalD Corre -l riesgo de
cometer suicidio riesgo de cometer un *omicidioD )st' este paciente suficiente bien para
ser dado de alta del *ospital deber#a permanecer a*#D
Para ayuda con sus decisiones los clnicos casi siempre utiliFan pruebas psicol!icas$
De acuerdo a un estudio de *orman Sundber# las dos pruebas de cualDuier )orma mCs
ampliamente usadas son la prueba de mancha de tinta de "orschach y la prueba de hacer
hablar a una persona ^Dra+>a>Person 8D&P9_$ &mbas son pruebas proyectivas# basadas en la
premisa de Due una persona proyecta parte de su personalidad cuando ;l responde a una
situaci!n ambiua no estructurada$ Por ejemplo# puesto Due no eGisten )ormas objetivas en
una mancha de tinta# cualDuier persona ve un presumiblemente re)lejo de sus propios
manejos# con)lictos y personalidad$ Similarmente# cuando uno dibuja un retrato de una
persona en una hoja de papel en blanco# se piensa Due ;l proyecta un poco de s miso dentro
de su creaci!n$
Personalidad
*uestra reciente investiaci!n suiere Due el "orschach y el DP& pueden ser pruebas
proyectivas de mCs maneras Due una$ En la interpretaci!n de los resultados de ;stas pruebas#
el promedio clnico puede proyectar sus propias preconcepciones y suposiciones dentro de
su descripci!n del paciente$
*uestros primeros estudios en ;sta Crea )ueron con la prueba D&P# en la cual el clnico da
al sujeto un lCpiF y una hoja de papel en blanco y le reDuiere Due dibuje a una persona$ Karen
-achover public! la prueba en /6:6$ Ella describi! los retratos tpicamente dibujados por
personas con varios problemas emocionales y eGplic! c!mo interpretar varias caractersticas
de retratos como claves de la personalidad$ Ella dijo# por ejemplo# Due Nla paranoia
individual da mucho ;n)asis rC)ico a los ojosO# y Nel seGo dada la proporcionalmente cabeFa
rande es el seGo Due estC mCs acorde con la autoridad intelectual y socialO$
El manual de la prueba de -achover es llenado con eneraliFaciones lejos de alcanFar
sobre las clases de personas Due dibujan Due clases de retratos# pero ella presenta muy pocos
datos de soporte$
/61
Este trabajo oriinalmente apareci! en Psycholoy 'oday# *oviembre de /62/# pp$ /7>..# /34>//3$ Derechos
"eservados 5 /62/ por gi))>Davis Publishin Co$ "eimpreso con permiso$
Partes
&lunos clnicos no han estado dispuestos a tomar por cierta la palabra de -achoverL ellos
han ensayado sus aseveraciones eGperimentalmente$ =ules HolFber y -urray HeGler# por
ejemplo# trataron de determinar si las personas paranoicas realmente dibujan ojos elaborados$
Ellos compararon los dibujos de /7 pacientes paranoicos esDuiFo)r;nicos y 24 estudiantes de
en)ermera# pero ellos no encontraron di)erencia en el modo en Due los dos rupos dibujaron
los ojos$
Docenas de estudios similares han ensayado las predicciones de -achover sobre otras
caractersticas de los retratos Scara# orejas# labios# cabello# ropa# bocas# etc$ S pero una y otra
veF los sinos del D&P han )allado en sostenerlas$ Unos pocos eGperimentadores han
encontrado Due los sujetos mejor ajustados tienden a producir mejores dibujos completos#
pero la sorprendente conclusi!n de la evidencia de la investiaci!n es Due el contenido
espec)ico de un dibujo no es un vClido indicador de las caractersticas de la personalidad$
<i#no
Debera ser seEalado Due este tipo de investiaci!n no demanda una per)ecta discriminaci!n$
Si el 13W de personas homoseGuales dibujan )iuras de una cierta modo# y solo el .1W de
otras personas dibujan )iuras de ese modo# la caracterstica de dibujar puede aAn ser
considerada un vClido sino de dian!stico# puesto Due con el tiempo puede contribuir con
in)ormaci!n hacia un dian!stico de homoseGualidad$
Ba mayora de los clnicos conocen sobre la investiaci!n mostrando Due los sinos del
D&P son invClidos# aunDue muchos miles continAan el uso de la prueba reularmente porDue
ellos reclaman Due han visto el trabajo de los sinos en su propia prCctica clnica$ N,o
con)iar; en mis propios sentidos antes de Due yo con)e en alAn artculo de revistaO# dijo un
psic!loo clnico$ N,o s; Due los paranoicos no parecen dibujar ojos randes en los
laboratorios de investiaci!nO# dijo otro# Npero ellos seuro Due lo hacen en mi o)icinaO$
Ilusin
&lunos crticos dicen Due los clnicos estCn tan envueltos en sus teoras y tradiciones Due
ellos no estCn in)luenciados por los hechos$ Pensamos Due eGiste otra eGplicaci!n# sin
embaro$ Bos clnicos Duienes continAan con)iando en los sinos del D&P de cara a una
evidencia neativa pueden estar eGperimentando una correlacin ilusoria$ un )en!meno Due
nosotros descubrimos varios aEos atrCs en la investiaci!n sobre asociaciones de palabras$
Encontramos Due cada una de las palabras Due altamente asociadas las unas con las otras
tienden a ser vistas como ocurriendo juntas mCs a menudo Due lo Due realmente estCn$ En
estos eGperimentos un sujeto se sent! en una con)ortable silla mientras proyectCbamos varios
pares de palabras 8por ejemplo# tocino>tire9 sobre una ran pantalla en)rente de ;l$ Bos pares
de palabras cambiaban cada dos seundos$ Ba palabra al lado iFDuierdo de un par )ue siempre
una de cuatro posibles palabras< tocino# le!n# )lores ! barco$ Cada palabra apareci! tan a
menudo como cualDuier otra 8.1 por ciento del tiempo9# pero ella apareci! siempre en el lado
iFDuierdo de la pantalla$ Ba palabra al lado derecho de un par )ue ya sea huevos# tire !
libreta de notas# con iuales probabilidades$
*osotros arrelamos los pares de palabras sistemCticamente de tal )orma Due cada una de
las palabras del lado iFDuierdo apareciera iual nAmero de veces con cada palabra del lado
/64
derecho$ Por ejemplo# cuando tocino apareca en el lado iFDuierdo# *uevos )ue apareada con
ella en un tercero de los intentos$ Pero cuando nosotros preuntamos a los sujetos
posteriormente sobre los pares de palabras# ellos respondieron Due cuando tocino apareca a
la iFDuierda# *uevos )ue apareada con ella :2 por ciento del tiempo# y Due cuando len estaba
a la iFDuierda# tigre )ue la palabra Due mCs a menudo apareca a la derecha$ &An cuando cada
par de palabras apareca tan a menudo como cada otra# los sujetos reclamaban Due los pares
con )uerte asociaci!n verbal ocurran mCs a menudo Due las otras$
Ba tendencia a ver dos cosas como ocurriendo juntas mCs a menudo Due lo Due ellas
actualmente lo hacen nosotros le llamamos correlaci!n ilusoria$
Parece haber una similitud esencial entre los estudiantes Duienes pretenden Due ciertas
palabras ocurren juntas mCs a menudo Due lo Due actualmente hacen y los psic!loos clnicos
Duienes reclaman ver valideF en la prueba de sinos D&P cuando la investiaci!n dice Due
no hay$
Reconocer
Bos sinos D&P e interpretaciones pueden ser di)erentes hoy de lo Due ellos )ueron cuando
-achover introdujo la prueba .3 aEos atrCs# por supuesto# as Due preuntamos a los
pro)esionales modernos c!mo usaron ellos la prueba$ Enviamos cuestionarios a //3 clnicos
Duienes estuvieron activos en la prueba de dian!stico$ Escribimos breves descripciones de
seis tipos de pacientes y reDuerimos a cada clnico decirnos Du; caractersticas ;l haba visto
en cada uno de los dibujos$ Bas seis descripciones )ueron 8/9 NEl estC preocupado sobre cuCn
varonil es ;lO# 8.9 NEl sospecha de la otra enteO# 809 NEl estC preocupado sobre cuCn
inteliente es ;lO# 8:9 NEl estC preocupado por ser alimentado y cuidado por otra enteO# 819
NEl ha tenido problemas de impotencia seGualO# y 849 NEl estC muy preocupado de Due la
ente dia malas cosas sobre ;lO$ Bes dijimos a los clnicos Due asumieran en cada uno de los
casos Due el paciente era un hombre Due dibuj! un retrato de un hombre$
"ecibimos :: cuestionarios completados# y )ue claro Due los clnicos eneralmente
concuerdan con cada otro como las caractersticas del dibujo Due ellos haban visto en cada
caso$ Por ejemplo# la mayora de los clnicos 86/ por ciento9 Due el paciente suspicaF ojos
randes ! atpicos$ %chenta y dos por ciento dijeron Due una persona preocupada sobre su
inteliencia tendera a dibujar una cabeFa rande ! en)atiFada 8ver 'abla /9$
El acuerdo no )ue per)ecto# pero )ue impresionante$ En eneral# los clnicos estuvieron de
acuerdo en dos ! tres dibujos caractersticos Due ellos esperaran de cada tipo de paciente$
Pares
Ba mayora de los clnicos tenan un Doctorado 8Ph# D$9 y ellos promediaban 7$: aEos de
eGperiencia en psicodian!stico$ *os preuntCbamos Du; clase de sinos D&P los
observadores encontraran cuando ellos casi no tenan eGperiencia del todo$
Para averiuar juntamos :1 dibujos de )iuras de hombres S 01 de pacientes psic!ticos de
un hospital cercano y /3 de estudiantes raduados en psicoloa clnica$ -edimos cada
retrato por tamaEo de la cabeFa# tamaEo de los ojos# etc$# y tuvimos un ndice de juicios
independientes de los dibujos sobre las caractersticas mCs subjetivas# tales como
musculatura y )eminidad$
Para cada retrato adjuntamos dos de las seis declaraciones Due nosotros habamos )ijado
para los clnicos S por ejemplo# NEl hombre Due dibuj! este 8/9 sospecha de la otra ente# y
8.9 ha tenido problemas de impotencia seGualO$ Hubo distintos pares Due podran ser hechos
de las seis declaraciones# de manera Due utiliFamos cada par en tres di)erentes retratos$
/62
&sinamos las declaraciones sistemCticamente a todos los tipos de retratos$ Por ejemplo#
NEl estC preocupado sobre cuCn inteliente esO apareci! tan a menudo en los retratos con
cabeFas peDueEas como en retratos con cabeFas randes$
& continuaci!n tamiFamos a un rupo de estudiantes universitarios y seleccionamos a
/37 Duienes a)irmaban Due ellos nunca haban odo de la prueba del Dibujo de Una Persona
8D&P9 y no saban nada sobre c!mo ella era interpretada$
Ensayamos a los estudiantes en rupos$ &ntes de cada prueba les eGplicamos brevemente
lo racional de la prueba del D&P$ Bes dijimos a los estudiantes Due veran una serie de
dibujos# junto con breves declaraciones sobre los hombres Duienes los dibujaron$ Bes dijimos
Due muchos de los hombres tenan los mismos problemas# y Due los estudiantes deberan
eGaminar todos los retratos cuidadosamente y buscar las caractersticas comunes en los
dibujos por hombres con cada tipo de problema$ Bos estudiantes miraron lueo los retratos en
un orden aleatorio pre>arrelado# permiti;ndoles 03 seundos para ver cada uno de los
retratos$
Prueba
&unDue tuvimos cuidadosamente balanceados los retratos y sus declaraciones de )orma Due
eGistieran relaciones objetivas entre ellos# casi cada sujeto respondi! Due ;l vio las relaciones$
, las relaciones Due los estudiantes encontraron )ueron marcadamente similares a las
relaciones Due los clnicos reportaron ver en la prCctica diaria$ EGistieron alunas di)erencias#
por supuesto# pero los estudiantes tendieron a describir el dibujo tpico de cada tipo de
paciente en los mismos t;rminos Due los clnicos haban usado$ , en el caso de los
estudiantes# sabemos Due los sinos )ueron ilusiones# porDue ellos no estuvieron en los datos$
*uestra previa investiaci!n en pares de palabras suiere una eGplicaci!n< recuerde Due
encontramos Due las palabras con )uertes coneGiones asociativas tienden a ser vistas como
ocurriendo juntas$ 'alveF el mismo mecanismo estuvo detrCs de los sinos del D&P$
Elaboramos un cuestionario de asociaci!n de palabras para determinar cuCn cercanamente las
Creas de los sntomas 8suspicacia# inteliencia# impotencia# etc$9 estCn asociadas con varias
partes del cuerpo 8ojos# cabeFa# !ranos seGuales# mAsculos# etc$9$ Bas preuntas tomaron la
)orma siuiente< NBa tendencia la SUSPIC&CI& para llamar a la ente C&BEg& es 8/9 muy
)uerte# 8.9 )uerte# 809 moderado# 8:9 liviano# 819 muy liviano# 849 ninuna tendencia del todoO$
Be dimos el cuestionario a :1 estudiantes Duienes no haban participado en las otras
partes del eGperimento$ Bas asociaciones verbales Due ellos reportaron ntidamente se
compararon a las correlaciones ilusorias Due los simples estudiantes haban visto entre los
sntomas y las caractersticas del dibujo$ , las asociaciones verbales )ueron un aAn mCs
cercano aparejamiento con las correlaciones reportadas por los practicantes clnicos$
Pa#o
En nuestro siuiente eGperimento nosotros ensayamos 14 sujetos en tres das sucesivos para
ver si ellos se daran cuenta Due no eGisten verdaderas correlaciones entre sntomas y retratos
si ellos tuvieron una posibilidad de mirar el ensayo de materiales mCs de una veF$ Bas
correlaciones )ueron vistas como )uertemente en el tercer da como el primero$ *osotros
empeFamos as darnos cuenta cuCn )uerte una correlaci!n ilusoria puede ser y nos
preuntamos en Due condiciones# si las hay# permitiramos a uno superarlas$
*osotros ensayaos una serie de :/ nuevos sujetos individualmente y dejamos Due cada
uno mirara a cada retrato tanto como el deseara$ Para animarlos a estudiar los retratos
cuidadosamente# o)recimos m .3$33 al estudiante cuyos juicios )ueran mCs eGactos$
/67
Esto no )uncion!$ Bos estudiantes vieron las correlaciones ilusorias tan )uertemente como
siempre$
?inalmente empujamos todas las paradas y les dimos a los sujetos cada oportunidad Due
podramos pensar del cheDueo de sus propias percepciones$ Be dimos a cada sujeto la pila
/66
'abla /$ Porcentaje de clnicos y simples estudiantes reportando varias caractersticas de los dibujos como acompaEamiento de seis declaraciones de los sntomas$
Preocupado Preocupado Preocupado con 'iene problemas Preocupado
sobre la Sospechoso sobre ser alimentado de impotencia sobre la ente
masculinidad de los otros la inteliencia y cuidado por seGual Due dice cosas malas
ooooooooooo oooooooooo ooooooooooo ooooooooooooo ooooooooooooo oooooooooooooooo
Caractersticas de C S C S C S C S C S C S
los dibujos
/ &mplios hombros# muscular 73 24 3 4 3 7 3 /. .1 0/ 3 4
. %jos atpicos 3 3 6/ 17 3 4 3 0 . . :0 .4
0 CabeFa rande ! en)atiFada 3 1 3 /0 7. 11 . 2 3 0 6 /3
: Boca en)atiFada 3 3 2 1 3 / 47 7 . / 1 1
1 nrea seGual elaborada /: 1 3 3 3 3 3 3 11 7 3 3
4$ %rejas atpicas 3 3 11 4 3 0 3 3 . 3 4: 2
2 EGpresi!n )acial atpica 3 /2 /7 :: . ./ . ./ . /: /7 1.
7 ?emenina# como una niEa .0 .. 2 /. . // 0. 06 .0 .1 // /0
6 Cabello distintivo .0 /0 . . . 7 3 / // 4 3 0
/3 Dibujo detallado .3 7 . 4 . /0 3 0 2 0 . 4
// Postura pasiva 1 : . 7 0: . 04 ./ . . 3 7
/. Botones en las ropas 3 3 3 3 3 3 .0 / 3 3 3 3
/0 nrea seGual no en)atiFada 3 3 3 3 3 3 3 3 /7 .2 3 3
/: *ariF )Clica 6 3 3 3 3 3 3 3 .0 . 3 3
/1 %beso 3 . 3 / 3 3 2 /4 3 : 3 /
8ota1 C [ clnico# S [ estudiante$ Bas caractersticas listadas son aDuellas mencionadas por al menos /1 por ciento de los clnicos ! de los estudiantes por al
menos un sntoma$ Por cerca de cada caracterstica del dibujo# el sntoma mCs a menudo asociado con el por los clnicos es el mismo sntoma asociado con el
por los estudiantes$
completa de dibujos para estudiarla por ;l mismoL le dijimos Due ;l podra mirar a ellos en
cualDuier orden hasta Due ;l deseara$ El podra escoer los retratos dentro de las pilas y hacer
comparaciones directas$ {l podra poner todos los dibujos por hombres suspicaces en una pila
y estudiarlos por similitudes$ Be dimos a cada sujeto un bloc( de papel# un lCpiF y una relaL
De nuevo les o)recimos m .3$33 a la persona cuyos juicios )ueran mCs eGactos# y le dimos a
cada sujeto una copia del cuestionario )inal de tal )orma Due ;l podra ver Du; preuntas ;l
tendra Due responder$
:asculinidad
En estas enerosas condiciones la correlaci!n ilusoria desestimaron sini)icantemente la
mayora de los sntomas# pero no desaparecieron$ Por ejemplo# en condiciones normales el
24W de los estudiantes vieron una relaci!n entre la preocupaci!n sobre la masculinidad de
uno y la tendencia a dibujar )iuras muscularesL en las nuevas condiciones# :1W aAn
reclaman ver la relaci!n Due no estaba all$ Ba correlaci!n ilusoria es poderosa# y
marcadamente resistente a cualDuier intento de cambiarla$
Bos estudiantes aAn reclaman ver las tpicas correlaciones cuando las tarjetas son apiladas
en la direcci!n opuesta$ En un estudio# por ejemplo# colocamos la declaraci!n# NEl estC
preocupado por su intelienciaO solo en retratos con cabeFas pequeasL la declaraci!n sobre
la suspicacia apareci! eGclusivamente en dibujos con ojos pequeos# etc$ Esto redujo la
correlaci!n ilusoria un poco# pero no la elimin!$ Dieciseis por ciento aAn dijeron Due los
pacientes Due se preocupaban por su inteliencia desestimaron )iuras de cabeFas randes y
13 por ciento aAn vieron una relaci!n entre preocuparse por la masculinidad de uno y la
tendencia a dibujar )iuras musculares S aunDue la verdadera relaci!n estuviera en la
direcci!n opuesta$
EstC claro de nuestra investiaci!n Due las interpretaciones clnicas de la prueba del D&P
probablemente tienen un )uerte componente de correlaci!n ilusoria$ , las decisiones Due los
clnicos hacen sobre sus pacientes pueden ser proyecciones de las propias preconcepciones
de los clnicos$
Corrones
*osotros nos preuntamos si eGisten correlaciones ilusorias en la mayora de las pruebas
populares de todos S la tinta borrada de "orschach S y si es as# si ellos seran vistos tan
claramente como correlaciones reales# los pocos sinos de "orschach Due han sido
encontrados de ser vClidos indicadores de ciertas caractersticas de la personalidad$
En los 13 aEos de historia de "orschach# muchos clnicos han reportado# por ejemplo# Due
ciertas respuestas son dadas mCs a menudo por homoseGuales Due por otros$ En /6:6#
Hilliam Hheeler resumi! .3 sinos de homoseGualidad de "orschach$ %tros investiadores
han probado los sinos de Hheeler# pero solo . de los .3 sinos han sido encontrados vClidos
por mCs de un investiador$ Uno de ;stos 8el nAmero 29 es una respuesta a la cuarta mancha
de tinta de Nun humano ! animal>con)ormado# monstruo ! amenaFadoO$ El otro sino vClido
es el nAmero 7 de Hheeler# el reporte de un ambiuo animal S )iura humana en la seGta
tarjeta$
<i#nos
Para encontrar c!mo los clnicos actualmente usan el "orschach para dianosis de
homoseGualidad# enviamos cuestionarios a 24 clnicos# reDuiri;ndoles describir dos
percepciones Due los pacientes homoseGuales tpicamente usan en las /3 manchas de tinta de
"oschach$ De los clnicos Due retornaron los cuestionarios completados# 0. dijeron Due ellos
haban visto los protocolos de "oschach de un nAmero de homoseGuales$ Estos 0. clnicos
describieron varios sinos de "oschach# pero los Due mencionaron mCs a menudo )ueron 8/9
lAteos ! anos# 8.9 enitales# 809 ropa )emenina# 8:9 )iuras humanas de seGo indeterminado#
con no claras caractersticas de hombre ! mujer y 819 )iuras humanas con ambas
caractersticas de hombre y de mujer$ 'odos ;stos son sinos de Hheeler Due no han sido
apoyados en investiaci!n$ Por otro lado# solo dos clnicos mencionaron el sino vClido
nAmero siete > una de)ormada# monstruosa )iura y ninuno mencion! el otro sino vClido#
el nAmero ocho S una )iura parte humana>parte animal$
&lunos clnicos# pareceran# ver sinos en el "orschach Due no estCn all# y )allan al ver
los sinos Due estCn all$ De nuevo nuestro trabajo con asociaciones de palabras suiere una
raF!n$ Bos dos sinos vClidos no son intuitivo< la homoseGualidad no )Ccilmente trae a la
mente ya sean bestias ruEonas ! raFas cruFadas humana>animal$ Pero la homoseGualidad
tiene una alta asociaci!n verbal con los cinco sinos Due los clnicos reportaron mCs a
menudo$ De aluna manera es intuitivamente raFonable esperar Due los homoseGuales
podran tender a ver lAteos# ropaje )emenino ! )iuras de seGo miGto en manchas de tinta$
Ideas
*osotros ensayamos ;stas nociones objetivamente preuntando a 0: estudiantes
independientes juFar la proporci!n de cuCn )uertemente la palabra NhomoseGualidadO tendi!
a llamar a la mente varias ideas$ Sus proporciones concordaron S los populares pero invClidos
sinos tienen una mCs )uerte asociaci!n verbal con la homoseGualidad Due los dos
impopulares pero vClidos sinos$ Esto suiere Due los sinos de homoseGualidad Due los
clnicos reclaman ver en el "orschach pueden simplemente re)lejar sus propias suposiciones
y eGpectativas$
*osotros ensayamos esta contenci!n con un diseEo similar al Due nosotros usamos para
estudiar la prueba Dibujar a una Persona 8D&P9$ %btuvimos varias tarjetas "orschach y en
cada una adjuntamos una respuesta S aluna percepci!n Due una persona supuestamente
haba visto en la tarjeta$ Haba un crculo alrededor del Crea de la tarjeta a Due la repuesta se
re)era$
En alunas manchas de tinta la respuesta )ue un vClido sino de homoseGualidad 8por
ejemplo# Nun iante con braFos encoidosO9# en otros la respuesta )ue un sino no vClido
8por ejemplo# Nun cors; de mujer atadoO9# y en otras )ue un sino neutro 8por ejemplo# Nun
mapa de EspaEaO9$ Debajo de la respuesta haba dos descripciones de la persona Duien haba
hecho la respuesta$ Seleccionamos estas descripciones en todos los pares posibles de un
rupo de cuatro< 8/9 NEl tiene sentimientos seGuales hacia otros hombresO# 8.9 NEl cree Due la
otra ente estC intriando en contra de ;lO# 809 NEl se siente triste y deprimido mucho del
tiempoO# y 8:9 NEl tiene )uertes sentimientos de in)erioridadO$ *osotros# por supuesto#
estuvimos mCs interesados en la primera declaraci!n$
:e!cla
Como en los estudios del D&P# sistemCticamente asinamos las declaraciones de los
sntomas a las tarjetas de tal )orma Due all no hubo una relaci!n consistente entre cualDuiera
de las declaraciones y entre cualDuiera de los sinos$
Despu;s Due los estudiantes miraron una serie de tarjetas# les preuntamos Du; clase de
imCenes "orschach haban sido reportadas por los pacientes con cada uno de los cuatro
tipos de sntomas$ Bos hombres homoseGuales# los estudiantes reportaron mCs a menudo
vieron lAteos# enitales# etc$ S en resumen# los mismos sinos no vClidos Due los clnicos
.30
haban reportado$ *inuno de los estudiantes vio una relaci!n entre la homoseGualidad y los
dos sinos vClidos$
En una posterior variaci!n nosotros a prop!sito introducimos una correlaci!n neativa
dentro de la prueba de materiales# de tal )orma Due la declaraci!n NEl tiene sentimientos
seGuales hacia otros hombresO nunca apareci! en una tarjeta Due haba sido percibida como
vestimenta )emenina# lAteos# etc$ Esto no redujo la correlaci!n ilusoria > los estudiantes lo
vieron justo como )uertemente como antes$
$tadura
Estos estudios muestran cuCn )Ccil es creer Due dos eventos independientes estCn conectados#
especialmente cuando eGiste aluna asociaci!n verbal subjetiva entre los eventos$ *uestros
sujetos vieron masivas correlaciones ilusorias entre los sntomas y sinos de una prueba
proyectiva en una breve# tarea estructurada$ Ba tarea de los clnicos es mucho mCs compleja#
por supuesto$ Bos problemas reales de los pacientes son numerosos y vaos S raramente un
paciente tiene solo dos sntomas claramente de)inidos$ , los pacientes reales dan muchas
respuestas di)erentes en pruebas proyectivas# no solo una$ 'ambi;n parece probable Due en la
prCctica actual las correlaciones ilusorias Due un clnico observa estCn re)orFadas por los
reportes de sus coleas clnicos Duienes ellos mismos estCn sujetos a las mismas ilusiones$ El
consenso hara mCs )uertes las ilusiones de cada uno$ & nuestros estudiantes# por otro lado# no
les )ue permitido hablar uno con otro durante la prueba# de tal manera Due cada uno tena Due
encontrar sus propias correlaciones ilusorias$ Por todas ;stas raFones parece probable Due los
clnicos practicantes traten con correlaciones ilusorias Due son aAn mCs )uertes Due las Due
nuestros sujetos reportaron$
Di*cil
*osotros no tenemos la intenci!n de implicar Due los psic!loos clnicos son incompetentes
! insensibles a los hechos# como alunos podran rCpidamente concluir$ *uestros datos
apuntan no a la incompetencia de los clnicos# sino a la eGtrema di)icultad de su tarea$ Bos
clnicos estCn sujetos a las mismas ilusiones como cualDuier otro$ Por analoa# casi cada uno
dice Due dos lneas horiFontales tienen di)erentes lonitudes cuando ellas aparecen en la
ilusi!n de -eller>Byer$
w>>>>>>>>>>>>>>>>>>>>>>>>>>>]
]>>>>>>>>>>>>>>>>>>>>>>>>>>>w
pero ninuno llamara a un carpintero un incompetente eGperto de distancias simplemente
porDue ;l tambi;n ve la ilusi!n$
Bos clnicos deben estar concientes de la correlaciones ilusorias si ellos estCn
compensados por ellas$ Idealmente# los clnicos deberan eGperimentar tales ilusiones de
primera mano$ Puede sonar como poltica de entrenamiento reDuerir a cada estudiante
raduado en psicoloa clnica servir como un observador en tareas como las Due hemos
descrito$ El podra entonces eGaminar muy de cerca el tamaEo y la )uente de las correlaciones
ilusorias Due ;l eGperimenta y por ello# uno espera# aprender a uardarse contra tales errores
en su prCctica clnica$
Ba eGperiencia tambi;n le recordara Due sus sentidos son )alibles# Due sus juicios clnicos
deben ser cheDueados continuamente contra medidas objetivas# y Due su tarea pro)esional es
una de las mCs di)ciles y complejas en toda la psicoloa$
.3:
'G( Ra!onamiento probabil*stico en medicina
cl*nica: Problemas y oportunidades
David -$ Eddy
Por un ran perodo de tiempo# la calidad y costo del cuidado de la salud era determinados
por las decisiones hechas por los m;dicos cuyo Altimo objetivo es desinar y administrar un
prorama de tratamiento para mejorar la condici!n de un paciente$ Ba mayora de decisiones
involucran muchos )actores# ran incertidumbre# e interroantes di)cil de valuar$
Este captulo eGamina un aspecto de c!mo estas decisiones son hechas# estudiando el uso
del raFonamiento probabilstico para analiFar un problema particular< si ejecutar una biopsia
en una mujer Duien tiene una masa en un pecho Due podra ser malina$ Espec)icamente#
estudiaremos c!mo la in)ormaci!n de los procesos m;dicos tiene mayores errores en el
raFonamiento probabilsitico# y Due estos errores amenaFan la calidad del cuidado m;dico$
El problema
Una biopsia de pecho no es un procedimiento trivial$ El tipo mCs comAn 8alrededor del 73W9
es la biopsia eGcisional# en la cual la masa sospechosa es removida DuirAricamente por
eGamen microsc!pico y dian!stico histol!ico por un pat!loo$ Usualmente el paciente es
admitido a un hospital y sometido a un completo jueo de pruebas dian!sticas
preoperativas$ Ba biopsia es casi siempre e)ectuada bajo anestesia eneral 8con una
probabilidad de aproGimadamente . de /3#333 de una muerte por la anestesia9$ Una peDueEa
8/ S . puladas9 incisi!n es hecha# y un tejido del tamaEo de una nueF a una ciruela es
removido$ En muchos casos 8talveF / en .9 la p;rdida de tejido es apenas notoriaL en otros
eGiste un p;rdida de sanre remanente$ En un caso ocasional 8talveF / en .339 eGiste una
in)ecci!n ! drenaje Due puede persistir por varias semanas$ El costo es de aproGimadamente m
233$33$ Este procedimiento puede ser hecho sobre la base ambulatoria y bajo anestesia local$
Como una alternativa a la biopsia eGcisional# alunos cirujanos pre)ieren en alunos casos
obtener tejido usando una auja$ Esto puede ser hecho sobre la base ambulatoria# no deja
cicatriF A otros e)ectos residuales# y es mucho menos caro$ Sin embaro# el es considerado
por muchos m;dicos menos con)iable en Due una lesi!n malina eGistente puede no ser
encontrada$
Un importante )actor Due a)ecta la necesidad de e)ectuar una biopsia es la posibilidad de
Due la masa del seno sea un cCncer$ Para estimar esta posibilidad# un m;dico puede listar las
posibles en)ermedades# evaluar las )recuencias con la cual varios sinos y sntomas ocurren
con cada en)ermedad# comparar esta in)ormaci!n con los descubrimientos en la paciente#
estimar la probabilidad Due ella tiene de cada una de la en)ermedades en la lista# y hacer una
biopsia si la probabilidad de cCncer A otra lesi!n tratable es su)icientemente alta$ Para ayudar
al m;dico# muchos libros de teGto describen c!mo las en)ermedades no malinas pueden ser
di)erenciadas del cCncer$ Por ejemplo# el siuiente pCrra)o describe una de tales
Ba preparaci!n de este trabajo )ue patrocinado por una subvenci!n de Henry =$ Kaiser ?amily ?oundation$
.31
en)ermedades beninas S la en)ermedad de absceso cr!nico$$
Ba en)ermedad de absceso cr!nico es a menudo con)undida con un carcinoma del seno$ Ella
usualmente ocurre en mujeres reci;n paridas con senos peDueEos$ EstC presente m's comnmente en
el cuadrante eGterno superior pero puede ocurrir en otras partes y eventualmente involucra el seno
completo$ Es a menudo doloroso$ Particularmente en el perodo premenstrual# y acompaEando
desordenes menstruales son comunes& El peF!n serea# usualmente serosidad# ocurre en
aproimadamente el /1W de los casos# pero no eGisten cambios en el peF!n mismo$ Ba lesi!n es
di)usa sin auda demarcaci!n y sin )ijaci!n a la cubierta de la piel$ -Altiples abscesos son )irmes#
redondos y )luctuantes y puede ser eGplorados por medio de )ocos si ellos contienen un )luido claro$
Un ran absceso en un Crea de en)ermedad de absceso cr!nico se siente como un tumor# pero es
usualmente mCs liso y bien delimitado$ Bos n!dulos lin)Cticos auGiliares son usualmente no alarados$
Ba en)ermedad de absceso cr!nico no frecuentemente muestra randes abscesos aFulados$ Con mCs
)recuencia# los abscesos son mAltiples y peDueEos$
/
8del "eato# /623# pp$ 743>74/9$
Similares descripciones estCn disponibles para )ibroadenomas# necrosis rasosa# trauma# y
otra media docena de otras condiciones del busto# as como para cCncer$
Bos tipos de in)ormaci!n probabilsticos pueden ser usados para ayudar a un m;dico a
analiFar las posibles causas de una masa en el busto de la paciente$ Con evaluaciones de los
valores de los posibles resultados 8por ejemplo# dianosticar apropiadamente un cCncer#
haciendo una biopsia innecesaria de una lesi!n no malina# no hacer una biopsia y pasar por
alto una lesi!n malina# y apropiadamente decidir no hacer una biopsia de una lesi!n
benina9# los m;dicos pueden evaluar la probabilidad de Due la paciente# con sus sinos
particulares y sntomas# tiene cCncer# y los m;dicos pueden seleccionar una acci!n$
El caso de la mamo#ra*a
%tras pruebas dian!sticas estCn disponibles para ayudar a los m;dicos a estimar la
probabilidad de Due una lesi!n del busto de una mujer en particular es malina$ PuiFCs la
mCs importante y comAnmente usada es la mamora)a$ El valor de ;sta prueba se apoya en
el hecho de Due los componentes de las c;lulas malinas absorben los rayos M a di)erencia de
los componentes de las c;lulas no malinas$ Estudiando los mamoramas# un radi!loo
puede estar en capacidad de ver ciertos sinos Due ocurren con di)erentes )recuencias en
di)erentes lesiones# y de ;sta in)ormaci!n un juicio puede ser hecho sobre la naturaleFa de la
lesi!n en cuesti!n$ 'picamente los mamoramas estCn clasi)icados como positivos !
neativos para cCncer$ %casionalmente un esDuema de clasi)icaci!n eGpandido es usado# tal
como uno conteniendo las tres clases< malino# sospechoso y benino$
Ba prueba no es per)ecta# en Due alunas lesiones malinas son incorrectamente
clasi)icadas como beninas y alunas lesiones beninas son llamadas malinas$ Por lo tanto#
un )actor Due es muy importante para los clnicos es la eGactitud de la prueba$
!azonamiento probabil#stico
Permtasenos desarrollar ;sta noci!n mCs precisamente$ El prop!sito de una prueba
dian!stica es proveer in)ormaci!n a un clnico sobre la condici!n de un paciente$ El m;dico
utiliFa esta in)ormaci!n para revisar el estimado de la condici!n del paciente y para
seleccionar una acci!n basada en ese nuevo estimado$ Ba acci!n puede ser una orden para
/
En esta y todas las subsecuentes citas# las cursivas son areadas$
posteriores pruebas de dian!sticas# ! si el m;dico estC su)icientemente con)iado de la
condici!n del paciente# una acci!n terap;utica puede ser tomada$ El punto esencial es Due el
.34
m;dico puede tener rados de certeFa sobre la condici!n del paciente$ El m;dico recopilarC la
evidencia para re)inar esta certeFa de Due el paciente tiene ! no tiene cCncer# y cuando esa
certeFa llea a ser su)icientemente )uerte 8en el conteGto de la severidad de la en)ermedad y
el cambio en la pronosis con el tratamiento9# la acci!n serC tomada$
Podemos asociar una probabilidad# la probabilidad subjetiva del m;dico de Due el
paciente tiene cCncer# con este rado de certeFa$ El impacto en el cuidado del paciente de una
prueba dian!stica tal como una mamora)a# por consiuiente# descansa en el poder de
cambiar la certeFa del m;dico ! probabilidad subjetiva de Due el paciente tiene cCncer$
Ba noci!n de una probabilidad subjetiva ! rado de certeFa aparece de muy di)erentes
)ormas en la medicina vernCcula$ Por ejemplo# un autor escribe Due NporDue el rupo de edad
mayor tiene la mayor proporci!n de lesiones malinas# eGiste un elevado #ndice de sospec*a
en la mente de un clnico Duien se en)renta a un paciente mayorO 8Iold# /646# p$ /4.9$ %tro
autor eGpone Due el mamorama puede reducir el nAmero de biopsias de seno Nen muchas
instancias cuando la m's bien firme opinin del m;dico de en)ermedad benina es soportada
por una firme diagnosis mamogr'fica de beninidadO 8Hol)e# /64:# p$ .109$ Un tercero lo
describe de este modo< Nsi la impresin subjetiva del clnico da su)iciente raF!n para
sospechar de carcinoma# los clnicos estarCn obliados a e)ectuar una biopsia a pesar de un
mamorama neativoO 8Clar(# et al$# /641# p$ /009$ %tras eGpresiones Due re)lejan ;sta
noci!n incluyen# Nel nivel de confianzaO 8Byrne# /62:# p$ 029# Nimpresin de malignidadO
8Hol)e# /642# p$ /079# Nuna diagnosis m's positivaO 8Ean# /62.# p$ 06.9# etc$ Estas
declaraciones no son precisas porDue pocos m;dicos estCn )ormalmente al corriente con los
conceptos de la probabilidad subjetiva y anClisis de decisi!n$ *o obstante# eGiste evidencia de
Due las nociones de los rados de certeFa son naturales a los m;dicos y son usados por ellos
para ayudar a seleccionar un curso de acci!n$
Interpretando la eactitud de la mamograf#a
&hora considere a una paciente con una masa en un seno Due los m;dicos piensan Due es
probablemente benino$ Suponamos Due ;sta probabilidad sea de 66 de /33$ Usted puede
interpretar la )rase NDue el m;dico piensa Due es probablemente ^66 de /33_ beninaO como
siue$ Supona Due el m;dico ha tenido eGperiencia con un nAmero de mujeres Duienes# en
todos los aspectos importantes tales como la edad# sntomas# historia )amiliar# y
descubrimientos )sicos son similares a esta paciente particular$ , supona Due el m;dico
conoce de esta eGperiencia Due la )recuencia cCncer en este rupo es# diamos# / de /33$
Careciendo de cualDuier otra in)ormaci!n# los m;dicos por consiuiente asinarCn 8talveF
subconcientemente9 una probabilidad subjetiva del /W para el evento de Due ;sta paciente
tiene cCncer$
&hora dejemos Due el m;dico ordene un mamorama y reciba un reporte Due en opini!n
del radi!loo la lesi!n es malina$ Esta es una nueva in)ormaci!n y las acciones a tomar
obviamente dependerCn de la nueva estimaci!n del m;dico de la probabilidad de Due el
paciente tena cCncer$ Un m;dico Dui;n consulta la literatura puede encontrar innumerables
declaraciones Atiles# tales como la siuiente< NBa eGactitud de la mamora)a es
aproGimadamente del 63 por ciento 8Hol)e# /644# p$ ./:9L NEn ûna paciente con una masa
en el busto_ un ^mamorama_ positivo reporte de carcinoma es altamente eGactoO 8"osato#
'homas R "osato# /620# p$ :6/9L y NBa eGactitud de la mamora)a en dianosticar lesiones
malinas del busto son de 73 a 71 por ciento de promedioO 8Cohn# /62.# p$ 679$ Si se desea
mCs detalle# el m;dico puede encontrar muchas declaraciones como NEl resultado mostr!
Due el 26$. por ciento de :21 lesiones malinas )ueron correctamente dianosticadas y el
63$$: por ciento de /#/31 lesiones beninas )ueron correctamente dianosticadas# para una
eGactitud total de 62 por cientoO 8Snyder# /644# p$ ./29$
.32
En este punto usted puede incrementar su apreciaci!n del problema del m;dico estimando
por usted mismo la nueva probabilidad de Due este paciente tena cCncer$ El m;dico piensa
Due la masa es probablemente 866W9 benina# pero el radi!loo ha producido un reporte
positivo de rayos M con la eGactitud justamente dada$
'abla /$ EGactitud de la mamora)a en el dian!stico de lesiones beninas y malinas$
"esultados de Besi!n malina Besi!n benina
rayos M 8cCncer9 8no cCncer9ooooooooooooooo
Positivo $26. $364
*eativo $.37 $63:
?uente< Bos nAmeros son de Snyder 8/6449$
Ba )!rmula de Bayes puede ser aplicada para evaluar la probabilidad$ Esta )!rmula nos
dice Due
Insertar a-u* la rmula de la p5#ina +91 del texto ori#inal
donde
P8caTpos9 es la probabilidad de Due la paciente tena cCncer# dado Due ella tiene un
reporte positivo de rayos M 8la probabilidad posterior9
P8posTca9 es la probabilidad de Due# si la paciente tiene cCncer# el radi!loo correirC
el dian!stico 8la proporci!n de la verdad positiva# ! sensitividad9
P8ca9 es la probabilidad de Due la paciente tena cCncer 8probabilidad previa9
P8benina9 es la probabilidad previa de Due la paciente tiene una en)ermedad benina
^P8benina [ / S P8ca9_$
P8posTbenina9 es la probabilidad de Due# si la paciente tiene una lesi!n benina# el
radi!loo la dianosticarC incorrectamente como cCncer 8la proporci!n )alsa>
positiva9$
Ba tabla / resume los nAmeros dados por Snyder$ Bas entradas en las celdas son las
probabilidades apropiadas 8por ejemplo# P8posTca9 [ $26.9$
Usando el /W como la estimaci!n del m;dico de la probabilidad previa Due la masa es
malina y tomando en consideraci!n la nueva in)ormaci!n proporcionada por la prueba#
obtenemos

P8caTpos9 [ ooooo83$26.983$3/9oooooo [ 3$322
83$26.98$3/9 l 8$364983$669
Por lo tanto# el m;dico debera estimar Due eGiste aproGimadamente un 7W de posibilidad de
Due el paciente tena cCncer$
!azonamiento probabil#stico incorrecto
Desa)ortunadamente# la mayora de los m;dicos 8aproGimadamente 61 de /33 en una muestra
in)ormal tomada por el autor9 malinterpretan los in)ormes sobre la eGactitud de la prueba y
estiman P8caTpos9 ser de alrededor de 21W$ %tros investiadores han observado resultados
similares 8Cascells# Schoenberer R Irayboys# /6279$ Cuando se les preunt! sobre esto los
m;dicos usualmente reportan Due ellos asumieron Due la probabilidad de cCncer dado Due la
paciente tiene un resultado de rayos M positivo ^P8caTpos9_ )ue aproGimadamente iual a la
.37
probabilidad de un resultado de rayos M positivo en una paciente con cCncer ^P8posTca9_$ Ba
Altima probabilidad es la medida en proramas de investiaci!n clnica y es muy )amiliar#
pero es la Altima probabilidad Due se necesita para tomar una decisi!n clnica$ Parece Due
muchos si no la mayora de m;dicos con)unden las dos$
EGisten realmente dos tipos de eGactitud para cualDuier ensayo desinado para determinar
si ! no una en)ermedad espec)ica estC presente$ Ba eactitud retrospectiva concierne a
P8posTca9 y P8neTno ca9$ 8Ba abreviatura Nno caO se re)iere al evento Due el paciente no tiene
cCncer$ Esto puede ocurrir porDue ella tiene ya sea una en)ermedad benina ! no tiene
ninuna en)ermedad del todo9$ Esta eGactitud# la Due usualmente se re)iri! en la literatura
sobre mamora)a# estC determinada mirando hacia atrCs al dian!stico de rayos M despu;s
Due el verdadero dian!stico 8histol!ico9 es conocido$ Permtasenos usar el t;rmino
eactitud predictiva para describir P8caTpos9 y P8beninoTne9# la eGactitud importante para el
clnico Due tiene un reporte de rayos M de una paciente aAn no dianosticada Duien desea
predecir el estado de la en)ermedad de la paciente$
Confundiendo la eactitud retrospectiva versus la eactitud predictiva& Una revisi!n de la
literatura m;dica sobre la mamora)a revela una )uerte tendencia a iualar la eGactitud
predictiva de un reporte positivo con la eGactitud retrospectiva de un reporte de rayos ML Due
es iualar P8caTpos9 [ P8posTca9$ EGisten muchas raFones para sospechar Due este error estC
siendo cometido$ Primero# la palabrera de muchas de las declaraciones en la literatura
suieren )uertemente Due los autores creen Due la eGactitud predictiva ^P8caTpos9_ se eDuipara
a la eGactitud retrospectiva ^P8posTca9_ Due ellos reportan en sus estudios$ Por ejemplo# un
artculo de !adiolog#a de /64: eGpuso # Nla eactitud total del dian!stico de rayos M )ue de
42: de 216# A 76 por cientoO 8vol$ 7:# p$ .1:9$ Un contribuyente a la Ebstetricia y
Finecolog#a Cl#nica en /644 dijo# N&sch encontr! un 63 por ciento de correlacin de la
mamora)a con los descubrimientos patol!icos en 133 pacientesO 8vol$ 6# p$ ./29$ NEl
acuerdo en dianosis radiol!ica y patol!ica )ue 6/$4 de 6/$4 por cientoO 8Ean# /62.# p$
0269$ 'odos estos in)ormes implican Due si la paciente tiene una prueba positiva la prueba
serC correcta y la paciente tendrC cCncer el 63W del tiempo$ Esto no es cierto$
Seundo# alunos autores cometen el error eGplcitamente$ Bos siuiente apareci! en una
publicaci!n en /62. de Cirug#a$ Finecolog#a y Ebstetricia en un artculo titulado
N-amora)a en su &propiada PerspectivaO y tuvo la intenci!n de recti)icar aluna con)usi!n
Due eGisti! en la literatura< NEn mujeres con carcinoma del busto probado# en Duienes
mamoramas son ejecutados# no eGiste evidencia de rayos M de en)ermedad malina en
aproGimadamente una de cinco pacientes eGaminadas$ Si entonces sobre la base de un
mamorama neativo# nosotros aplaFaremos la biopsia de una lesi!n s!lida del busto#
entonces eGiste una probabilidad de uno en cinco Due nosotros estamos posponiendo una
biopsia de una lesi!n malinaO 8vol$ /0:# p$ 679$ El autor ha incorrectamente eGpuesto Due
P8neTca9 [ $. implica Due P8caTne9 [ $.$ Su error viene a ser muy serio cuando ;l concluye
Due Npara di)erir una biopsia de una lesi!n s!lida cl#nicamente benigna del busto Due ha sido
llamada benigna en la mamora)a es dar un paso atrCs en la erradicaci!n del carcinoma del
busto en nuestra poblaci!n )emeninaO$ Ba probabilidad de Due tal paciente tena cCncer
depende de la probabilidad previa# pero es menor Due / en /33$ Su anClisis es un error de mCs
de un )actor de .3$
Cirug#a$ Finecolog#a y Ebstetricia publicado en /623 8vol$ /0/# pp$ 60>679 los
descubrimientos de otro rupo de investiaci!n# Dui;n comput! la Ncorrelaci!n del
dian!stico radiorC)ico con el dian!stico patol!icoO como siue$ Ellos tomaron a todas
las pacientes con dian!stico de probado histol!icamente y los separaron dentro de tres
rupos sobre la base del dian!stico de rayos M S NbeninoO# NcarcinomaO# y Ncarcinoma
sospechosoO$ En el rupo de Nrayos M beninoO 8NneativoO en nuestra terminoloa9# el lote
.36
mostr! Due el 7:W de hecho tena lesiones beninas$ 'ambi;n se not! Due el 72$1W del rupo
de Ncarcinoma de rayos MO 8! NpositivoO9 tuvo en la biopsia lesiones malinas probadas$ Por
lo tanto# P8caTpos9 [ 72$1W y P8beninnaTne9 [ 7:W$ Pero los autores eDuivocaron esta
eGactitud predictiva por la eGactitud retrospectiva$ Ellos in)ormaron Due NUn correcto
dian!stico mamorC)ico )ue hecho en 7: por ciento de aquellas con lesiones benignas y en
72$1 por ciento de aquellas con carcinoma=& De hecho# la proporci!n de verdadera>positiva
^P8posTca9_ en este estudio )ue del 44W y de verdadera>neativa ^P8neTbenina9_ )ue del
1:W$
En una carta al editor de )echa // de septiembre de /624# edici!n del *ational %bserver#
un m;dico present! cinco Nobservaciones de hechosO para sostener la opini!n de Due Nla
mamora)a ^por ejemplo# ocultaci!n_ de rutina no estC en el principal inter;s de la poblaci!n
en eneral a cualDuier edadO$ &Du estC el primer jueo de observaciones$
8/9 Ba eGactitud del eGamen de mamora)a se reporta Due estC entre 73 y 63 por ciento# dependiendo
de tales )actores como la edad de la paciente# si ella tiene ! no en)ermedad )ibrocstica# el tipo de
eDuipo radiorC)ico# la eGperiencia del radi!loo y de lo Due nuestra de)inici!n de NeGactitudO es$ $ $ $
&An si concluimos Due la eGactitud es de 71W eneralmente 8y estoy seuro Due no cada radi!loo en
la naci!n se puede aproGimar a tal )iura en su propia prCctica9# entonces Due sini)ica Due el 3GH de
las mujeres sometidas a rayos , concluir' con una interpretacin incorrecta de los descubrimientos$
m's probable$ sus mamogramas simplemente fallar'n en demostrar la enfermedad& )sto significa
que al 3G por ciento de las mujeres se les dar' un falso sentido de seguridad si a ellas se les dice que
sus e'menes de rayos , est'n normales$ si ciertamente ellas ya tienen c'ncer& Es di)cil evaluar el
daEo hecho a este rupo# porDue ellas obviamente estarCn mejor sin ninuna in)ormaci!n Due con
in)ormaci!n incorrecta$ Habi;ndole dicho Due su mamorama estC normal y Due ella no necesita
reresar sino hasta dentro de un aEo# una mujer con cCncer de seno puede bien inorar una
protuberancia en su pecho la cual podra de otra manera enviarla al doctor inmediatamente$
EGisten varios errores en el raFonamiento de este autor$ Primero# la NeGactitudO de la
mamora)a no puede ser eGpresada como un simple nAmero$ &suma Due el autor piensa Due
las proporciones de verdad positiva y verdad neativa ambas son iuales a 71W$
Seundo# estas proporciones 8de 71W9 son observadas cuando la mamora)a es usada
para hacer un dian!stico di)erencial de sinos y sntomas conocidos$ 'ales lesiones son
eneralmente mCs avanFadas Due las lesiones Due estCn siendo buscadas en un eGamen de
ocultaci!n# la cual es la situaci!n Due el autor estC diriiendo$ Estimaciones mCs raFonables
para las proporciones de la verdad positiva y de la verdad neativa en proramas de
ocultaci!n son 43T y 67W# respectivamente$
'ercero# aAn usando el 71W# encontramos varias ineGactitudes en el raFonamiento$
Considere el seundo error$ EGisten dos modos en Due una interpretaci!n incorrecta puede
ocurrir< 8a9 la paciente puede tener cCncer y un eGamen neativo P8ca#ne9L ! ella puede tener
un eGamen positivo pero no tener cCncer# P8no ca#pos9
.
De la teora de la probabilidad
elemental nosotros sabemos Due
P8ca# ne9 [ P8neTca9P8ca9
P8neTca9 es el complemento de P8posTca9 y por consiuiente iuales a $/1 en este caso$ *o
conocemos P8ca9 precisamente# pero para una poblaci!n proteida estamos raFonablemente
ciertos Due es menor Due $331$ Pue es# menos Due 1 de cada /#333 mujeres tienen un
.
P8&# B9 es la probabilidad conjunta Due ambos eventos & y B ocurran$
asintomCtico cCncer de seno pero detectable en el mamorama$
Por tanto#
./3
P8ca#ne9 Z 8$/198$3319 [ $33321
'ambi;n#
P8no ca#pos9 [ P8posTno ca9P8no ca9 ` 8$/198$6619 [ $/:6.1
Ba probabilidad total de una interpretaci!n incorrecta ^por ejemplo# P8ca#ne9 l P8no
ca#pos$_ es la suma de estos dos nAmeros# la cual es /1W# como el autor in)orma$ Sin
embaro# esto no sini)ica Due NmCs probable# sus mamoramas simplemente )allarCn en
demostrar la en)ermedadO$ P8ca#ne9 [ $33321 no es m's probable Due P8no ca#pos9 [ $/:6.1$
Es alrededor de .33 veces menos probable$
%tro problema es Due 71W de NeGactitudN no sini)ica Due Nal /1 por ciento de las
mujeres les serC dado una )alsa sensaci!n de seuridad si a ellas se les dice Due sus eGCmenes
de rayos M son normalesO$ El autor parece estar tratando de estimar P8caTne9$ &hora por la
)!rmula de Bayes$
Insertar a-u* la rmula de la p5#ina +9A del texto ori#inal
Pue es# si /3#333 mujeres asintomCticas son seleccionadas# y si usamos la mala
estimaci!n de la eGactitud del autor# 7#:17 de ellas partirCn con un eGamen neativo$ El autor
piensa Due alrededor de /#.46 de ellas tendrCn una )alsa sensaci!n de seuridad$ De hecho#
solo alrededor de 6 la tendrCn$ Este nAmero ha sido sobreestimado por un )actor de alrededor
de /13$
'abla .$ Presencia de c'ncer y resultados de rayos , en 3III mujeres quienes tienen e'menes
f#sicos anormales&
(ujeres con (ujeres sin
C'ncer c'ncer "otal
ooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooo
-ujeres con rayos M
Positivos 2: //3 /7:
-ujeres con rayos M
*eativos 4 7/3 7/4
'otal 73 6.3 /#333
*ota< Una proporci!n positiva de $6. 8P8posTca9 [ 3$6.9 implica Due de 73 mujeres Duienes tienen
cCncer# 2: tendrCn rayos M positivo y 4 tendrCn rayos M neativo$ De todas las mujeres con rayos M
positivo# 2:T/7: tienen cCncer# ! P8caTpos9 [ 2:T/7: [ :3W$
?uente< Bos nAmeros son de Hol)e 8/64:9$
?inalmente areando la )rase# Nsi ciertamente ya tienen cCncerO adicional con)unde el
sini)icado de la )rase$ Ba )rase Nuna )alsa sensaci!n de seuridadO# Nsi ^dado_ Due a ellas se
les dijo Due sus rayos M eran normalesO# y Nsi ellas ya tienen cCncerO traducido
simb!licamente dentro de P8caTne$ca9$ Esta probabilidad es /# no $/1$
La importancia de P8cTa9$ &demCs de la con)usi!n de las dos eGactitudes# muchos autores no
parecen entender Due# para una prueba de eGactitud retrospectiva constante# el sini)icado
para los m;dicos de la prueba resulta de 8la eGactitud predictiva9 depende del rieso inicial de
cCncer en la paciente en la paciente sometida a la mamora)a$ &An si se asumi! Due las
proporciones de verdad positiva y verdad neativa son constantes para todos los estudios# la
interpretaci!n apropiada de los resultados de la prueba S la probabilidad de Due una paciente
.//
con un mamorama positivo 8! neativo9 tena cCncer S dependerC de la prevalencia del
cCncer en la poblaci!n de la cual la paciente )ue seleccionada# sobre la probabilidad previa a
la prueba de Due una paciente tiene cCncer$ Esto puede ser eGtremadamente importante
cuando uno compara el uso de la prueba en un dian!stico clnico 8donde las mujeres tienen
sinos y sntomas de en)ermedad del seno9 con su uso en una investiaci!n clnica para
mujeres asintomCticas$
Ba importancia de esto es mostrada con un ejemplo$ Supona Due una prCctica clnica es
para practicar mamorama a mujeres Due tienen un eGamen )sico anormal$ Ba )recuencia de
cCncer en tales mujeres ha sido encontrada en un estudio ser aproGimadamente 7W 8Hol)e#
/64:9$ En unas series de mamoramas en esta poblaci!n# una proporci!n verdadera>positiva
de 6.W y una proporci!n verdadera>neativa de 77W )ue obtenida$8Hol)e# /64:9$
Permitamos ahora Due el m;dico se en)rente a una paciente Duien siente Due es representativa
de esta poblaci!n 8por ejemplo# haamos Due P8ca9 [ 7W$ Supona Due ;l ordena un
mamorama y recibe un resultado del radi!loo$ Su decisi!n de ordenar una biopsia estara
basada en la nueva probabilidad de Due la pacienta tena cCncer$ Esa probabilidad puede ser
calculada en :3W 8ver 'abla .9$ Podra un reporte neativo descartar el cCncerQ Ba
probabilidad de Due esta mujer# dado un reporte neativo# aAn tena cCncer es lieramente
menor de /W$ Ba l!ica para este estimado se muestra en la 'abla .$
&hora# supona Due el m;dico ordena la prueba para eliminar la eGistencia de cCncer en
una mujer Due no tiene sntomas y un eGamen )sico neativo$ Ba prevalencia de la
mamora)a para detecci!n de cCncer en tales mujeres es alrededor de $/3W 8por ejemplo#
Shapiro# StraG R Jenet# /6429$ Para los prop!sitos de este ejemplo# haamos Due la eGactitud
retrospectiva del radi!loo sea incambiable S Due es# en esta poblaci!n de pacientes
permitCmosle de nuevo tener una proporci!n verdadera>positiva de 6.W y una proporci!n
verdadera>neativa 8para el dian!stico de lesiones beninas9 de 77W$
1
Ba literatura provee
datos solo sobre la eGactitud retrospectiva de la prueba en mujeres Due tienen cCncer y
en)ermedades beninas$ En un estudio alrededor del 43W de ;stas mujeres no tenan ninuna
en)ermedad del todo 8Hol)e# /6419$ Por lo tanto# en este caso#
P8caTpos9 [ ^P8posTca9P8ca9_ T ^P8posTca9 P8ca9 l P8posTbenino9P8benino9 l P8posTno
en)ermedad9P8no en)ermedad9_
P8benino9# P8no en)ermedad9 y P8posTno en)ermedad9 no son discutidos eGplcitamente en la
literatura$ Esto es instructivo y nos conduce a sospechar Due su importancia en el anClisis de
;stos problemas no es comprendida$ Para este ejemplo# usaremos los datos presentados por
Hol)e 8/6419 y asumiremos Due P8no en)ermedad9 es alrededor de 43W y P8benino9 es
alrededor de :3W$ *osotros tambi;n haremos una suposici!n )avorable a la mamora)a y
haremos Due P8posTno en)ermedad9 sea 3W$
Para continuar con este ejemplo# diamos Due los reportes del radi!loo Due el
mamorama en esta mujer asintomCtica es positivo$ Dado el reporte positivo de la
mamora)a# la probabilidad Due la paciente tena cCncer ^P8caTpo9_ es alrededor de / en :6#
! alrededor de .W 8'abla 09$ En el ejemplo previo Due involucr! a mujeres con sntomas#
P8caTpos9 )ue de :3W$ Por tanto# dependiendo de Dui;n estC siendo eGaminada# puede haber
una di)erencia de casi veinte veces en la probabilidad de Due una mujer con un mamorama
positivo tena cCncer$
1
Esta no es una buena suposici!n# puesto Due la NeGactitudO cambia como la poblaci!n Due estC siendo
eGaminada cambia$ Por ejemplo# la proporci!n verdadera>positiva es mCs baja cuando uno estC usando la
prueba en una poblaci!n asintomCtica porDue los cCnceres tienden a ser mucho mCs peDueEos y mCs di)ciles
de detectar$ Ba suposici!n estC hecha solo para demostrar la importancia del P8ca9$
./.
'abla 0$ Presencia de cCncer y resultados de rayos M en /#333 mujeres Due no tienen sntomas
-ujeres con -ujeres )on -ujeres sin
CCncer lesiones beninas cCncer 'otal
-ujeres con
rayos M positivo / :7 3 :6
-ujeres con
rayos M neativo 3 01. 166 61/
'otal / :33 166 /#333
8ota1 Una proporci!n verdadera>positiva de 3$6. implica Due los rayos M detectarCn cCncer en la
mujer Due tiene la en)ermedad$ Una proporci!n verdadera>neativa de 3$77 para en)ermedad benina
implica Due de :33 mujeres con en)ermedad benina# 01. tendrCn rayos M neativo# mientras Due en
:7 los rayos M serCn positivos$ Por tanto# :6 mujeres tendrCn rayos M positivo# pero solo una tiene
cCncer# ! P8caTpos9 [ /T:6 [ .W$
Esto levanta una mayor interroante sobre el raFonamiento m;dico S cuando tratando de
evaluar los sinos y sntomas de una paciente# cuCnta in)ormaci!n usara un m;dico sobre la
)recuencia bCsica de las posibles en)ermedades en la poblaci!n en eneralQ Ba pro)esi!n
parece estar con)undida sobre este asunto$ Por un lado# los m;dicos hacen declaraciones de
Due la relativa )recuencia de una en)ermedad no debera a)ectar el estimado de la
probabilidad de Due una paciente en particular tiene la en)ermedad$ Esta noci!n aparece en
varias mCGimas# tal como# NBa paciente es un caso de unoO y# NBas estadsticas son para
muertes de hombresO$ En la discusi!n de problemas espec)icos# la idea es a veces eGpresada
sutilmente como en la declaraci!n# NBas mujeres mCs j!venes obviamente tienen un menor
nAmero de malinidades las cuales# sin embaro# ejerceran muy poca in)luencia sobre el
caso individualO 8Hol)e# /642# p$ /079$ Puede tambi;n estar establecido eGplcitamente y
presentado como una rela a ser obedecida$ Por ejemplo# la siuiente apareci! en un libro de
teGto sobre dian!stico clnico< NCuando una paciente consulta a su m;dico con una
en)ermedad no dianosticada# ni ella ni el doctor conoce si es rara hasta Due el dian!stico es
)inalmente hecho$ Bos m;todos estadsticos pueden solo ser aplicados a una poblaci!n de
millares$ Ba paciente si tiene una rara en)ermedad ! no la tieneL la relativa incidencia de dos
en)ermedades es completamente irrelevante al problema de e)ectuar el dian!sticoO
8DeIo+in R DeIo+in# /646# p$ 49
Por otro lado# ;stas declaraciones son a menudo inconsistentes con el comportamiento de
los m;dicos Duienes tratan# sin embaro imper)ectamente# de usar ;sta in)ormaci!n
dian!stica$ &testiee las siuientes mCGimas Due son pasadas en las escuelas de medicina<
NCuando usted oye olpes de cascos# piensa en caballos no en cebrasO# NBas cosas comunes
ocurren mCs comAnmenteO# NSia la ley de Sutton< vaya donde estC el dineroO# etc$ Parece
Due muchos m;dicos sienten el valor de la in)ormaci!n en la probabilidad previa de una
en)ermedad pero Due las lecciones )ormales de la teora de la probabilidad no estC del todo
bien comprendida Sin una teora )ormal# los m;dicos tienden a cometer las mismas clases de
errores en un raFonamiento probabilstico Due ha sido observado en otros conteGtos
8Kahneman R 'vers(y# /620# :L Byon R Slovic# /6249$
Implicaciones1 (amogramas y biopsias
Estos problemas pueden tener importantes implicaciones prCcticas$ Por ejemplo# en los
ejemplos citados dos autores basaron sus conclusiones en un raFonamiento probabilstico
incorrecto$ Uno incorrectamente aruy! Due una mujer con una masa en un seno Due parece
benina en el eGamen )sico y benina en los rayos M aAn tiene un .3W de probabilidad de
tener cCncer y recomend! Due a ella se practicara una biopsia$ %tro autor bas! una
recomendaci!n contra investiar un rueso cClculo err!neo de la )recuencia con la cual una
./0
mujer tendra un )also sentido de seuridad 8por ejemplo# tener un cCncer eDuivocado por el
mamorama9$ &mbos autores pueden haber lleado a la misma conclusi!n con un
raFonamiento correcto# pero ellos pueden no tenerlo$
)l valor de la informacin diagnstica& El valor de la mamora)a en mujeres Duienes tienen
sntomas y sinos de cCncer de seno descansa en su habilidad de proveer in)ormaci!n
dian!stica Due a)ectarC la decisi!n de los clnicos de e)ectuar una biopsia$ -Cs
precisamente# el resultado de la prueba cambiara el estimado del clnico de la probabilidad
de Due la paciente tiene cCncer$ Como un autor lo puso<
Ba mamora)a puede asistir al clnico en di)erenciar entre lesiones beninas y malinas$ $ $ $
&lunas lesiones# especialmente las peDueEas# pueden carecer de caractersticas Due den al
clnico un ndice de alta sospecha su)iciente para justi)icar una biopsia$ Es aDu Due el $ $ $
mamorama puede proveer una evidencia objetiva adicional$ Por tanto# en el caso de una
lesi!n indeterminada del seno# la mamora)a puede ayudar al m;dico en decidir si ejecuta un
estudio por medio de una biopsia 8Clar( R "obbins# /641# p$ /.19$
Para Due cualDuier prueba dian!stica sea Atil debe proveer in)ormaci!n Due pueda
potencialmente cambiar una decisi!n sobre c!mo la paciente debe ser manejada S para eGiir
una biopsia en alunas pacientes Duienes de otra manera seran sometidas a una biopsia# y#
esperaramos# obviar biopsias en alunas mujeres Duienes de otro modo la recibiran$ Esta
noci!n es desarrollada )ormalmente en la teora de decisi!n estadstica y ha sido usada para
analiFar alunos problemas m;dicos en un ajuste de la investiaci!n 8por ejemplo# Busted et
al$# /6229$
-uchos m;dicos reconocen Due el reporte de rayos M acarrea in)ormaci!n Atil Due
ayudara en el manejo de la paciente# pero precisamente c!mo la in)ormaci!n debera ser
usada ordinariamente no estC establecido$ Bas eGplicaciones dadas por la mayora de autores
contiene pocas direcciones espec)icas$ NBa mamora)a no estC desinada para dictar
procedimientos de tratamiento pero puede proveer# en ciertos casos# justo ese poco de
in)ormaci!n mCs precisa# de modo Due indeseables consecuencias sean evitadasO 8Ean#
/62.# p$ 06.9$ NBa mamora)a es un valioso aEadido para el cirujano en el tratamiento y
dian!stico de lesiones de senoO 8Byons# /621# p$ .0/9$ NBa mamora)a puede asistir en
clari)icar con)usos palpables descubrimientosO 8Ean# /646# p$ /:49$ Ella NdesempeEa un
soporte ! papel auGiliar$ $ $ $O 8Bloc( R "eynolds# /62:# p$ 1769$ Ba naturaleFa y rado del
soporte es usualmente dejado al juicio del clnico$
(amogramas y biopsias< La pr'ctica$ Parece Due el papel de la mamora)a en tales casos es
solo parcialmente comprendido$ Para entender esto# permtasenos eGaminar el impacto Due
los investiadores clnicos predicen Due la mamora)a tendrC en la necesidad de practicar
una biopsia de senos en)ermos$ -ientras Due las declaraciones citadas arriba implican Due el
uso de rayos M debera ayudar a seleccionar pacientes para una biopsia# un iual nAmero de
declaraciones suieren Due la mamora)a no puede# ciertamente no podra# desempeEar esta
)unci!n$ NCualDuier lesi!n palpable reDuiere veri)icaci!n por corte y biopsia a pesar de los
descubrimientos de los rayos M 8Besnic(# /644# p$ .3329$ N-ientras Due la mamora)a es
usualmente de)initiva no es un sustituto para una biopsiaO 8Ean# /646# p$ /:79$ NDe ninuna
manera podra este procedimiento disminuir la importancia de una biopsia$ & prop!sito# el
uso de rutina de la mamora)a rea)irmarC la importancia de la biopsia# puesto Due la
evidencia de los rayos M de una lesi!n malina reDuiere de una biopsia para con)irmaci!n$ $ $
Ella de ninuna manera disminuye la importancia de la biopsia$ $ $ NUna biopsia es a lo sumo
una necesidad para la con)irmaci!n de los descubrimientos de los rayos M como lo es para la
./:
con)irmaci!n de los sinos )sicosO 8Ierson>Cohen R Borden# /64:# pp$ .210# .21:9$ NEs
aparente Due la mamora)a no es un sustituto para la ciruaO 8DeBuca# /62:# p$ 0/79$
NPermtasenos establecer en)Cticamente Due la mamora)a no es un sustituto para la biopsiaO
8-cClo+ R Hilliams# /620# p$ 4/79$
Una de las mCs precisas declaraciones polticas de c!mo la mamora)a debera ser usada
para ayudar a seleccionar pacientes para una biopsia apareci! en los 6rc*ivos de Cirug#a en
/644 8vol$ 60# pp$ 710>7149$ Un cuidadoso eGamen de las directrices revelan Due solo la
mitad de las pruebas potenciales son usadas$ El esDuema para usar la mamora)a Npara
determinar el tratamiento ! disposici!n de cada pacienteO involucra tres cateoras de
pacientes<
Categor#a 61 NBas pacientes con puna masa@ ! plesi!n dominante@ en el seno son
primariamente problemas DuirAricos y ah no debera haber retraso en obtener una biopsia$
Ba mamora)a# en esta instancia# es estrictamente complementaria& & & & Ella puede descubrir
tumores ocultosO 8p$ 71:9$
Cateora B< NBas pacientes tienen sntomas atribuibles al busto pero no una masa
discreta ! plesi!n dominante@$ $ $ $ En esta cateora# el cirujano y el clnico encontrarCn el
mayor rendimiento de la mamora)a porDue aDu la modalidad es confirmatoria=& &Du el
mamorama darC con)irmaci!n y Cnimo# Nsi la impresi!n clnica es benina$ *o lo disuadira#
sin embaro# de una previa opini!n para la biopsiaO 8p$ 7119$
Categor#a C< Estas pacientes no tienen sinos ! sntomas# no eGisten indicaciones
clnicas para una biopsia# y un mamorama puede solo incrementar el nAmero de biopsias$
Por tanto# el autor ha esboFado un plan Due nuli)ica el valor de la in)ormaci!n
mamorC)ica al seleccionar las pacientes en Duienes una biopsia puede ser evitada$ Solo la
poca areada in)ormaci!n Due implica una biopsia es usada$ Ba in)ormaci!n Due podra
eliminar una biopsia es inorada$
(amogramas y biopsias< )l potencial& Para apreciar c!mo los problemas en el raFonamiento
probabilstico pueden a)ectar la actual distribuci!n del cuidado m;dico# permtasenos
eGaminar el papel Due la mamora)a podra juar en la dianosis di)erencial y en la
selecci!n de pacientes para una biopsia$ Como se describi! arriba# el prop!sito de la prueba
es para cambiar la estimaci!n subjetiva del Due toma la decisi!n de Due una paciente tiene
cCncer$ Si esa probabilidad es su)iciente alta 8como se determin! por el m;dico y la paciente9#
la biopsia es recomendada$ BlCmese a esta probabilidad el umbral de la biopsia$
:
&hora
considere el impacto de la prueba en el manejo de dos rupos de pacientes$
El primer rupo consiste de aDuellos pacientes Duienes# sobre la base de una historia y un
eGamen )sico# se piensa por los clnicos tener clnicamente un obvio cCncer$ Usando los
datos publicados por ?riedman et al$ 8/6449# haamos Due la probabilidad previa 8la
)recuencia9 de cCncer en este rupo sea 63W$ Si un mamorama )uera practicado a tal
paciente# un resultado positivo incrementara la probabilidad de cCncer ^P8caTpos9_ a 61W$ Un
mamorama neativo dejara aAn a la paciente con un 2/W de probabilidad de tener cCncer$
Esta alta probabilidad es la motivaci!n de tales declaraciones como< NSi la impresi!n
subjetiva de los clnicos da su)iciente raF!n para sospechar de cCncer# los clnicos estarCn
obliados a practicar una biopsiaO 8Clar( et al$# /641# p$ /009$ Un 2/W de probabilidad de
malinidad es todava su)iciente alta Due cualDuiera Duerra ser sometido a una biopsia$
:
CualDuiera necesitando estar convencido de la eGistencia de un umbral de biopsia puede raFonar como siue$
Podemos estar de acuerdo en Due ninuno estC dispuesto a Due le haan una biopsia si la probabilidad de
cCncer es de / en 03 trillonesQ , podemos estar de acuerdo en Due virtualmente cada uno Duiere con)irmar el
dian!stico y ser tratado si la probabilidad es de 67 en /33Q Si es as# entonces en aluna parte entre / en 03
trillones y 67 en /33 todos tienen un umbral de biopsia$ Por supuesto se rehusa a Due le practiDuen una
biopsia y tratamiento aAn cuando la probabilidad de cCncer es cierta# entonces ella no tiene un umbral$
./1
&hora considere un seundo rupo de pacientes Duienes tienen una dominante masa Due
no es obviamente un carcinoma$ En un estudio de probabilidad de Due tal masa es malina
)ue /:W 8?riedman et al$# /6449$ En la ausencia de mayor in)ormaci!n# la poltica clnica en
tales casos es practicar una biopsia a la lesi!n< NSi una dominante masa se desarrolla# ella
deberC ser removida y eGaminada microscopicamente N 8del "eato# /623# p$ 74/9$ Usando
esto como una ua# permtasenos suponer Due el umbral de la biopsia de la paciente es /3W$
Bo Due es# para el mejor conocimiento de los m;dicos# la probabilidad Due su paciente tiene
cCncer estC arriba del /3W entonces la paciente y el m;dico estCn de acuerdo Due una biopsia
debe ser practicada$
1
Usando un umbral de biopsia de /3W# podemos determinar el impacto
de un mamorama en la atenci!n de /#333 de tales pacientes$ Sin la prueba# todas las
pacientes tendran Due someterse a una biopsia# 743 de ellas inproductivamente$ El destino
aproGimado de las /#333 pacientes oriinales con una lesi!n cuando la mamora)a es usada
es presentado en la ?iura /$
4
1
El umbral de la biopsia es un muy )ascinante e importante nAmero$ CambiCndolo ejerce ran in)luencia sobre
el nAmero de mujeres a las Due se les practic! una biopsia# la )recuencia de biopsias no productivas# el costo
de atender a una paciente# as como la pronosis de la paciente$ Debido al rieso de aversi!n y al hecho de
Due ellos estCn tomando la decisi!n por aluien mCs# los m;dicos eneralmente )ijan el umbral de la biopsia
muy bajo$ Ba declaraci!n Nsi eGiste cualDuier probabilidad de Due la lesi!n es malina# una biopsia debera
ser practicadaO es tpica$ Nsi el m;dico no estC completamente satis)echo de Due la lesi!n es benina# debe ser
practicada la biopsia sin demora 8&llen# /641# p$ 4:39$ EGiste evidencia de Due las mujeres por si mismas
)ijan eneralmente el umbral mCs alto del Due lo hacen los m;dicos S aunDue eGiste una amplia variaci!n$
Por ejemplo# podemos eGaminar los datos de un ran proceso clnico en el cual la mamora)a y el eGamen
)sico del seno )ueron utiliFados para investiar mujeres asintomCticas por cCncer de seno 8Shapiro# StraG R
Jenet# /62/9$ Dependiendo de c!mo la lesi!n del seno )ue detectada 8por ejemplo# por la cual la prueba !
combinaciones de pruebas9# la probabilidad de Due la en)ermedad del seno de una mujer )ue cCncer vari! de
/1W a 1:W$ Sobre la base de un eGamen )sico positivo# los m;dicos recomendaron Due 1:1 mujeres Duienes
tenan mamoramas neativos )ueran sometidas a una biopsia$ & pesar del hecho de Due la )recuencia de
cCncer en este rupo )ue /1W# 0/W de las mujeres declinaron la biopsia recomendada$ En mujeres Duienes
tenan resultados positivos en ambas pruebas# la )recuencia de cCncer )ue 1:W y solo 1W de estas mujeres
pre)irieron no someterse a una biopsia en el tiempo recomendado$ Por lo tanto# de esta cruda in)ormaci!n
aparece Due el 0/W de las mujeres tuvieron un umbral de biopsia mayor del /1W# .6W de las mujeres
tuvieron un umbral de biopsia mayor de .3W# y en 1W de las mujeres el umbral eGcedi! de 1:W$
4
Para esboFar el impacto de la mamora)a en ;stas pacientes 8y las pacientes con otros sinos y sntomas9 se
necesita mucha in)ormaci!n Due no estC directamente disponible en la literatura$ Es a)ortunado Due en un
estudio 8?riedman et al$# /6449 los datos sobre la )recuencia de cCncer y la eGactitud retrospectiva de la
mamora)a son presentadas separadamente para estos rupos de pacientes S aDuellas con un obvio
carcinoma# aDuellas con una masa dominante# y pacientes con otros sinos yT! sntomas de en)ermedad del
seno$ Bos datos publicados estCn incompletos# sin embaro# y los datos sobre la )recuencia de un dian!stico
incierto de rayos M en lesiones beninas y malinas no estCn incluidas$ Bos datos disponibles en el estudio de
?riedman )ueron usados# y para este ejemplo las siuientes suposiciones )ueron hechas< 8/9 lesiones sin
biopsia )ueron de hecho beninas# 8.9 lesiones sin biopsia )ueron codi)icadas neativas# 809 la mitad de las
lesiones beninas Due no )ueron codi)icadas neativas )ueron codi)icadas positivas 8la otra mitad siendo
codi)icada incierta9# y 8:9 la mitad de las lesiones malinas Due no )ueron codi)icadas positivas )ueron
codi)icadas neativas$ Bas primeras dos suposiciones son la mayor interpretaci!n optimista de la eGactitud de
la mamora)a$ Bas tercera y cuarta suposiciones son muy importantes y como la )alsa> 8! )alsa>neativa9 la
proporci!n tiende a cero# el poder de un reporte de rayos M positivo 8neativo9 de la rela del cCncer adentro
8a)uera9 se incrementa$ &s mismo# como la proporci!n )alsa>positiva ! )alsa>neativa se incrementa# la
prueba pierde su poder predictivo$ Ba interpretaci!n de los datos de ?riedman es hecha aAn mCs di)cil por su
presentaci!n en t;rminos de bustos mCs Due de pacientes$ & pesar de eso# eGiste mucha in)ormaci!n en este
reporte y es raFonable usarlo en este ejemplo siempre Due el lector entienda Due esto es una ilustraci!n# no un
anClisis )ormal$ Un anClisis )ormal de estas interroantes reDuerira mejores datos$ Bas )iuras para la
eGactitud usada en el teGto para la evaluaci!n de las pacientes en el rupo . son como siue< P8posTca9 [ $1.#
P8inciertoTca9 [ $.:# P8posTbenino9 [ $321# y P8neTbenino9 [ $71$
Pacientes con mamoramas positivos tienen una probabilidad de 10W de tener cCncer y#
puesto Due hemos asumido Due ellas tienen un umbral de biopsia de /3W ellas deberan ser
sometidas a una biopsia$ Debido a Due la probabilidad es 0:W de Due una paciente con
./4
mamorama incierto tiene cCncer# ;stas pacientes deberan tambi;n ser sometidas a una
biopsia$ Pacientes con un mamorama neativo tienen un :W de probabilidad de tener
cCncer# y# puesto Due este estC por debajo de su asumido umbral de biopsia 8/3W9# ellas no
desearan ser sometidas a una biopsia pero pre)eran ser seuidas muy de cerca$ El nAmero
total de biopsias inmediatas ha sido reducido de /#333 a .:3$ &l menos 03 biopsias mCs
tendrCn Due ser hechas eventualmente porDue 03 de las 243 pacientes restantes tienen cCncer$
De esta manera# los bene)icios esperados de tener un mamorama 8tal como una
reducci!n de la probabilidad de una innecesaria biopsia de aproGimadamente 74W a un poco
sobre /0W9 pueden ser comparadas con los costos 8por ejemplo# un rieso de radiaci!n y
alrededor de m 21$339# y el leve decremento en la esperada sobrevivencia 8eGiste un 0W de
probabilidad de Due el dian!stico de una lesi!n malina serC pospuesto un mes !
aproGimadamente$ Si la noci!n del umbral de una biopsia y aluna teora de probabilidad
)uera usada# muchas pacientes en este rupo Duienes tenan mamoramas neativos estaran
dispensadas de una biopsia$ En la ausencia de este tipo de anClisis Nel consenso DuirArico
aDu es Due todas las pacientes ên este rupo_ tendran una biopsia# sin importar los
descubrimientos mamogr'ficosO 8?riedman et al$# /644# p$ 7769$
Insertar a-u* la 4i#ura ' de la p5#ina +A7 del texto ori#inal
?iura /$ Probabilidad de cCncer en mujeres con lesiones dominantes
Ba importancia del umbral de la biopsia en este ejemplo debera ser en)atiFado$ Si el
m;dico y su paciente haban )ijado el umbral en /W > Due es# si la paciente sinti! Due una
probabilidad de / en /33 de tener cCncer )ue su)iciente para arantiFar una biopsia S entonces
un reporte neativo del mamorama no habra eliminado la necesidad de una biopsia 8un :W
de probabilidad de cCncer eGcedera este umbral9$ El mamorama puede haber dado al clnico
aluna in)ormaci!n pero esta in)ormaci!n no habra contribuido a la decisi!n para la biopsia$
El uso de la mamora)a en este caso habra de ser justi)icado en otros campos$
La pr'ctica revisitada& Este tipo de anClisis ayuda a hacer claro la potencial utilidad de la
mamora)a en el dian!stico di)erencial de varias lesiones$ El tambi;n nos ayuda a evaluar
las siuientes declaraciones polticas<
/$ NBa mamora)a area poco para el manejo del clnicamente ^por ejemplo#
)sicamente_ palpable n!dulo del seno Due# sobre la base de sus propias caractersticas#
reDuiere de una biopsiaO 8de los 6rc*ivos de Cirug#a$ /62:# vol$ /37# p$ 1769$ En el estudio
de las pacientes con una masa dominante# la biopsia )ue reDuerida solo en los campos
clnicos$ El uso de la mamora)a divide al rupo dentro de sub>rupos con )recuencias de
cCncer Due van del 10W al :W$ Ba biopsia puede ser evitada en el Altimo rupo y el nAmero
de biopsias podra ser reducido 20W 8de /#333 por /#333 a .23 por /#3339$
.$ NPara prop!sitos clnicos la mamora)a debe proveer una eGactitud de
aproGimadamente el /33W del nivel antes Due ella sola pueda diriir directaO 8de los
6rc*ivos de Cirug#a$ /62:# vol$ /37# p$ 1769$ En una poblaci!n como el seundo rupo
discuti! arriba# podra ser muy racional para dejar a la mamora)a seleccionar pacientes para
biopsia$ "ecuerde Due la proporci!n de la verdad>positiva usada en ese ejemplo )ue 1.W y
Due una prueba mCs acuciosa sera aAn mCs valiosa$
0$ NBa mamora)a no es un sustituto de la biopsiaO 8de Encolog#a# /646# vol$ .0# p$ /:79$
El prop!sito de ambas mamora)a y biopsia es para proveer in)ormaci!n sobre el estado de
la paciente$ &lunas pacientes# en la ausencia de mamora)a# reDuieren biopsia$ En aluna
de estas pacientes un mamorama neativo obviara la biopsia# y en estos casos el
mamorama reemplaFara la biopsia$
./2
:$ NCada decisi!n para una biopsia debera ser precedida por un mamoramaO 8de
Encolog#a$ /646# vol$ .0# p$ /:49$ Considere clnicamente el carcinoma obvio$ Ba
probabilidad de cCncer estarC arriba de casi cualDuier umbral de biopsia no importando cual
sea el resultado del mamorama$ Ba justi)icaci!n primaria para ;sta poltica en tal caso debe
descansar en la probabilidad de Due el clnicamente obvio es benino 8de otra manera la
paciente habra de tener una mastectoma êGtirpaci!n del seno_ y Due eGiste una lesi!n
malina# escondida# no palpable$ Ba probabilidad de este evento compuesto es el producto de
las probabilidades de los dos eventos# la cual es eGtremadamente peDueEa 8en el orden de /
de 1#3339$
1$ Para di)erir una biopsia de una lesi!n cl#nicamente benigna del seno la cual ha sido
llamada benigna en mamograf#a es dar un paso hacia atrCs en la erradicaci!n del carcinoma
del senoO 8de Cirug#a$ Finecolog#a y Ebstetricia# /62.# vol$ /0:# p$ 679$ Haa Due
Nclnicamente beninaO sea representada por un P8ca9 de 1W$ Despu;s de un mamorama
neativo# la probabilidad Due tal paciente tena cCncer es aproGimadamente /W$ De /33
biopsias# 66 seran improductivas$ Es el aplaFamiento de la biopsia aDu un paso hacia atrCs !
hacia delanteQ El otro punto es Due si la poltica )uera seuida# todas las lesiones de
Nclnicamente beninasO a trav;s de un carcinoma obvio reDuerira una biopsia no
importando cuCl )ue el resultado de la prueba$ Esto parece contradecir la declaraci!n del
autor Due Ncuando es usada en su apropiada perspectiva# la mamora)a es una eGcelente
adici!n para el m;dico en el manejo del carcinoma del senoO 8de Cirug#a$ Finecolog#a y
Ebstetricia$ /62.# vol$ /0:# p$ 679$
4$ NBa mamora)a no debe ser nunca usada en luar de una biopsia cuando se estC
tratando con una@lesi!n dominante@ del seno y no debera nunca cambiar la aproGimaci!n
DuirArica en en)ermedades del seno# por ejemplo# una pmasa es una masa@ y debe ser
practicada una biopsia ya sea por incisi!n ! aspiraci!nO 8de 6rc*ivos de Cirug#a# /644# vol$
60# p$ 71:9$ Bas pacientes con lesiones dominantes y umbral de biopsia arriba de 1W no
estaran de acuerdo con esta declaraci!n$
2$ NBa )alacia viene de apoyarse en ^la mamora)a_ en casos dudosos$ Es esencial
despu;s de eGaminar y palpar el seno decidir ya sea si usted hara ! no hara una biopsia si
los rayos M no estuvieran disponibles$ Si usted hara una biopsia# entonces hCala$ Si usted
estC seuro Due no eGiste indicaci!n para cirua ! eGamen )sico# entonces ordene un
mamorama$ 'an pronto como uno se dice a s mismo# y particularmente si ;l le dice a la
paciente# p,o no estoy muy seuro sobre esto S haamos un eGamen de rayos M@# uno
inconscientemente se ha obliado a s mismo a con)iar en la neatividad del mamorama#
cuando uno debera apoyarse solo en la positividad$ Esto es una trampa psicol!ica dentro de
la cual todos tendemos a caer y es mucho mCs seria Due un cierto nAmero de dian!sticos
)also>positivo alcanFados con la mamora)aO 8"hoads# /646# p$ //7.9$ Una simple biopsia
no serC evitada por esta poltica$ Esto es una vereenFa porDue# como el autor de la
declaraci!n de arriba lo puso el mismo# NeGisten pocas Creas en las cuales tanta cirua se
necesita la cual podra ser evitada por mejores m;todos de dian!stico del senoO$
Estamos ahora en una posici!n de apreciar la siuiente historia Due apareci! en el San
>rancisco C*ronicle 8Kushner# /6249$ Una mujer reportera haba descubierto una masa en su
seno y describi! una consulta con su m;dico$
N-e ustara Due usted se hiciera un Geromamorama$ Es un nuevo modo de hacer mamoramas
S )otora)as de los senosO$
NEs eGactoQO
El se encoi! de hombros# NProbablemente casi tan eGacto como cualDuier )otora)a puede ser$
Usted sabeO# ;l previno# NaAn si la lectura es neativa S lo cual sini)ica Due la masa no es malina S
la Anica manera de estar ciertos es cortar la masa y mirarla bajo el microscopioO$
Ba mujer entonces discuti! el problema con su esposo$
./7
NPu; dijo el doctorQO
NEl Duiere hacer un Geromamorama$ Bueo# cualDuiera Due sea el resultado es el masa la Due
debe ser cortadaO$
NPor tanto porDu; la toma de rayos M en el primer luarQO
NEs alo para continuar$ ,o adivino$ , nuestro doctor dice Due es correcto sobre el 71W del
tiempo$ $ $ $Por tanto# primero proramamos una cita para tener un termorama$ Si ese es ya sea
positivo ! neativo# y si el concuerda con las )otora)as MeroG del mamorama# las estadsticas dicen
Due el dian!stico sera 61W con)iableO$
En resumen# parecera raFonable preuntar Due si el prop!sito de la mamora)a es
ayudar a los m;dicos a distinuir una en)ermedad del seno benina de una malina# de ese
modo reservando a alunas pacientes un mCs eGtenso y traumCtico procedimiento tal como
una biopsia# lueo nosotros debemos dejar Due la prueba ejecute esa )unci!n$ Por otro lado el
m;dico debera siempre adherirse a una decisi!n de biopsia previa y ser inamovible por el
resultado del mamorama# entonces nosotros no debeos pretender Due el prop!sito de la
prueba es ayudar a distinuir una en)ermedad benina de una malina# puesto Due la
distinci!n serC hecha de)initivamente de una biopsia$ ?inalmente# si el prop!sito de la prueba
es buscar el cCncer escondido y clnicamente insospechado en una di)erente Crea del seno
8lejos de una masa palpable Due necesita una biopsia de todas )ormas9# debemos reconocer
eGplcitamente Due las probabilidades de tal evento son eGtremadamente peDueEas y Due el
uso de la prueba vale para una investiaci!n$
-i prop!sito no es areir por una poltica espec)ica de mamora)a ! biopsia S para
hacerlo reDuerira mejores datos y una mejor evaluaci!n de los valores de la paciente$ Es para
suerir Due no hemos desarrollado una manera )ormal de raFonamiento probabilstico sobre
este tipo de problema# Due el juicio clnico puede ser err!neo# y Due las corrientes polticas
clnicas pueden ser inconsistentes ! incorrectas$
%iscusin
Estos ejemplos han sido presentados para ilustrar la complejidad de la toma de decisi!n
m;dica y para demostrar c!mo alunos m;dicos manejan un aspecto de esta complejidad S la
manipulaci!n de las probabilidades$ El caso Due hemos estudiado es uno relativamente
simple# el uso de una simple prueba dian!stica para escoer lesiones dentro de dos rupos#
benino y malino$ Bos datos base para este problema son relativamente buenos$ Ba
eGactitud y valor dian!stico de la prueba ha sido estudiada y analiFada en muchas
instituciones por muchos aEos$ Como un investiador apunt!# N,o no conoFco de
procedimientos m;dicos Due hayan sido probados y reensayados Due la mamora)aO 8Ean#
/62/# p$ /1119$
Bas herramientas probabilsticas discutidas en este captulo han estado disponibles por
centurias$ En las Altimas dos d;cadas ellas han sido aplicadas crecientemente a problemas
m;dicos 8por ejemplo# Busted# /6479# y el uso de m;todos sistemCticos para manejar la
incertidumbre ha estado creciendo en la currcula de las escuelas de medicina# artculos de
revistas y proramas de educaci!n de postrado$ &ctualmente# sin embaro# la aplicaci!n de
;stas t;cnicas ha sido esporCdica y aAn no se ha )iltrado para a)ectar el pensamiento de la
mayora de practicantes$ Como se ilustr! en el estudio de este caso# los problemas m;dicos
son complejos# y el poder del raFonamiento probabilistico )ormal provee randes
oportunidades para mejorar la calidad y e)ectividad del cuidado m;dico$
'6( $prendiendo de la experiencia y re#las sub-ptimas
./6
en la toma de decisin
)illel J( Ein;orn
El trabajo corriente en la investiaci!n de toma de decisi!n ha claramente cambiado de
representar procesos de escoencia va modelos normativos 8y modi)icaciones de ellos9 para
un ;n)asis en los procesos heursticos desarrollados dentro del marco eneral de la psicoloa
conitiva y teoras de procesos de in)ormaci!n 8Payne# /673L "usso# /622L Simon# /627L
Slovic# ?ischo)) R Bichtenestein# /622L 'ver(y R Kahneman# /62:# '# /6739$ El cambio en
el ;n)asis en cuestiones sobre cuCn bien la ente se comporta a c!mo ellos se comportan es
ciertamente importante 8por ejemplo# Hoarth# /6219$ Sin embaro# la utilidad de estudiar
ambas cuestiones juntas es en ninuna parte mCs evidente Due en el estudio de las relas y
estrateias de la heurstica$ Ba raF!n para esto es Due la comparaci!n de la heurstica y relas
normativas le permite a uno eGaminar las discrepancias entre el actual y el !ptimo
comportamiento# de los cuales entonces suren cuestiones en relaci!n a por Du; tales
discrepancias eGisten$ En este estudio yo me he )ocaliFado en c!mo uno aprende ambos tipos
de relas de la eGperiencia$ Ba relaci!n con aprender de la eGperiencia hace Due surja un
nAmero de asuntos Due no han sido adecuadamente diriidosL por ejemplo# Bajo Du;
condiciones son aprendidas las heursticasQ C!mo son ellas probadas y mantenidas a la luF de
la eGperienciaQ Bajo Du; condiciones )allamos en aprender sobre los prejuicios y
eDuivocaciones Due pueden resultar de su usoQ
Ba importancia de aprender para la comprensi!n heurstica y escoencia del
comportamiento puede ser vista considerando los siuiente<
/$ Ba habilidad de predecir cuando una rela particular serC empleada es corrientemente
inadecuada 8Hallstein# /6739$ Sin embaro# la inDuietud por c!mo y bajo Du; condiciones
una rela es aprendida incrementara la habilidad de uno para predecir cuando es probable ser
usada$ Por ejemplo# si una rela es aprendida en situaciones donde eGiste poco tiempo para
hacer una escoencia# la predicci!n del uso de tal rela es estimulada conociendo la presi!n
del tiempo involucrado en la tarea$
.$ Una concomitante de 8/9 es Due debera ser posible para in)luenciar c!mo la ente
juFa y decide desinando situaciones en las cuales las tareas incorporan ! imitan las
condiciones iniciales del aprendiFaje$ Bas implicaciones de esto para ambos ayudar y
manipular a la ente son enormes 8?ischho))# Slovic R Bichtenstein# /627# /6739$
0$ Ba consideraci!n del aprendiFaje en)oca la atenci!n en las variables del medio
Esta es una versi!n abreviada de un trabajo aparecido en '$ S$ Hallstein 8Ed$9# Procesos Cognitivos en la
)scogencia y %ecisin del Comportamiento$ Hillsdale# *$ =$< Ba+rence Erlbaum &ssociation# Inc$ /673$
"eimpreso con permiso$ Esta investiaci!n )ue apoyada por una concesi!n del Illinois Deaprtment o) -ental
Health and Developmental Disabilities# "esearch and Development *o$ 2:3>3.$ ,o le aradecera a "obin
Hoarth por sus comentarios sobre una temprana versi!n de este trabajo$
ambiente y la estructura de la tarea$ Por consiuiente# variables tales como cantidad de
re)uerFo$ Proramaciones de re)uerFo# nAmero de pruebas 8[ cantidad de eGperiencia9# etc$#
deberan ser considerados en el entendimiento del juicio y decisi!n del comportamiento 8c)$
..3
Estes# /6249$ &unDue la importancia dela tarea para el entendimiento del comportamiento ha
estado continuamente presionado 8Bruns+ic(# /6:0L Castellan# /622L Cronbach# /621L
Da+es# /621bL H$ Ed+ards# /62/L Einhorn R Hoarth# /627L Simon R *e+ell# /62/9# los
psic!loos parecen inclinados a lo Due "oss 8/6229 llama el error de la atribuci!n
)undamental 8sopesando )actores del medio ambiente en atribuir causas9 como alo mCs$
:$ Una mayor variable en el entendimiento de las heursticas es el resultado del
reaprovechamiento de la in)ormaci!n$ Desde Due el resultado del reaprovechamiento de la
in)ormaci!n es la principal )uente para evaluar la calidad de nuestra decisi!nTrelas de juicio#
el conocimiento de c!mo las variables de tarea ambas a)ectan los resultados e in)luencian la
manera como los resultados son codi)icados y almacenados en la memoria llean a ser
crticos en eGplicar c!mo las heursticas son aprendidas y usadas$
1$ El Crea del aprendiFaje es el punto )ocal para considerar los m;ritos relativos de la
eGplicaciones psicol!icas versus las econ!micas de la escoencia del comportamiento$
&lunas economistas han areido Due aunDue uno no actAe NracionalmenteO todo el tiempo#
uno aprenderC la rela !ptima a trav;s de la interacci!n con el medio ambiente$ Jaas
aseveraciones sobre el eDuilibrio# e)iciencia# y conceptos evolutivos son avanFados para
soportar este arumento$ Por consiuiente# el estudio de c!mo 8y cuCn bien9 la ente aprende
de la eGperiencia es importante en arrojar luF en los m;ritos relativos de las teoras
psicol!icas y econ!micas de la escoencia$
$prendiendo de la experiencia: Cmo?
Es obvio Due la toma de decisi!n es una acci!n orientadaL uno tiene Due escoer Du; acci!n
tomar en orden de satis)acer las necesidades y deseos bCsicos$ Por consiuiente# es
importante para cualDuier oranismo aprender el rado al cual las acciones conducirCn
deseables ! indeseables resultados$ Esto sini)ica Due una ran cantidad del aprendiFaje de la
eGperiencia debe involucrar las cadenas del aprendiFaje de acci!n>resultado$ -Cs aAn# puesto
Due las acciones y resultados son contiuos# la ente estC inclinada a ver las cadenas entre
ellos como representando relaciones de causa>e)ecto 8-ichote# /6409$ Por consiuiente# la
)uerte tendencia a ver relaciones causales pueden ser vistas como un crecimiento mCs de la
necesidad de tomar acci!n para satis)acer las necesidades bCsicas$ -Cs aAn# como )ue
seEalado por Kahneman R 'vers(y 8/626b9# el aprendiFaje de las relaciones causales y la
oraniFaci!n de eventos dentro de NesDuemasO causales permiten a la ente adDuirir una
interpretaci!n coherente de su eGperiencia$ ?inalmente# el aprendiFaje de las cadenas de
acci!n>resultado es importante para comprender c!mo la ente aprende sus propios ustos y
utilidades$ Por ejemplo# considere a un niEo Due escoe un veetal particular para comer#
eGperimenta un sabor no placentero# y por consiuiente aprende a asociar una utilidad
neativa con ese alimento$ *ote Due es tpicamente por escoer Due las consecuencias
pueden ser eGperimentadas y la utilidad aprendida$ Por consiuiente# el aprendiFaje de las
cadenas de acci!n>resultado y el aprendiFaje de la utilidad estCn estrechamente atadas$
&unDue aprendemos de la eGperiencia tomando acci!n# c!mo uno aprende inicialmente
cuCl alternativa escoerQ Indudablemente# mucho del aprendiFaje inicial ocurre por prueba y
errorL Due es# la ente )ortuitamente escoe una opci!n y observa el resultado 8c)$ Campbell#
/6439$ El proceso por el cual el aprendiFaje por prueba y error da paso al desarrollo de
estrateias ! relas no es bien conocido 8c)$ Sieler# /6269$ Sin embaro# uno puede
especular Due ambos re)uerFos de prueba y error del aprendiFaje y eneraliFaci!n 8ambos
estmulo y respuesta9 juean un importante papel 8Sataddon R Simmelha# /62/9$ En
cualDuier evento# las relas Due desarrollamos parecen directamente atadas al aprendiFaje Due
los resultados seuirCn de acciones particulares$ Como se describi! arriba# el aprendiFaje de
la eGperiencia es bCsicamente inductivo en naturaleFa# Due sini)ica# Due uno eGperimenta
../
instancias ! casos espec)icos y heursticas son desarrolladas para proveer aluna manera
eneral de tratar con ellas$ Ba naturaleFa inductiva del aprendiFaje de la eGperiencia tiene
varias implicaciones relacionadas con las heursticas<
/$ )specificacin de las reglas& Si el aprendiFaje ocurre inductivamente va casos
espec)icos# entonces las relas de heurstica deberan ser eGtremadamente del conteGto$
-ucha evidencia suiere ahora Due esto es ciertamente el caso 8Irether R Plott# /626L
Bichtenstein R Slovic# /62/L Simon R Hayes# /624L 'vers(y R Kahneman# /6739$ Ba
manera en la cual un problema es trabajado ! mostrado ! una respuesta particular es
preuntada a todos parece hacer una importante di)erencia en la manera Due la in)ormaci!n
es procesada y las respuestas eneradas$ Un dramCtico ejemplo de esta especi)icaci!n puede
ser visto en el trabajo de Simon y Hayes 8/6249 sobre Nproblemas isomor)osO$ Ellos han
mostrado Due di)erentes super)icies de palabreos de problemas id;nticos estructuralmente
8por ejemplo# problemas Due pueden ser resueltos usando principios id;nticos9 randemente
cambia c!mo la ente representa el problema en la memoria y consecuentemente resolverlo$
Una importante implicaci!n de este resultado es Due en orden de hacer modelos heursticos
mCs predictivos# uno debe luchar con la tarea como representada y no necesariamente con la
estructura de la tarea como es vista por un eGperimentador$ Un ejemplo particularmente
oportuno de la importancia de este )en!meno en predecir el comportamiento es
proporcionado observando Due el comportamiento depende de si un recorte de impuesto estC
representado como una anancia ! una p;rdida mCs peDueEa 8Kahneman R 'vers(y# /626b9$
.$ Feneralidad de las reglas& Si las heursticas son relas aprendidas a trav;s de la
inducci!n# es necesario arupar tareas por similitud ! mCs habra tantas relas como
situaciones$ Puesto Due esta ultima posibilidad es inaceptable# las heursticas deben tener
aluna eneralidad sobre las tareas$ Sin embaro# esta conclusi!n contradice lo Due se ha
dicho sobre la dependencia del conteGto y la especi)icaci!n de relas$ Esta paradoja puede ser
resuelta si uno considera el rano de las tareas a las cuales una rela puede ser aplicada$ Por
ejemplo# considere la rela N*unca ordene pescado en un restaurante de carneO$ -ientras Due
tal rela es eneral con respecto a un cierto tipo de restaurante# es ciertamente mCs espec)ica
Due la rela N=uFue la probabilidad con la cual el evento B viene del proceso & por sus
rados de similitudO 8'vers(y R Kahneman# /62:# '9$ Puede ser Due la heursticas como Ba
Altima heurstica estC claramente a mucho mCs alto nivel de eneralidad$ De hecho# puede ser
Due las heursticas como la representatividad# disponibilidad# a)ianFamiento y ajuste
sonOmetaheursticasO# Due sini)ica# Due ellas son relas de c!mo enerar relas$ Por
consiuiente# cuando se es con)rontado por problemas Due uno no ha encontrado antes 8como
juFar probabilidades de eventos9# ! problemas cuya especi)icaci!n lo hace parecer novel#
metaheurstico dirie la manera en la cual relas espec)icas pueden ser )ormadas para
resolver el problema$ Ba idea de una metaheurstica permite a uno retener la eneralidad Due
cualDuier rela necesariamente implica# aAn al mismo tiempo )acilita para los importantes
e)ectos del conteGto# palabreo# modo de respuesta# etc$ En orden para ilustrar # considere el
estudio de Slovic# ?ischho)) y Bichtenstein 8/624L vea tambi;n el Captulo 009 en el cual la
ente )ue preuntada reDuerida a juFar las relativas probabilidades de la muerte por causas
inusuales$ Por ejemplo# Dui;n tiene una mCs alta probabilidad< ser muerto por un rayo ! morir
de en)isemaQ Cuando )ueron con)rontados con tal interroante# eGisten muchas maneras de
intentar una respuesta$ Una rela Due podra ser usada sera< NPienso en toda la ente Due yo
conoFco Due ha muerto de las dos causas y escojo el evento Due caus! mCs muertesO$ En i
propio caso# yo escoera el en)isema 8el cual tiene una probabilidad mCs alta# aunDue la
mayora de la ente escoja ser muerte por un rayo9$ Sin embaro# yo podra tener como
)Ccilmente desarrollada una rela Due podra conducir a la respuesta opuestaL por ejemplo#
NPienso en todos los casos Due )ueron muertos por un rayo y de la muerte por en)isema sobre
lo Due yo siempre he odo 8peri!dicos# televisi!n# etc$9O$ Si esta )uera mi rela$ ,o escoera
...
ser muerto por un rayo como siendo mCs probable$ *ote Due en ambos casos yo he usado una
disponibilidad heurstica$ Claramente# el camino en el cual una interroante es eGpresada
podra inducir relas espec)icas Due conducen a di)erentes resultados# aAn estas relas
espec)icas podran ser clasi)icadas bajo un simple# mCs eneral estrateia ! metaheurstica
8tambi;n ver# Einhorn# KleinmuntF R KleinmutF# /6269$
0$ >ortaleza de las *eur#sticas& Si la heursticas son aprendidas inductivamente# entonces
el aprendiFaje ocurre sobre muchas pruebas con muchos re)uerFos$ Como serC discutido#
debido a Due la manera de proceder ocurre y porDue los m;todos Due usamos para probar las
relas va la eGperiencia# re)uerFos positivos pueden ocurrir aAn por relas incorrectas
8Hason# /6439$ -Cs aAn# en adici!n al ran nAmero de re)uerFos Due eGperimentamos# el
tamaEo ! intensidad del re)uerFo puede ser rande$ Por ejemplo# anando una considerable
cantidad de dinero siuiendo el uso de aluna rela para escoer acciones debera tener un
e)ecto de re)uerFo considerable$ Por consiuiente# a di)erencia de los estudios de laboratorio
del aprendiFaje humano# donde las consideraciones ;ticas previenen randes re)uerFos
positivos y neativos# nuestra propia eGperiencia no plantea tales restricciones$
$prendiendo de la experiencia: Cu5n bien?
Ba interroante de cuCn bien aprendemos de la eGperiencia en)oca la atenci!n sobre comparar
las relas heursticas con las relas !ptimas$ Por consiuiente# debe ser preuntado c!mo las
Altimas son aprendidas y Due las implicaciones son por aplicarlas en nuestra propia
eGperienciaQ Bas relas !ptimas# tal como el teorema de Bayes# oraniFaci!n# etc$# son
aprendidas deductivamente$ De hecho# mucho de lo Due puede ser llamado aprendiFaje
)ormal es de un carCcter deductivo# Due sini)ica# Due a nosotros se nos enseEan leyes
cient)icas# principios l!icos# relas matemCticas y estadsticas# etc$ 'ales relas son por su
misma naturaleFa abstracta y de conteGto independiente$ &demCs# cuando el conteGto puede
in)luenciar la )orma de una rela# a uno )recuentemente se le dice Due la rela sostiene Notras
cosas Due son iualesO$ Por supuesto# en nuestra propia eGperiencia otras cosas son raramente
iuales# lo cual hace Due el aprendiFaje de las relas !ptimas va la inducci!n sean tan
di)ciles$ 8Bos descubridores ! inventores de las relas !ptimas se sobrepusieron a ;stas
di)icultadesL sin embaro# esto los distinue del resto de nosotros9$
Ba naturaleFa abstracta de las relas deductivas tiene importantes implicaciones
relacionadas con la di)icultad Due la ente tiene de aplicar m;todos !ptimos en situaciones
espec)icas$ Esta di)icultad se centra alrededor de la habilidad para discernir la estructura de
las tareas Due estCn )ijadas en una rica variedad de detalle$ Por lo tanto# cuando uno se encara
con un problema espec)ico Due estC rico en detalle y en el cual los detalles pueden ser
irrelevantes ! redundantes# la atenci!n de uno a espec)icos es proclive a distraer la atenci!n
de la estructura eneral del problema$ De hecho# la misma condici!n de abstractas de las
relas !ptimas aprendidas deductivamente pueden prevenirlos de ser recuperados de la
memoria 8c)$ *isbett et al$# /624# chap re)$ 29$ "elas abstractas# por lo tanto# no pueden estar
muy NdisponiblesO en casos espec)icos$ Sin embaro# pide la interroante puesto Due es
importante conocer por qu- estas relas no estCn disponibles$
Considere Due las combinaciones acci!n>resultado son probables de ser oraniFadas y
almacenadas en la memoria$ En particular# considere si tal in)ormaci!n es mCs probable de
ser oraniFada y almacenada por el contenido ! tarea de la estructura$ Parecera mCs )Ccil y
mCs NnaturalO oraniFar las combinaciones acci!n>resultado por el tema del asunto mCs Due
por la estructuraL por ejemplo# las eGperiencias con escuelas# padres# miembros del seGo
opuesto# etc# mCs Due los problemas Bayesianos# situaciones de selecci!n# problemas de
optimiFaci!n# etc$ El hecho Due el contenido pueda di)erir mientras la estructura permanece
la misma es muy di)cil de ver 8Einhorn et al$# /626L Kahneman y 'vers(y# /626bL Simon R
..0
Hayes# /6249$ Por consiuiente# yo lo pienso improbable Due la mayora de la ente oranice
sus eGperiencias por la estructura de la tarea$ Esto no es decir Due uno no podra ser
entrenado para hacerlo$ De hecho# mucho del entrenamiento pro)esional es eGactamente este<
por ejemplo# uno es enseEado a reconocer problemas como pertenecientes a una clase de
problemas teniendo una estructura dada y 8alunas veces9 de soluci!n conocida$ Bas relas
!ptimas pueden por tanto estar NdisponiblesO a trav;s de un eGtensivo entrenamiento$ Por
supuesto# eGiste el peliro de Due tales relas est;n muy )Ccilmente disponiblesL Due es# Due
los problemas son )orFados dentro de una estructura Due no es apropiada porDue una soluci!n
dentro de esa estructura eGiste$ Es un truismo Due cuando se es presentado con un problema#
los pro)esionales ven el problema dentro de las estructuras Due ellos han sido entrenados para
ver$ Por consiuiente# aunDue el entrenamiento pro)esional involucra un asunto de estructura#
tal entrenamiento es eneralmente dentro de un estrechamente contenido de Crea$
Posterior evidencia ilustrando la necesidad de arupar los problemas por contenido mCs
Due estructura es provedo considerando la manera en Due el conocimiento pAblico sobre el
mundo estC oraniFado y enseEado$ Por ejemplo# educaci!n por departamentos#
entrenamiento pro)esional# cataloaci!n de in)ormaci!n en bibliotecas y enciclopedias# etc$
ilustran la oraniFaci!n de la in)ormaci!n por contenido mCs Due por su estructura$ -ientras
Due eGisten randes ventajas en oraniFar el conocimiento de este modo# eGisten tambi;n
costos$ Ba di)icultad de aplicar relas !ptimas se desarroll! en un contenido de Crea para
estructuralmente problemas similares en otro contenido de Creas puede ser tal costo$ Sin
embaro# al nivel del individuo Due estC aprendiendo otras di)icultades son ahora
consideradas las cuales pueden ser aAn mCs costosas$
&unDue la estructura de la tarea es di)cil de discernir# los resultados no lo sonL ellos son
altamente visibles# disponibles y a menudo no ambiuos$ Consideraci!n del re)uerFo va la
retroalimentaci!n del resultado es esencial en entender c!mo las heursticas son mantenidas a
la luF de la eGperiencia$ &demCs# si los resultados son una )unci!n de la estructura de la tarea
en rado considerable y el conocimiento de la toma de decisi!n de tal estructura estC
)altando# entonces las relas Due son irrelevantes ! aAn pobres pueden aAn ser re)orFadas por
retroalimentaci!n de un resultado positivo 8Por ejemplo# comportamiento NsupersticiosoO en
el aprendiFaje animalL ver Staddon R Simmelha# /62/9$
Dos ejemplos son presentados ahora donde normativamente pobres heursticas pueden
conducir a buenos resultados y donde el conocimiento de la pobre calidad de la rela puede
estar )altando$ Considere comprando en el supermercado y viniendo con latas de juo con los
siuientes precios y completa calidad 8adaptado de 'vers(y# /6469<
-arca Precio Calidad
M P $43 &lta
, P $11 -ediana
g P $13 Baja
&suma Due yo uso la siuiente rela para escoer entre las tres marcas< Si la di)erencia de
precio es cinco centavos ! menos# escojo la arca con la mCs alta calidadL si la di)erencia de
precio es mayor de cinco centavos# escojo de acuerdo al precio$ 'al simple rela 8la cual es
un semiorden leGicorC)ico9 conduce a< M w ,# , w g$ Pero g w M$ Por consiuiente# esta
rela conduce a escoencias intransitivas# las cuales son claramente irracionales$ Sin
embaro# note Due despu;s Due yo escojo M sobre ,# yo puedo entonces eliminar , del jueo
restante y comparar M con g$ Por lo tanto# yo )inaliFo con g# la cual puede ser muy aceptable
despu;s Due yo lo pruebo$ ,o entonces me conratulo en lo buen comprador Due yo soy S yo
ahorr; dinero y conseu un producto raFonable$ El punto importante de notar aDu es Due por
no hacer la comparaci!n entre la , y la g# yo permaneFco inconsciente de Due mi rela
conduce a una escoencia intransitiva$ De todo lo Due yo estoy consciente es Due yo hice una
..:
escoencia con mnimo alboroto y tensi!n# y el resultado )ue satis)actorio$ "etroalimentaci!n
de un resultado positivo por tanto re)uerFa una normativamente pobre rela# y darse cuenta
Due alo Due estC eDuivocado estC )altando$
El seundo ejemplo es uno probabilstico 8c)$ Schum# /6739$ Imaine Due usted es un
eneral militar en una polticamente tensa Crea preocupado de Due sus enemios invadirCn su
pas$ &demCs# de pasada eGperiencia es conocido Due cuando una masa de tropas en la
)rontera# la probabilidad de una invasi!n es de $21$ Sin embaro# usted no tiene acceso
directo a la in)ormaci!n sobre las tropas enemias pero debe apoyarse en un reporte de tal
actividad de sus )uentes de inteliencia$ Como ocurre# cada veF Due sus )uentes de
inteliencia reportan Due tropas se estCn arupando# ellas estCn realmente all$ Considere Due
usted ahora recibe un reporte de sus )uentes Due las tropas enemias estCn la )rontera$ CuCl es
la probabilidad de una invasi!nQ -Cs )ormalmente# haa Due
H [ hip!tesis de ser invadido
D [ arupando tropas en la )rontera
DK [ reporte de tropas arupadas en la )rontera
El problema establece Due p8HTD9 [ $21 y p8DTDK9 [ /$3 y preAntese por p8HTDK9$ Si usted
es como la mayora de la ente# usted probablemente contestarC $21$ Sin embaro# la
in)ormaci!n dada no es su)iciente para responder la preunta en la normativamente correcta
manera$ De hecho# es posible Due en el problema de arriba p8HTDK9 [ 3d Puesto Due la
mayora de la ente encuentra esto muy di)cil de creer# considere la ?iura /# la cual ilustra
el problema por medio de un diarama Jenn$ *ote Due la intersecci!n de H con DK es nula#
de tal manera Due la probabilidad condicional# p8HTDK9# es cero$ Ba raF!n de Due la ente
encuentre este resultado tan sorprendente es Due ellos han hecho una )alacia l!ica de la
)orma< si DK D# entonces D DK$ &unDue D ocurre dondeDuiera Due DK es dada# a la
inversa no es necesariamente el caso$ De hecho# una manera intuitiva de ver el asunto es
pensar Due el enemio es particularmente astuto por lo Due sus )uentes de inteliencia ven sus
tropas solo cuando no eGiste invasi!n plani)icada$ Sin embaro# cuando una invasi!n es
plani)icada y las tropas estCn en la )rontera# ellas estCn escondidas para Due sus )uentes no las
reporten$
Este ejemplo ilustra la di)icultad de aplicar relas !ptimas 8en este caso las relas de
l!ica )ormal9 a una tarea espec)ica$ -ientras Due muy poca ente cometera el error de
l!ica cuando el es presentado en una )orma reconocible# la importancia del ejemplo se
apoya en mostrar c!mo los datos espec)icos del problema esconden su estructura real para
Due las relas !ptimas sean )Ccilmente violadas 8c)$ 'vers(y y Kahneman# /6739$ Un
seundo punto puede ser hecho con respecto a este ejemplo$ Considere Due el eneral comete
el error de l!ica y estima la probabilidad de una uerra en $21$ El entonces enva sus tropas
a la )rontera de ese modo causando una invasi!n por el enemio$ Por consiuiente# el
raFonamiento eDuivocado del eneral es re)orFado por el reaprovechamiento del resultado<
NDespu;s de todoO# ;l podra decir# NaDuellos S%B@s nos invadieron# lo cual nosotros
pensamos Due haranO$
Insertar a-u* la 4i#ura ' de la p5#ina +D9 del texto ori#inal
?iura /$ Diarama de Jenn mostrando la relaci!n entre la hip!tesis 8H9#
el dato 8D9# y el reporte del dato 8DK9$
Bos dos ejemplos ilustran el punto bCsico de este captulo< Sin conocimiento de la
estructura de la tarea# el reaprovechamiento del resultado puede ser irrelevante ! aAn
..1
perjudicial para correir las heursticas pobres$ -Cs aAn# el reaprovechamiento del resultado
positivo sin conocimiento de la tarea tiende a conservarnos inorantes Due nuestras relas
son pobres# puesto Due eGiste muy poca motivaci!n para inDuirir c!mo los ;Gitos )ueron
adDuiridos$ Bas condiciones bajo las cuales el reaprovechamiento del resultado no juea un
papel corrector respecto a las heursticas y estrateias Due son denotadas estructuras del
aprendiFaje del resultado irrelevante 8%IBS9$ 'ales estructuras pueden ser mucho mCs
comunes de lo Due pensamos$ &ntes de eGaminar tal estructura en detalle# considere los
juicios probabilsticos dentro del marco de las %IBS# puesto Due mucho del trabajo sobre las
heursticas estC directamente relacionado con los tipos de juicio$ Considere Due usted juFa la
probabilidad de alAn evento ser $23$ Diamos Due el evento no sucede$ Pu; le dice a usted
este resultado sobre la calidad de las relas usadas para enerar el juicioQ Uno podra areir
Due cualDuier simple resultado es irrelevante en evaluar la NcalidadO 8por ejemplo# rado de
calibraci!n9 de los juicios probabilsticos$ Por consiuiente# en un sentido importante# la
in)ormaci!n del resultado inmediato es irrelevante para correir pobres heursticas$ Es solo si
uno conserva una Ncaja de punteoO de la relativa )recuencia de los resultados cuando uno
juFa los eventos con una dada probabilidad de Due uno puede obtener Atil
reaprovechamiento de los resultados$ Sin embaro# esto es probable Due sea necesario pero
no una condici!n su)iciente para hacer juicios bien calibrados$ Primero# sobre Du; perodo de
tiempo uno conserva la caja de punteo antes de decidir Due el juicio estC ! no calibradoQ
&demCs# cuCn cerca es Nsu)iciente cercaO en orden de decir Due el juicio es eGacto 8en el
sentido de estar bien calibrado9Q *ote Due este modo total de evaluar resultados involucra
re)uerFo Due es retrasado por laros perodos de tiempo$ Por tanto no estC claro Due tal
reaprovechamiento tendrC mucho de un e)ecto auto corrector$ Seundo# en orden de aprender
sobre la calidad de las relas para estimar la probabilidad# la caja de punteo de uno debe
incluir no solo los estimados de uno y los resultados resultantes pero tambi;n las relas para
derivar aDuellas estimaciones$ Por ejemplo# si uno uarda un record de resultados para /33
casos en los cuales yo di estimados de $2 Du; me dira la in)ormaci!n de Due 10 de aDuellas
veces Due el evento sucedi! sobre la calidad de las relas Due yo us;Q Puesto Due es probable
Due muchas relas di)erentes podran haber sido usadas para estimar las probabilidades en las
/33 situaciones di)erentes# la in)ormaci!n del resultado es irrelevante y el reaprovechamiento
de la in)ormaci!n no es Atil a menos Due uno est; conciente de las relas de uno y un record
sea uardado de su uso 8c)$ *isbett R Hilso# /622# sobre si estamos concientes de nuestros
propios procesos conitivos9$
,o no Duiero implicar Due es imposible aprender a hacer juicios de probabilidad bien
calibrados$ Si uno hace muc*os juicios de probabilidad en la misma situacin# tales como si
pronosticadores y aventajadores en carreras de caballos lo hacen# y el reaprovechamiento del
resultado es rCpidamente recibido# tales condiciones pueden no ser un resultado irrelevante# y
el reaprovechamiento puede ser auto corrector$ Sin embaro# tales condiciones pareceran ser
la eGcepci!n mCs Due la rela para la mayora de nosotros$
&unDue los juicios probabilsticos tpicamente ocurren en las %IBS# Du; sobre los juicios
no probabilsticosQ Seuramente# si uno hace una predicci!n sobre alo uno puede cheDuear
para ver si la predicci!n es correcta ! no$ Por consiuiente# parecera Due los resultados
seran relevantes para proveer un reaprovechamiento auto corrector$ El remanente de este
captulo discute este asunto dentro del conteGto de una estructura de tarea eneral y
prevalente# aunDue el contenido espec)ico de tales tareas puede ser muy di)erente$
<eleccin de tarea
/
..4
Una tarea muy eneral involucrando juicios no probabilsticos es ahora eGaminada puesto
Due el resultado de la in)ormaci!n parece ambos disponible y relevante para proveer
autocorrecci!n del reaprovechamiento$ Ba tarea a ser considerada es una en la cual los juicios
son hechos para el prop!sito de escoer entre acciones alternativas$ Por ejemplo# considere
una situaci!n con dos posibles acciones# & y B$ Denote por G un total# juicio evaluativo# el
cual puede por s mismo ser una )unci!n de varios tipos y cantidades de in)ormaci!n$
&demCs# haa Due G# sea un punto lmite tal Due
si G ` G
c
# tome la acci!n &L
si G ] G
c
# tome la acci!n B 8/9
&unDue simplstica# la Ecuaci!n / se aplica a muchos situaciones de juicioTdecisi!n# por
ejemplo< contrataci!n de un trabajo# promoci!n# admisi!n a la escuela# concesi!n de
pr;stamo y cr;dito# asinaci!n de proramas curativos# admisi!n a proramas sociales#
aceptaci!n de artculos periodsticos# concesi!n de premios# etc$ En estos casos# un juicio del
rado de Nmerecimiento del reconocimientoO tpicamente determina cuCl acci!n debe ser
tomada# puesto Due la acci!n pre)erida no puede ser dada a todos$
Insertar a-u* la 4i#ura + de la p5#ina +DD del texto ori#inal
?iura .$ Combinaciones de acci!n>resultado Due resultan del uso del juicio para
tomar una decisi!n de aceptar>rechaFar$
En orden de comparar el juicio con un standard# la eGistencia de un criterio# denote Due y#
se asume para servir como las bases para evaluar la eGactitud del juicio$ -ientras Due las
di)icultades prCcticas de encontrar y desarrollar criterios adecuados son enormes# el )oco aDu
es te!rico< El concepto de un criterio es Du; es necesario para este anClisis$ Para ser
consistente con la )ormulaci!n del juicio# es posteriormente asumido Due el criterio tiene un
punto lmite 8y
c
9 tal Due y ` y
c
y y ] y
c
sirve como las bases para evaluar los resultados del
juicio$ En lo Due al aprendiFaje sobre el juicio concierne# la representaci!n de los resultados
en la memoria es a menudo de )orma cate!rica# Due sini)ica# ;Gitos y )allas 8c)$ Estes#
/6249$
Es muy importante notar Due la estructura de la tarea es una en la cual los juicios
8predicciones9 conducen a acciones di)erenciales y Due los resultados son entonces usados
como reaprovechamiento para determinar la eGactitud de las predicciones$ Ba estructura
)ormal puede ser vista considerando la reresi!n de y a G y los cuatro cuadrantes Due resultan
de la intersecci!n de G
c
y y
c#
como se ilustra en la ?iura .$ Denote las predicciones correctas
como positivos y neativos aciertos y los dos tipos de errores como positivos )alsos 8y ] y
c
TG
` G
c
9 y neativos )alsos 8y ` y
c
T G ] G
c
9$ Para estimar la relaci!n entre G y y 8por ejemplo# la
relaci!n entre G y y# p
Gy
9 es necesario tener in)ormaci!n sobre cada combinaci!n
juicioTresultado$ &suma primero Due tal in)ormaci!n viene a estar disponible con el tiempo
8por ejemplo# secuencialmente9# y considere la evidencia eGperimental relacionada con
aprender la relaci!n entre G y y en tales circunstancias$ Ba investiaci!n sobre la habilidad
para juFar la continencia entre G y y de la in)ormaci!n en tablas de . G . 8=en(ins R Hard#
/641L Smedslund# /640# /644L Hard R =en(ins# /6419 indican Due la ente juFa la )ortaleFa
de las relaciones por la )recuencia de los aciertos positivos 8en la terminoloa de la ?iura
/
-ucho de esta secci!n es sacada de Einhorn y Hoarth 8/6279$
.9# mientras eneralmente inorando la in)ormaci!n en las otras tres celdas$ Estos resultados
son eGtremadamente importantes# puesto Due ellos dicen Due an cuando toda la in)ormaci!n
..2
del resultado relevante estC disponible# la ente no lo usa$ Esto sini)ica Due tienen
estructuras de aprendiFaje resultado>relevante# la ente las ha trans)ormado dentro estructuras
de aprendiFaje resultado>irrelevante$ C!mo puede esto ser eGplicadoQ
Ba eGplicaci!n avanFada aDu es Due nuestra eGperiencia en las tareas del mundo real es
tal Due nosotros desarrollamos relas y m;todos Due parecen NtrabajarO raFonablemente bien$
Sin embaro# ;stas relas pueden ser muy pobres y nuestro conocimiento de su insu)iciencia
es pro)undo$ Esta )alta de conocimiento eGiste porDue el reaprovechamiento del resultado
positivo puede ocurrir a pesar de# mCs Due debido a# nuestra habilidad predictiva$ En orden de
ilustrar# considere el estudio de Hason 8/6439 ;l present! sujetos con una secuencia de tres
nAmeros# por ejemplo< .# :# 4$ Bos sujetos )ueron reDueridos a descubrir la rela para la cual
los tres nAmeros con)ormados 8la rela siendo de tres nAmeros ascendentes9$ Para descubrir
la rela# a ellos se les permiti! enerar jueos de tres nAmeros los cuales el eGperimentador
clasi)ic! como con)ormando ! no con)ormando a la rela$ En cualDuier punto# los sujetos
podan parar cuando ellos pensaban Due haban descubierto la rela$ Ba soluci!n correcta a
esta tarea involucrara una bAsDueda para no con)irmar la evidencia mCs Due la acumulaci!n
de con)irmar la evidencia$ Por ejemplo# si aluien crey! Due la rela tena alo Due hacer con
nAmeros pares# esto podra solo ser probado tratando una secuencia involucrando un nAmero
impar 8por ejemplo# acumulando vastas cantidades de instancias con)irmatorias de secuencias
de nAmeros pares no conduciran a la rela9$ El hecho de Due solo 4 de .6 sujetos
encontraron la rela correcta la primera veF Due ellos pensaron Due lo haran# ilustra los
peliros de inducci!n por simple enumeraci!n$ Como Hason 8/6439 seEal!# la soluci!n a esta
tarea debe involucrar Nuna disposici!n a intentar )alsi)icar hip!tesis# y por tanto para probar
aquellas ideas intuitivas las cuales a menudo acarrean el sentimiento de certeza= 8p$ /06#
cursivas areadas9$
Es importante en)atiFar Due en el eGperimento de Hason# donde las acciones no estCn
involucradas# una bAsDueda para descon)irmar la evidencia es posible$ Sin embaro# cuando
las acciones estCn basadas en juicio# el aprendiFaje basado en descon)irmar la evidencia viene
a ser mCs di)cil de adDuirir$ Considere c!mo uno podra err!neamente aprender una rela
incorrecta haciendo juicios y en)ocCndose en el caso hipot;tico de un erente aprendiendo
sobre su habilidad predictiva concerniente a los NpotencialesO candidatos para un trabajo$ El
)actor crucial aDu es Due las acciones 8por ejemplo# aceptarTno aceptar9 son continentes en
el juicio$ En una )echa subsecuente el erente puede solo eGaminar a candidatos aceptados
para ver cuCntos son NeGitososO$ Si eGisten muchos ;Gitos# cuCl es probable# de todas estas
instancias Due con)irme la rela$ Ciertamente# el punto importante aDu es Due sera di)cil
descon)irmar la rela# aAn cuando podra ser err!nea$ Una manera en la cual la rela podra
ser probada sera para el erente aceptar un subset de aDuellas Due ;l juF! tener un bajo
potencial y entonces observar la proporci!n de sus ;Gitos$ Si su proporci!n )ue tan alta como
aDuellas juFadas ser de alto potencial# la rela sera descon)irmada$ Sin embaro# una
bAsDueda sistemCtica por descon)irmar la evidencia es rara y podra ser objetada en campos
utilitarios y aAn ;ticos# Due sini)ica# Due uno tendra Due sostener la acci!n pre)erida de
alunas de aDuellas juFadas mCs meritorias y darle a ella alAn juicio menos meritorio$ Por
consiuiente# consideraciones utilitarias yT! ;ticas pueden prevenirlo a uno de aAn considerar
la colecci!n de in)ormaci!n posiblemente descon)irmatoria$ *ote Due la tendencia a no
probar hip!tesis descon)irmando instancias es una consecuencia directa de la estructura de la
tarea en la cual las acciones son tomadas sobre las bases del juicio$ Hason 8/6439 seEala# NEn
la vida real no eGiste autoridad Due pronuncie un juicio de in)erencias< las in)erencias pueden
solo ser chaDueadas contra la evidenciaO 8p$ /069$ Como una resultante# randes cantidades
de reaprovechamiento positivo pueden conducir al re)uerFo de una rela no vClida$
&unDue los resultados continentes de la acci!n no tomada pueden no ser vistos# es aAn
el caso de Due uno puede eGaminar el nAmero de ;Gitos positivos y positivos )alsos como un
..7
modo de cheDuear la eGactitud de las predicciones de uno$ Por consiuiente# mientras tal
in)ormaci!n est; incompleta para evaluar eGactamente la relaci!n entre predicciones y
resultados# tal in)ormaci!n es la Due la mayora de la ente tiene disponible$ Es por
consiuiente importante considerar los )actores Due a)ectan estas variables$
4actores -ue aectan los @xitos positivos y positivos alsos
Considere la ?iura . de nuevo y note Due eGisten tres )actores Due a)ectan las proporciones
de ;Gitos positivos y positivos )alsosL la localiFaci!n de G
c
# y
c
y la Ninclinaci!nO de la elipse
8la cual es la correlaci!n entre G y y9$ Por ejemplo# si G
c
es movida a la derecha# manteniendo
a y
c
y p
Gy
constantes# eGiste un punto en el cual no eGistirCn positivos )alsos$ Por supuesto#
eGistirC un correspondiente incremento de neativos )alsos$ Sin embaro# si uno no tiene
in)ormaci!n sobre estos casos 8como es eneralmente la situaci!n9# la eGperiencia de los
sucesos de uno pueden ser muy convincentes Due la calidad del juicio es alta$ Por
consiuiente# cuando el criterio para dar la acci!n pre)erida es incrementado 8incrementando
G
c
9# la probabilidad # p8G ` G
c
9 8tambi;n llamada la proporci!n de selecci!n# 9# es
decrementada y esto conduce a un ;Gito positivo alto y bajas proporciones de )also>positivo$
El seundo )actor# y
c
# obviamente a)ectarC los resultados# puesto Due el nivel de y
c
de)ine los
;Gitos y las )allas$ *ote Due cuando y
c
es disminuido# la probabilidad # p8y ` y
c
9 8tambi;n
llamada la proporci!n base# br9# es elevada y la eGperiencia de uno de los ;Gitos puede ser
alta sin tener en cuenta la habilidad del juicioL lo Due sini)ica Due# si uno aleatoriamente
asino a la ente varias acciones# uno eGperimentara una proporci!n de ;Gito iual a 8y ` y
c
9$
Por consiuiente# para juFar la habilidad predictiva de uno# la proporci!n de ;Gito positivo
con p8y ` y
c
9 debera ser hecha y evaluada la habilidad de juicio sobre los incrementos en los
;Gitos$ El tercer )actor p
Gy
# a)ecta los resultados en una manera claraL a saber# mientras mCs
rande p
Gy
# mCs rande la probabilidad del ;Gito positivo$
Bos e)ectos de estos tres )actores sobre la proporci!n de ;Gito positivo son bien
conocidos$ 'aylor y "ussell 8/6069# por ejemplo# han mostrado Due uno puede incrementar la
proporci!n de ;Gito positivo# para cualDuier dado p
Gy
y la proporci!n base# reduciendo la
proporci!n de selecci!n 89# Due sini)ica# dar a la acci!n pre)erida a un mCs peDueEo
porcentaje 8asumiendo Due p
Gy
k 39$ Por tanto# aAn si p
Gy
es bajo# es posible tener un alto
porcentaje de ;Gito positivo dependiendo de los valores de y br$ 'aylor y "ussell 8/6069
proveyeron tablas de proporciones de ;Gitos positivos para un amplio rano de valores de p
Gy#
y br$ El eGamen de estas tablas muestra Due bajas correlaciones entre juicios y criterios no
son incompatibles con randes porcentajes de ;Gitos positivos$
En adici!n a los tres )actores ya mencionados# un cuarto )actor debe ser considerado$ Este
puede ser ilustrado imainando el siuiente eGperimento$ &suma Due una serie de juicios es
hecha sobre alunas personas$ De aDuellas juFadas estar arriba de G
c
# aleatoriamente asine
la mitad a la acci!n & y la mitad a la acci!n B$ Similarmente haa lo mismo para aDuellas
juFadas por debajo de G
c
$ En alAn Altimo punto en tiempo# mida el desempeEo y calcule la
proporci!n de personas con y ` y
c
# en cada celda 8cada persona estC asinada a 3 ! a / para
indicar si ;l ! ella estC por debajo ! arriba del punto lmite de y S la proporci!n arriba de y
c
siendo la media de esa celda9$ Este es un diseEo )actorial . G . con un )actor siendo el
NjuicioO y el otro el Ntipo de acci!nO$ *ote Due debido al criterio no puede ser medido
inmediatamente antes de la decisi!n 8ciertamente# si se pudiera# no habra necesidad de
juicio9# ente recibiendo acciones & y B han tambi;n recibido di)erentes tratamientos
eGperimentales$ Si este eGperimento )uera hecho# uno podra ensayar por el principal e)ecto
de juicio 8cuCles miden su eGactitud9L el principal e)ecto para la acci!n# Due es Due# si
recibiendo & ! B en s mismas causa di)erencias en el desempeEoL y la interacci!n entre
juicio y acci!n$ %bserve Due la ventaja del eGperimento es Due permite a uno desenredar la
..6
eGactitud del juicio de los e)ectos del tratamiento de la acci!n$ Sin embaro# tal eGperimento
es raramente hecho# aAn conceptualmente# y especialmente no por ente sin un eGtenso
entrenamiento en diseEo eGperimental$ Por consiuiente# la eGactitud de juicio serC casi
siempre con)undida con posibles e)ectos de tratamiento debidos a las acciones$ &demCs# y
con re)erencia a la reciente discusi!n# este eGperimento le permite a uno eGaminar la
in)ormaci!n descon)irmatoria$ En contraste a las tareas de juicio mCs reales# por
consiuiente# le permitiran a uno descon)irmar la hip!tesis de la eGactitud del juicio as#
como tambi-n estimar cualesDuiera e)ectos de tratamiento debidos a la acci!n$
Un ejemplo de e)ectos del tratamiento es mostrado en la ?iura 0$ Ba elipse punteada es
esa mostrada en la ?iura . y representa la NverdaderaO relaci!n entre juicios y resultados$ Ba
porci!n sombreada indica aDuellos resultados Due pueden ser observadosL de aDu Due solo
los valores para los cuales G ` G
c
son mostrados$ El e)ecto de tratamiento ocurre en Due los
resultados 8por ejemplo# el desempeEo9 de todos aDuellos dados en la acci!n & son
incrementados en una cantidad constante de tal )orma Due el nAmero de ;Gitos positivos es
mayor Due los Due habran sido observados en la ausencia de e)ectos de tratamiento$ Desde
un punto de vista psicol!ico# el aspecto clave de la ?iura 0 es Due la naturaleFa del juicio
estC contaminadaL el nAmero de ;Gitos positivos estC in)lado y el nAmero de )alsos positivos
estC reducido$
En orden de cuanti)icar los e)ectos de los cuatro )actores discutidos arriba de la
proporci!n de ;Gito positivo# Einhorn y Hoarth 8/6279 realiFaron un eGperimento de
simulaci!n en el cual varios niveles de e)ectos de tratamiento# proporciones de selecci!n#
ndices base y habilidades predictivas )ueron variados en un diseEo )actorial$ Ba variable
dependiente )ue la proporci!n de ;Gito positivo$ Bos resultados de esa simulaci!n pueden ser
resumidos como siue< 8a9 En eneral# la proporci!n de ;Gito positivo es mayor de $13$
Cuando los e)ectos de tratamiento eGisten# la proporci!n de ;Gito positivo puede ser alta aAn
cuando p
Gy
[ 3L 8b9 cuando ] br# las proporciones de ;Gito positivo son particularmente
altas$ &demCs# la proporci!n de ;Gito positivo es sensitiva a los e)ectos del tratamiento a
bajos valores de p
Gy
$ Esto sini)ica Due en situaciones altamente selectivas# pobre habilidad
predictiva es mCs probable de ser re)orFada por el reaprovechamiento del resultado positivoL
8c9 Cuando w br# las proporciones de ;Gito positivo son las mCs bajas$ Sin embaro#
peDueEos e)ectos de tratamiento tienen un impacto sustancial en elevar la proporci!n de ;Gito
positivo en ;stas situaciones$
Bos resultados de la simulaci!n demuestran Due el reaprovechamiento positivo puede
eGistir cuando la habilidad predictiva es pobre y Due la conciencia de esto es usualmente muy
baja debido a la )alla en adecuadamente comprender la estructura de la tarea$ Por
consiuiente# aunDue uno podra suponer Due los juicios no probabilsticos en un resultado
relevante de la estructura del aprendiFaje son hechos para el prop!sito de decidir entre las
acciones# la in)ormaci!n del resultado puede ser irrelevante para proveer un
reaprovechamiento auto correctivo$
Insertar a-u* la 4i#ura 1 de la p5#ina +G' del texto ori#inal
?iura 0$ E)ecto del tratamiento en las proporciones de ;Gito positivo observado$

Conclusin
.
.03
El tema bCsico de este captulo Due la in)ormaci!n del resultado# sin el conocimiento de la
estructura de la tarea# puede ser irrelevante para proveer un reaprovechamiento auto
correctivo sobre heursticas pobres$ 'ambi;n ha sido areido Due el conocimiento de la
estructura de tarea es di)cil de adDuirir debido al modo inductivo por el cual aprendemos de
la eGperiencia$ 8c)$ Hammond# /627# sobre los modos de pensamiento Ialileos y
&ristot;licos9$ Estas conclusiones hacen Due surjan dos asuntos Due discutiremos
brevemente$
Puede ser el caso Due aAn con el conocimiento de la estructura de tarea# uno escoja actuar
de tal manera Due el aprendiFaje est; impedido$ Por ejemplo# considere a un mesero en un
restaurante ocupado$ Debido a Due ;l no tiene tiempo de dar un buen servicio a todos los
clientes de su puesto# ;l hace una predicci!n sobre cuales clientes son probables de dejar
buenas ! pobres propinas$ Bueno ! mal servicio estC entonces dependiendo de su predicci!n$
Si la calidad del servicio tiene un e)ecto de tratamiento en el tamaEo de la propina# los
resultados Ncon)irmanO las predicciones oriinales$ *ote Due el mesero podra ejecutar un
eGperimento para desenredar los e)ectos del tratamiento de calidad del servicio de sus
predicciones si ;l estC conciente de la estructura de la tareaL Due es# Due ;l podra dar un
pobre servicio a aluien de aDuellos Due ;l juF! dejara buenas propinas y buen servicio a
aluien Due ;l juF! dejara pobres propinas$ Sin embaro# note Due el mesero debe estar
dispuesto a arriesar la posible p;rdida de inresos si su juicio es eGacto# contra el
aprendiFaje de Due su juicio es pobre$ Ba Altima in)ormaci!n puede tener bene)icios de laro
plaFo en Due podra motivar a la persona a tratar de hacer mejores predicciones !# si esto no
es posible# usar una estrateia de dar un pobre ! un buen servicio aleatoriamente# por tanto
ahorrando mucho es)uerFo mental$ En decisiones de oraniFaci!n# los randes bene)icios de
conocer sobre la eGactitud de las predicciones de uno podran ser sustanciales$ Por ejemplo#
si las entrevistas de selecci!n no predicen cumplimiento 8independiente de los e)ectos del
tratamiento9# por Du; astar dinero y tiempo usCndolosQ Por consiuiente# los costos y
bene)icios de estrateias de corto plaFo para el aprendiFaje necesitan ser mCs completamente
investiados$
El seundo asunto puede surir estableciendo la siuiente interroante< Si la ente
aprende y continAa el uso de relas pobres# esto no contradice el concepto evolucionario de
sobrevivencia de la mayor capacitaci!nQ ,o tomo ;sta interroante para sini)icar Due
aDuellos Duienes usan malas relas deberan ser menos probables de sobrevivir Due aDuellos
Duienes usan mejores relas 8ellos son mCs capaces9$ Sin embaro# el uso de mejores relas
puede aAn ser removido del uso de relas !ptimas$ El concepto de mCs NcapaFO involucra un
relativo ordenamiento mientras Due optimiFaci!n implica alAn nivel absoluto$ Por
consiuiente# el hecho Due relas sub!ptimas son mantenidas de cara a la eGperiencia no es
contradicho por la teora Dar+iniana$ 'alveF el mCs sucinto modo de poner esto es citar a
Erasmus< NEn la tierra del cieo# el tuerto es reyO$
0
.
Puisiera aradecer a =$ E$ "$ Staddon por la )ormulaci!n de puntos discutidos en esta secci!n
0
El intento de ;sta cita es seEalar Due las ventajas relativas con relaci!n al ambiente de uno son importantes$
*inuna mancha es mencionada ni intentada hacia la ente ciea$ 'om Hallsten ha hecho el siuiente
comentario# NEn la tierra del cieo el tuerto podra solo podra sobrevivir cerrando sus ojos# puesto Due el
medio ambiente sera arrelado para descansar en otros sentidosO$ &unDue este es un )ascinante comentario#
yo no estoy de acuerdo# porDue el tuerto aAn tendra todos los otros sentidos en adici!n a ver una ventaja$
Parte VI
.0/
Exceso de conian!a
+8( Exceso de conian!a en el caso de estudiar juicios
.0.
Stuart %s(amp
Es un )en!meno comAn de prCctica clnica Due como un psic!loo acumula material para el
caso de estudio sobre otro ser humano# ;l piensa Due ;l conoce a esa persona bastante bien$
Consecuentemente# mCs pronto ! mCs temprano en la in)ormaci!n recopilada en los procesos#
el psic!loo tiene su)iciente con)ianFa para hacer conclusiones dian!sticas# describe las
dinCmicas principales del cliente y talveF se aventura a predecir su comportamiento )uturo$
&unDue las conclusiones del psic!loo pueden permanecer tentativas# su incremento en
con)ianFa de la primera aproGimaci!n al caso al tiempo de escribir su reporte estC usualmente
muy marcado$
Este estudio investi! si ese incremento en la con)ianFa estC justi)icado por un
incremento correspondiente en la eGactitud de las conclusiones$ &unDue la con)ianFa del
psic!loo en sus conclusiones ha sido a menudo mencionada como un importante sujeto de
investiaci!n 8-eehl# /6129# ella ha sido solo raramente estudiada intensivamente$ &demCs#
cuando ella ha sido estudiada# muy a menudo sorprendentes descubrimientos han resultado$
Por ejemplo# B$ "$ Ioldber 8/6169 y %s(amp 8/64.9 han mostrado Due la con)ianFa
dian!stica de eGperimentados psic!loos es menor Due la de personas menos
eGperimentadas$ Bos mismos estudios y muchos otros han mostrado tambi;n Due los
psic!loos pro)esionales no son los mejores jueces interpersonales# y alunas veces son
peores Due individuos no entrenados 8'a)t# /6119$
%tro )actor raramente estudiado# el cual puede proveer un buen ndice de la competencia
de un juicio# en la relaci!n entre su nivel de con)ianFa y su nivel de eGactitud$ Esta medida
muestra# por ejemplo# si el juicio es de eGceso de con)ianFa ! no con)iable en hacer sus
decisiones$ Sobre esta medida# la cual puede ser denominada conveniencia de con)ianFa#
juicios eGperimentados se ha encontrado ser muy superiores a lo no eGperimentados
8%s(amp# /64.9$
Un nAmero de estudios 8Hamlin# /61:L Hatha+ay# /614L Kostlan# /61:L Sos(in# /61:L
Hinch R -ore# /6149 han investiado los e)ectos clnicas del juicio de di)erentes cantidades
de in)ormaci!n de estmulo$ En el presente eGperimento este )actor )ue estudiado dando a
cada juicio cuatro jueos de acumulados incrementos de in)ormaci!n como las bases para
toar sus decisiones# por tanto simulando el radual crecimiento de la in)ormaci!n como un
psic!loo trabaja a su modo a trav;s de un caso tpico$
Bas hip!tesis de este estudio )ueron como siue<
/$ -Cs allC en un punto temprano en el proceso de recopilaci!n de in)ormaci!n# la
eGactitud predictiva alcanFa un techo$
Este captulo oriinalmente apareci! en 'he =ournal o) Consultin Psycholoy# /641# .6# .4/>.41$ Derechos
reservados 5 /641 por &merican Psycholoical &ssociation$ "eimpreso con permiso$
.$ *o obstante# la con)ianFa en las decisiones de uno continAan para escalar
persistentemente cuCnta mCs in)ormaci!n es obtenida$
0$ Por lo tanto# hacia el )inal del proceso de recopilaci!n de in)ormaci!n# la mayora de
los jueces tienen eGceso de con)ianFa sobre sus juFamientos$
Procedimiento
.00
Puesto Due se dese! simular la situaci!n clnica usual tan eGactamente como )ue posible# un
caso actual de estudio )e escoido como la in)ormaci!n dada a los jueces$ El caso )inalmente
escoido )ue seleccionado debido a su eGtensi!n# su descripci!n de muchos pertinentes
incidentes de la vida# y al hecho de Due estC involucrado un relativamente individuo normal$
8por ejemplo# un caso de un adolescente inadaptado Duien nunca haba estado
psiDuiCtricamente hospitaliFado9 ?ue el caso de =oseph Kidd# reportado por Hhite 8/61.9 en
su libro 7idas en Progreso&
/
-aterial de antecedentes hist!ricos de este caso )ue resumido y oraniFado dentro de
jueos cronol!icos de in)ormaci!n los cuales )ueron presentados a los jueces en cuatro
etapas sucesivas$ Ba etapa I contiene solo breve in)ormaci!n demorC)ica sobre el caso# en
orden de probar por el nivel de Nposibilidad psicol!icaO de la eGactitud predictiva
8Patterson# /6119$
=oseph Kidd 8un pseud!nimo9 es un hombre de .3 aEos de edad$ El es blanco#
soltero# y un veterano de la II Iuerra -undial$ El es un raduado universitario# y
trabaja como un asistente de neocios en un estudio de decoraci!n )loral$
Ba Etapa . adicion! / pCinas escritas a mCDuina a espacio simple de material sobre la
niEeF de Kidd# aunDue a la edad de /.$ Ba Etapa 0 8. pCinas9 cubri! sus aEos de secundaria
y de universidad# y la Etapa : 8/Y pCinas9 cubri! su servicio en el ej;rcito y sus Altimas
actividades hasta la edad de .6$
Prueba del caso en estudio
En orden de tener una base para determinar la eGactitud de los jueces# una prueba de mAltiple
escoencia del caso en estudio )ue construida# usando un m;todo similar a ese de Sos(in
8/61:9$ Puntos tratados con los patrones de comportamiento acostumbrado de Kidd#
actitudes# intereses# y reacciones tpicas de la vida actual$ Ejemplos de alunos de estos
puntos son dados en la 'abla /$
Bos puntos )ueron construidos solo donde eGisti! claramente un criterio objetivo de la
in)ormaci!n presentada en el caso# ya sea datos de hechos ! conclusiones bien documentadas$
Bas cuatro alternativas incorrectas para cada punto )ueron hechas con la ayuda de respuestas
de )rase>conclusi!n para los puntos troncales de los estudiantes raduados de psicoloa$
Ellos )ueron construidos de tal manera como para estar claramente errados# basados en el
material del caso publicado# pero para ser de otro modo alternativas convincentes y
NseductivasO$ *inuno de los puntos tena su respuesta contenida en el material del caso
resumidoL en su luar se esperaba Due los jueces siuieran el procedimiento usual en el juicio
clnico 8C$ -c&rthur# /61:9 )ormando un cuadro de la personalidad de Kidd del material
presentado y lueo predecir sus actitudes y acciones tpicas del cuadro de la personalidad de
;l$
/
El uso de este caso tuvo la desventaja Due unos pocos jueces recordaron leer este material en alAn tiempo
durante su entrenamiento# pero de todos solo uno report! Due su anterior contacto no los ayud! del todo en el
presente estudio$ Puesto Due sus punteos de eGactitud corroboraron esta impresi!n# sus resultados )ueron
retenidos en el anClisis de datos$
'abla /$ Puntos de muestra del caso en estudio
1$ Durante la universidad cuando en una situaci!n social )amiliar y aradable# ;l a menudo<
a$ 'rat! de diriir al rupo e impuso sus deseos sobre el$
b$ Permaneci! apartado y abstrado del rupo$
c$ Estuvo muy indi)erente sobre c!mo la ente reaccion! hacia ;l$
d$ 'om! una parte activa en el rupo pero de un modo tranDuilo y modesto$
e$ &ctu! el payaso y se march!$
a
.0:
/3$ -Cs tarde en su servicio en el ej;rcito# como un o)icial y comandante de destacamento# la actitud
de Kidd hacia el manejo y castio )ue<
a$ El estuvo muy disturbado por el porDue ;l pre)era estar al mismo nivel de los otros hombres#
no sobre ellos$
a
b$ & ;l le disust! eso porDue ;l nunca podra tomar una decisi!n sobre Du; hacer$
c$ El lo evit! tan completamente como le )ue posible porDue ;l sinti! Due era err!neo castiar a
los hombres no importando lo Due hubieran hecho$
d$ El estuvo )eliF porDue le dio una posibilidad de estar en control de una situaci!n y ser mirado
hacia arriba$
e$ El tuvo un deleite sCdico en disciplinar a otros para caracteriFar las veces Due ;l haba sido
castiado$
/1$ Ba actitud presente de Kidd hacia su madre es una de<
a$ &mor y respeto por los ideales de ella$
b$ 'olerancia a)ectiva por las debilidades de ella$
c$ "espeto y resentimiento combinados$
a
d$ "echaFo por ella y todas sus creencias$
e$ &)ecto de)erente pero super)icial$
.3$ En conversaci!n con hombres# Kidd<
a$ Pre)iere contactarlos para hablar sobre su trabajo ! eGperiencias$
a
b$ Iusta hacer la mayora de la plCtica sobre sujetos con cuales ;l es )amiliar$
c$ Pre)iere debatir con ellos sobre relii!n ! su )iloso)a de la vida$
d$ Iusta alardear sobre sus das en el Ej;rcito ! haFaEas de la universidad$
e$ Con)ina su discusi!n principalmente a deportes# seGo# y chistes sucios$
.1$ Ba actitud de Kidd hacia su vida como un asistente de neocios es mostrada por su reciente
decisi!n de<
a$ Permanece en su presente posici!n por al menos unos pocos das mCs$
b$ EGpande los neocios construyendo otra tienda en un pueblo vecino$
c$ Deja su trabajo y abre su propia )loristera$
d$ Hace aplicaciones de trabajo en varias compaEas randes en campos similares a su presente
lnea de trabajo$
e$ Planea por s mismo y encuentra una di)erente clase de trabajo$
a
a
"espuesta correcta
@ueces
Bos jueces )ueron sacados de tres rupos con variadas cantidades de eGperiencia psicol!ica<
8a9 7 psic!loos clnicos empleados por un hospital del estado de Cali)ornia# todos tenan
varios aEos de eGperiencia clnica# y 1 tenan rados de doctorL
.
8b9 /7 estudiantes raduados
en psicoloaL
0
y 8c9 4 estudiantes no avanFados no raduados en una clase de personalidad$
*inuno de los jueces de ninAn modo )amiliariFado con la hip!tesis del estudio$
*ota< Bas llamadas
.
y
0
aparecen al )inal de la presente secci!n# inmediatamente antes de iniciar Resultados$
Bos jueces tomaron parte en el eGperimento en peDueEos rupos clasi)icados de cuatro a
nueve en tamaEo# pero cada uno trabaj! en su propia paF individual con su propio )ajo de
materiales$ Despu;s de leer cada etapa del caso# el jueF respondi! todas las .7 preuntas de la
prueba del caso en estudio antes de continuar con la lectura de la etapa siuiente$ &demCs#
para responder las preuntas# el jueF tambi;n indic! sobre cada punto cuCnta con)ianFa ;l
tena en Due su respuesta era la correcta$
.01
@uicios de confianza
Bos juicios de con)ianFa )ueron hechos usando una escala dispuesta por &dams 8/6129 la
cual de)ine la con)ianFa en t;rminos del porcentaje esperado de las decisiones correctas$
Debido a Due eGistieron cinco alternativas para cada punto de la prueba# la escala empeF! al
.3W 8representando un nivel de probabilidad completo de con)ianFa9 y eGtendido al /33W
8indicando absoluta certeFa de eGactitud9$ &demCs para proveer un claramente entendible
sini)icado objetivo de con)ianFa# esta escala tiene la ran ventaja de permitir una directa
comparaci!n entre el nivel de eGactitud y el nivel de con)ianFa$ Por tanto# por ejemplo# si un
jueF consiui! .7W de los puntos correctos y tuvo un promedio del nivel de con)ianFa de
:0W# ;l podra ser considerado como teniendo un eGceso de con)ianFa$
.
Un psic!loo clnico adicional )ue probado# pero los resultados tuvieron Due ser descartados debido a )alla
para entender y seuir las instrucciones$ Este problema no ocurri! con cualDuiera de los estudiantes$
0
&lrededor de la mitad de estos estudiantes raduados haba tenido aluna eGperiencia clnica ! de asesora# y
uno ! dos pueden posiblemente haber sido eDuivalentes a los psic!loos clnicos en nivel de eGperiencia
psicol!ica$
Resultados
Esta tarea de juicio prob! ser una muy di)cil# al menos con la cantidad de material del caso
proveda$ *inAn jueF alcanF! siempre el 13W de eGactitud# y el promedio de eGactitud )inal
)ue menor del .7W# donde la probabilidad )ue del .3W 8una di)erencia insini)icante9$ Sin
embaro# este bajo nivel de eGactitud sirve para proveer una aAn mCs dramCtica prueba de la
hip!tesis del estudio$
Un anClisis preliminar )ue llevado a cabo para comparar los punteos de los tres rupos de
jueces# aunDue ninuna hip!tesis haba sido )ormulada sobre su relativo cumplimiento$ Estos
resultados claramente indicaron Due no eGistan di)erencias sini)icantes entre los tres rupos
de jueces ya sea en eGactitud# en con)ianFa# ! en el nAmero total de las respuestas cambiadas$
En la Etapa : los punteos de con)ianFa )ueron consistentes con estudios previos 8Ioldber#
/616L %s(amp# /64.9 en mostrar a los jueces mCs eGperimentados ser menos con)iables Due
los jueces menos eGperimentados# pero en este estudio estos resultados no se aproGimaron a
la importancia$
Bos principales resultados de este estudio son mostrados en la 'abla . 8pCina siuiente9#
donde las columnas sucesivas muestran los punteos medios de los jueces como ellos
recibieron sucesivamente cantidades mCs randes de in)ormaci!n$ Como un resultado de las
pruebas estadsticas previas# los resultados para todos los 0. jueces estCn combinados en ;sta
tabla$
Ba primera lnea de la 'abla . muestra Due la )luctuaci!n en eGactitud sobre las cuatro
etapas del caso )ue sini)icante$ Sin embaro# una prueba Duncan de rano mAltiple 8&$ E$
Ed+ards# /643# p$ /049 mostr! Due esta sini)icancia )ue debida primariamente a la cada en
eGactitud en la Etapa .$ Comparando la eGactitud de la Etapa / con la eGactitud de la Etapa :
no mostr! cambio sini)icante 8t [ /$/0# d) [ 0/9$ Por lo tanto# la primera hip!tesis acerca de
'abla .$ Ejecuci!n de 0. jueces en los .1 puntos de la prueba del caso en estudio
- punteoooooooooooooooooooooooooooooooooooooooooooooooooooooo
-edida Etapa / Etapa . Etapa 0 Etapa : ? p
EGactitud 8W9 .4$3 .0$3 .7$: .2$7 1$3. $3/
Con)ianFa 8W9 00$. 06$. :4$3 1.$7 04$34 $33/
*Amero de respuestas
.04
Cambiadas >>>> /0$. //$: 7$/ ./$14 $33/
un techo en la eGactitud no )ue solamente soportado# sino Due en este eGperimento no hubo
del todo un sini)icante incremento en la eGactitud con incrementar la in)ormaci!nd
Ba hip!tesis . es probada en la seunda lnea de la 'abla .$ &ll vemos# como predicho#
un sorprendente y eGtremadamente sini)icante incremento en la con)ianFa de 00W en la
Etapa / a 10W en la Etapa :$
?inalmente# los resultados de la hip!tesis 0 son indicados en una comparaci!n de la
primera y seunda lneas de la tabla$ En la Etapa / el promedio de eGceso de con)ianFa )ue de
2 puntosL en la etapa : )ue de .1 puntos# una di)erencia sini)icante mucho mCs allC del
nivel $33/ 8t [ 1$/:# d) [ 0/9$
&lunas veces los rupos medios pueden ser sini)icantes pero enaEosos porDue ellos
pueden ocultar a los sujetos individuales Duienes se desempeEan contrarios a la predicci!n$
Pue ;ste no )ue el caso aDu es claramente mostrado por las siuientes )iuras para jueces
individuales$ De los 0. jueces# crecieron en eGactitud de la Etapa / a la Etapa :# mientras Due
4 permanecieron lo mismo# y /. decrecieron S un resultado completamente aleatorio$ En
contraste# todos los jueces eGcepto . crecieron en con)ianFa# y la mayora creci! en )orma
apreciable$
:
En la Etapa / casi la mitad de los jueces 8/0 de 0.9 no tuvieron eGceso de
con)ianFaL por la Etapa : solo . permanecieron no seuros de s mismos S un cambio
altamente sini)icante 8G
.
[ 6$/# p ] $3/9$
%tro interesante resultado del estudio estC contenido en la Altima lnea de la 'abla .# la
cual muestra el porcentaje del nAmero de puntos en los cuales los jueces cambiaron sus
respuestas en cada etapa del caso$ Esta medida muestra Due a mCs in)ormaci!n presentada# el
nAmero de respuestas cambiadas descendi! en )orma apreciable y sini)icantemente$ Este
descubrimiento suiere Due los jueces pueden )recuentemente han )ormado conclusiones de
estereotipo mCs Due )irmemente de la primera in)ormaci!n )ramentaria y entonces han sido
renuentes a cambiar sus conclusiones cuando ellos recibieron nueva in)ormaci!n$ En
cualDuier proporci!n# la etapa )inal de in)ormaci!n parece haber servido principalmente para
con)irmar las impresiones previas de los jueces mCs Due causarlas para renovar su cuadro de
la personalidad de Kidd$
Discusin
Ba eneraliFaci!n descuidada de estos descubrimientos debe ciertamente ser evitada$ EGisten
tres )actores principales sobre los cuales este estudio el cual posiblemente limitaran la
eneralidad de los resultados$ 8a9 El caso puede no ser similar a los Due la mayora de los
psic!loos acostumbran trabajar$ 8b9 Bos puntos de la prueba pueden no representar las clases
:
Uno de los dos jueces Duienes decrecieron en con)ianFa# un estudiante no raduado# mCs tarde estableci! Due
;l normalmente habra incrementado la con)ianFa# pero ;l haba estado comprometido en un proyecto de
investiaci!n en computaci!n en la cual la computadora haba dado repetidamente resultados incorrectos#
hasta el punto donde el haba perdido completamente su con)ianFa aAn en las computadoras$
de comportamientos a los cuales los psic!loos estCn acostumbrados a predecir$ 8c9 Bos
jueces pueden no haber tenido buenas representativas de los Due toman una decisi!n
psicol!ica$ En respuesta a estas posibles objeciones debera ser seEalado Due el caso# los
puntos de la prueba# y los juicios clnicos )ueron todos escoidos con la intenci!n de una
aproGimaci!n tan cerca como es posible a las situaciones encontradas en la prCctica
psicol!ica actual$
.02
&An si ;stas posibles objeciones tuvieran Due ser admitidas aunDue# alunas bien
de)inidas conclusiones pueden ser sacadas$ Sin importar si la tarea pareci! eGtraEa ! los
materiales del caso atpicos# los punteos de la con)ianFa de los jueces muestran Due ellos
llegaron a convencerse de sus propio incremento en el entendimiento del caso& Como ellos
recibieron mCs in)ormaci!n# su con)ianFa se elev!$ &demCs# su certeFa sobre sus propias
decisiones lle! a estar enteramente )uera de proporci!n a la rectitud actual de esas
decisiones$
Por tanto# aunDue este resultado puede no sostenerse para cada psic!loo y cada tipo de
decisi!n# puede claramente concluirse Due un incremento de los sentimientos de con)ianFa
del psic!loo cuando ;l trabaja a trav;s de un caso no son un sino seuro de incremento en
la eGactitud de sus conclusiones$ Ba as llamada validaci!n clnica# no es una evidencia
adecuada para la valideF del juicio clnico en dianosticar ! predecir el comportamiento
humano$
+'( 3n reporte de pro#reso sobre el entrenamiento de
asesores de probabilidad
.07
-arc &lpert y Ho+ard "ai))a
En los anClisis prescriptivos de las decisiones bajo incertidumbre# los tomadores de la
decisi!n y sus consejeros eGpertos son a menudo llamados para asesorar distribuciones de
cantidades de probabilidad de juicios cuyos valores son desconocidos para ellos$ Este
captulo discute alunos descubrimientos empricos diriidos a tales preuntas como< CuCn
bien pueden ejecutar individuos no entrenados tales asesorasQ -ani)iestan ellos ciertos
prejuicios recurrentesQ C!mo pueden los asesores ser calibradosQ C!mo pueden ellos ser
enseEados para llear a ser mejores asesoresQ
Este captulo trata solo con evaluaciones de cantidades inciertas Due pueden ser pensadas
como una serie continua de valores posibles$ De aDu Due trabajaremos solo eGclusivamente
con )unciones de densidad poco variable y sus )unciones de distribuci!n acumulativas$
&lunos procedimientos di)erentes estCn disponibles para evaluar las distribuciones de
probabilidad de continuas# variables aleatorias poco variables# pero consideraremos solo un
procedimiento particular Due nosotros y nuestros coleas han a menudo usado en la prCctica$
Ese es llamado el m;todo de evaluaciones directas fraccionables&
Procedimiento de evaluaciones directas raccionables
Haamos Due GK sea el verdadero# valor objetivo de aluna cantidad y asumamos Due GK es
desconocido para el asesor$ El )raccionable (th de juFamiento del asesor de GK 8para (
dentro del intervalo de 3 a /9 es el nAmero G
(
tal Due la probabilidad de juicio Due ;l le asina
al evento ^GK Z G
(
_ es (L en smbolos# P ^GK Z G
(
_ [ ($ Bos nAmeros
G$13
# G
$.1
y G
$21
serCn
re)eridos como la media crtica# el cuartil in)erior y el cuartil superior respectivamente$ Para
encontrar G
$13
# el sujeto debe pensar en un valor# tal Due ;l lo crea como probable Due GK estC
debajo de G
#13
como arriba de G
$13$
$ Por tanto G
$13
divide la serie continua dentro de dos
intervalos crticos iualmente probablesL y el cuartil superior # G
$21
# divide el intervalo 8G
$13#
9
dentro de dos intervalos crticos iualmente probables$ Para cada cantidad incierta# nuestros
sujetos eGperimentales )ueron reDueridos a evaluar sus media y cuartiles crticos$ Ba
consistencia 8! NcoherenciaO# como alunos autores pre)ieren9 reDuiere Due el sujeto crea 8a9
Due cada uno de los cuatro intervalos
8# G
$.1
9# 8G
$.1
# G
$13
9# 8G
$13
# G
$21
9# 8G
$21
# 9
sean probables de contener el verdadero el verdadero valor de GK# y 8b9 Due es tan probable
como no Due el verdadero valor de GK estarC contenido en el intervalo 8G
$.1
# G
$21
9 como el
Este artculo )ue oriinalmente distribuido en /646 como un reporte no publicado$ El ha sido revisado para este
libro$
crtico rano intercuartil$ En el )uturo# nos re)eriremos al intervalo 8G
$.1
# G
$21
9 como el crtico#
rano intercuartil$ Bos sujetos Due participaron en nuestros ejercicios de entrenamiento todos
hablaron para cheDuear estos reDuerimientos de consistencia y )ueron instruidos# en casos de
inconsistencias# a reevaluar sus evaluaciones de )ractiles Q para adDuirir consistencia$
&demCs para la media crtica y los dos cuartiles# los sujetos )ueron reDueridos a evaluar
varios )ractiles Q en el punto bajo y en el punto alto de sus distribuciones$ -Cs sobre esto mCs
adelante$ Una veF Due el asesor ha determinado varios puntos 8G
(
# (9 en su acumulativo# parte
.06
in)erior iFDuierda# distribuci!n de la probabilidad crtica# ;l entonces puede usar el lobo
ocular# proceso de manos libres para NacertarO en el remanente de su curva$ En este captulo#
sin embaro# nosotros estaremos relacionados solo con los puntos evaluados directamente
8G
(
# (9 y no con la curva entera$
Fa posibilidad de la validacin externa
Si todos hubi;ramos tenido de sujeto dado una distribuci!n de probabilidad para una cantidad
incierta# sera insini)icante para nosotros decir Due su distribuci!n estC NerradaO$ Podramos
haber esperado Due nuestro sujeto estuviera mCs in)ormado sobre la cantidad en cuesti!n#
pero su distribuci!n de probabilidad es una eGpresi!n )ormal de lo Due ;l conoce S ! no
conoce S sobre esta cantidad$ *o podemos decir# por ejemplo# Due su distribuci!n es
Ndemasiado estrictaO# ! Ndemasiado poco precisaO ! Nmuy desviada a la derechaO$ Pero# en
contraste a este caso# supona Due nuestro sujeto nos da un millar de distribuciones de mil
cantidades inciertas di)erentes$ Si cada uno de los verdaderos valores actuales )ueran a caer
ya sea debajo de su correspondiente )ractile Q $3/ ! arriba de su )ractile Q $66# entonces
estaramos obliados a decir Due el no estC calibrado eGternamente# Due sus distribuciones
tienden a ser demasiado estrictas$ %# en contraste a esto# si sucede Due cado uno de sus
ranos de intercuartiles evaluados )ueran a contener el verdadero valor# entonces esto
mani)estara su tendencia a ser demasiado poco precisa$ &dmitido# Due estos son casos
eGtremos# pero ellos establecen el punto Due es posible y relevante hablar sobre la validaci!n
eGterna de un jueo de distribuciones de probabilidad$
El propsito de los ejercicios y la composicin de los #rupos del sujeto
Sin entrar en mayores detalles# permtasenos darle a usted una breve orientaci!n de lo Due
hemos hecho$ Por medio de una serie de cuestionarios le reDuerimos a un ran nAmero de
sujetos 8alrededor de un millar9# rabar sus )ractiles Q crticos para varias cantidades
desconocidas para ellos al tiempo de la evaluaci!n$ Entonces comparamos sus evaluaciones
con los verdaderos valores actualesL nosotros identi)icamos ciertos prejuicios persistentesL
investiamos procedimientos )ormales para modi)icar sus entradas de datos crticosL
in)ormamos a cada uno de los sujetos sobre la calidad de las respuestas de los rupos y de su
propio jueo particular de respuestasL y )inalmente# suerimos modos Due cada uno de los
sujetos podra adDuirir conocimiento de sus propias idiosincrasias pasadas y por lo tanto
modi)icar su siuiente jueo de evaluaciones$
*osotros condujimos cuatro separados pero relacionados ejercicios durante el aEo
acad;mico /647>/646# y por identi)icaci!n de prop!sitos# los listamos ahora<
Frupo /< Un total de /06 estudiantes enrolados en un curso electivo# -odelos para
Plani)icaci!n bajo Incertidumbre# en el seundo aEo del prorama -B& de la
Universidad de Harvard$
Frupo .< Un total de 733 estudiantes# comprendiendo el cuerpo entero de
estudiantes del primer aEo en el prorama -B& de Harvard$
Frupo 0< Un total de 42 NvoluntariosO del Prorama Ierencial &vanFado de la
Escuela de *eocios de Harvard$
Frupo :< Un total de 43 estudiantes enrolados en un curso de anClisis de decisi!n
dado en la Escuela de Iraduados en &rtes y Ciencias de Harvard y el Instituto
'ecnol!ico de -assachusetts 8-I'9< econ!micas# estadstica# ineniera#
matemCticas# leyes# obierno# diseEo# relaciones sociales# investiaci!n de
operaciones$
.:3
'odos los sujetos en estos cuatro rupos haban sido eGpuestos# previo a su participaci!n
en este ejercicio de entrenamiento# para los anClisis de decisi!n bCsicos )undamentales<
construcci!n y anClisis de Crboles de decisi!n# distribuciones de probabilidad previas y
posteriores# teora de utilidad 8! pre)erencia9 y valor de in)ormaci!n$
El Irupo / sirvi! como un estudio piloto$ Cada estudiante )ue reDuerido
independientemente a evaluar las distribuciones para .3 cantidades inciertas$ Para este rupo
variamos nuestras instrucciones sobre probabilidades )inalesL esto es discutido mCs adelante
en este captulo$ 'odas las .3 evaluaciones )ueron completadas en una sesi!n sin ninAn
reaprovechamiento intercalado$
Bos rupos .# 0 y : )ueron todos tratados iual$ En la primera sesi!n a cada sujeto le
)ueron dadas /3 cantidades inciertas para evaluar$ Bos sujetos )ueron lueo in)ormados sobre
la ejecuci!n de la totalidad de los rupos y su propio desenvolvimiento particular$ Una
seunda vuelta de /3 cantidades di)erentes inciertas les )ueron lueo administradas$
Ba ejecuci!n del rupo / y de los rupos .# 0 y : en sus primeras vueltas )ueran
eGtraordinariamente similares$ Bas ejecuciones de los rupos .# 0 y : en sus seundas
vueltas# despu;s de las sesiones de in)ormaci!n y retroalimentaci!n# )ueron de nuevo
eGtraordinariamente similaresL pero marcadas mejoras )ueron notadas entre sus primeras y
seundas vueltas$ Debido a la similaridad del comportamiento de todos los rupos
discutiremos y concentraremos nuestras observaciones en el desenvolvimiento detallado del
mCs rande de estos rupos$
El ejercicio y resultados antes del reaprovec;amiento
"eproducimos aDu las instrucciones dadas a la mitad de la clase de primer aEo de -B&
8Irupo .9$ Esta mitad recibi! lo Due llamamos )orma BL la otra mitad recibi! la )orma &# la
Due )ue id;ntica en contenido pero la cual us! di)erentes cantidades inciertas$
Instrucciones para la ?orma B
El prop!sito de este ejercicio es ver cuCn bien usted como individuo y la clase como un todo pueden
evaluar distribuciones de probabilidad para Cantidades Inciertas 8uD@s9$ *osotros listaremos abajo /3
8uD@s9 y usted serC reDuerido a evaluar la media# el $.1 )ractile Q# el $21 )ractile Q# y los valores
eGtremos de cada uD$ 8Para su conveniencia breves de)iniciones de estos t;rminos son dados abajo9$
Debido al tipo de uD usado# usted tendrC la oportunidad de comparar sus evaluaciones con los
verdaderos valores$ Usted por tanto serC capaF de ver si usted tiende a ser Ndemasiado estrictoO#
Ndemasiado poco precisoO! tendencioso hacia arriba ! hacia abajo en ciertos tipos de preuntas$ -Cs
tarde usted serC reDuerido a repetir este ejercicio con otros uD@s$ Para este ejercicio usted tiene Due
responder las preuntas independientemente sin consultar cualDuier )uente de materiales aunDue
alunos simples cClculos pueden ser deseables para ciertas preuntas$ Su conocimiento es de inter;s
para nosotros no importando cuCn vao el sea ! cuCn inc!modo usted se pueda sentir$
De)iniciones de )ractiles Q $ $ $ ^%mitidas_
&bajo hay /3 cantidades las cuales esperanFadoramente son cantidades inciertas para usted$
Usted va a entrar su evaluaci!n de estas en cada una de las hojas provedas$ Blene cada preunta lo
mejor Due usted pueda con su conocimiento presente pero no busDue mCs in)ormaci!n ! las discuta
con otros aAn despu;s de entrear sus respuestas$ Se esperarC Due usted entreue una copia de la hoja
de soluci!n antes de la clase maEana# conserve la seunda copia para Due usted tena un record de sus
respuestas$ ^Bos estudiantes usarCn su copia retenida para puntearse a s mismos$ Esto serC descrito
mCs adelante_$
Bos valores de alunas de las variables serCn determinadas por las respuestas de los estudiantes de
primer aEo a las siuientes preuntas<
.:/
Preguntas
&$ Pre)iere usted bourbon ! scotchQ
B$ ?avorece usted tomar traos para todos los estudiantes raduados mientras estCn en la )acultad sin
importar el campo de concentraci!nQ
C$ &ceptara usted juar 13>13 donde usted podra perder m13 ! anar m/33Q
Lista de Cantidades Inciertas
/$El porcentaje de estudiantes de primer aEo Due responden# eGcluyendo a aDuellos Due nunca beben#
Duienes pre)ieren el bourbon al scotch$
.$El porcentaje de estudiantes de primer aEo Due responden a Duienes )avorecen tomar traos para
todos los estudiantes raduados mientras estCn en la universidad no importando el campo de
concentraci!n$
0$ El porcentaje de estudiantes de primer aEo Due respondieron Dui;n aceptara el jueo en cuesti!n C
de arriba$
:$ El porcentaje de los Due respondieron eGpresando su opini!n en una encuesta Iallup en =ulio de
/647 buscando una muestra representativa de &mericanos adultos Duienes sintieron Due si en una
escala completa de uerra )uera a comenFar en el -edio %riente # los Estados Unidos enviaran
tropas a ayudar a Israel$
1$ El porcentaje de los Due eGpresaron una opini!n sobre en -arFo de /647 sobre una encuesta
Iallup buscando una muestra representativa de &mericanos adultos Duienes sintieron Due a los
maestros de escuelas pAblicas les debera ser permitido unirse a sindicatos$
4$ El nAmero de N-;dicos y CirujanosO listados en las PCinas &marillas de /647 del directorio
tele)!nico de Boston y sus vecindades$
2$ El nAmero total de estudiantes actualmente enrolados en el Prorama de Doctorado en la )acultad
de *eocios de Harvard$
7$ Ba producci!n total de huevos en millones en los Estados Unidos en /641$
6$ El nAmero de autom!viles eGtranjeros importados a los Estados Unidos en /641$
/3$ Bo recolectado por pontaje en el Canal de PanamC en el aEo )iscal /642 en millones de d!lares$
^*ueva hoja_
4IR:$ C 8Hoja para ser conservada9
Secci!n ooo
Estudiante *Amero ooo
Por )avor pona un cheDue a una respuesta para cada una de la preuntas &# B y C<
&$ Bebida Bourbon ooo 8/9 Scotch ooo 8.9 *uca bebe ooo 809
B$ 'omar traos & )avor ooo 8/9 Se opone ooo 8.9
C$ =uar 13>13 &cepta ooo 8/9 "echaFa ooo 8.9

Por )avor evalAe todos los 1 valores para cada una de las /3 variables abajo$ *ote Due el nAmero mCs
alto en cada lnea estC a la derecha$ 8Bos decimales son aceptables para las respuestas$ Donde un
porcentaje es reDuerido las respuestas debera ser# sin embaro# de la )orma 62$. para 62$. W# no $62.$
Cantidad Incierta ?ractiles Q
/$ Bourbon 8W9$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$ 8$3/9 8$.19 8$219 8$669
(emorandum de recuperacin
.:.
Casi una semana despu;s Due los estudiantes completaron la ?orma B el siuiente
memorandum )ue distribuido a los estudiantes$ Este memorandum )ue tambi;n discutido en
clase antes Due a los estudiantes les )uera dada la ?orma & para completar$
El prop!sito de este memorandum es<
/$ Describir la ejecuci!n en areado de aDuellos completando la ?orma B$
.$ Indicar prejuicios sistemCticos en las respuestas$
0$ Posibilitarlo a usted para calibrarse a s mismo antes Due usted repita este ejercicio una veF mCs con
la ?orma &$
'abla /$ "espuestas a las preuntas en la ?orma B$
*Amero 'tulo Jalor verdadero
/ Bourbon :.>1
. 'omar traos 41$1
0 =ueo 13>13 11$.
: Israel /3>:
1 Sindicatos de maestros 40$1
4 Doctores listados .#433
2 Estudiantes de doctorado .01
7 Huevos producidos 8millones9 4:#177
6 &utom!viles importados 8miles9 462
/3 Inreso por renta del canal 8millones 7.$0
Como usted recuerda para cada preunta usted evalu! cinco )ractiles Q< $3/# $.1# $13# $21# $66$ Estos
)ractiles Q dividen el intervalo de la lnea dentro de seis cateora<
Cateora /< 'odos los nAmeros debajo del )ractile $3/
.< 'odos los nAmeros entre los )ractiles $3/ y $.1
0< 'odos los nAmeros entre los )ractiles $.1 y $13
:$ 'odos los nAmeros entre los )ractiles $13 y $21
1$ 'odos los nAmeros entre los )ractiles $21 y $66
4$ 'odos los nAmeros arriba del )ractile $66
Para cualDuiera de las /3 preuntas# una veF Due usted especi)ica sus cinco )ractiles 8!
eDuivalentemente# una veF usted especi)ica las seis cateoras9 es posible indicar en cual cateora el
valor verdadero actual cae$ Por ejemplo# el estudiante =ohn Doe dio los siuientes )ractiles para la
preunta bourbon>scotch<
Evaluaci!n< 8$3/9 8$.19 8$139 8$219 8$669
1 /1 03 :3 :1
El porcentaje actual )avoreciendo el bourbon vino a ser :.$1L de aDu Due en esta preunta la
respuesta de r$ Doe cae en la cateora 1$
&hora antes de Due discutamos mCs lejos cuCn bien 8! pobremente9 la clase lo hiFo en
este ejercicio# por )avor re)i;rase a su hoja de respuesta y para cada preunta marDue cuCl de
sus seis cateoras contiene el valor verdadero$
En la 'abla / listamos las respuestas verdaderas$
6n'lisis de los !angos Intercuartiles D
Permtasenos primero mirar a las columnas 0 y : de la 'abla .$ Para cualDuier preunta
particular usted debera haber escoido sus )ractiles $.1# $13# $21 de tal manera Due en su
consideraci!n sera tan probable Due la verdadera respuesta caera dentro del rano $.1 a $21
8por ejemplo# dentro de las cateoras 0 y :9 como caera )uera de este rano$ En una
.:0
totalidad de /333 preuntas 8/33 G /39 tendramos entonces una 8matemCtica9 eGpectativa de
133 respuestas en las cateoras 0 u :$ *osotros conseuimos 00: de tales respuestas$ *o
muy mal$ Esta discrepancia podra posiblemente ser una aberraci!n estadstica pero lo
dudamos$ Por ejemplo# un cuestionario similar les )ue dado hace alunas semanas a una clase
rande de seundo aEo de -B& S ellos respondieron .3 en luar de /3 preuntas S y el 00W
de sus respuestas cayeron dentro de las cateoras 0 y :$ *o deseamos implicar por ninuna
raF!n Due el 00W es una Nsemi>constante universalO pero es mCs bien una sorprendente
coincidencia Due se eGpresa observando$ 8El porcentaje correspondiente para aDuellos Due
completaron primero la ?orma & )ue 00WL el 8Irupo 09 de &-P tambi;n produjo la )iura
de 00W pero los estudiantes de artes y ciencias 8Irupo :9 reistraron una respuesta de 04W9$
'abla .$ Distribuci!n de las respuestas de los sujetos a la ?orma B por cateora
$3/ $.1 $13 $21 &rriba
Debajo a a a a de
*Amero 'tulo de $3/ $.1 $13 $21 $66 $66 ' o t a l
/ Bourbon 0 /4 .3 :3 // /3 /33
. 'omar traos /1 /. 01 /6 /3 6 /33
0 =ueo 13 S 13 // 7 .7 .6 /0 // /33
: Israel 1/ :/ 4 / / 3 /33
1 Sindicato de maestros / / /0 .7 .6 .7 /33
4 Bistado de doctores .: /: /. /0 /3 .2 /33
2 Estudiantes de doctorado / 0 // 6 /1 4/ /33
7 Huevos producidos 6 . /0 /3 7 17 /33
6 &utom!viles importados .1 /1 /7 6 2 .4 /33
/3 Inresos por el Canal /7 7 7 /. /4 07 /33
'otal /17 /.3 /4: /23 /.3 .47 /#333
?recuencia esperada /3 .:3 .13 .13 .:3 /3 /#333
En el areado# los intervalos de los )ractiles Q del $.1 al $21 estuvieron muy apretados$
=usto como muchos valores verdaderos hubieran cado )uera de los ranos del intercuartil Q
8el rano de $.1 a $219 cay! adentro# pero a prop!sito tanto como el doble cayeron a)uera
como adentro$ Pero no es los su)iciente bueno para nosotros decir# NDisemine sus ranos del
intercuartil QO porDue eGiste mucha variaci!n de preunta a preunta y de individuo a
individuo$
Comparemos las preuntas / y /3$ En la preunta / usted podra sentir Due conoce
mucho sobre las pre)erencias de beber de sus amios compaEeros de clase S al menos mucho
en comparaci!n a lo Due usted conoce sobre los inresos del Canal$ Usted podra sentir Due
por consiuiente eGiste una ran probabilidad 8eG ante9 para usted capturar en su rano
intercuartil la verdadera proporci!n de bourbon Due los verdaderos inresos del Canal$ Pero
es -sta la manera que usted sentir#aQ Si usted siente ese modo eG ante# usted habra
diseminado su rano intercuartil por inresos del Canal$ Cuando usted llene la ?orma &
aseArese Due usted siente# sin importar su estado de in)ormaci!n# Due<
a$ Para cualDuier preunta es tan probable Due el valor verdadero caia adentro ! a)uera
de su rano intercuartilL y
b$ Es tan probable Due el verdadero valor caerC dentro de su rano intercuartil para una
preunta Due usted conoce mucho como para una preunta Due usted conoce poco sobre ella$
8Este Altimo punto sobre las preuntas / a /3 )ue insensatamente discutido con los
estudiantes de &rtes y Ciencias antes mejor Due despu-s Due ellos completaron su primera
.::
vuelta de evaluaciones$ Esto podra haber contado para la discrepancia entre 00W y 04W$
Jeremos un mucho mCs dramCtico cambio cuando miremos las probabilidades )inales9$
&lunos de ustedes )ueron realmente demasiado ridos$ Por ejemplo# /0 de /33
capturaron 3 ! / valores verdaderos en sus ranos de /3 intercuartiles$ Para cada individuo
haa Due su punteo intercuartil sea el nAmero de veces Due los valores verdaderos caen sus
ranos de intercuartil$ Bos punteos cerca de 3 implican Due el individuo es Ndemasiado
ridoOL los punteos cerca de /3 implican Due el individuo es Ndemasiado )lojoOL y punteos
cerca de 1 implican Due ;l estC Njusto casi correctoO$ Ba distribuci!n de punteos se da en la
'abla 0$ En la tercera columna de la tabla listamos el nAmero esperado de participantes
Duienes daran cualDuier punteo intercuartil bajo la simpli)icada suposici!n Due eGiste un $00
de probabilidad de Due cualDuier rano intercuartil incluya el valor verdadero y Due ;stas
respuestas dic!tomas son independientes de preunta a preunta$ &seArese de conseuir su
punteo intercuartil$
'abla 0$ Distribuci!n de punteos intercuartiles para la ?orma B
*Amero actual *Amero esperado
Punteo de de individuos
Intercuartil individuos usando p [ $00
3 0 /$6
/ /3 6$3
. .. /6$6
0 .3 .4$/
: .0 ..$1
1 // /0$0
4 6 1$1
2 . /$1
7 3 $0
6 3 $3
/3 3 $3
'otal /33 /33$3
6n'lisis de )tremos
Presumiblemente usted )ije sus )ractiles $3/ y $66 de tal )orma Due usted se NsorprenderaO
con una respuesta realmente baja 8respuesta cateora /9 y con una respuesta realmente alta
8respuesta cateora 49$ En mil preuntas nosotros habramos NesperadoO un total de .3
sorpresas# /3 a la iFDuierda y /3 a la derecha 8vea la 'abla .9$ Cubieron un total de J2K
sorpresas? Eso no solo lo sorprendera sino lo escandaliFarad Usted puede tomar aluna
peDueEa comodidad# sin embaro# Due ustedes no son tan malos como los de la clase de
seundo aEo 8Irupo /9 a los Due nos re)erimos arriba$ &lrededor de 01 estudiantes )ueron
reDueridos# al iual Due ustedes )ueron# a listar )ractiles de $3/ a $66 para .3 preuntas$ Ellos
reistraron :4W de sorpresas S un poco peor Due su :.$4W$ %tros estudiantes )ueron
reDueridos a reistrar )ractiles de $33/ a $666 y en veF de un NesperadoO $.W de sorpresas
ellos reistraron :3W$ %tros 01 )ueron instruidos en t;rminos mCs bien vaos a listar valores
NmnimosO y N mCGimosO S nosotros no sabemos realmente lo Due eso sini)ica S ellos
reistraron :2W de sorpresas$ ?inalmente otros 01 )ueron instruidos a dar valores
Nasombrosamente bajosO y Nasombrosamente altosO y ellos reistraron 03W de sorpresas$
Evidentemente Nasombrosamente bajosO es menor Due NmnimosO$
.:1
Por el amor del cielo# %iseminen 6quellos >ractiles )tremos? Sean honestos con ustedes
mismosd &dmitan lo Due ustedes no sabend
Echemos una mirada a la preunta 4$ EGisten .433 doctores en medicina listados en las
pCinas amarillas de Boston y vecindades$ Ba mitad de ustedes estara sorprendido de este
resultado$ De esta mitad# una mitad )ue sorprendida en el bajo )inal y una mitad en el alto
)inal$ Cincuenta y ocho por ciento de ustedes )ueron asombrados ante el )antCsticamente
gran nAmero de huevos producidos S pero aAn nueve por ciento de ustedes )ueron iualmente
asombrados ante el )antCsticamente pequeo nAmero de huevos producidos$
'abla :$ Distribuci!n de ndices de sorpresa para la ?orma B
*Amero actual *Amero esperado
vndice de de de individuos
sorpresa individuos usando p [ $:0
3 / $:
/ 6 .$2
. /1 6$0
0 /0 /7$2
: /2 .:$4
1 /1 ..$0
4 /4 /:$3
2 : 4$3
7 6 /$2
6 / $0
/3 3 $3
'otal /33 /33$3
Permtasenos de)inir para cada individuo un #ndice de sorpresa el cual da el nAmero de
veces 8entre /39 Due ;l reistr! una cateora / ! la respuesta 4$ En el promedio sobre ran
cantidad de di)erentes# preuntas independientes usted serC sorprendido / de 13 veces$ Bos
ndices de sorpresa de 3 ! / son lo Due nos ustara ver y eGiste causa para inDuietar si este
ndice de sorpresa le acierta a 0 ! mCs$ Ba distribuci!n de los ndices de sorpresa estC dada en
la 'abla :$ En la tercera columna de la 'abla listamos el nAmero esperado de participantes
Duienes reistraran ndices de sorpresa dados bajo la suposici!n simpli)icada de Due eGiste
un $:0 de probabilidad de una sorpresa en cada preunta y eGiste independencia de preunta a
preunta$ Cuarenta y cinco 8:19 individuos )ueron sorprendidos sobre al menos la mitad de
las /3 preuntasd
Para la tpica cantidad incierta# imainemos Due la mayora de ustedes desea evaluar una
curva de densidad 8! eDuivalente a una distribuci!n acumulativa en )orma de S vnculo
iFDuierdo9 donde el punto mCs alto de la curva de densidad 8! la porci!n mCs empinada de la
curva acumulativa en )orma de S9 ocurre en alAn luar en el intervalo de su $.1 a $21
)ractiles$ Un buen nAmero de ustedes# nosotros imainamos inadvertidamente# reistr! curvas
bimodales$ Este debera ser el caso si la lonitud de su intervalo de cateora .
/
es menor
/
Haa Due /i desine la lonitud de cateora /$ 'endramos bimodalidad si /. y /1 son cada uno menores Due
8l0 l l:9T.$ 8*ota< Blamada de la pCina anterior9$
Due su intervalo cateora 0 y la lonitud de su intervalo cateora 1 es menor Due la lonitud
de su intervalo cateora :$ Un caso en el punto sera el siuiente jueo de evaluaciones
)ractiles<
.:4
?ractile< $3/ $.1 $13 $21 $66
Evaluaci!n< 1 /1 03 :3 :1
Bonitud de Cateora< /3 /1 /3 1
'abla 1$ Comparaci!n de resultados en los rounds / y .
?orma &oooooooooooooooo ?orma Boooooooooooooooooooo
"ound / "ound . "ound / "ound .
Jalores cayendo dentro de
los ranos intercuartil 8W9 0.$6 :3$0 00$: :4$:
Jalores cayendo )uera de los
ranos de $3/ a $66 8W9 07$7 .:$6 :.$4 ..$.
'abla 4$ Comparaciones de resultados de las vueltas / y .
Irupo 0ooooooooooooooooo Irupo :oooooooooooooooooooo
"ound / "ound . "ound / "ound .
Jalores cayendo dentro de
Bos ranos intercuartil 8W9 00$: ::$7 01$4 :.$1
Jalores cayendo )uera de los
"anos de $3/ a $66 8W9 01$4 ..$7 .3$7 7$2
En la ilustraci!n de arriba la relaci!n de las lonitudes del intervalo de probabilidad $67 8de $
3/ a $66 )ractiles9 al intervalo de probabilidad $13 8de $.1 a $21 )ractiles9 es 8:1>1T8:3>/19 !
/$4$ Este es un nAmero demasiado peDueEo para una curva unimodal$ Por ejemplo# para la
normal# curva en )orma de campana esta relaci!n es alrededor de 0$1$ Bas relaciones de .$1 a
:$1 puede servir como una ua ruesa S pero las uas deberan ser rotas a veces$ "ecuerde<
Diseminar aDuellas distribucionesd
Resultados despu@s del reaprovec;amiento
Despu;s de discutir en clase el memorandum de reaprovechamiento# cambiamos )ormas y
repetimos el ejercicio$ Despu;s de analiFar las respuestas# distribuimos el siuiente
memorandum<
(emorandum nmero 2
Cada uno de ustedes ha ahora participado en la siuiente secuencia<
a$ 8"ound /9< & ustedes se les dio una de las dos ?ormas 8& ! B9 y ustedes dieron evaluaciones
)ractil para /3 cantidades inciertasL
b$ 8"eaprovechamiento9< & ustedes entonces se les dieron los verdaderos valores de ;stos dieF
cuartiles y )ueron reDueridos a puntearse ustedes mismos sobre dos )actores< 8/9 cuCntas de sus
respuestas cayeron dentro de sus ranos intercuartil# y 8.9 cuCntas de sus respuestas cayeron fuera de
sus ranos de $3/ y $66$ Ustedes tambi;n )ueron in)ormados sobre la ejecuci!n areada de la clase<
alrededor de dos veces como mucho las respuestas cayeron )uera de los ranos intercuartil como
cayeron dentro# y hubo un realmente sorprendente nAmero de sorpresas S aproGimadamente :3W de
las respuestas cayeron )uera de los ranos $3/ y $66$
c$ 8"ound .9< & ustedes se les dio la otra ?orma y se les reDuiri! las evaluaciones de )ractil$
.:2
'abla 2$ Proporcin de sorpresas para diferentes interpretaciones de <baja= y <alta=
Interpretaci!n Interpretaci!n 'amaEo Porporci!n
De de de de
NbajoO NaltoO la muestra sorpresas
?ractile > $3/ ?ractile > $66 :: $:4
?ractile > $33/ ?ractile > $666 .1 $:3
Jalor mnimo Jalor mCGimo 01 $:2
&sombrosamente bajo &sombrosamente alto 01 $07
*osotros hemos ahora calculado sus respuestas para la parte 8c9 y estCn listas para
comentar sobre ejecuci!n de areado$ Pero# primero Due todo# listamos los verdaderos
valores de las cantidades inciertas para Due usted pueda calibrarse a s mismo ûna tabla
presentando esta in)ormaci!n )ue mostrada en el memorandum_$
CuCn bien lo hiFo la clase como un todoQ Ba sesi!n de reaprovechamiento ayud!Q &yud!
un poco pero no tanto como esperCbamos$ Ba mayora de sus distribuciones son demasiado
ridas$ Ba 'abla 1 resume los resultados$
Si areamos las ?ormas & y B# entonces el porcentaje de veces Due los valores
verdaderos caen dentro de los ranos intercuartil saltaron de 00W a :0W$ Ba direcci!n del
cambio es buena pero nosotros aAn estamos averonFados de ese 13W Due nos habra
ustado$ El porcentaje de veces Due los valores verdaderos cayeron )uera de los valores
eGtremos 8por ejemplo# los ranos $3/ y $669 cayeron de un escandaloso :/W a un depresivo
.0W$ &lo tiene Due ser hecho sobre esos )inalesd *ecesitamos otra sesi!n de
reaprovechamiento y un tercer round de prCcticaL pero desa)ortunadamente esto no es
administrativamente )actible$ *osotros proponemos empeFar eGperimentos con otros rupos
para conseuir mCs evaluaciones realsticas de probabilidades )inales$
8Para prop!sitos de comparaci!n la 'abla 4 eGhibe las ejecuciones antes versus despu;s
de la &-P Îrupo 0_ y de los estudiantes de &rtes y Ciencias Îrupo :_9$
:5s sobre los extremos inales
En el estudio piloto 8Irupo /9 variamos las instrucciones concernientes a los eGtremos
)inales en orden de ver Due e)ectos tendra sobre las distribuciones de respuestas de
estadstica$ 'odos nuestros sujetos# sin embaro# )ueron reDueridos a dar sus medianas de
juicio y dos cuartiles$ *uestros resultados son resumidos en las 'ablas 2 y 7# las cuales
eGplicaremos en su oportunidad$
De los /06 sujetos# :: )ueron reDueridos a dar )ractiles de $3/ y $66 y este subrupo
reistr! :3W de sorpresas 8mCs Due el $.W9$ 'reinta y cinco sujetos )ueron reDueridos a dar
un Nvalor mnimoO y un Nvalor mCGimoO y cuando alunos sujetos preuntaron por una
clari)icaci!n de lo Due aDuellos t;rminos sini)icaban# nosotros minimiFamos las di)icultades
con alAn comentario evasivo# tal como# NSeuro ellos son t;rminos vaos# pero trate de
responder la preunta de todas manerasO$ *osotros les dimos el mismo ambiuo consejo a
los restantes 01 sujetos Duienes )ueron reDueridos por valores Nasombrosamente bajosO y
Nasombrosamente altosO$ Estos dos Altimos rupos reistraron :2W y 07W respectivamente$
Bas di)erentes instrucciones tuvieron alAn e)ecto pero# como usted ve# no demasiado e)ecto$
'abla 7$ %istribucin de evaluaciones <altas= para la pregunta 3I
.:7
Interpretaci!n de NaltoOoooooooooooooooooooooooooooooooooooooo
Puntos para el anador $66 $666 -CGimo &sombrosamente alto
].6 7 / 4 .
.6 > 01 /1 4 2 4
4 > :. /3 1 2 //
:0 S :6 . 4 1 :
13 S 14 2 0 7 2
12 S 40 . 3 . :
4: S 23 3 : 3 /
'otal :: .1 01 01
%tra manera de eGaminar el e)ecto de estas cuatro instrucciones sobre los eGtremos es
mirar en detalle la 'abla 7# la cual dada la distribuci!n de respuestas a los valores NaltosO para
la siuiente cantidad< El nAmero de puntos para el eDuipo anador en el siuiente partido de
)ootball Harvard>Dartmouth$ 8Esto )ue preuntado una semana antes del partido9$ Por
ejemplo# de los .1 individuos a Duienes se les pidi! un )ractil $666# / reistr! un punteo
menor Due .6# 4 reistraron punteos entre .6 y 01# 1 entre 04 y :.# etc$ Parece como si el
t;rmino vao NmCGimoO es interpretado como un )ractil $66 y el t;rmino vao
Nasombrosamente altoO es interpretado como un )ractil $666$
*osotros no duplicamos estas instrucciones sobre valores eGtremos con los Irupos .# 0 y
:L mCs bien# consistentemente reDuerimos a aDuellos sujetos por )ractiles $3/ y $66$
++( Calibracin de probabilidades: El estado del
arte en '6G8
.:6
Sarah Bichtenstein# Baruch ?ischo)) y
Ba+rence D Phillips
Desde el punto de vista subjetivista 8de ?inetti# /602 T /64:9# una probabilidad es un rado de
creencia en una proposici!n$ Ella eGpresa un estado puramente interno# no eGiste
probabilidad NderechaO# NcorrectaO A NobjetivaO residiendo en alAn luar Nen la realidadO
contra la cual el rado de creencia de uno pueda ser comparado$ En muchas circunstancias#
sin embaro# puede llear a ser posible veri)icar la verdad ! )alsedad de la proposici!n a la
cual una probabilidad )ue vinculada$ &hora# uno evalAa la probabilidad de la proposici!n
NlloverC maEanaO$ -aEana# uno mira al calibrador de lluvia para ver si ! no ha llovido$
Cuando es posible# tal veri)icaci!n puede ser usada para determinar las adecuaciones de las
evaluaciones de la probabilidad$
Hin(ler y -urphy 8/647b9 han identi)icado dos clases de NbondadO en evaluaciones de la
probabilidad < bondad normativa# la cual re)leja el rado al cual las evaluaciones eGpresan las
verdaderas creencias del asesor y con)orme a los aGiomas de la teora de la probabilidad# y
bondad sustantiva# la cual re)leja la cantidad de conocimiento del t!pico del Crea contenida
en la evaluaciones$ Este captulo revisa la literatura concerniente sin embaro a otro aspecto
de bondad llamado calibraci!n$
Si una persona evalAa la probabilidad de una proposici!n siendo verdadera como $2 y
mCs tarde encuentra Due la proposici!n es )alsa# esa en s misma no invalida la evaluaci!n$
Sin embaro# si un jueF asina $2 a /3#333 proposiciones independientes# solo .1 de las
cuales subsecuentemente son encontradas ser ciertas# eGiste alo errado con estas
evaluaciones$ El atributo Due a ellas les )alta es llamado calibraci!nL el tambi;n ha sido
llamado realismo 8Bro+n R Shu)ord# /6209# realismo de con)ianFa 8&dams R &dams# /64/9#
conveniencia de con)ianFa 8%s(amp# /64.9# valideF secundaria 8-urphy R Hin(ler# /62/9 y
veracidad 8-urphy# /6209$ ?ormalmente# un jueF es calibrado si# a laro plaFo# para todas las
proposiciones asin! una probabilidad dada# la proporci!n Due es verdadera iuala la
probabilidad asinada$ Ba calibraci!n de los jueces pude ser empricamente evaluada
observando sus evaluaciones de probabilidad# veri)icando las proposiciones asociadas y
lueo observando la proporci!n verdadera en cada cateora de respuesta$
Ba literatura eGperimental sobre la calibraci!n de asesores haciendo juicios de
probabilidad sobre proposiciones discretas es revisada en la primera secci!n de este captulo$
Ba seunda secci!n mira a la calibraci!n de )unciones de densidad de probabilidad evaluadas
para cantidades num;ricas inciertas$ &unDue la calibraci!n es esencialmente una propiedad
de individuos# la mayora de los estudios revisados aDu han reportado datos arupados a
trav;s de asesores en orden de aseurar ran cantidad de datos necesarios para estimaciones
Esta es una versi!n revisada del trabajo Due oriinalmente apareci! en H$ =unernann y I$ degeeu+ 8Eds$9#
%ecision (a;ing and C*ange in Cuman 6ffairs& Dordrecht>Holland< D$ "eidel Publishin Co$# /622$
"eproducida por premiso$
estables de calibraci!n$
Proposiciones discretas
.13
Bas proposiciones discretas pueden ser caracteriFadas de acuerdo al nAmero de alternativas
Due ellas o)recen<
8inguna 6lternativa1 NPu; es ajenjoQO El asesor provee una respuesta# y lueo da
la probabilidad de Due la respuesta dada es correcta$ El rano entero de respuestas
de probabilidad# de 3 a /# es apropiado$
+na alternativa1 NEl ajenjo es una piedra preciosa$ CuCl es la probabilidad de Due
;sta declaraci!n sea verdaderaQO De nuevo# el rano relevante de la escala de
probabilidad es de 3 a /$
%os alternativas1 Nel ajenjo es 8a9 una piedra preciosaL 8b9 un licorO$ Con el m;todo
de medio rano# el asesor primero selecciona la alternativa mCs probable y lueo
declara la probabilidad 8` $19 Due esta escoencia es correcta$ Con el m;todo del
medio rango# el sujeto da la probabilidad 8de 3 a /9 Due la alternativa pre>
especi)icada es correcta$
"res alternativas1 NEl ajenjo es 8a9 una piedra preciosaL 8b9 un licorL 8c9 una isla
CaribeEaL 8/9 el asesor selecciona la mCs simple probable alternativa y declara la
probabilidad Due es correcta# usando una respuesta ` /T( para ( alternativas ! 8.9
el asesor asina probabilidades para todas las alternativas# usando el rano de 3 a
/$
Para todas estas variaciones# la calibraci!n puede ser reportada va una curva de
calibracin& 'al curva es derivada como siue<
/$ Colecte muchas evaluaciones de probabilidad para puntos cuya respuesta correcta es
conocida ! serC conocida dentro poco para el eGperimentador$
.$ Evaluaciones de Irupos similares# usualmente dentro de ranos 8por ejemplo# todas
las evaluaciones entre $43 y $46 son colocadas en la misma cateora9$
0$ Dentro de cada cateora calcule la proporci!n correcta 8por ejemplo# la proporci!n
de los puntos para los cuales la proposici!n es verdadera ! la alternativa es correcta9$
:$ Para cada cateora# plotee la respuesta media 8en la abcisa9 contra la proporci!n
correcta 8en la ordenada9$
Ba per)ecta calibraci!n serC mostrada por todos los puntos cayendo sobre la lnea de
identidad$
Para las tareas de medio rano# las evaluaciones mal calibradas pueden ser ya sea muy
confiadas# por medio de las cuales las proporciones correctas son menores Due las
probabilidades evaluadas# de tal )orma Due la curva de calibraci!n cae debajo de la lnea de
identidad# ! poco confiadas# por medio de las cuales las proporciones correctas son mayores
Due las probabilidades evaluadas y la curva de calibraci!n descansa arriba de la lnea de
identidad$
Para las tareas de rano completo con cero ! una alternativa# la demasiada con)ianFa tiene
dos posibles sini)icados$ Bos asesores podran ser demasiado con)iados en la verdad de la
respuestaL tal eGceso de con)ianFa podra ser indicada por una curva de calibraci!n cayendo
siempre debajo de la lnea de identidad$ &lternativamente# podran ser muy con)iados en su
habilidad para discriminar las verdaderas de las )alsas proposiciones$ 'al eGceso de con)ianFa
sera mostrado por una curva de calibraci!n debajo de la lnea de identidad en la rei!n arriba
de $1 y debajo de la lnea de identidad en la rei!n debajo de $1$
Jarias medidas num;ricas de calibraci!n han sido propuestas$ -urphy 8/6209 ha
eGplorado el caso eneral de los puntos (>alternativos# empeFando con el punteo Brier
.1/
8/6139# una medida eneral de la totalidad de la bondad ! probabilidad de las evaluaciones
tal Due el punteo mCs peDueEo# el mejor$ El punteo Brier para * puntos es<
Insertar a-u* la rmula de la p5#ina 18G del texto ori#inal
Donde r# es un vector de las probabilidades evaluadas para las alternativas ( del punto i# r
i
[
8r
/ir
$ $ $ r
(i9
9
#
c
i
# es el vector del resultado asociado# c
i
[ 8c
/ir
$ $ $# c
ji
# $ $ $# c
(i
9# donde c
ji
es iual a
uno para la verdadera alternativa y cero lo contrario# y el nAmero primo 8
9 denota un vector
de columna$ -urphy mostr! Due el punteo Brier puede ser partido dentro de tres partes
aditivas$ Para hacerlo# escoi! los * vectores de respuesta dentro de sub>colecciones ' tal
Due todos los vectores de respuesta# r
t
# en la sub>colecci!n t son id;nticas$ Haamos Due n
t
sea el nAmero de respuestas en la sub>colecci!n t# y dejemos Due c
t
sea el vector de
proporci!n correcta para la sub>colecci!n t<
Insertar a-u* la se#unda rmula de la p5#ina 18G del texto ori#inal
Haa Due c sea el vector de proporci!n correcta a trav;s de todas las respuestas#
Insertar a-u* la tercera rmula de la p5#ina 18G del texto ori#inal
?inalmente# haa Due u sea el vector de unidad# un vector de )ila cuyos ( elementos son
todos uno$
Entonces la partici!n de -urphy del punteo Brier es<
Insertar a-u* la primera rmula de la p5#ina 186 del texto ori#inal
El primer t;rmino no es una )unci!n de las evaluaciones de probabilidadL mCs bien# el
re)leja la )recuencia relativa de los eventos verdaderos a trav;s de ( alternativas$ Por ejemplo#
supona Due todos los puntos Due estCn siendo evaluados tuvieran las dos alternativas#
^lluvia# no lluvia_$ Entonces el primer t;rmino de la partici!n es una )unci!n de la proporci!n
base de lluvia a trav;s de * puntos 8! das9$ Si siempre 8! nunca9# llovi! este t;rmino sera
cero$ Su mCGimo valor# 8( S /9T(# indicara mCGima incertidumbre sobre la ocurrencia de
lluvia$ El seundo t;rmino es una medida de calibraci!n# el promedio pesado de la di)erencia
al cuadrado entre las respuestas en una cateora y la proporci!n correcta esa cateora$ El
tercer t;rmino# llamado resoluci!n# re)leja la habilidad del asesor para escoer los eventos
dentro de sub>cateoras para las cuales la proporci!n correcta es di)erente de la completa
proporci!n correcta$
Ba partici!n de -urphy )ue desinada para predicciones repetidas del mismo jueo de
eventos 8por ejemplo# lluvia vrs$ no lluvia9$ Cuando las alternativas no tienen sini)icado
comAn a trav;s de los puntos 8por ejemplo# en un eGamen de escoencia mAltiple9# entonces
todo lo Due el primer t;rmino indica es la eGtensi!n a la cual la respuesta correcta aparece
iualmente a menudo como la primera# seunda# etc$# alternativa$
Cuando solo una respuesta por punto es punteada# la partici!n de -urphy 8-urphy# /62.9
se reduce a<
Insertar a-u* la se#unda rmula de la p5#ina 186 del texto ori#inal
Donde c es la proporci!n total correcta y c
t
es la proporci!n correcta en la sub>cateora t$
Cuando las respuestas punteadas son las respuestas Due son mayores Due ! iuales a $1 8como
con las dos alternativas# tarea de rano medio9# el primer t;rmino re)leja la habilidad del
.1.
sujeto para coer la alternativa correcta y por tanto podra ser llamado conocimiento$ Como
antes# el seundo t;rmino mide la calibraci!n y el tercero la resoluci!n$
Similares medidas de calibraci!n han sido propuestas por &dams y &dams 8/64/9 y por
%s(amp 8/64.9$ *inuna de estas medidas de calibraci!n discrimina entre eGceso de
con)ianFa y poca con)ianFa$ Bas propiedades de muestreo de estas medidas no son conocidas$
Investigacin meteorolgica
En /634# H$ Ernest Coo(e# astr!nomo ubernamental de &ustralia %ccidental# recomend!
Due cada predicci!n meteorol!ica sea acompaEada por un simple nAmero Due Nindicara#
aproGimadamente# el peso ! rado de probabilidad el cual el pronosticador mismo vincula a
esa particular predicci!nO$ Coo(e# /634b# p$ .2:9$ El report! 8Coo(e# /634a# /634b9 los
resultados de /#61/ predicciones$ De ;stos a los cuales ;l haba asinado el mCs alto rado de
probabilidad 8Ncasi cierto de ser veri)icadoO9# $671 )ueron correctos$ Para su rado intermedio
de probabilidad 8Nprobabilidad normalO9# $607 )ueron correctos# mientras Due para su mCs
bajo rado de probabilidad 8NdudosoO9# $272 )ueron correctos$
En /61/# Hilliams preunt! a 7 pro)esionales si la aencia de pronosticadores en Salt
Ba(e City para evaluar la probabilidad de precipitaci!n por cada uno de los /361 pron!sticos
de /. horas# usan uno de los nAmeros 3# $.# $:# $4# $7 y /$3$ & trav;s de la mayora del rano#
la proporci!n de los das de precipitaci!n )ue mCs baja Due la probabilidad asinada$ Esto
podra re)lejar una claramente natural )orma de parapetarse en pronunciamientos pAblicos$ Ba
ente estC mucho mCs proclive a criticar un pron!stico del clima Due los deja sin una sombra
cuando llueve Due uno Due los conduce a llevar una sombra en das secos$
Similares resultados emerieron de un estudio e)ectuado por -urphy y Hin(ler 8/62:9$
Sus pronosticadores evaluaron la probabilidad de precipitaci!n para el da siuiente dos
veces# antes y despu;s de ver el resultado de un sistema computariFado de predicci!n del
clima 8PE&'-%S9$ Bas 2#/77 evaluaciones 8antes y despu;s de PE&'-%S9 mostr! la
misma sobre>estimaci!n de la probabilidad de lluvia encontrada por Hilliams$
Sanders 8/6179 coleccion! /.#401 predicciones# usando las // respuestas 3# $/# $$$ $6# /$3#
para una variedad de eventos dicotomiFados < direcci!n del viento# velocidad del viento#
auaceros# temperaturas# cantidad de nubes# techo# visibilidad# ocurrencia de precipitaci!n#
tipo de precipitaci!n# y tormenta el;ctrica$ Estos datos revelaron solo una liera tendencia de
las evaluaciones de probabilidad de los pronosticadores Due eGcedieron la proporci!n de los
eventos climCticos Due ocurrieron$
/
"oot 8/64.9 report! un patr!n sim;trico de calibraci!n
de :#/07 pron!sticos de precipitaci!n< Probabilidades evaluadas estuvieron muy bajas en el
rano bajo y muy altas en el rano alto# relativas a las )recuencias observadas$
Hin(ler y -usrphy 8/647a9 report! curvas de calibraci!n par un aEo entero de
predicciones de precipitaci!n en Haart)ord# Connecticut$ Cada pron!stico )ue ya sea para un
perodo de tiempo de 4 horas ! /. horas# con un tiempo dominante variando de 1 a :: horas$
Desa)ortunadamente# no Dued! claro si los pronosticadores haban incluido Nun rC)ico de
precipitaci!nO 8menor de $3/ pulada9 en sus predicciones$ Bos datos )ueron analiFados dos
veces# una veF asumiendo Due Nla precipitaci!nO incluy! la ocurrencia de rC)icos otra veF
sin rC)icos$ Ba inclusi!n ! eGclusi!n de rC)icos tena un e)ecto sustancial sobre la
calibraci!n# como lo hiFo el perodo de tiempo$ Pron!sticos de 4 horas con rC)icos incluidos
/
Bas re)erencias de Coo(e 8/6349# Hilliams 8/61/9# y Sanders 8/6179 )ueron tradas a nuestra atenci!n por
"ai))a 8/6469#
y pron!sticos de /. horas eGcluyendo rC)icos eGhibieron eGcelente calibraci!n$ Ba curva de
calibraci!n para pron!sticos de /. horas con rC)icos descansa arriba de la lnea de identidadL
.10
la curva para pron!sticos de 4 horas eGcluyendo rC)icos descansa bien debajo de ella$ Bas
variaciones en el tiempo dominante no a)ectaron la calibraci!n$
Insertar a-u* la 4i#ura ' de la p5#ina 1'' del texto ori#inal
?iura /$ Datos de calibraci!n para pron!sticos de precipitaci!n$ El nAmero de pron!sticos
estC mostrado para cada punto$ 8>uente1 -urphy R Hin(ler# /622a9$
Pronosticadores del *ational Heather Service han estado eGpresando sus pron!sticos de
ocurrencia de precipitaci!n en t;rminos probabilsticos desde /641$ Ba calibraci!n para
alunas partes de esta masiva base de datos ha sido publicada 8-urphy R Hin(ler# /622aL
U$ S$ Heather Bureau# /6469$ Con los aEos la calibraci!n ha mejorado$ Ba ?iura / muestra
la calibraci!n por .:#716 pronosticadores de precipitaci!n hecha en Chicao durante los
cuatro aEos )inaliFando en junio de /624$ Esto muestra eGtraordinariamente buena
calibraci!nL -urphy 8/6739 dice Due los datos para los recientes aEos son aAn mejoresd El
atribuye esta ejecuci!n superior a la eGperiencia con evaluaci!n de probabilidad Due los
pronosticadores han anado con los aEos y al hecho de Due estos datos )ueron recopilados del
desenvolvimiento real en el trabajo$
Investigacin temprana en el laboratorio
En /612# &dams report! la calibraci!n de sujetos Duienes usaron una escala de con)ianFa de
// puntos$ El sujeto )ue Ninstruido a eGpresar su con)ianFa en t;rminos del porcentaje de
respuestas# hecho a ese nivel particular de con)ianFa# Due ;l esper! ser correcto$ $ $ $ De estas
respuestas hechas con con)ianFa p# alrededor de pW seran correctasO 8pp$ :0.>:009$
En la tarea de &dams# cada una de las :3 palabras )ueron presentadas tachistoscopically Q
/3 veces sucesivamente# con creciente iluminaci!n cada veF# a /3 sujetos$ Despu;s de cada
eGposici!n los sujetos escribieron el trabajo Due ellos pensaron Due vieron y dieron un juicio
de con)ianFa$ Ba curva de calibraci!n resultante mostr! Due las proporciones Due )ueron
correctas randemente eGcedieron las clasi)icaciones de la con)ianFa a lo laro de la entera
escala de respuesta 8eGcepto por las respuestas de /339$ Iran precauci!n debe ser tomada en
la interpretaci!n de estos datos$ Debido a Due cada una de las palabras )ue mostrada /3 veces#
las respuestas son altamente interdependientes$ *o es conocido cuCl e)ecto tal
interdependencia tiene sobre la calibraci!n$ Bos sujetos pueden haber escoido NabstenerseO
en anteriores presentaciones# no dispuestos a dar una respuesta alta cuando ellos saban Due la
misma palabra Due la misma palabra sera presentada varias veces mCs$
El siuiente aEo# &dams y &dams 8/6179 reportaron un eGperimento de entrenamiento#
usando la misma escala de respuesta pero una nueva# tres alternativas# tarea de respuesta
simple$ Para cada una de los /14 pares de palabras por sesi!n# los sujetos )ueron preuntados
si las palabras eran ant!nimos# sin!nimos ! sin relaci!n$ Bos punteos medios de calibraci!n
8basados en la absoluta di)erencia# r
t
S c
t
9 de /: sujetos eGperimentales# a Duienes les
)ueron mostradas cuentas de calibraci!n y curvas de calibraci!n despu;s de cada una de las
cinco sesiones# decrementadas en :7W de la primera sesi!n a la Altima$ Seis sujetos de
control# cuya sola retroalimentaci!n )ue una cuenta de sus respuestas no punteadas# mostr!
un 04W de incremento medio en punteos discrepantes$
&dams y &dams 8/64/9 discuti! muchos aspectos de calibraci!n 8usando el t;rmino
realismo de confianza0# anticipando mucho del trabajo hecho por otros en aEos recientes# y
present! mCs partes de datos# incluyendo la eGcesivamente muy con)iable curva de
calibraci!n de un esDuiFo)r;nico Due crea Due ;l era =esucristo$ En una tarea de aprendiFaje
de slabas sin sentido# ellos encontraron ran eGceso de con)ianFa en le primer intento y
.1:
mejoramiento despu;s de /4 intentos$ Ellos tambi;n describieron brevemente una
trans)erencia de entrenamiento de aprendiFaje< En el da /# los sujetos tomaron /37
decisiones sobre el porcentaje de puntos aFules en un arrelo de puntos aFules y rojos$ En los
das . y :# los sujetos decidieron sobre la verdad o )alsedad de .13 declaraciones de
conocimiento eneral$ En el da 0# ellos levantaron pesas# con los ojos vendados$ En el da 1#
ellos tomaron .14 decisiones 8sin!nimos# ant!nimos# ! no relacionados9 sobre pares de
palabras$ %cho sujetos eGperimentales# a Duienes se les dio retroalimentaci!n de calibraci!n
despu;s de cada uno de los primeros cuatro das# mostraron en el Duinto da mostraron una
media absoluta de discrepancia del punteo sini)icantemente menor Due esos 7 sujetos de
control 8sin retroalimentaci!n9# suiriendo aluna trans)erencia de entrenamiento$
?inalmente# &dams y &dams reportaron Due a trav;s de 14 sujetos tomando un eGamen )inal
de escoencia mAltiple en psicoloa elemental# la calibraci!n mCs pobre )ue asociada con un
miedo enorme a )allar 8r [ $049$ *i el conocimiento ni el eGceso de con)ianFa )ueron
relacionados con el miedo de )allar$
%s(amp 8/64.9 present! sujetos con per)iles de .33 --PI
.
como estmulos$ Ba mitad
de los per)iles )ueron de hombres admitidos a un hospital de la &dministraci!n de Jeteranos
8J&9 por raFones psiDuiCtricasL los otros )ueron de hombres admitidos por raFones puramente
m;dicas$ Ba tarea de los sujetos )ue decidir# para cada per)il# si el status del paciente )ue
psiDuiCtrico ! m;dico y establecer la probabilidad de Due sus decisiones )ueran correctas$
Cada per)il ha sido cateoriFado independientemente como di)cil 84/ per)iles9# mediano
8779# ! )Ccil 81/9 sobre las bases de un sistema de clasi)icaci!n derivado actuarialmente# el
cual correctamente identi)ic! 12W# 46W y 6.W en los per)iles di)cil# mediano y )Ccil#
respectivamente$
'odos los .33 per)iles )ueron juFados por tres rupos de sujetos< .7 no raduados
especialiFCndose en psicoloa# .0 entrenCndose en psicoloa clnica trabajando en un
hospital de la &dministraci!n de Jeteranos 8J&9 y ./ eGperimentados psic!loos clnicos$
Bos .7 jueces ineGpertos )ueron mCs tarde divididos dentro de dos rupos combinados a
Duienes se les dieron los mismos per)iles de nuevo$ Ba mitad )ueron entrenados durante esta
seunda ronda para mejorar la eGactitudL el resto )ueron entrenados para mejorar la
calibraci!n$
%s(amp us! tres medidas de la ejecuci!n de los sujetos< eGactitud 8porcentaje correcto9#
con)ianFa 8media probabilidad de respuesta9 y conveniencia de con)ianFa 8un punteo de
calibraci!n9<
Insertar a-u* la rmula de la p5#ina 1'1 del texto ori#inal
'odos los tres rupos tendieron a ser eGcesivamente con)iados# especialmente los no
raduados en sus primera sesi!n 8eGactitud 23W# con)ianFa $279$ Sin embaro# todos los tres
rupos bajos en con)ianFa en los per)iles )Cciles 8eGactitud 72W# con)ianFa $709$
Bos sujetos entrenados para eGactitud incrementaron su eGactitud de 42W a 20W#
aproGimando su nivel de con)ianFa# $27# el cual no cambi! como un resultado del
entrenamiento$
0
Bos sujetos entrenados para calibraci!n bajaron su con)ianFa de $27 a $2:#
tray;ndola mCs cerca de su eGactitud# 47W# la cual permanece invariable$ Como debera
esperarse de estos cambios# el punteo de calibraci!n de ambos rupos mejor!$
.
Ba --PI 8Inventario de Personalidad -ulti)Csica de -innesota9 es un inventario de personalidad
ampliamente usado para la dianosis psiDuiCtrica$ Un per)il es un rC)ico de /0 sub>punteos del inventario$
0
Bos entusiastas del --PI podran notar Due con este entrenamiento mnimo los no raduados se
mostraron tan altos en eGactitud como los mejores eGpertos ! los mejores en sistemas de predicci!n actuarial$
Investigacin de la seal de deteccin
.11
En das tempranos la investiaci!n de la seEal de detecci!n# los investiadores vieron la
posibilidad de usar clasi)icaciones de con)ianFa mCs Due respuestas s ! no en orden de
caractersticas de operar 8"%C9$ S+ets# 'anner y Birdsall 8/64/9 reDuirieron cuatro
observadores para indicar su con)ianFa de Due ellos haban odo ruido de seEal positiva mCs
bien Due ruido solo por cada uno de los /#.33 intentos$ &unDue tres de los cuatro sujetos
)ueron terriblemente calibrados# las cuatro curvas de calibraci!n )ueron ampliamente
di)erentes$ Un sujeto eGhibi! una severa tendencia a asinar muy peDueEos probabilidades
8por ejemplo# la seEal estuvo presente sobre el 23W de las veces cuando ese sujeto us! la
cateora de respuesta N$31 > $/6O9$
Clar(e 8/6439 present! una de cinco di)erentes palabras# meFcladas con ruido# a los
escuchas a trav;s de aud)onos$ Bos escuchas seleccionaron la palabra Due ellos pensaron Due
oyeron y entonces clasi)icaron su con)ianFa indicando una de cinco cateoras de)inidas por
partir la escala de probabilidad dentro de cinco ranos$ Despu;s de cada una de las /.
pruebas prCcticas de 21 puntos# los escuchas clasi)icaron sus propios resultados y notaron Due
el porcentaje de identi)icaciones correctas en cada cateora de clasi)icaci!n# por lo tanto
permiti;ndoles cambiar las estrateias en la siuiente prueba$ Clar(e encontr! Due aunDue
todos los cinco escuchas parecieron bien calibrados cuando los datos )ueron promediados
sobre las cinco palabras de estmulo# los anClisis para palabras individuales mostraron Due los
escuchas tendieron a un eGceso de con)ianFa por palabras de relativamente alta
inteliibilidad$
Pollac( y Dec(er 8/6179 usaron una verbalmente de)inida escala de clasi)icaci!n de
con)ianFa de 4 puntos cuyo rano va de NPositivo yo recib el mensaje correctamenteO a
NPositivo yo recib el mensaje incorrectamenteO$ Con esta escala de clasi)icaci!n es
imposible determinar si un individuo estC bien calibrado# pero es posible ver cambios en la
calibraci!n a trav;s de condiciones$ Bas curvas de calibraci!n para palabras )Cciles
eneralmente se descansan arriba de aDuellas para palabras di)ciles# no importando la
proporci!n seEal>a>ruido# y las curvas para altas proporciones de seEal>a>ruido descansan
arriba de aDuellas para bajas proporciones de seEal>a>ruido sin importar la di)icultad de la
palabra$
En la mayora de estos estudios# la calibraci!n )ue de inter;s secundario# la preunta
importante )ue si las clasi)icaciones de con)ianFa conduciran a las mismas curvas "%C
como los procedimientos Si>*o$ En /644# Ireen y S+ets concluyeron Due# en eneral# las
escalas de clasi)icaci!n y los procedimientos Si>*o conducen a casi id;nticas curvas "%C$
Desde entonces# los estudios de calibraci!n han desaparecido de la literatura de detecci!n de
seEal$
!eciente investigacin de laboratorio
)ceso de confianza& El mCs penetrante descubrimiento en reciente investiaci!n es Due las
entes tienen un eGceso de con)ianFa con los puntos de conocimiento eneral de moderada !
eGtrema di)icultad$ &lunos resultados tpicos mostrando eGceso de con)ianFa son
presentados en la ?iura .$ HaFard y Peterson 8/6209 reDuirieron :3 miembros del personal
de las )uerFas armadas estudiando en la Escuela de Inteliencia de De)ensa para responder
con probabilidades ! con posibilidades a 13 temas de dos alternativas de conocimiento
eneral 8por ejemplo# NCuCl revista tena la circulaci!n mCs rande en /623# Playboy !
"imeQ9$ Bichtenstein 8no publicado9 encontr! similares resultados# usando los mismos temas
pero solo la respuesta de probabilidad# con /6 empleados del Instituto de Investiaci!n de
%reon# como lo hicieron Phillips y Hriht 8/6229 con di)erentes temas# usando estudiantes
no britCnicos no raduados como sujetos$
.14
%tros numerosos estudios de conocimiento eneral han mostrado el mismo eGceso de
con)ianFa 8?ischo))# Slovic R Bichtenstein# /622L Koriat# Bichtenstein R ?ischo))# /673L
Bichtenstein R ?ischo))# /622# /673a# /673bL *ic(erson R -cIoldric(# /6419$ Cambride y
Shrec(enost 8/6739 encontraron eGceso de con)ianFa con analistas de la &encia Central de
Inteliencia 8CI&9$ ?ischo)) y Slovic 8/6739 encontraron severo eGceso de con)ianFa usando
una variedad de imposibles ! casi imposibles tareas 8por ejemplo# prediciendo a los
anadores en carreras de caballos de /#.34 metros# dianosticar la malinidad de Alceras9$
PitF 8/62:9 report! eGceso de con)ianFa usando un m;todo de rano completo$
Insertar a-u* la 4i#ura + de la p5#ina 1'9 del texto ori#inal(
?iura .$ Calibraci!n para rano completo# temas de conocimiento eneral$
?ischo))# Slovic y Bichtenstein 8/6229 se centraron en la conveniencia de eGpresiones de
incertidumbre$ Usando una variedad de m;todos 8sin alternativas# una alternativa y dos
alternativas con la mitad del rano y el rano completo9# ellos encontraron Due solo el 2.W al
70W de los temas a los cuales las respuestas de /$3 Due )ueron dadas )ueron correctas$ En las
tareas de rano completo# los temas Due asinaron el otro eGtremo de respuesta# cero# )ueron
correctos .3W a 03W del tiempo$ Usando una respuesta de posibilidades con corrii! el
eGceso de con)ianFa$ Bas respuestas Due asinaron posibilidades de /#333</ de estar correctas
)ueron solo 7/W a 77W correctasL para posibilidades de /#333#333</ la alternativa correcta
)ue escoida solo 63W a 64W del tiempo$ Bos sujetos no mostraron renuencia a usar
posibilidades eGtremasL en uno de los eGperimentos casi un cuarto de las respuestas )ueron
/#333</ ! mayores$ Posteriores anClisis mostraron Due el eGceso de con)ianFa eGtremo no )ue
con)inado a solo unos pocos sujetos ! a unos pocos temas$
)l efecto de la dificultad& El eGceso de con)ianFa es mCs eGtremo con tareas de ran
di)icultad 8Clar(e# /643L *ic(erson R -cIoldric(# /641L PitF# /62:9$ Con tareas
esencialmente imposibles 8discriminando entre escritura Europea y &mericana# dibujos de
niEos asiCticos y europeos y elevaci!n y cada de precios de acciones9 las curvas de
calibraci!n no se elevan del todoL para todas las probabilidades evaluadas# la proporci!n de
alternativas correctas escoidas estuvo cerca de $1 8Bichtenstein R ?ischo))# /6229$ Bos
sujetos no estuvieron reacios a usar altas probabilidades en ;stos casosL 23W a 73W de todas
las respuestas )ueron mayores de $1$
& medida Due las tareas se vuelven mCs )Cciles# el eGceso de con)ianFa se reduce$
Bichtenstein y ?ischo)) 8/6229 permitieron a un rupo de sujetos en la tarea de
discriminaci!n de la escritura estudiar un correctamente etiDuetado jueo de estmulos de
muestra antes de hacer sus evaluaciones de probabilidad$ Esta eGperiencia hiFo la tarea
mucho mCs )Ccil 82/W correcto vrs$ 1/W para el rupo de no estudio9 y el rupo de estudio
estuvo levemente con eGceso de con)ianFa$ Bichtenstein y ?ischo)) 8/6229 ejecutaron anClisis
post hoc del e)ecto de di)icultad en la calibraci!n usando dos randes colecciones de datos
del conocimiento eneral# tareas de dos alternativas de medio rano$ Ellos separaron temas
)Cciles 8aDuellos para los cuales la mayora de los sujetos escoe la alternativa correcta9 de
los temas di)ciles y sujetos in)ormados 8aDuellos Duienes seleccionaron las alternativas mCs
correctas9 de los sujetos menos in)ormados$ Ellos encontraron un decremento sistemCtico en
el eGceso de con)ianFa cuando el porcentaje correcto se increment!$ Ciertamente# la mayora
de los sujetos respondiendo a los temas mCs )Cciles )ueron bajos en con)ianFa 8por ejemplo#
el 63W correcto cuando responden con una probabilidad de $73$ Este descubrimiento )ue
repetido con dos nuevos rupos de sujetos a Duienes se les dio jueos de temas escoidos
para ser di)ciles ! )Cciles sobre las bases de la ejecuci!n previa de los sujetos$ Bas curvas de
.12
calibraci!n resultantes son mostradas en la ?iura 0# a lo laro con las correspondientes
curvas de calibraci!n de los anClisis post hoc$
Insertar a-u* la 4i#ura 1 de la p5#ina 1'D del texto ori#inal(
?iura 0$ Calibraci!n para pruebas )Cciles y di)ciles y para sub>sets de una prueba )Ccil y di)cil$
En la investiaci!n citada# la di)icultad )ue de)inida sobre las bases del desenvolvimiento
de los sujetos 8Clar(e# /643L Bichtenstein R ?ischo))# /6229$ -Cs recientemente#
Bichtenstein y Bischo)) 8/673a9# siuiendo la direcci!n de %s(amp 8/64.9# desarrollaron un
jueo de 133 dos>alternativas de temas de conocimiento eneral par las cuales la di)icultad
podra ser de)inida independientemente$ Bos temas )ueron de tres tipos< CuCl de las dos
ciudades# estados# pases ! continentes es mCs populoso 8por ejemplo# Bas Jeas vrs$ -iami9#
cuCl de las dos ciudades estC mCs lejana en distancia de una tercera ciudad 8por ejemplo# Nes
-elbourne mCs distante de "oma ! de 'o(yoQO9# y cuCl evento hist!rico sucedi! primero
8por ejemplo# la Carta -ana )irmada vrs$ el nacimiento de -ohammed9$ Por lo tanto# cada
tema estuvo asociado con dos nAmeros 8poblaciones# distancias# ! tiempo transcurrido al
presente9$ Ba proporci!n del mCs rande al mCs peDueEo de aDuellos nAmeros )ue tomada
como una medida de di)icultad< Bos .13 temas con las proporciones mCs randes )ueron
desinadas como f'cilesL los restantes como dif#ciles$ Esta clasi)icaci!n a priori )ue bastante
eGitosaL para alrededor de 01 sujetos# el porcentaje correcto )ue 7/ para los temas )Cciles y 17
para los temas di)ciles$ Estos resultados# tambi;n# mostraron eGceso de con)ianFa para los
temas di)ciles y baja con)ianFa para los temas )Cciles$
El e)ecto di)cil>)Ccil parece surir de la inhabilidad de los asesores para apreciar cuCn
di)cil ! )Ccil es una tarea$ Phillips y Che+ 8no publicado9 no encontraron correlaci!n a
trav;s de los sujetos entre el porcentaje correcto y las clasi)icaciones de los sujetos en una
escala de // puntos de la di)icultad de un set de temas completados$ Sin embaro# los sujetos
dan di)erentes distribuciones de respuestas para di)erentes tareasL Bichtenstein y ?ischo))
8/6229 reportaron una correlaci!n de $6/ entre el porcentaje correcto y la respuesta media a
trav;s de /4 di)erentes sets de datos$ Pero las di)erencias en distribuciones de respuesta son
menores de lo Due ellas deberan ser< Sobre aDuellos mismos sets de datos# la proporci!n
correcta vari! de $:0 a $6.# mientras Due la respuesta media vari! solo de $41 a $74$
?errel y -cIoey 8/6739 han desarrollado recientemente un modelo para la calibraci!n de
evaluaciones discretas de probabilidad Due dirien el e)ecto di)cil>)Ccil$ El modelo# basado
en la teora de detecci!n de la seEal# asume Due los asesores trans)orman sus sentimientos de
incertidumbre subjetiva dentro de una decisi!n variable# M# la cual es dividida dentro de
secciones con valores cortados cG
/
$ "eportes de probabilidad del asesor r# siempre Due M
caia entre G
i>/
y G
i
$ ?errell y -cIoey asumen Due# en la ausencia de retroalimentaci!n sobre
la ejecuci!n de la calibraci!n# el asesor no cambiarC el set de valores separados# cG
i
# como
cambios en la di)icultad de la tarea$ Esta suposici!n conduce a una predicci!n de eGceso de
con)ianFa con temas di)ciles y poca con)ianFa en temas )Cciles$ Ba aplicaci!n del modelo
para muchos de los datos de Bichtenstein y ?ischo)) 8/6229 mostraron un moderadamente
buen ajuste para ambas las curvas de calibraci!n y la distribuci!n de respuestas bajo la
suposici!n Due los valores separados permanecen constantes cuando la di)icultad cambi!$ Por
lo tanto# el e)ecto di)cil>)Ccil es visto como una inhabilidad de cambiar los separados
involucrados en la trans)ormaci!n de sentimientos de incertidumbre a respuestas
probabilsticas$
.17
)fecto de proporciones base& Bas tareas de una alternativa 8verdadero>)also9 pueden ser
caracteriFadas pueden ser caracteriFadas por la proporci!n de declaraciones verdaderas en el
set de temas$ Para estar bien calibrado en un particular set de temas uno debe tomar esta
in)ormaci!n de proporci!n>base en cuenta$ El modelo de la seEal de detecci!n de ?errell y
-cIoey 8/6739 asume Due la calibraci!n estC a)ectada independientemente por 8a9 la
proporci!n de declaraciones verdaderas y 8b9 la habilidad del asesor para discriminar las
declaraciones verdaderas de las )alsas$ Suponiendo Due los valores separados# ^Gi_# son
mantenidos constantes# el modelo produce muy di)erentes e)ectos en la calibraci!n de
cambiar desde cambiar las proporciones de las declaraciones verdaderas 8mientras sostiene la
discriminacionalidad constante9$ ?errell y -cIoey presentaron datos Due soportan sus
modelos$ Estudiantes en tres cursos de ineniera evaluaron la probabilidad de Due las
respuestas Due ellos escribieron para sus eGCmenes seran juFadas correctas por el
cali)icador$ Bos anClisis post hoc separaron a los sujetos dentro de cuatro rupos 8alto vrs$
bajo porcentaje de respuestas correctas y alta vrs$ baja discriminacionalidad9 revelaron las
di)erencias de calibraci!n predichas por el modelo$ Datos sin publicar colectados por
?ischo)) y Bichtenstein# mostrados en la ?iura :# tambi;n suieren soporte para el modelo$
Cuatro rupos de sujetos recibieron .1 alternativas simples de temas de conocimiento eneral
8por ejemplo# N'he &eneid )ue escrito por HomerO9 di)iriendo en la proporci!n de
declaraciones verdaderas< $37# $.3# $13 y $2/$ Bos rupos mostraron dramCticamente
di)erentes curvas de calibraci!n# de aproGimadamente la misma )orma como predijeron
?arrell y -cIoey cambiante proporci!n base# el caso de la discriminacionalidad constante$
%iferencias individuales& Declaraciones no>cali)icadas Due una persona estC mejor calibrada
Due otra persona son di)ciles de hacer# por dos raFones$ Primera# al menos varios cientos de
respuestas son necesarias en orden de conseuir una medida de calibraci!n estable$ Seunda#
parece Due la calibraci!n depende )uertemente de la tarea# particularmente de la di)icultad de
la tarea$ Ciertamente# Bichtenstein y ?ischo)) 8/673a9 han suerido Due cada persona puede
tener una prueba NidealO 8por ejemplo# una prueba cuyo nivel de di)icultad conduFca a ni un
eGceso de con)ianFa ni a una baja con)ianFa# y por tanto la prueba la prueba sobre la cual la
persona serC mejor calibrada9$ Sin embaro# la di)icultad de la prueba NidealO puede variar a
trav;s de la ente$ Por tanto# aAn cuando una persona es mejor Due otra en un particular set de
temas# el reverso puede ser cierto para un tema mCs di)cil ! mCs )Ccil$
Insertar a-u* la 4i#ura 7 de la p5#ina 1'6 del texto ori#inal
?iura :$ El e)ecto en la calibraci!n debido a cambios en el porcentaje de declaraciones
verdaderas$ 8>uente< ?ischo)) R Bichtenstein# sin publicar9$
Bas comparaciones entre di)erentes rupos de sujetos han eneralmente mostrado pocas
di)erencias cuando la di)icultad )ue controlada$ Bos estudiantes raduados en psicoloa#
Duienes presumiblemente son mCs intelientes Due los sujetos usuales 8no raduados Duienes
respondieron un anuncio en el peri!dico de la universidad9# no )ueron di)erentes en la
calibraci!n 8Bichtenstein R ?ischo))# /6229$ 'ampoco hemos encontrado di)erencias en la
calibraci!n ! eGceso de con)ianFa entre hombres y mujeres 8Bichtenstein R ?ischo))# /67/9$
Hriht R Phillips 8/6249 estudiaron las relaciones entre varias medidas de la
personalidad 8autoritarismo# conservatismo# domatismo e intolerancia a la ambieedad9# las
eGpresiones verbales de incertidumbre 8por ejemplo# el nAmero de palabras como las
improbablemente usadas en cortas respuestas escritas a :1 preuntas9# y varias medidas de
calibraci!n$ Bas Anicas relaciones Due ellos encontraron entre seis escalas de personalidad y
siete medidas de calibraci!n )ueron dos modestas correlaciones 8$:/ y $0:9 con la escala del
.16
autoritarismo 8?9$ Ba calibraci!n de respuestas ciertas 8por ejemplo# respuestas de /$39 no
)ueron correlacionadas con la calibraci!n de respuestas de incertidumbre 8] /$39$ Bas
medidas de incertidumbre verbal no )ueron correlacionadas con cualDuiera de las medidas de
calibraci!n num;ricas$ Bos autores concluyeron Due el pensar probabilstico ni es un simple
)actor ni estC )uertemente relacionado a di)erencias individuales de las medidas de la
personalidad$
Hriht et al$ 8/6279 han estudiado di)erencias culturales cruFadas en calibraci!n$ Ba
calibraci!n de su muestra britCnica )ue mostrada en la ?iura . 8identi)icada all como
Phillips R Hriht# /6229$ Sus otras muestras )ueron estudiantes de Hon Kon# Indonesia y
-alasia$ Bos rupos de &sia mostraron esencialmente curvas de calibraci!n uni)ormes$ Bos
autores especularon Due las )iloso)as asiCticas orientadas por el destino podran contar para
estas di)erencias$
)sfuerzos correctivos& ?ischo)) y Slovic 8/6739 trataron de prevenir el eGceso de con)ianFa en
la tarea de discriminar los dibujos de los niEos asiCticos de los europeos usando
eGplcitamente instrucciones desalentadoras<
'odos los dibujos )ueron tomados del Child &rt Collection del Dr$ "hoda Kello# un lder
proponente de la teora de Due los niEos de di)erentes pases y culturas hacen muy similares
dibujos$ $ $ $ "ecuerde# puede ser muy posible hacer esta clase de discriminaci!n$ 'rate de hacer lo
mejor Due usted pueda$ Pero si# en el eGtremo# usted se siente totalmente incierto sobre el orien de
todos estos dibujos# no vacile en responder con $1 para cada uno de ellos$ 8p$ 26.9$
Estas instrucciones bajaron la respuesta media por alrededor de $31# pero el eGceso de
con)ianFa sustancial )ue aAn encontrado$
Ba motivaci!n incrementarC el mejoramiento de la calibraci!nQ Sieber 8/62:9 compar! la
calibraci!n de dos rupos de estudiantes en un set de curso>relacionado de temas de cuatro
alternativas$ & un rupo se le dijo Due ellos estaban tomando su eGamen de medio perodo$ &l
otro rupo se le dijo Due la prueba no era el eGamen de medio perodo pero se usara para
prepararlos para el de medio perodo$ Bos dos rupos no di)irieron en el nAmero de
alternativas correctas escoidas# pero el rupo presumiblemente mCs motivado# cuya
ejecuci!n determinara su rado# mostr! la peor calibraci!n sini)icantemente 8mayor eGceso
de con)ianFa9$
Bos asesores de entrenamiento dCndoles reaprovechamiento de in)ormaci!n sobre su
calibraci!n han mostrado resultados meFclados$ Como se mencion!# &dams y &dams 8/6179
encontraron modesto mejoramiento en la calibraci!n despu;s de cinco sesiones de
entrenamiento y# en un estudio posterior 8/64/9# aluna eneraliFaci!n del entrenamiento$
Choo 8/6249# usando solo una sesi!n de entrenamiento con 21 temas de conocimiento
eneral de dos alternativas# encontr! poco mejoramiento y ninuna eneraliFaci!n$
Bichtenstein y ?ischo)) 8/673b9 entrenaron dos rupos de sujetos dando eGtensa#
personaliFada de reaprovechamiento de in)ormaci!n despu;s de cada una de ya sea . ! /3
sesiones compuestas de .33 temas de conocimiento eneral de . alternativas$ Ellos
encontraron apreciable mejoramiento en la calibraci!n# todas las cuales ocurrieron entre la
primera y la seunda sesi!n$ -odesta eneraliFaci!n ocurri! para tareas con di)erentes
niveles de di)icultad# contenido# y modo de respuesta 8cuatro mCs Due dos alternativas9# pero
no se encontr! mejoramiento con una tarea de evaluaci!n )ractile 8descrita en la siuiente
secci!n9 ! en la discriminaci!n de muestras de escrituras de europeos de americanos$
%tra aproGimaci!n para mejorar la calibraci!n es reestructurar la tarea en una manera Due
desaliente el eGceso de con)ianFa$ En un estudio por Korat# Bichtenstein y ?ischo)) 8/6739#
los sujetos primero respondieron a 03 temas de conocimiento eneral de dos alternativas de
la manera usual$ Bueo ellos recibieron /3 temas adicionales$ Para cada uno de los temas
.43
ellos escribieron todas las raFones ellos podran pensar de esas dos posibles respuestas ya sea
respaldada ! contradicha# y lueo realiFaron la escoencia usual y evaluaciones de
probabilidad$ Este procedimiento sini)icantemente mejor! su calibraci!n$ Un estudio
adicional ayud! a seEalar el inrediente e)ectivo de ;sta t;cnica$ Despu;s de responder como
es usual a un set inicial de 03 temas# a los sujetos se les dieron 03 temas mCs$ Para cada uno#
ellos escoieron primero una respuesta pre)erida# lueo escribieron 8a9 una raF!n de apoyo a
su respuesta escoida# 8b9 una raF!n contradiciendo su respuesta escoida# ! 8c9 dos raFones#
una apoyando y una contradiciendo$ Bueo ellos evaluaron la probabilidad de Due su
respuesta escoida )uera correcta$ Solo el rupo reDuerido a escribir raFones contradictorias
mostr! una mejorada calibraci!n$ Este resultado# as como los anClisis correlativos de los
datos del primer estudio# suieren Due un remedio parcial e)ectivo para el eGceso de
con)ianFa es buscar las raFones por las Due uno podra estar equivocado&
Pericia$ Bos estudiantes tomando un curso universitario# presumiblemente# eGpertos# al
menos temporalmente# en el t!pico del material del curso$ Sieber 8/62:9 report! una
eGcelente calibraci!n para estudiantes tomando una prCctica de eGamen de medio perodo
8por ejemplo# el rupo de estudiantes a Duienes se les dijo Due la prueba no era su eGamen de
medio perodo9$ &lrededor del 67W de sus respuestas /$3 y solo $1W de sus respuestas 3
)ueron correctas$ PitF 8/62:9 reDuiri! a sus estudiantes predecir su rado para su cursoL ellos
tambi;n )ueron bien calibrados$
Habran estado estos sujetos tan bien calibrados en temas de di)icultad eDuivalente Due no
)ueron de su Crea de eGpertajeQ Bichtenstein y ?ischo)) 8/6229 reDuirieron a los estudiantes
raduados en psicoloa responder a 13 temas de conocimiento eneral de dos alternativas y
13 temas cubriendo el conocimiento de la psicoloa 8por ejemplo# Nla prueba Ishihara es 8a9
una prueba perceptual# 8b9 una prueba de ansiedad socialO9$ Bos dos sub>tests )ueron de iual
di)icultad# y la calibraci!n )ue similar para las dos tareas$
Christensen>SFalans(i y Bushyhead 8/67/9 reportaron nueve evaluaciones de m;dicos de
la probabilidad de pneumona para /#10/ pacientes Duienes )ueron eGaminados debido a una
tos$ Su calibraci!n )ue abismalL la curva se elev! tan suavemente Due por el nivel mCs alto de
con)ianFa 8aproGimadamente $779# la proporci!n de pacientes actualmente padeciendo
pneumona )ue menor Due $.3$ "esultados similares han sido reportados para dian!sticos de
)ractura de crCneo y pneumona por Busted 8/6229 y para dian!sticos de )ractura de crCneo
por DeSmet# ?rybac( y 'hornbury 8/6269$ Bos resultados de estos estudios con m;dicos
estCn en marcado contraste con la eGcelente calibraci!n de las predicciones de precipitaci!n
de los pronosticadores del clima$ Primero# ellos han estado haciendo pron!sticos
probabilsticos por aEos$ Seundo# la tarea es repetitivaL la preunta a ser contestada
8BloverCQ9 es siempre la misma$ En contraste# un m;dico practicante estC hora por hora
considerando un amplio arrelo de posibilidades 8Es una )ractura de crCneoQ 'iene ella strepQ
*ecesita ella hospitaliFaci!n posteriorQ9 ?inalmente# el resultado del reaprovechamiento para
pronosticadores del clima estC bien de)inido y recibido prontamente$ Esto no es siempre
verdadero para los m;dicosL los pacientes )allan en retornar ! son re)eridos a otra parte ! los
dian!sticos permanecen inciertos$
Ba ente Due apuesta ! establece las disparidades para las carreras de caballos podran
tambi;n ser considerados eGpertas$ Bajo el m;todo de apuesta mutua 8! totaliFador9# las
disparidades )inales estCn determinadas por la cantidad de dinero apostado a cada caballo#
permitiendo una )orma de curva de calibraci!n de rupo a ser computada$ 'ales curvas
8?abricand# /641L Hoerl R ?allin# /62:9 muestran eGcelente calibraci!n# con solo una liera
tendencia por la ente a apostar mucho en las distancias laras$ Sin embaro# tales datos son
solo in)erencialmente relacionados a la evaluaci!n de probabilidad$ -Cs relevantes son los
resultados de calibraci!n reportados por Do+ie 8/6249# Duien estudi! la predicci!n de precios
.4/
impresa diariamente por un peri!dico de deportes en Inlaterra$ Estas predicciones# en la
)orma de disparidades# son hechas por una persona para todos los caballos en una carrera
dadaL alrededor de ocho personas hicieron las predicciones durante el aEo estudiado$ Ba
calibraci!n de las predicciones para .6#032 caballos mostr! una modesta poca con)ianFa para
probabilidades mayores de $: y eGcelente calibraci!n para probabilidades menores de $: 8la
cuales comprenden 67W de los datos9$
El desarrollo de la investiaci!n sobre la calibraci!n ha conducido al desarrollo de una
nueva )orma de pericia< eGpertos en calibraci!n# Duienes conocen sobre los errores comunes
Due la ente comete en la evaluaci!n de probabilidades$ Bichtenstein y ?ischo)) 8/673a9
compararon la calibraci!n de 7 de tales eGpertos con /. sujetos inenuos y /1 sujetos Duienes
haban sido entrenados previamente para estar bien calibrados$ Ba normativa de los eGpertos
no solo super! el eGceso de con)ianFa mostrado tpicamente por los sujetos inenuos sino Due
aparentemente los sobre>compens!# debido a Due ellos estuvieron bajos en con)ianFa$ Bos
eGpertos Bos eGpertos estuvieron tambi;n lieramente mCs sensitivos al tema de la di)icultad
Due los otros dos rupos$
)ventos >uturos& Hriht y Hishudha 8/6269 han especulado Due la calibraci!n para )uturos
eventos puede ser di)erente de esa para las preuntas de conocimiento eneral$ Si es cierto#
esto podra limitar la interpolaci!n de la investiaci!n con las preuntas de conocimiento
eneral para la predicci!n de eventos )uturos$ Desa)ortunadamente# los temas de
conocimiento eneral de Hriht y Hishudha )ueron mCs di)ciles Due sus eventos )uturos# los
cuales podran contar para la calibraci!n superior de los Altimos$
?ischo)) y Beyth 8/6219 reDuirieron a /13 estudiantes israeles evaluar la probabilidad de
/1 entonces eventos )uturos# los posibles resultados de los viajes muy publicitados del
Presidente *iGon a China y "usia 8por ejemplo# NEl Presidente *iGon se encontrarC con -ao
al menos una veFO9$ Ba curva de calibraci!n resultante estuvo muy cerca de la lnea de
identidad$ Sin embaro# ?ischo)) y Bichtenstein 8sin publicar9 han recientemente encontrado
Due la calibraci!n de eventos )uturos mostr! el mismo eGceso de con)ianFa como )ue
mostrado para los temas de conocimiento eneral de comparable di)icultad$ Phillips y Che+
8sin publicar9 obtuvieron curvas de calibraci!n para tres jueos de temas< conocimiento
eneral# eventos )uturos y eventos pasados 8por ejemplo# Nun jumbo jet se estrell! matando
mCs de /33 personas aluna veF en los pasados 03 dasO9$ 'odas las tres curvas mostraron
eGceso de con)ianFa$ Ba calibraci!n para eventos )uturos y eventos pasados eventos )ue
id;ntica y de aluna manera mejor Due para los temas de conocimiento eneral$ Bos niveles
de di)icultad de los tres jueos de temas podran no contar para estos resultados$
=ac( Do+ie y coleas estCn ahora colectando datos de calibraci!n en la Universidad
&bierta en -ilton Keynes# Inlaterra# de varios cientos de estudiantes en el curso de rieso#
usando preuntas relacionadas con el curso# preuntas de conocimiento eneral y preuntas
de eventos )uturos$ Bos estudiantes recibieron una introducci!n eneral al concepto de
calibraci!n y les )ueron dados reaprovechamientos de in)ormaci!n sobre su
desenvolvimiento y calibraci!n$ "esultados preliminares 8Do+ie# /6739 suieren Due ellos
tuvieron moderadamente eGceso de con)ianFa$ Ba calibraci!n )ue mejor en los temas de
conocimiento eneral y peor en los temas relacionados con el curso# pero la sini)icancia y
orenes de estas di)erencias esperan ser investiadas$
Proposiciones continuas: Cantidades inciertas
)l m-todo fractile
.4.
Ba consideraci!n del aprendiFaje en)oca la atenci!n en las variables del medio ambiente
y la estructura de la tarea$ Por consiuiente# variables tales como cantidad de
incertidumbre sobre el valor de una cantidad incierta continua 8por ejemplo# Pu; proporci!n
de estudiantes pre)ieren Scotch al bourbonQ Cual es la distancia mCs corta de Inlaterra a
&ustraliaQ9 puede ser eGpresada como una )unci!n de probabilidad de densidad a trav;s de
posibles valores de esa cantidad$$Sin embaro# los asesores no son usualmente reDueridos a
eGtraer la )unci!n entera$ En veF de eso# el procedimiento de obtenci!n mCs comAnmente
usado es aluna variaci!n del m;todo )ractile$ En este m;todo# el asesor establece valores de
la cantidad de incertidumbre Due estCn asociados con un peDueEo nAmero de determinados
)ractiles de la distribuci!n$ Para la media ! )ractile$13# por ejemplo# el asesor establece un
valor de la cantidad tal Due el valor verdadero es iualmente probable de caer encima !
debajo del valor establecidoL el )ractile $3/ es un valor tal Due eGiste solo / chance en /33 Due
el valor verdadero sea mCs peDueEo Due el valor establecido$ Usualmente tres ! cinco
)ractiles# incluyendo la media# son evaluados$ En una variante llamada el m;todo tertile Q# el
asesor establece dos valores 8los )ractiles $00 y $429 tales Due el rano entero estC dividido
dentro de tres secciones iualmente probables$
Dos medidas de calibraci!n son comAnmente reportadas$ El ndice intercuartil D es el
porcentaje de temas para los cuales el valor verdadero cae dentro del rano intercuartil 8por
ejemplo# entre los )ractiles $.1 y $219$ Ba persona per)ectamente calibrada tendrC# a laro
plaFo# un ndice intercuatil de 13$ El ndice de sorpresa es el porcentaje de valores
verdaderos Due caen )uera de los mCs eGtremos )ractiles evaluados$ Cuando los )ractiles mCs
eGtremos evaluados son $3/ y $66# la persona per)ectamente calibrada tendrC un ndice de
sorpresa de .$ Un ndice de sorpresa rande muestra Due los lmites de con)ianFa del asesor
han sido demasiado estrechos para abarcar su)iciente de los valores verdaderos y por lo tanto
indica eGceso de con)ianFa 8! hiperprecisi!nL PitF# /62:9$ Ba poca con)ianFa estara indicada
por un ndice intercuartil mayor de 13 y un ndice de sorpresa bajoL tales datos no han sido
reportados en la literatura$
El mpetu por investiar las )unciones de densidad de probabilidad de la calibraci!n
vinieron de un trabajo de /646 por &lpert y "ai))a 8/646# +'9$ &lpert y Hai))a trabajaron con
estudiantes de la Escuela de *eocios de Harvard# todos )amiliariFados con el anClisis de
decisi!n$ En el rupo /# todos los sujetos evaluaron cinco )ractiles# tres de los cuales )ueron $
.1# $13 y $21$ Bos )ractiles eGtremos )ueron# sin embaro# di)erentes para cuatro sub>rupos< $
3/ y $66 8Irupo &9L $33/ y $666 8Irupo B9L Nel mnimo valor posibled , Nel mCGimo valor
posibleO 8Irupo C9L y Nsorprendentemente bajoO y Nsorprendentemente altoO 8Irupo D9$ El
intercuartil y los ndices de sorpresa para estos cuatro sub>rupos son mostrados en la 'abla
/$ Desanimados por el enorme nAmero de sorpresas# &lpert y "ai))a entonces corrieron tres
rupos adicionales 8.# 0 y :9 Duienes# despu;s de evaluar /3 cantidades inciertas # recibieron
reaprovechamiento de in)ormaci!n en la )orma de un reporte eGtendido y eGplicaci!n de los
resultados# junto con peroraciones para NEGtender &Duellos ?ractiles EGtremosdO$ Bos sujetos
respondieron lueo a /3 nuevas cantidades inciertas$ Bos resultados antes y despu;s del
reaprovechamiento son mostrados en la 'abla /$ Bos sujetos mejoraron# pero aAn mostraron
considerable eGceso de con)ianFa$
Hession y -cCarty 8/62:9 recolectaron datos comparables al primer eGperimento de
&lpert y "ai))a# usando 11 cantidades inciertas y 04 estudiantes raduados como sujetos$ Sus
instrucciones urieron a los sujetos a estar seuros Due el intervalo entre el )ractile $.1 y el
)ractile $21 ciertamente capturaron la mitad de la probabilidad$ NPosterior discusi!n con
sujetos individuales dej! claro Due este cheDueo de consistencia result! en la mayora de los
casos en un reajuste# reduciendo el rano intercuartil oriinalmente evaluadoO 8p$ 29 S por lo
tanto haciendo las cosas peord Este ;n)asis en la instrucci!n# no usado por &lpert y "ai))a#
.40
puede eGplicar por Du; los sujetos de Hession y -cCarty )ueron tan malamente calibrados#
como se muestra en la 'abla /$
Hession y -cCarty tambi;n dieron a sus sujetos un nAmero de di)erencia de medidas<
'abla /$ "esumen de calibraci!n para temas continuos< Porcentaje de valores verdaderos cayendo
dentro del rano intercuartil y )uera de )ractiles eGtremos$
ndice
Intercuartil ndice de sorpresaooooooo
* observado
a
%bservado Ideal
6lpert L !aiffa /34K40
Irupo />& 8$3/# $669 773 :4 .
Irupo />B 8$33/# $6669 133 00 :3 $.
Irupo />C 8Nmn$O R NmCG$O9 233 :2 Q
Irupo />D 8Nsorprendentemente
&ltoTbajoO9 233 07 Q
Irupos .# 0 R :
&ntes del entrenamiento .#.23 0: 0: .
Despu;s del entrenamiento .#.23 :: /6 .
Cession L (cCarty /34MJ0
Cinco )ractiles :33 14 /3 .
Siete )ractiles 1.3 13 2 .
(os;o9itz L Nullers /34M50
Proporciones
'res )ractiles /.3 >> .2 .
Cinco )ractiles /:1 0. :. .
Do+>=ones
'res )ractiles ./3 >> 07 .
Cinco )ractiles ./3 .3 4: .
Pic;*ardt L Oallace /34MJ0
Irupo /#
Primera ronda Q 06 0. .
Puinta ronda Q :6 .3 .
Irupo .#
Primera ronda Q 03 :4 .
SeGta ronda Q :1 .: .
"& 6& Nro9n /34MP0 :/: .6 :. .
Lic*tenstein L >isc*off /345Ib0
&ntes de la prueba 6.: 0. :/ .
Despu;s de la prueba 6.: 02 :3 .
Seaver$ von Ointerfeldt$ L )d9ards
8/6279
?ractiles /43 :. 0: .
%dds )ractiles /43 10 .: .
Probabilidades /73 12 1 .
%dds /73 :2 1 .
Bo odds /:3 0/ .3 .
.4:
Sc*aefer L Norc*erding /34MP0
?ractiles# primer da 064 .0 06 .
?ractiles# cuarto da 064 07 /. .
Primer da# muestra hipot;tica 064 /4 13 .
'abla /$ 8Continuaci!n9
ndice
Intercuartil ndice de sorpresaooooooo
* observado
a
%bservado Ideal
Cuarto da# muestra hipot;tica 064 :7 4 .
Larson L !eenan /34M40
NCerteFa raFonablementeO :13 oo :. Q
Pratt /34MG0
NSorprendentemente altoTbajoO /21 02 1 Q
(urp*y L Oin;ler /34MJ0
Bos eGtremos )ueron $/.1 R $721 /0. :1 .2 .1
(urp*y L Oin;ler /34MMb0
Bos eGtremos )ueron $/.1 R $721 :0. 1: ./ .1
StaQl von Colstein //34M3a0 /#.46 .2 03 .
*ota< * [ nAmero total de distribuciones evaluadas$
a
El porcentaje ideal de eventos cayendo dentro del rano intercuartil es 13# para todos los eGperimentos
eGcepto Bro+n 8/6209$ El obtuvo los )ractiles $03 y $23# de tal manera Due el ideal sea :3W$
autoritarismo# domatismo# riideF# la cateora de Pettire+ de escala ancha e inteliencia$
Bas correlaciones de los punteos de las pruebas de los sujetos con su intercuartil e ndices de
sorpresa )ueron la mayora muy bajos# aunDue la escala autoritaria correlacionada >$0/ con el
punteo intercuartil y l$:2 con el punteo de sorpresa 8* [ .79$ Esto es consistente con Hriht
y Phillips 8/6249 encontrando Due el autoritarismo )ue modestamente relacionado a la
calibraci!n$
Selvide 8/6219 eGtendi! el trabajo de &lpert y "ai))a# reDuiriendo de los sujetos primero
cuatro preuntas sobre s mismos 8por ejemplo# NUsted pre)iere Scotch ! bourbonQO9$ Sus
respuestas determinaron la verdadera respuesta para estas proporciones de grupoAgenerado
8por ejemplo# Du; proporci!n de los sujetos respondiendo el cuestionario pre)irieron el
Scotch al bourbonQ9$ Un rupo dio cinco )ractiles $3/# $.1# $13# $21 y $66$ %tro rupo dio
aDuellos cinco mCs otros dos< $/# y $6$ Como se muestra en la 'abla /# el rupo de siete
)ractiles lo hiFo un poco mejor$ Bos resultados de los cinco )ractiles no son tan di)erentes de
los resultados de &lpert y "ai))a como ellos aparentan$ 'res cantidades inciertas de &lpert y
"ai))a )ueron proporciones de rupo>enerado similares a los puntos de Selvide$ Sobre estos
tres temas# &lpert y "ai))a encontraron 12W en el rano intercuartil y .3W de sorpresas$
?inalmente# para uno de los temas# la mitad de los sujetos en el rupo de cinco>)ractiles
)ueron reDueridos a dar $.1# $13 y $21 primero# y lueo dar $3/ y $66# mientras la otra mitad
)ue instruida a evaluar primero los eGtremos$ Selvide encontr! muy pocas sorpresas para el
orden anterior 87W9 Due para el Altimo 8/4W9$
-os(o+itF y Bullers 8/6279 tambi;n usaron proporciones de rupo>enerado pero
encontraron mucho mCs sorpresas Due Selvide$ Un rupo dio los mismos cinco )ractiles Due
Selvide us! 8en el orden $13# $.1# $21# $3/# $669$ %tro rupo )ue reDuerido para solo tres
evaluaciones 8el modo de la distribuci!n y los $3/ y $66 )ractiles9$ &ntes de hacer sus
.41
evaluaciones# el rupo tres>)ractile recibi! una presentaci!n y discusi!n de alunos eventos
de re)erencia tpica 8por ejemplo# NConsiderar una lotera en la cual /33 entes estCn
participando$ Su posibilidad de sostener el tic(et anador es / en /33O9 desinado para dar a
los asesores un mejor entendimiento del sini)icado de una probabilidad de $3/$ Como se
muestra en la 'abla /# el rupo tres>)ractile tuvo mCs pocas sorpresas Due el rupo cinco>
)ractile$ En otro eGperimento usando los mismos dos m;todos# -os(o+itF y Bullers
reDuirieron :: estudiantes no>raduados en comercio para evaluar el valor promedio del
ndice industrial Do+>=ones para /622# /62:# /641# /643 y /613$ Cada sujeto dio
evaluaciones antes y despu;s de comprometerse en discusiones de tres>personas$ Puesto Due
di)erencias no sistemCticas debido a las discusiones )ueron encontradas# los datos han sido
combinados en la 'abla /$ De nuevo# el rupo tres>)ractile 8Due haba recibido la
presentaci!n sobre el sini)icado de $3/9 tuvo mCs pocas sorpresas Due el rupo cinco>
)ractile$ El desenvolvimiento del rupo cinco>)ractile )ue eGtremadamente malo$
Pic(hardt y Hallace 8/62:9 hicieron una r;plica del trabajo de &lpert , "ai))a con
variaciones$ & trav;s de varios rupos ellos reportaron 07W a :7W sorpresas antes del
reaprovechamiento de la in)ormaci!n y no menos de 03W sorpresas despu;s del
reaprovechamiento$ Dos variaciones# usando ! no usando cr;dito de rado del curso como un
premio por buena calibraci!n y usando ! no usando el reaprovechamiento de la rela de
puntuaci!n# no hicieron di)erencia en el nAmero de sorpresas$ Pic(hardt y Hallace tambi;n
estudiaron los e)ectos del entrenamiento eGtendido< Dos rupos de /7 y 03 sujetos 8nAmero
de cantidades inciertas no reportadas9 respondieron por cinco ! seis sesiones con
reaprovechamiento de calibraci!n despu;s de cada sesi!n$ -odesto mejoramiento )ue
encontrado# como se muestra en la 'abla /$
?inalmente# Pic(hardt y Hallace 8/62:9 estudiaron los e)ectos de incrementar el
conocimiento sobre calibraci!n en el conteGto de una producci!n del jueo de simulaci!n
llamado P"%SI-$ 'reinta y dos estudiantes raduados hicieron cada uno 1/ evaluaciones
durante una simulada proramaci!n de producci!n de /2 NdasO$ Cada evaluaci!n
concerniente a un evento Due ocurrira /# .# ! 0 NdasO de aDu en adelante$ -ientras mCs
cercano el tiempo de evaluaci!n al tiempo del evento# mCs saba el sujeto sobre el evento$ El
eGceso de con)ianFa decreci! con esta in)ormaci!n incrementada< Hubo 0.W de sorpresas
con espacios de 0 das# .:W con espacios de . das y 2W con espacios de / da$ *o )ue
observado mejoramiento sobre los /2 NdasO de la simulaci!n$
'$ &$ Bro+n 8/6209 reDuiri! a 0/ sujetos a evaluar siete )ractiles 8$3/# $/3# $03# $13# $23# $
63# $669 para /: cantidades inciertas$ Bos resultados# mostrados en la 'abla /# son
particularmente desalentadores# porDue cada preunta )ue acompaEada por datos hist!ricos
eGtensos 8por ejemplo# para ND!nde estarC el vndice de Precios al Consumidor en Diciembre#
/623QO a los sujetos les )ue dado el ndice de precios al consumidor para cada trimestre entre
marFo de /64. y junio de /6239$ Para // de las preuntas# se les haba dado a los sujetos el
mnimo hist!rico como su $3/ )ractile y el mCGimo hist!rico como su $66 )ractile# ellos no
habran tenido sorpresas del todo$ Bas otras tres cantidades mostraron historias de
estrictamente incremento ! estrictamente decremento# y el valor verdadero estuvo cerca a
cualDuier simple aproGimaci!n a la tendencia hist!rica$ Bos sujetos deben haber estado
apoyCndose randemente en su propio conocimiento err!neo para haber dado distribuciones
tan ajustadas para producir :.W de sorpresas$
Etros m-todos
Seaver# von Hinter)eldt y Ed+ards 8/6279 estudiaron los e)ectos de cinco di)erentes modos
de respuesta sobre la calibraci!n$ Dos rupos usaron el m;todo )ractile# ya sean cinco
)ractiles 8$3/# $.1# $13# $21# $669 ! las probabilidades eDuivalentes a aDuellos )ractiles 8/<66#
.44
/<0# /</# 0</# 66</9$ %tros tres rupos respondieron con probabilidades# desiualdades# !
desiualdades sobre una escala lo>odds a una>alternativa de preuntas Due especi)icaron un
valor particular de la cantidad incierta 8por ejemplo# NCuCl es la probabilidad Due la
poblaci!n de Canada en /620 eGcedi! los .1 millonesQ9$ Cinco de tales valores )ijados )ueron
dados para cada cantidad incierta y de las respuestas los eGperimentadores determinaron el
intercuartile y los ndices de sorpresa$ Para cada m;todo# de siete a nueve estudiantes
respondieron a .3 cantidades inciertas$ Como se muestra en la 'abla /# los rupos dando
respuestas probabilsticas y desiualdades tuvieron distintamente mejores ndices de sorpresa
Due aDuellos usando el m;todo )ractile$ *o estC claro si esta superioridad es debida a la
in)ormaci!n comunicada por los valores escoidos por el eGperimentador$ El modo de
respuesta lo>odds no trabaj! bien$
Schae)er y Borcherdin 8/6209 reDuirieron a .. estudiantes a evaluar a /7 proporciones
de rupo>enerado en cada una de las cuatro sesiones$ Cada sujeto utiliF! dos evaluaciones
t;cnicas< 8a9 el m;todo )ractile 8$3/# $/.1# $.1# $13# $21# $721# $669# y 8b9 el m;todo de la
muestra hipot;tica$ En el Altimo m;todo# el asesor establece el tamaEo# n# y el nAmero de
;Gitos# r# de una muestra hipot;tica Due mejor re)leje el conocimiento del asesor sobre la
cantidad incierta 8por ejemplo# yo siento como cierto sobre el valor verdadero de la
proporci!n como yo sentira si )uera yo a observar una muestra de n casos con r ;Gitos9$
Jalores mayores de n re)lejan mayor certeFa sobre el valor verdadero de la proporci!n$ Ba
relaci!n rRn re)leja el sini)icado de la )unci!n de densidad de probabilidad$ Bos sujetos
tuvieron ran di)icultad con este m;todo# a pesar de la instrucciones Due incluyeron ejemplos
de las distribuciones beta subrayando este m;todo$ Despu;s de cada sesi!n # a los sujetos se
les dio eGtenso reaprovechamiento# con ;n)asis en su propia calibraci!n y la del rupo$ Bos
resultados de la primera y Altima sesi!n son mostrados en la 'abla /$ -ejoramiento )ue
encontrado para ambos m;todos$ Bos resultados del m;todo de la muestra hipot;tica
empeFaron peor 813W9 sorpresas y solo /4W en el rano intercuartile9 pero )inaliFaron mejor
84W sorpresas y :7W en el rano intercuasrtile9 Due el m;todo )ractile$
Barclay y Peterson 8/6209 compararon el m;todo tertil 8por ejemplo# los )ractiles $00 y $
429 con un m;todo del NpuntoO en el cual el asesor es reDuerido a dar el valor modal de la
cantidad incierta# y lueo dos valores# uno arriba y uno abajo del modo# cada uno de los
cuales son la mitad como probables de ocurrir como es el valor modal 8por ejemplo# puntos
para los cuales la )unci!n de densidad de probabilidad es la mitad tan alta como en el modo9$
Usando /3 preuntas de almanaDue como cantidades inciertas y 23 estudiantes de la escuela
de Inteliencia de la De)ensa en un diseEo dentro>sujetos# ellos encontraron para el m;todo
tertile Due .6W 8mejor Due 00W9 de las respuestas verdaderas cayeron en el intervalo central$
Para el m;todo del punto# solo 06W cayeron entre los dos puntos medio>probables# mientras
Due# para la mayora de distribuciones# aproGimadamente el 21W de la densidad cae entre
estos puntos$
PitF 8/62:9 report! varios resultados usando el m;todo tertile$ Para /6 sujetos estimando
las poblaciones de .0 pases# ;l encontr! solo /4W de los valores verdaderos cayendo dentro
del tercio central de las distribuciones$ En otro eGperimento ;l vari! los temas de acuerdo a la
pro)undidad y riDueFa del conocimiento Due el presumi! sus sujetos lo tienen$ Con
poblaciones de pases 8bajo conocimiento9 el encontr! .0W de los calores verdaderos en el
tercio centralL con alturas de edi)icios bien conocidos 8mediano conocimiento9# .2WL y con
edades de ente )amosa 8alto conocimiento9# :2W# el Altimo estando bien arriba del esperado
00W$ En otro estudio# ;l reDuiri! a 4 sujetos evaluar tertiles y unos pocos das despu;s a
escoer entre apuestas basadas en sus propios valores de tertile$ {l encontr! una )uerte
pre)erencia por apuestas involucrando a la rei!n central# justo el reverso de lo Due sus
demasiado ridos intervalos los conduciran$
.42
Bos sujetos de Barson y "eenan 8/6269 primero dieron su mejor adivinaci!n a la
respuesta verdadera 8por ejemplo# el modo9 y lueo dos valores mCs Due de)inieron un
intervalo dentro del cual ellos estuvieron NraFonablemente ciertosO la respuesta correcta cae$
Cuarenta y dos por ciento de los valores verdaderos caen dentro de esta rei!n$ *ote cuan
similar este ndice de sorpresa es a los ndices de los sujetos de &lpert y "ai))a dadas las
)rases verbales NmnimoTmCGimoO 8:2W9 y Nsorprendentemente altoTbajoO 807W9$
"areas reales con epertos
Pratt 8/6219 reDuiri! un simple eGperto para predecir la asistencia al cine para /21 cines !
dobles caractersticas mostradas en dos teatros locales sobre un perodo de mCs de un aEo$ El
eGperto evalu! valores de la media# cuartiles y Nsorprendentemente altosO y
sorprendentemente bajos$ Como se muestra en la 'abla /# el rano intercuatile tendi! a ser
demasiado peDueEo$ &An cuando el eGperto recibi! el resultado del reaprovechamiento a
trav;s del eGperimento# la Anica evidencia de mejoramiento en la calibraci!n sobre el tiempo
vino en los primeros pocos das$
'res eGperimentos usaron por sujetos# pronosticadores del clima$ En dos eGperimentos#
-urphy y Hin(ler 8/62:# /622b9 reDuirieron pronosticadores del clima para dar cinco
)ractiles 8$/.1# $.1# $13# $21# $7219 para la temperatura alta de maEana$ Bos resultados#
mostrados en la 'abla /# indican eGcelente calibraci!n$ Estos sujetos tuvieron muy pocas
sorpresas en el eGtremo .1W de la distribuci!n Due lo hiFo la mayora de los sujetos de &lpert
y "ai))a en el eGtremo .Wd -urphy y Hin(ler encontraron Due los cinco sujetos en los dos
eGperimentos Duienes usaron el m;todo )ractile estuvieron mejor calibrados Due otros cuatro
sujetos Duienes usaron un m;todo de ancho>)ijado$ Para el m;todo de ancho>)ijado# los
pronosticadores primero evaluaron la temperatura media 8por ejemplo# la alta temperatura
para la cual ellos creyeron eGisti! un $1 de probabilidad Due sera eGcedido9$ Bueo ellos
establecieron la probabilidad Due la temperatura caera con intervalos de 1| ? y de 6| ?
centradas en la mediana$ Estos pronosticadores tuvieron eGceso de con)ianFaL la probabilidad
asociada con la temperatura cayendo dentro del intervalo tendi! a ser demasiado rande$ Ba
superioridad del m;todo sobre el m;todo de ancho>)ijado se mantiene en contraste con el
encuentro de Seaver# von Hinter)eldt y Ed+ards Due los m;todos de valor>)ijado eran
superiores# talveF porDue los intervalos )ijados usados por -urphy y Hin(ler 81| ? y 6| ?9 no
eran in)ormativos$
Sta\l von Holstein 8/62/a9 us! tres tareas de valor>)ijado< 8a9 promedio de la temperatura
maEana y el siuiente da 8dividiendo el rano de respuesta entera dentro de ocho cateoras9#
8b9 promedio de la temperatura : y 1 das a partir de ahora 8ocho cateoras9# y 8c9 cantidad
total de lluvia en los siuientes 1 das 8cuatro cateoras9$ Para cada set de respuestas 8cuatro
A ocho probabilidades resumi;ndolas a /$39 ;l estim! subrayando la )unci!n de densidad
acumulativa$ El lueo combin! las /#.46 )unciones dadas por los .7 participantes$ & partir de
la )unci!n del rupo de densidad acumulativa mostrada en este artculo# hemos estimado la
sorpresa y los ndices intercuartile 8vea la 'abla /9$ En contraste a otros pronosticadores de
clima# estos sujetos )ueron muy pobremente calibrados# talveF debido a Due las tareas les
)ueron menos )amiliares$
!esumen de calibracin con cantidades inciertas
Ba sorprendente evidencia de la investiaci!n usando )ractiles para evaluar cantidades
inciertas es Due las distribuciones de probabilidad de la ente tiende a ser demasiado rida$
Ba evaluaci!n de )ractiles eGtremos estC particularmente propensa al prejuicio$ El
entrenamiento mejora la calibraci!n de alAn modo$ Bos eGpertos alunas veces se
.47
desenvuelven bien 8-urphy R Hin(ler# /62:# /622b9# alunas veces no 8Pratt# /621L Sta;l
von Holstein# /62/a9$ EGiste aluna evidencia de Due la di)icultad estC relacionada a la
calibraci!n por proposiciones continuas$ PitF 8/62:9 y Barson y "eenan 8/6269 encontraron
tal e)ecto# y el descubrimiento de Pic(hardt y Hallace 8/62:9 de Due intervalos de / da
conducen a menores sorpresas Due intervalos de 0 das en su jueo de simulaci!n es relevante
aDu$ Jarios estudios 8por ejemplo# Barclay R Peterson# /620L -urphy R Hin(ler# /62: han
reportado una correlaci!n entre la propaaci!n de la distribuci!n evaluada y la di)erencia
absoluta entre la media evaluada y la respuesta verdadera# indicando Due los sujetos tienen
una sensitividad parcial a cuCnto ellos hacen ! no conocen$ Este descubrimiento se compara a
la correlaci!n entre el porcentaje correcto y la respuesta media con proposiciones discretas$
Discusin
Por qu- ser bien calibradoD
Por Du; debera un asesor de probabilidad preocuparse sobre ser bien calibradoQ Jon
Hinter)eldt y Ed+ards 8/6209 han mostrado Due en la mayora del mundo real los problemas
de decisi!n con opciones de decisi!n continua 8por ejemplo# invertir M d!lares9 claramente
randes errores de evaluaci!n hacen relativamente poca di)erencia en la anancia esperada$
Sin embaro# varias consideraciones aruyen contra esta visi!n tranDuiliFadora$ Primero# en
una situaci!n de dos>alternativas# la )unci!n de rentabilidad puede estar muy pendiente en la
rei!n crucial$ Supona Due su doctor debe decidir la probabilidad Due usted tiene la
condici!n &# y debe recibir el tratamiento &# versus tener la condici!n B y recibir el
tratamiento B$ Supona Due las utilidades son tales Due el tratamiento & es mejor si la
probabilidad de Due usted tena la condici!n & es mayor Due ! iual a $:L de otra manera el
tratamiento B es mejor$ Si el doctor evalAa la probabilidad de Due usted tena & como p8&9 [
$:1 pero estC pobremente calibrado# de tal modo Due la probabilidad apropiada es $.1#
entonces el doctor usara el tratamiento & en luar del tratamiento B y usted perdera casi una
parte de la utilidad esperada$ Bas )unciones de utilidad de este tipo son mostradas por
?rybac( 8/62:9$
&demCs# cuando las rentabilidades son muy randes# cuando los errores son muy randes
! cuando tales errores se combinan# la p;rdida esperada sure rande$ Por ejemplo# en el
Estudio del "eactor de Seuridad 8U$S$ *uclear "eulatory Comission# /6219 Na cada nivel
del anClisis una distribuci!n lo>normal de porcentaje de )alla de datos )ue asumida con
lmites de)inidos de percentile de 1 y 61O 8Heather+aG# /621# p$ 0/9$ Ba investiaci!n
revisada aDu suiere la construcci!n de distribuciones partiendo de evaluaciones de los
)ractiles $31 y $61 puede ser enormemente prejuiciada$ Si tales evaluaciones son hechas a
varios niveles de un anClisis# con cada una de la evaluaciones de distribuci!n siendo
demasiado estrechas# los errores no se cancelarCn uno a otro pero se combinarCn$ , debido a
Due los costos de una )alla de potencia de una planta nuclear son randes# la p;rdida esperada
de tales errores podra ser enorme$
Si una buena calibraci!n es importante# c!mo puede ella ser adDuiridaQ CoG 8/6179
recomend! Due las evaluaciones de la ente eGternamente calibradas por ajustar un modelo a
un set de evaluaciones para temas con respuestas conocidas$ De aDu en adelante# el modelo
es usado para correir ! ajustar respuestas dadas por el asesor$ Bas di)icultades t;cnicas
con)rontando la re>calibraci!n eGterna son sustanciales$ Cuando se obtienen las evaluaciones
a ser modeladas# uno tendra Due ser cuidadoso en no dar a los asesores ninAn
reaprovechamiento adicional de la in)ormaci!n Due ellos normalmente reciben# por miedo de
su cambio de su calibraci!n como ella estC siendo medida$ Como Savae 8/62/9 seEal!#
NUsted podra descubrir con eGperiencia Due su eGperto es optimista ! pesimista en alunos
.46
aspectos y por consiuiente suaviFar sus juicios$ Sospechara ;l de usted de esto# sin
embaro# usted y ;l pueden estar en la escalera el;ctrica hacia la perdici!nO 8p$ 2649$
&demCs# desde Due la investiaci!n ha mostrado Due el tipo de calibraci!n err!nea observada
depende del nivel de di)icultad de las tareas# uno tambi;n tendra Due creer Due el )uturo
eDuipararC la di)icultad de los eventos usados para la re>calibraci!n$
Bas objeciones te!ricas a la calibraci!n eGterna pueden ser aAn mCs serias Due las
objeciones prCcticas$ Bos nAmeros producidos por un proceso de re>calibraci!n no seuirCn#
en eneral# los aGiomas de la teora de la probabilidad 8por ejemplo# los nAmeros asociados
con eventos comAnmente eGclusivos y eGhaustivos no siempre sumarCn uno# ni serCn
eneralmente verdaderos Due P8&9 P8B9 [ P8&#B9 para eventos independientes9# de aDu Due
estos nuevos eventos no pueden ser llamados probabilidades$
Una aproGimaci!n mCs )ruct)era sera entrenar asesores Due lleuen a estar bien
calibrados$ Bajo Du; condiciones podra uno esperar Due los asesores podran adDuirir esta
metaQ Uno no podra esperar Due los asesores est;n bien calibrados cuando las recompensas
eGplcitas ! implcitas por sus evaluaciones no los motivan a ser honestos es sus
evaluaciones$ Como un ejemplo eGtremo# un asesor Dui;n es amenaFado con decapitaci!n
ocurrira cualDuier evento cuyas probabilidades )ueran evaluadas en ] $.1 tendran buena
raF!n de no estar bien calibrados con evaluaciones de $.3$ &unDue este ejemplo parece
absurdo# mCs presiones sutiles tales como Nevitar estar hecho para mirar lo tontoO !
Nimpresionar a su je)eO podra tambi;n proveer )uertes incentivos para una mala calibraci!n$
CualesDuiera recompensas para ya sea ilusoria ! neativa podra tambi;n prejuiciar las
evaluaciones$
"ecibir la recuperaci!n del resultado despu;s de todas las evaluaciones es la mejor
condici!n para un entrenamiento eGitoso$ Da+id 8en impresi!n9 ha mostrado Due bajo tales
condiciones los asesores Duienes son subjetivistas honestos y coherentes esperarCn estar bien
calibrados sin importar la independencia entre los temas Due estCn siendo evaluados$ En
contraste# Kadane 8/6739 ha mostrado Due en la ausencia de intento por intento de la
recuperaci!n del resultado# subjetivistas honestos# coherentes esperarCn estar bien calibrados
si y solo si todos los temas Due estCn siendo evaluados son independientes$ Este teorema puso
)uertes restricciones a situaciones bajo las cuales sera raFonable esperar de los asesores
aprender a estar bien calibrados$ &An si el proceso de entrenamiento )uera conducido usando
solo eventos Due los asesores creyeron eran independientes# all puede estar una buena raF!n
para dudar de la independencia de las tareas de la vida real a las cuales los asesores aplicaran
su entrenamiento$ Importantes eventos )uturos pueden ser independientes ya sea porDue ellos
estCn in)luenciados por un causa comAn )undamental ! porDue el asesor evalAa todas ellas
inspirCndose en un comAn almac;n de conocimiento$ En tales circunstancias# uno no deseara
! esperara estar bien calibrado$
Ba posibilidad de Due los prejuicios de la ente varen como una )unci!n de la di)icultad
de las tareas plantea un posterior obstCculo al entrenamiento de calibraci!n en la ausencia de
una inmediata recuperaci!n del resultado$ El nivel de di)icultad de tareas )uturas puede ser
imposible de predecir# por lo tanto interpretando el entrenamiento ine)ectivo$
Calibracin como psicolog#a cognitiva
EGperimentos de calibraci!n pueden ser usados para aprender c!mo la ente piensa$ &An si la
sini)icaci!n prCctica de cada estudio estC limitada# puede proveer mayor entendimiento de
c!mo la ente desarrolla y eGpresa sentimientos de incertidumbre y certeFa$ Sin embaro# un
impresionante aspecto de mucha de la literatura revisada aDu es su Nterreno>vaco
empirismoO$ Ba teora psicol!ica estC a menudo ausente# ya sea como motivaci!n ! como
eGplicaci!n de los resultados$
.23
*o todos los autores han evitado teoriFar 8Slovic 8/62.9 y 'vers(y y Kahneman 8/62:#
'9 aruyeron Due# como un resultado de las habilidades de procesar in)ormaci!n# la ente
adopta simpli)icar relas ! heursticas$ &unDue eneralmente muy Atiles# estas heursticas
pueden conducir a severos y sistemCticos errores$ Por ejemplo# la tendencia de la ente a dar
impropiamente correctas distribuciones al evaluar cantidades inciertas podra re)lejar la
heurstica llamada Nanclaje y ajusteO$ Cuando uno es preuntado sobre una cantidad incierta #
uno naturalmente piensa primero en estimar un punto tal como la mediana$ Este valor
entonces sirve como un ancla$ Para dar el .1| ! el 21| percentile# uno ajusta hacia abajo !
hacia arriba del ancla$ Pero el ancla tiene tal in)luencia dominante Due el ajuste es
insu)icienteL de aDu Due los )ractiles juntos# conduciendo a un eGceso de con)ianFa$
PitF 8/62:9# tambi;n# acept! Due la capacidad de procesamiento de in)ormaci!n de la
ente y la capacidad y la capacidad de trabajo de la memoria son limitados$ El suiri! Due la
ente aborde los problemas complejos serialmente# trabajando a trav;s de una poci!n a un
tiempo$ Para reducir la tensi!n conitiva# la ente inora la incertidumbre en sus soluciones
para las pociones tempranas del problema en orden de reducir la complejidad del cClculo en
porciones posteriores$ Esto podra conducir a distribuciones demasiado ajustadas y un eGceso
de con)ianFa$ PitF tambi;n suiri! Due un modo en Due la ente estima su propia
incertidumbre es observando a cuCntos muchos modos di)erentes ellos pueden llear en una
respuesta# Due es# cuCntos modos di)erentes de soluciones seriales ellos pueden construir$ Si
muchos son encontrados# la ente reconocerC su propia incertidumbreL si pocas son
encontradas# ellos no la reconocerCn$ -ientras mCs rica es la base del conocimiento desde la
cual construir estructuras alternativas# menor es la tendencia hacia el eGceso de con)ianFa$
Phillips y Hriht 8/6229 presentaron un modelo serial de tres etapas$ Su modelo distinue
a la ente Due tiende naturalmente a pensar sobre la incertidumbre en un modo probabilstico
de aDuellas Due responden en un estilo mCs nero y blanco$ Su trabajo en di)erencias
culturales e individuales 8Hriht R Phillips# /624# Hriht et al$# /6279 ha intentado# con
;Gito parcial# identi)icar distintos estilos conitivos en procesar este tipo de in)ormaci!n$
Koriat et al$ 8/6739 tambi;n tom! una aproGimaci!n al procesar in)ormaci!n$ Ellos
discutieron tres etapas para evaluaci!n de probabilidades$ Primero uno busca en la memoria
de uno por una evidencia relevante$ & continuaci!n uno evalAa esa evidencia para llear a un
sentimiento de certeFa ! duda$ ?inalmente# uno traduce el sentimiento de certeFa dentro de un
nAmero$ Bas manipulaciones usadas por Koriat et al$ )ueron desinadas para alterar las
primeras dos etapas# )orFando a la ente a buscar y a atender la evidencia contradictoria# por
tanto decrementando su con)ianFa$
El modelo de ?errell y -cIoey# por otro lado# trata enteramente con la tercera etapa#
traducci!n de sentimientos dentro de respuestas num;ricas$ &sumiendo Due# sin
recuperaci!n# las entes son incapaces de alterar sus estrateias de traducci!n como ya sea la
di)icultad de los temas ! la proporci!n base de los cambios de eventos# el modelo provee
)uertes predicciones Due han recibido soporte de los datos de calibraci!n$
Evaluaciones de estructuras y procesos de la teora de la probabilidad estCn empeFando a
emerer# esperamos Due el posterior desarrollo de tales teoras servirCn para interar este
mCs bien especialiFado campo dentro del mCs amplio campo de la psicoloa conitiva$

.2/
+1( Para a-uellos condenados a estudiar el pasado:
)eur*sticas y prejuicios en retrospectiva
Caruc; 4isc;;o
Benson 8/62.9 ha identi)icado cuatro raFones para estudiar el pasado< entretener# crear una
identidad de rupo 8! nacional9# para revelar la eGtensi!n de la posibilidad humana# y
desarrollar el conocimiento sistemCtico sobre nuestro mundo# conocimiento Due puede
eventualmente mejorar nuestra habilidad para predecir y controlar$ En un nivel conciente# al
menos# nosotros en nombre de los cient)icos nos restrinimos al Altimo motivo$ En su
realiFaci!n# nosotros hacemos estudios de casos# evaluaciones de proramas y revisiones de
literatura$ *osotros aAn conducimos eGperimentos# creando historias arti)iciales sobre las
cuales podemos realiFar nuestras autopsias$
'res interroantes bCsicas parecen surir en nuestras retrospecciones< 8a9 EGisten all
patrones sobre los cuales podamos capitaliFar como para hacernos mCs astutos nosotros
mismos en el )uturoQ 8b9 EGisten instancias de desatino en las cuales podamos identi)icar
eDuivocaciones para evitarlasQ Estamos realmente condenados a repetir el pasado si no lo
estudiamosQ Eso es# aprendemos realmente cualDuier cosa mirando hacia atrCsQ
CualDuiera Due sea la interroante Due estamos preuntando# es eneralmente asumido
Due el pasado rCpidamente revelarC las respuestas Due el sostiene$ De percepci!n y previsi!n#
la Altima aparece como la perspectiva del problema$ Uno puede eGplicar y entender cualDuier
viejo evento si un es)uerFo apropiado es aplicado$ Ba predicci!n# sin embaro# es admitir ser
mCs bien mCs habilidoso$ El presente ensayo investia esta presunci!n# tomando una cercana
mirada a alunos arDuetipos intentos para utiliFar el pasado$ 'alveF su conclusi!n mCs
eneral es Due sostendramos el pasado con un poco de mCs respeto cuando intentamos
sondear sus secretos$ -ientras el pasado entretiene# ennoblece y eGpande muy rCpidamente#
el ilustra solo con delicada adulaci!n$
En busca de la sabidur*a
&unDue el pasado en s mismo nunca se repite en detalle# el es a menudo visto como teniendo
elementos repetitivos$ Ba ente toma las mismas clases de decisiones# se encara a las mismas
clases de desa)os y su)re las mismas clases de in)ortunios a menudo su)iciente para los
cient)icos del comportamiento para creer Due ellos pueden detectar patrones recurrentes$ 'al
)e inspira a los psicometristas a estudiar los dian!sticos secretos de los clnicos ases#
clnicos Due buscan correlaciones de conducta aberrante# aentes comerciales a la caFa de
incrementos de precios y dictadores para re)leGionar sobre situaciones revolucionarias$ Su
bAsDueda usualmente tiene un l!ico paralelismo ese de mAltiple reresi!n ! correlaci!n$ Un
Esta es una versi!n revisada del trabajo NPara &Duellos Condenados a Estudiar el Pasado< "e)leGiones sobre
=uicios Hist!ricosO# en "$ &$ Sh+eder y D$ H$ ?is(e 8Eds$9# *uevas Direcciones para la -etodoloa de
Ciencia del Comportamiento< =uicios ?alibles en la Investiaci!n del Comportamiento# San ?rancisco< =ossey>>
Bass# /673$ "eimpreso con permiso$
.2.
set de casos relevantes es recolectado y cada miembro estC caracteriFado por una variedad de
Dimensiones$ Ba matriF resultante es reistrada sini)icantes relaciones Due podran
ayudarnos a predecir el )uturo$ $ $ $
(odelacin formal
Ba %aily !acing >orm$ por ejemplo# o)rece a los ardientes mCs discapacitados alunas /33
pieFas de in)ormaci!n sobre cada caballo en cualDuier carrera dada$ El mCs discapacitado con
un talento para el procesamiento de datos podra con)iar en aluna memoria de computadora
los contenidos de un determinado volumen de la ?orma y tratar de derivar una )!rmula
prediciendo la velocidad como una pesada suma de punteos de varias dimensiones$ Por
ejemplo<
yy [ b
/
G
/ l
b
.
G
.

l
b
0
G
0
8/9
donde yy es nuestra mejor creencia de la velocidad de un caballo# G
/
es su porcentaje de
victorias en carreras previas# G
.
es su porcentaje de carreras anadas por el joc(ey y G
0
es el
peso Due el cararC en la presente carrera$ &sumiendo Due los punteos estandariFados
/
son
usados# los pesos 8b
/
9 re)lejan la importancia de los di)erentes )actores$ Si b
/
[ .b
.
# entonces
un cambio dado en el porcentaje de triun)os a)ecta nuestra predicci!n de velocidad tanto
como dos veces tanto como un cambio eDuivalente en el porcentaje de triun)os del joc(ey#
porDue ejecuciones pasadas han provedo dos veces mCs sensitivo a G
/
como a G
.$$
Suena )Ccil# pero eGisten un millar de di)icultades$ Uno emere cuando los
pronosticadores 8G
/
9 estCn correlacionados# como podra 8y de hecho as sucede9 pasar siendo
caballos anadores para sacar joc(eys anadores 8! viceversa9$ En tales casos de
multicolinearidad# cada variable tiene una aluna habilidad independiente para eGplicar la
ejecuci!n pasada y los dos tienen aluna habilidad compartida$ Cuando los pesos son
determinados# Due compartieron una capacidad eGplicativa estarCn de alAn modo separadas
entre los dos$ 'picamente# esa separaci!n presenta a la ininterpretable 8b
/
9 con ninAn rado
de precisi!n$ Por lo tanto la ecuaci!n de reresi!n no puede ser tratada como una teora de
carrera de caballos# mostrando la importancia de varios )actores$
Una mCs modesta meta te!rica sera simplemente determinar cuCles )actores son y cuCles
)actores no son importantes# sobre las bases de cuCnto area cada uno a nuestro
entendimiento de y$ Ba l!ica aDu es esa de un paso inteliente de reresi!nL variables
adicionales son areadas a la ecuaci!n hasta Due ellas areuen alo a su total poder
predictivo 8! eGplicativo9$ &An cuando esta mnima estrateia pueda correr en un enredo de
multicolinearidad$ Si muchas re)leGiones de un )actor particular 8por ejemplo# di)erentes
aspectos de educaci!n9 son incluidos# su habilidad eGplicatoria compartida puede ser dividida
dentro de tan peDueEas pieFas Due ninAn aspecto hace una Nsini)icanteO contribuci!n$
Por supuesto# estos matices pueden ser de relativamente poco inter;s para los mCs
discapacitados en tanto la )!rmula )uncione bien# su)iciente para ayudarlos de aluna manera
en vencer las di)icultades$ *osotros cient)icos# sin embaro# Dueremos sabidura as como
e)icacia de nuestras t;cnicas$ Es di)cil para nosotros rendirnos interpretando pesos$
Procedimientos de reresi!n no solo eGpresan# sino tambi;n producen# comprensi!n 8!# al
menos# resultados9 en un mecCnico# repetitivo estilo$ PeDueEa maravilla entonces Due ellos
hayan sido perseuidos tenaFmente a pesar de sus limitaciones$ Una de las mejor documenta>
/
Para estandariFar punteos sobre una variable particular# uno sustrae la media de todos los punteos de cada
punteo y lueo lo divide por la desviaci!n estCndar$ El resultado es un set de punteos con una media de 3 y
una desviaci!n estCndar de /$
das persecuciones ha sido en el estudio del juicio clnico$ El juicio clnico es ejercido por un
radi!loo Duien clasi)ica los rayos M de Alceras dentro de NbeninosO y NmalinosO# por un
.20
personal o)icial Duien escoe a los mejores aplicantes de un set de candidatos# ! por un
consejero de un centro de crisis Duien decide cuales personas Due llaman intentando suicidio
son serias$ En cada uno de estos ejemplos# el dian!stico incluye tomar una decisi!n sobre
las bases de un set de seEales ! atributos$ Cuando# como en estos ejemplos# la decisi!n es
repetitiva y todos los casos pueden ser caracteriFados por las misma seEal# es posible modelar
la poltica de toma de decisi!n del juicio estadsticamente$ Uno colecta un set de casos para
los cuales el eGperto ha hecho un juicio resumido 8por ejemplo# benino# serio9 y lueo
deriva una ecuaci!n de reresi!n# como la Ecuaci!n /# cuyos pesos muestran la importancia
Due el juicio ha asinado a cada seEal$
Dos d;cadas de tales estudios de capturar polticas persistentemente produjo un
disturbante par de conclusiones< 8a9 Simples modelos lineales# usando una pesada suma de
las seEales# dieron un eGcelente trabajo de predecir decisiones de juicios# aunDue 8b9 los
juicios eGiieron Due ellos estuvieran usando mucho mCs complicadas estrateias 8B$ "$
Ioldber# /647b# /6239L Slovic R Bichtenstein# /62/9$ Una comAnmente sostenida )orma de
complejidad es llamado juicio con)iuracional# en el cual el sini)icado dian!stico de una
seEal depende sobre el sini)icado de otras seEales 8por ejemplo# Nese tono de voF me hace
pensar pno de suicidio@ a menos Due la llamada vena en las tempranas horas de la maEanaO9$
Dos raFones para el con)licto entre polticas de juicio medidas y reportadas han emerido
de una subsecuente investiaci!n# cada una con implicaciones neativas para la utilidad del
modelo de reresi!n para NcapturarO la sensateF de decisiones pasadas$ Uno )ue la realiFaci!n
del crecimiento Due combinando enormes cantidades de in)ormaci!n en la cabeFa de uno#
como se reDuiere para tales )!rmulas# abruma la capacidad de c!mputo de cualDuiera eGcepto
la de un sabio idiota$ Un jueF tratando de implementar una estrateia compleja simplemente
no estarC en capacidad de hacerlo con ran consistencia$ Ciertamente# es di)cil aprender y
usar aAn una rela de decisi!n no con)iural# de suma pesada# cuando eGisten muchas seEales
! relaciones inusuales entre las seEales y variables predichas 8Slovic# /62:9$
Ba seunda realiFaci!n Due ha emerido de la investiaci!n del juicio clnico es Due los
modelos lineales simples son eGtraordinariamente poderosos pronosticadores 8ver el Captulo
.79$ Una simple teora sustantiva indicando Du; variables la ente cuida cuando toma
decisiones puede ser toda una necesidad de hacer muy buenas predicciones de su
comportamiento$ Si alunos sinos estimulan un dian!stico ! una decisi!n y otros lo
desestimulan# simplemente contando el nAmero de sinos estimulantes y desestimulantes
proveerCn una buena adivinaci!n del comportamiento del individuo$ El resultado# sin
embaro# serC una mCs modesta teora Due uno puede derivar modelando una ostentosa
reresi!n 8?ischo))# Ioitein R Shapira# en impresi!n9$ Por lo tanto# mientras el pasado parece
ser correcto )uera de all para ser entendido# nuestros procedimientos de estadstica estCndar
no siempre nos dicen lo Due Dueremos conocer$ Si no son usados cuidadosamente# ellos
pueden eDuivocarnos# dejCndonos menos acertados Due cuando empeFamos$ *osotros
estamos tentados a abraFar teoras altamente complicadas en su totalidad# sin darnos cuenta
Due su poder viene de nociones muy simples mCs Due de tener capturada la esencia del
pasado$
Cuscando por desatinos
Centrarse en falla
Buscando por un buen juicio en eventos hist!ricos reDuiere un acto de )e S una creencia en la
eGistencia de patrones recurrentes esperando a ser descubiertos$ Buscando por un buen juicio
en el comportamiento de caracteres hist!ricos reDuiere de alAn modo un di)erente acto de )e
S con)ianFa en Due nuestros predecesores saban cosas Due nosotros no sabemos$ Ba primera
.2:
de estas )ees estC )undada en la )iloso)aL ella distinue aDuellos Duienes visualiFan la historia
como una ciencia social# no un estudio ideorC)ico de eventos Anicos$ Ba seunda de estas
)ees estC )undada en la claridad y modestia$ Ella distinue aDuellos Duienes esperan ver mCs
adelante permaneciendo sobre los hombros de aDuellos Due vinieron antes# de aDuellos
satis)echos con permanecer en sus caras$ &)orismos como NaDuellos Duienes no estudian el
pasado estCn condenados a repetirloO suiere Due la )e en la sabidura de nuestros
predecesores es relativamente rara$
Una activa bAsDueda por desatinos es# por supuesto# no sin m;rito$ *o solo lo hacen los
individuos para Duienes las cosas no van correctas y a menudo tienen mucho Due eGplicar#
pero tales eGplicaciones son cruciales para aprender de su eGperiencia$ Jiendo c!mo las
cosas )ueron err!neas# esperamos hacerlas ir correctas en el )uturo$ Ba bAsDueda por
in)ortunios para eGplicar es duramente di)cil$ El ojo# periodista e historiador son todos
incitados al desorden$ Un accidente>libre de manejo al almac;n ! a un reino sin uerras#
depresiones ! terremotos es para ellos sin incidentes$
&unDue tiene metas letimas# centrarse en )allas es probable Due nos eDuivoDuemos
creando una visi!n distorsionada de la prevalencia del in)ortunio$ Ba posibilidad de eventos
percibidos estC determinada en parte por la )acilidad con la cual ellos son imainados y
recordados 8'vers(y R Kahneman# /620# ''9$ EGtendi;ndose sobre las )allas debera# por
consiuiente# desproporcionadamente acrecentar su )recuencia percibida en el pasado 8y
talveF el )uturo9$
Es tambi;n probable Due promueva una apreciaci!n no balanceada del desenvolvimiento
de nuestros predecesores$ El revelador de escCndalos en cada uno de nosotros es sacado de
historias de timadores del bienestar ! de la Nsobre>reulaci!nO de peliros particulares del
medio ambiente 8por ejemplo# el in)ame estCndar para un luar de trabajo para el diseEo de
asientos de inodoro de la &dministraci!n %cupacional de Seuridad y Salud9$ *osotros
tendemos a olvidar# aunDue# cualDuier )alible# pero no diab!lico# sistema de toma de decisi!n
produFca errores de ambas )ormas$ Para cada timador acumulando bene)icios inmerecidos#
eGisten uno ! varios ! una )racci!n de trampas# neando sus derechos por el mismo sistema
imper)ecto$ De hecho# la proporci!n de los dos errores estCn enlaFados en un de alAn modo
no intuitivo estilo dependiente sobre la eGactitud del juicio y los recursos totales disponibles#
Due es# el porcentaje de indientes eleibles ! peliros Due pueden ser tratados 8Einhorn#
/6279$ &ntes de precipitarnos a criticar el sistema de asistencia social para permitir a unos
pocos esta)adores# deberamos considerar si ! no all podran no haber tambi;n pocas
historias de horror de ese tipo# dada la relaci!n de errores de comisi!n a errores de omisi!n$
En eneral# eGiste una buena posibilidad de ser al conducido cuando eGaminamos en
aislamiento decisiones Due solo NtrabajanO en una base de porcentaje$
Su- fue el problemaD
EGisten otros conteGtos en los cuales los errores en lo peDueEo pueden mirar di)erente cuando
alAn conteGto mCs laro es considerado$ Por ejemplo# se nos enseEa Due las teoras
cient)icas deberan derribar a la muerte una veF cualDuier evidencia inconsistente estC
presente$ Como resultado# estamos prestos a condenar el desatino de los cient)icos Duienes
persisten en sus teoras a pesar de haber sido NprobadasO err!neas$ Kuhn 8/64.9# sin embaro#
aruy! Due tal desatino local podra ser consistente con mCs sabidura lobal en las
investiaci!n del conocimiento cient)ico$ %tros 8por ejemplo# ?eyerabend# /621L Ba(atos#
/6269 han# de hecho# han encomiado el papel de la anarDua disciplinada en el crecimiento
del entendimiento y han dudado de la posibilidad de emerer de la sabidura de la adherencia
ordenada a cualDuier m;todo )avorecido de investiaci!n$ Ellos aruyen Due el rechaFo
.21
obstinado a mirar la evidencia contraria ! a abandonar las teoras aparentemente
descon)irmadas es a menudo necesario para el proreso cient)ico$
Bos /.1 millones de d!lares impuestos contra ?ord -otor Company en el caso Pinto hiFo
Due la decisi!n de la compaEa para salvar unos pocos d!lares en el diseEo de ese tanDue de
combustible pareFca como un desatino$ &An en t;rminos puramente econ!micos# un ahorro
arantiFado de# diamos# m/1 en cada uno de los /3 millones de Pintos hace Due el rieso de
un pleito leal un poco laro pareFca como un jueo mCs raFonable$ Desde Due el juicio en
este bien publicitado pleito )uera reducido a 4 millones de d!lares mediante una apelaci!n# la
compaEa puede actualmente estar a la cabeFa en t;rminos estrictamente econ!micos a pesar
de haber tenido el peor de los casos$ Donde la compaEa puede estar en )alta es en ver un
conteGto mCs rande 8el nAmero de carros 8el nAmero de carros en los cuales ahorrara
dinero9# pero no otra 8las consecuencias no econ!micas de su decisi!n9$ Parece no haberse
dado cuenta del impacto Due la publicidad adversa tendra en la imaen de ?ord como un
seuro conciente del )abricante de autos ! los precios de los Pintos usados 8aunDue ese precio
naci! de propietarios de Pinto no de los productores9$
Si reprobaci!n es el nombre del jueo# un error es un error$ &An si uno estC interesado en
aprender de la eGperiencia de otros# es importante determinar Du; problema ellos estuvieron
intentando resolver$ Sobre un cuidadoso eGamen# muchos errores aparentes prueban
representar una hCbil resoluci!n del problema eDuivocado$ Por ejemplo# si es para ser
criticado del todo# ?ord podra ser mantenido culpable de juicio tCctico y desatino estrat;ico
8! talveF de poner la salud institucional sobre el bienestar de la sociedad9$$
Esta distinci!n es importante# no solo por evaluar el pasado# sino tambi;n para conocer
Du; medidas correctivas necesitan ser tomadas en el )uturo$ Usualmente# las eDuivocaciones
de tCctica son mCs )Cciles de correir Due los errores de estrateia$ Una veF tenemos
apropiadamente caracteriFada una situaci!n# puede haber all un NlibroO# rabando la
sabidura convencional como acumulada a trav;s de eGperiencia de prueba y error# ! al
menos )!rmulas para !ptimamente combinar la in)ormaci!n a nuestra disposici!n 8HeGter#
/62/9$ Directores de baseball# por ejemplo# pueden ya sea conocer lo Due ha sido probado
eGitoso para tener el sacri)icio de bateo con un corredor en primera y nadie )uera 8out9 en un
jueo apretado ! mCs tener las estadsticas necesarias para calcular c!mo Nir con los
porcentajesO$ Estas uas son# sin embaro# inAtiles ! err!neas si el problema reala ser
solucionado es mantener la moral 8el corredor tiene una posibilidad para conducir la lia en
bases robadas9 ! ayudar a la taDuilla 8los )anCticos necesitan ver alAn balanceo9$ Estudios de
ataDues de sorpresa en relaciones internacionales revelan Due las naciones sorprendidas han a
menudo hecho un buen trabajo de juar por su propio libro pero no han identi)icado la arena
en la cual ellas estuvieron juando 8Ben gvi# /624L Banir# /6279$ En un sentido# ellos
estuvieron leyendo el libro eDuivocadoL mientras ellos leen lo mejor# mCs )Ccil ellos
encuentran su cesi!n$
Una raF!n para la di)icultad planteada por problemas estrat;icos es Due ellos deben ser
Npensados hasta el )inO analticamente# sin el bene)icio de acumulativa 8estadstica9
eGperiencia$ Una seunda limitaci!n es Due los conceptos err!neos son a menudo
ampliamente compartidos dentro de un rupo ! comunidad de toma de decisi!n$ Uno es
consultado sobre decisiones solo despu;s Due uno ha completado el catecismo en el libro$
PieFas recurrentes de consejo para instituciones interesadas en evitar sorpresas son 8a9 )ijar
varios cuerpos analticos separados en orden de proveer mAltiples# independientes miradas al
problema ! 8b9 desinar a un miembro para servir como Naboado del diabloO para puntos de
vista impopulares 8=anis# /62.9$ En la prCctica# la primera estrateia puede )allar porDue
conceptos err!neos compartidos hacen a los rupos muy parecidos el uno al otro# creando
redundancia mCs Due pluralismo 8Chan# /6269$ El seundo )alla porDue los aboados se
inclinan a un rupo de presi!n ! son condenados al ostracismo si ellos toman sus posiciones
.24
impopulares seriamente# aAn cuando aDuellas posiciones NeGtremasO no desa)en
drCsticamente las preconcepciones del rupo$
?allas en distinuir entre decisiones tCcticas y estrat;icas pueden tambi;n crear una
inmerecida ilusi!n de sabidura$ Bancos y compaEas de seuros son usualmente
considerados ser eGtremadamente racionales y hCbiles en sus procesos de toma de decisiones$
&An una cercana mirada revela Due esta reputaci!n viene de sus ;Gitos en hacer muy
repetitiva las decisiones tCcticas en las cuales ellos casi no pueden perder$ Hipotecas de casas
y p!liFas de seuro de vida son emitidas sobre las bases de interpretaciones conservadoras
de tablas estadsticas adDuiridas y ajustadas a trav;s de una masiva eGperiencia de prueba y
error$ Estas aventuras de las instituciones dentro de las decisiones mCs especulativas
reDuiriendo analticas decisiones estrat;icas# suieren Due ellos nos son mCs ineniosos Due
el resto de nosotros$ Bos bancos comerciales perdieron randes sumas de dinero en los aEos
43@s a trav;s insensatas inversiones otorando cr;ditos para bienes racesL un similar peDueEo
porcentaje de sus decisiones totales en los aEos 23@s ha encadenado la economa de EU& al
)uturo de semi>solventes pases del tercer mundo a Duienes enormes 8m 43 billones de
d!lares9 en pr;stamos han sido concedidos 8&unDue este encadenamiento puede ser por el
laro alcance bueno de humanidad# ese no )ue necesariamente el problema Due los bancos
estuvieron resolviendo9$ Ba lenta y errCtica respuesta de las compaEas de seuros a cambios
en lo econ!mico del seuro de accidente y sus casi pelirosos m;todos no analticos para
tratar con muchos riesos no rutinarios# deben dejar al resto de nosotros sentirnos no tan
estApidos cuando nos comparamos con estas encomiadas instituciones$
!etrospectiva1 Pensando *acia atr'sD
Si nosotros sabemos Du; ha pasado y Du; problema un individuo estaba tratando de resolver#
deberamos estar en una posici!n para eGplotar la sabidura de nuestra propia retrospectiva en
eGplicar y evaluar su comportamiento$ Sobre un eGamen mCs cercano# sin embaro# las
ventajas de conocer c!mo las cosas resultaron pueden ser haber hecho una propaanda
eGcesiva 8?ischo))# /6219$ En retrospectiva# la ente consistentemente eGaera lo Due podra
haber sido anticipado en previsi!n$ Ellas no solo tienden a ver lo Due ha pasado como
habiendo sido inevitable pero tambi;n como para verlo como teniendo parecido
Nrelativamente inevitableO antes de Due sucediera$ Ba ente cree Due otros habran estado
capaces de anticipar los eventos mucho mejor Due lo Due )ue actualmente el caso Ellos aAn
recuerdan mal sus propias predicciones como para eGaerar en retrospectiva lo Due ellos
saban en previsi!n 8?oscho)) y Beyth# /6219$
Como )ue descrito por el historiador Ieores ?lorovs(y 8/6469<
Ba tendencia hacia el determinismo estC de alAn modo implcito en el m;todo de retrospectiva en si
mismo$ En retrospectiva# parecemos percibir la l!ica de los eventos los cuales se desvelan a s
mismos en un estilo reular ! lineal de acuerdo a un reconocido patr!n con una pretendida necesidad
interna$ De tal manera Due conseuimos la impresi!n de Due realmente no podra haber pasado de
otro modo$ 8p$ 0469
Un nombre apto para esta tendencia a ver resultados reportados como habiendo sido
relativamente inevitables# podra ser determinismo progresivo$ en contraste con el
determinismo )ilos!)ico# la creencia conciente Due lo Due sea Due pase tiene Due pasar$
Una tendencia corolaria es telescopiar la proporci!n de procesos hist!ricos eGaerando la
velocidad con la cual NinevitablesO cambios son consumados 8?ischer# /6239$ Por ejemplo# la
ente puede ser capaF de seEalar el momento cuando los lati)undios estuvieran condenados#
sin darse cuenta Due ellos tomaron dos y media centurias para desaparecer$ %tra tendencia es
recordarle a la ente como habiendo sido mucho mCs parecida a sus corrientes personalidades
.22
de lo Due era actualmente el caso 8,arro+# _Capbell R Burton# /6239$ Un tercera podra ser
vista en la crtica de Barraclouh 8/62.9 de la historiora)a de la races ideol!icas del
*acismo$ -irando atrCs del 'ercer "eich# uno puede traFar sus races de los escritos de
muchos autores de cuyos escritos uno no podra tener proyectado el *acismo$ Una cuarta es
imainar Due los participantes en una situaci!n hist!rica estuvieron totalmente concientes de
su eventual importancia 8NPuerido Diario# Bos Cien &Eos de Iuerra empeFaron hoyO#
?ischer# /6239$ Una Duinta es el mito del eGperimento crtico# ineDuvocamente resolviendo
el con)licto entre dos teoras ! estableciendo la valideF de una$ De hecho# Nel eGperimento
crucial es visto como crucial solo d;cadas despu;s$ Bas teoras no se dan por vencidas# desde
Due unas pocas anomalas estCn siempre permitidas$ Ciertamente# es muy di)cil derrotar un
prorama de investiaci!n soportado por talentosos e imainativos cient)icosO 8Ba(atos#
/623# pp$ /12>/179$
En el corto plaFo# una )alla para inorar el conocimiento del resultado sostiene
sustanciales bene)icios$ Es muy )avorecedor creer# ! conducir a otros a creer# Due nosotros
habramos conocido todo a lo laro de lo Due solo podramos conocer con el conocimiento
del resultado # Due es# Due nosotros poseemos previsi!n de percepci!n retrospectiva total$ En
el laro plaFo# sin embaro# el determinismo proresivo no detectado puede seriamente
impedir nuestra habilidad de juFar el pasado ! aprender de el$
Considere a los Due toman decisiones Duienes han sido coidos no preparados por alAn
cambio de eventos y Duienes tratan de ver d!nde ellos estuvieron eDuivocados por recrear su
conocimiento en el pre>resultado del estado de la mente$ Si# en retrospectiva# el evento parece
haber parecido relativamente probable# ellos pueden hacer poco mCs Due reaEarse a s
mismos por no tomar la acci!n Due su conocimiento parece haberle dictado$ & ellos podra
decrseles Due areuen el insulto de pesar a la injuria in)linida por el evento mismo$
Cuando la seunda pensada por un observador de percepci!n retrospectiva# su in)ortunio
aparece como incompetencia# desatino ! peor$
En situaciones donde la in)ormaci!n es limitada e indeterminada# sorpresas ocasionales y
)allas resultantes son inevitables$ Es ambos injusto y derrotarse a s mismo castiar a los Due
toman decisiones Duienes han errado en sistemas )alibles# sin admitir esa )alibilidad y hacer
alo para mejorar el sistema$ De acuerdo con la historiadora "oberta Hohlstetter 8/64.9# la
lecci!n a ser aprendida de la sorpresa &mericana en Pearl Harbor es Due debemos Naceptar el
hecho de incertidumbre y aprender a vivir con el$ Desde Due ninuna maia proveerC certeFa#
nuestros planes deben trabajar sin elO 8p$ :3/9$
Cuando intentamos entender eventos pasados# nosotros implcitamente probamos las
hip!tesis ! relas Due usamos para interpretar y anticiparnos al mundo Due nos rodea$ Si# en
percepci!n retrospectiva# sistemCticamente subestimamos las sorpresas Due el pasado sostuvo
y sostiene para nosotros# estamos sujetando aDuellas hip!tesis a desmesuradamente d;biles
pruebas y# presumiblemente# encontrando poca raF!n para cambiarlas$ Por lo tanto# el
verdadero conocimiento del resultado el cual nos da el sentimiento de Due entendemos lo Due
el pasado )ue puede prevenirnos de aprender alo de el$
Protei;ndonos a nosotros mismos contra este prejuicio reDuiere alAn entendimiento de
los procesos psicol!icos involucrados en su creaci!n$ Parece Due cuando recibimos el
conocimiento del resultado# inmediatamente le damos sentido interCndolo dentro de lo Due
ya conocemos sobre el sujeto$ Habiendo hecho esta reinterpretaci!n# el resultado reportado
ahora parece un mCs ! menos crecimiento inevitable de la situaci!n reinterpretada$ NDCndole
sentido a lo Due se nos ha dicho del pasado es# a su veF# tan natural Due debemos estar
inorantes Due el conocimiento del resultado ha tenido cualDuier e)ecto en nosotros$ &An si
estamos concientes de haber tenido un e)ecto# podemos estar inorantes de lo Due )ue
eGactamente$ En tratar de reconstruir nuestra predicci!n del estado de la mente#
.27
permaneceremos anclados en nuestra perspectiva de percepci!n retrospectiva# dejando el
resultado reportado muy probable de mirar$
Como un resultado# meramente previniendo a la ente sobre los peliros del prejuicio de
la percepci!n retrospectiva tiene poco e)ecto 8?ischo))# /622b9$ Una manipulaci!n mCs
e)ectiva es )orFarse uno mismo a areir contra lo inevitable de los resultados reportados$ Pue
es# tratar de convencerse uno mismo Due el podra haberse vuelto de otro modo$
Cuestionando la valideF de las raFones Due usted ha recopilado para eGplicar su condici!n de
inevitable podra ser un buen punto de partida 8Koriat# Bichtenstein 4 ?ischo))# /6229$ &An
desde Due este inusual paso parece no enteramente adecuado# uno podra mCs adelante tratar
de rastrear alo de la incertidumbre rodeando eventos pasados en su oriinal )orma$ EGisten
transcripciones de la in)ormaci!n lleando al Comando de Pearl Harbor previos a las 2 &$-$
del 2 de DiciembreQ EGiste un libro de notas mostrando las eGistencias Due usted consider!
antes de establecerse en la Industrias HalthamQ EGisten diarios capturando la visi!n de
Chamberlain de Hitler en /606Q Una interesante variante )ue la determinaci!n de Doulas
?reeman de no conocer sobre cualesDuiera eventos subsecuentes cuando se encontraba
trabajando sobre cualDuier perodo dado en su biora)a de)initiva de "obert E$ Bee
8Comaer# /6419$ &unDue admirable# esta estrateia reDuiere alunas simples suposiciones
sobre la prevalencia del conocimiento respecto a Dui;n se rindi! en &ppomattoG$
:irando a todo
Porqu- mirarD
El estudio del pasado es predicado en la creencia de Due si miramos# estaremos en capacidad
de discernir alunos patrones interpretables$ Considerable investiaci!n suiere Due esta
creencia estC bien )undada$ Ba ente parece tener una eGtraordinaria habilidad para encontrar
alAn orden ! sini)icado en datos aAn aleatoriamente producidos$ Uno de los ejemplos mCs
)amiliares es la )alacia de los juadores$ *uestro sentimiento es Due lanFando una moneda al
aire# cuatro sucesivas NcarasO serCn seuidas por una NcruFO 8Bindman R Ed+ards# /64/9$
Por tanto en nuestras mentes# aAn procesos al aFar estCn constreEidos a tener propiedades
internas ordenadamente$ Kahneman y 'vers(y 8/62.b# 19 han suerido Due de las 0.
secuencias posibles de seis eventos binarios solo / luce actualmente NaleatorioO$
&unDue la )alacia de los juadores es usualmente citada en el conteGto de picantes pero
triviales ejemplos# puede ser encontrado en intentos mCs serios para eGplicar los eventos
hist!ricos$ Por ejemplo# despu;s de intelientemente mostrar Due las vacantes en la Suprema
Corte aparecen mCs ! menos al aFar 8de acuerdo a un proceso de Poisson9# con la
probabilidad de la menos una vacante en cualDuier aEo dado siendo $06# -orrison 8/6229
demand! Due<
El Presidente "oosevelt anunci! su plan para llenar la Corte en ?ebrero de /602# poco despu;s de
empeFar su Duinto aEo en la Casa Blanca$ /602 )ue tambi;n el aEo en el cual hiFo su primer
nombramiento en la Corte$ Pue ;l tuvo esta oportunidad en /602 no caera de sorpresa# porDue la
probabilidad de Due ;l ira cinco aEos consecutivos sin nombrar a uno ! mCs jueces )ue sino $37# ! una
posibilidad en doce$ En otras palabras# cuando "oosevelt decidi! cambiar la Corte creando asientos
adicionales# las probabilidades eran ya de once a uno en su favor de Due ;l estara en capacidad de
nominar uno ! mCs jueces por medios tradicionales ese aEo 8pp$ /:0>/::9
Sin embaro# si las vacantes aparecen al aFar# entonces este raFonamiento estC
eDuivocado$ Se asume Due el proceso probabilstico creando vacantes# como ese de obernar
con monedas lanFadas al aire# tiene una memoria y un sentido de justicia# como si el conoce
Due se estC moviendo dentro del Duinto aEo de la presidencia de "oosevelt y Due el NdebeO a
.26
?D" una vacante$ Sin embaro# el / de enero de /602# los pasados cuatro aEos )ueron
historia# y la probabilidad de al menos una vacante en el aEo venidero estaba aAn en $06
8?ischo))# /6279$
?eller 8/6479 o)rece la siuiente an;cdota involucrando aAn mCs altos jueos< Bos
Bondinenses durante los bombardeos# dedicaron considerable es)uerFo a interpretar el patr!n
de bombardeo de los Iermanos# desarrollando elaboradas teoras de d!nde estuvieron
apuntando 8y cuando tomar el poder9$ Sin embaro# cuando Bondres )ue dividido dentro de
peDueEas# Creas eorC)icas contiuas# la distribuci!n de )recuencia de bombas cayendo por
Crea )ue casi una per)ecta aproGimaci!n a la distribuci!n de Poisson$ Kates 8/64.9 suiere
Due los desastres naturales constituyen otra cateora de eventos consecuentes donde
8desa)iados9 la ente lea ve orden cuando los eGpertos ven aleatoriedad$
Un secreto para mantener tales creencias es una )alla en uardar rabaciones completas
su)icientes para )orFarnos nosotros mismos a con)rontar irreularidades$ Bos historiadores
admiten el papel de la evidencia perdida )acilitando sus eGplicaciones con comentarios como
Nla historia de la Edad Jictoriana nunca serC escrita$ Conocemos demasiado sobre ella$ Por
inorancia es el primer reDuisito de los historiadores S inorancia la cual simpli)ica y
clari)ica# la cual selecciona y omite# con plCcida per)ecci!n no alcanFable por el arte mCs
altoO 8Strachey# /6/7# pre)acio9$
&An cuando rabaciones estCn disponibles e inevitables# nos parece tener una remarcada
habilidad para eGplicar ! proveer una interpretaci!n causal para cualDuier cosa Due vemos$
Cuando los eventos son producidos por procesos probabilsticos con propiedades intuitivas#
una variaci!n aleatoria puede aAn no ocurrirnos como una hip!tesis potencial$ Por ejemplo#
el hecho de Due los atletas castiados por pobre ejecuci!n tienden a hacerlo mejor la veF
siuiente se ajusta a nuestras inenuas teoras de recompensa y castio$ Esta c!moda
eGplicaci!n nos ciea a la posibilidad de Due el mejoramiento es debido en veF de reresi!n a
la ejecuci!n media de aDuellos juadores 8?urby# /620L Kahneman R 'vers(y# /620# 79$
?ama 8/6419 ha )orFosamente areido Due las )luctuaciones de precios del mercado de
valores son mejor entendidas como re)lejando como un proceso de paseo aleatorio$ Bos
paseos aleatorios# sin embaro# tienen siempre mCs propiedades no intuitivas Due los
procesos binarios para los cuales ellos estCn )ormalmente relacionados 8Carlson# /62.9$
Como resultado# encontramos Due los analistas del mercado tienen una eGplicaci!n para cada
cambio en el precio# ya sea a prop!sito ! no$ &lunas eGplicaciones# como aDuellas
mostradas en la ?iura /# son inconsistentes#
.
otros parecen near la posibilidad de cualDuier
componente aleatorio# por ejemplo# ese Altimo )actor amaEado# el Najuste t;cnicoO$
El pseudo poder de nuestras eGplicaciones puede ser ilustrado por analoa con el anClisis
de reresi!n$ Dado un set de eventos y un su)icientemente rande ! rico set de posibles
)actores eGplicativos# uno puede siempre derivar postdicciones ! eGplicaciones para cualDuier
rado de riideF deseado$ En t;rminos de reresi!n# eGpandiendo el set de variables
independientes uno puede siempre encontrar un set de predictores con cualDuier deseada
correlaci!n con la variable independiente$ El precio Due uno paa por sobre ajustar es# por
supuesto# disminuci!n# )alla de la rela derivada para el trabajo de una nueva muestra de
casos$ Ba )recuencia y vehemencia de las precauciones metodol!icas contra el sobre ajuste
Insertar a-u* la 4i#ura ' de la p5#ina 17A del texto ori#inal(
.
Uno de mis contrastes )avoritos es Due cuando el mercado se eleva siuiendo buenas noticias econ!micas# es
dicho para estar respondiendo a la noticiasL si )alla Due es eGplicado diciendo Due las buenas noticias haban
ya sido descontadas$
suiere Due la capacidad destructiva de la correlaci!n es un prejuicio Due es muy resistente
para tambi;n un eGtenso entrenamiento pro)esional 8para re)erencias# ver ?ischo)) R Slovic#
/6739$
.73
Una teora sobreajustada es como un traje elaborado tan precisamente a un individuo en
una postura particular Due no se ajustarC a nadie mCs ! aAn ese mismo individuo en el )uturo
! aAn el presente si nueva evidencia sobre ;l sale a luF 8por ejemplo# si ;l mantiene la
eGhalaci!n para revelar una barria9$ Un historiador Duien haba construido un caso
herm;tico contando con toda la evidencia disponible en eGplicar c!mo los BolcheviDues
anaron podra estar en una triste posici!n en Due )ueron los de la USS" para liberar
documentos ocultados mostrando Due los -enshevics )ueron mCs serios adversarios de lo
Due previamente se haba pensado$ El precio Due los analistas de inversiones paan por
sobreajustar es su )alla de laro plaFo para predecir alo mejor Due los promedios del
mercado 8Dreman# /6269 S aunDue el cnico podra decir Due ellos actualmente se anan la
vida a trav;s de la eneraci!n de esperanFa 8y comisiones9$
0
Sobreajustar ocurre debido a la capitaliFaci!n de )luctuaciones de probabilidad$ Si la
medida es su)iciente )ina# dos casos di)iriendo en una variable tambi;n di)erirCn en casi
cualDuier otra variable Due uno escoja nombrar$ Como un resultado uno puede calcular una
correlaci!n no cero 8actualmente# en este caso# per)ecta9 entre las dos variables y derivar una
teora NinteresantementeO sustantiva$ Procesos anCloos a este trabajo de un caso de dos
dimensiones con cualesDuiera observaciones m en el espacio de)inido n por nuestro jueo de
posibles conceptos eGplicativos$
En estos ejemplos# los datos son )ijados e inneables# mientras el set de posibles
eGplicaciones es relativamente ilimitadoL uno busca hasta Due uno encuentra una eGplicaci!n
Due se ajuste$ %tra )orma popular de capitaliFaci!n de probabilidades deja el jueo de
eGplicaciones )ijado 8usualmente a un candidato9 y es eGaminado cuidadosamente a trav;s de
los datos hasta Due la evidencia de soporte es encontrada$ &unDue las mCs inorantes )ormas
de este procedimiento son bien conocidas# otras son mCs sutiles y aAn de alAn modo
ambiuas en su caracteriFaci!n$ Por ejemplo# usted corre un eGperimento y )alla en recibir un
resultado anticipado$ Pensando sobre el# usted nota un elemento de su procedimiento Due
podra haber mitiado el e)ecto de la variable manipulada$ Usted corrieL otra veF no resulta
pero# de nuevo# un posible problema$ ?inalmente# usted 8! sus sujetos9 lo consiue correcto y
el e)ecto anticipado es obtenido$ &hora# es correcto ejecutar su prueba estadstica sobre esa n
a
muestra 8para la cual muestra sini)icancia9 ! el lote completo de ellasQ Haba usted hecho el
eGperimento correcto primero# la interroante aAn no habra surido$ } como un toGic!loo#
usted estC NciertoO Due la eGposici!n al Dumico M es mala para la salud de uno# por lo tanto
usted compara los trabajadores Duienes s trabajan y los Due no trabajan con el en una planta
particular por cCncer de la vejia# pero aAn no tiene e)ecto$ Por lo tanto trata cCncer intestinal#
en)isema# mareo# etc$ hasta Due )inalmente usted consiue una sini)icante di)erencia en el
cCncer de piel$ Es esa di)erencia sini)icativaQ Por supuesto la manera de probar estas
eGplicaciones ! teoras es por una r;plica en nuevas muestras$ Ese paso# desa)ortunadamente#
es rara veF dado y a menudo no es posible por raFones t;cnicas ! ;ticas 8'u(ey# /6229$
Complicaciones relacionadas pueden surir aAn con teoras )ijadas y un jueo de datos$
Diaconis 8/6279 nota la di)icultad de evaluar la cantidad de sorpresa en resultados EPS# aAn
el los casos raros en los cuales ellos han sido obtenidos en ajustes moderadamente
supervisados# debido a Due la de)inici!n del evento buscado continAa cambiante$ NUna mayor
clave para el ;Gito del B<D< )ue Due no especi)ic! por adelantado el resultado de ser
0
Un amio una veF tom! un curso de lectura de )orma de rC)icos de una corredura local$ Cada sesi!n
involucr! la enseEanFa de /3>/. nuevos temas$ Cuando el curso )inaliF!# cinco sesiones y 12 temas mCs tarde#
el instructor estaba lejos de aotar su material$
considerado sorprendente$ Bas probabilidades contra una coincidencia de alguna clase son
dramCticamente menores Due aDuellas contra cualDuier pre>especi)icado particular de ellosO
8p$ /0.9$
:
.7/
'u)te y Sun 8/6219 Due la eGistencia ! no eGistencia de mansos precintos depende de la
creatividad y )leGibilidad permitida en de)inir el evento 8para Du; o)icinaQ en Du; eleccionesQ
cuCn bueno es buenoQ son precintos Due se olvidan consistentemente de ser incluidosQ9$ Ellos
son comAnmente credos de eGistir debido a Due tenemos una no comAn buena habilidad para
encontrar una seEal aAn en un ruido total$
Cemos visto suficienteD
Dado Due nosotros estamos casi seuros de encontrar alo interpretable cuando miramos al
pasado# nuestra siuiente preunta viene a ser# NBo hemos entendidoQO$ Ba investiaci!n de
percepci!n retrospectiva descrita anteriormente suiere Due nosotros no solo estamos prestos
a encontrar orden sino tambi;n sino tambi;n a prepararnos a sentir Due lo conocimos desde el
principio de alAn modo ! seramos capaces de predecir el resultado Due nos haba sido
preuntado en tiempo$ Ciertamente# la )acilidad con la cual descontamos la in)ormaci!n de
cualDuier cosa Due se nos ha dicho lo hace sorprendente Due siempre preuntamos el pasado#
! cualDuier otra )uente# muchas preuntas$ Esta tendencia es aravada por tendencias 8a9 no
darnos cuenta cuCn poco sabemos ! se nos ha dicho# dejCndonos inorantes de Du; preuntas
deberamos estar preuntando en busca de respuestas sorprendentes 8?ischo))# Slovic R
Bichtenstein# /622# /6279 y 8b9 sacar conclusiones trascendentales de aAn peDueEas
cantidades de datos no con)iables 8Kahneman y 'vers(y# /620# 7L 'vers(y y Kahneman#
/62/# .9$
CualDuier propensi!n a no mirar mCs lejos es animada por la norma de reporta la historia
como un buen cuento# con todos los detalles relevantes ntidamente eGplicados y la
incertidumbre y la incertidumbre rodeando el evento previo a su consumaci!n sumariamente
enterrada# con cualDuier con)usi!n Due el autor puede haber sentido 8Iallie# /64:L *o+ell>
Smith# /6239$ =usto uno de los secretos para hacer esto es revelado por 'a+ney 8/64/9< NBos
historiadores dan una apariencia de inevitabilidad a un orden eGistente# sacando de la
prominencia las )uerFas Due han triun)ado y con)iando en el antecedente de aDuellos Due
ellos han credoO 8p$ /229$
1
&unDue una intuitivamente atrayente meta# la construcci!n de narrativas coherentes
eGpone al lector a alunos interesantes prejuicios$ Una narrativa completada consiste de unas
series de eslabones de aluna manera independientes# cada uno imparcialmente bien
establecido$ Ba verdad de la narrativa depende sobre la verdad del eslab!n$ Ieneralmente#
mientras mCs eslabones eGisten y mCs detalle eGiste en cada eslab!n# la menor probabilidad
de Due la historia sea correcta en su totalidad$ Sin embaro# Slovic# ?ischo)) y Bichtenstein
8/6249 han encontrado Due adicionando un detalle a la descripci!n de un evento puede
incrementar su percibida probabilidad de ocurrencia# evidentemente por el incremento de su
unidad temCtica$ Bar>Hillel 8/6209 encontr! Due la ente consistentemente eGaera la
probabilidad de la conjunci!n de unas series de eventos probables$ Por ejemplo# sus sujetos
eneralmente pre)irieron una situaci!n en la cual ellos recibiran un premio si siete eventos
:
Diaconis continAa# NPara mCs adelante complicar cualDuier anClisis# varios eGperimentos de)inidos en)ermos
)ueron a menudo conducidos simultCneamente# interactuando uno con otro$ El joven ejecutante electri)ic! su
audiencia$ Sus )recuentemente completamente olvidadas adivinanFas )ueron eneralmente consideradas con
simpata# mCs Due dudaL y para la mayora de observadores ellas parecieron solo para con)irmar la realidad de
los inusuales poderes del B<D<O$
1
'ales estrateias pueden a)ectar el espirito as como la mente# subjetivamente animando la )ortaleFa y
estabilidad del status Duo y reduciendo su aparente capacidad para cambiar 8-arcovic# /6239$
independientes cada uno con una probabilidad de $63 )ueran a ocurrir en una situaci!n en la
cual ellos conseuiran el mismo premio si una moneda leal cayera en NcruFOO$Ba
probabilidad del evento compuesto es menor Due $13# mientras Due la probabilidad del evento
.7.
simple es $13$ En otras palabras# la incertidumbre parece acumular a lo sumo una velocidad
demasiado lenta$
Pu; pasa si la secuencia incluye uno ! unos pocos eslabones d;biles ! improbablesQ Ba
probabilidad de su eslab!n mCs d;bil debera )ijar un lmite superior de la probabilidad de
una narrativa entera$ =uicios coherentes# sin embaro# pueden ser compensatorios# con la
coherencia de )uertes eslabones Nrepartiendo en partes iualesO la incoherencia de los
eslabones d;biles$ Este eslab!n es eGplotado por aboados Duienes entierran el eslab!n mCs
d;bil en sus arumentos cerca del principio de su resumen y terminan con una rC)aa de
convincentes# incontestables arumentos$
Coles 8/6209 presenta un delicioso ejemplo de la coherencia completa de una historia
oscureciendo la improbabilidad de sus eslabones< el intento mCs serio de ?reud en la
psicohistoria )ue su biora)a de Beonardo da Jinci$ Por aEos# ?reud haba buscado el secreto
de entender a da Jinci# cuya niEeF y juventud )ueron bCsicamente desconocidas$ ?inalmente#
;l descubri! una re)erencia de da Jinci a una recurrente memoria de un buitre tocando sus
labios mientras ;l estaba en la cuna$ *otando la identidad de los jerol)icos Eipcios para
NbuitreO y NmadreO y otra evidencia circunstancial# ?reud )ue a construir un imponente y
coherente anClisis de da Jinci$ Cuando compilaba la edici!n de)initiva de los trabajos de
?reud# sin embaro# el editor descubri! Due la traducci!n &lemana de la recolecci!n de da
Jinci 8oriinalmente en Italiano9 Due ?reud haba usado# contena un error# y Due el era un
cometa 8barrilete9 y no un buitre Due haba acariciado sus labios$ & pesar de tener la clave al
anClisis de ?reud destrua# los editores decidieron Due el edi)icio remanente era su)iciente
)uerte para sostenerse solo$ Como HeGter 8/62/ observ!# NEn parte porDue escribir mal la
historia es muy )Ccil# escribir muy bien la historia es raroO 8p$ 169$
Conclusin
Pu; lecciones enerales podemos aprender sobre el estudio del pasado# mCs allC del hecho de
Due entender es mCs elusivo de lo Due a menudo puede ser reconocidoQ
Presentimiento
Inevitablemente# estamos cautivos de nuestra presente perspectiva personal$ *osotros
sabemos cosas Due aDuellos viviendo en el pasado no las conocen$ Usamos cateoras
analticas 8por ejemplo# el )eudalismo# Cien &Eos de Iuerra9 Due son sini)icativos solo en
retrospectiva 8E$ &$ "$ Bro+n# /62:9$ 'enemos nuestros propios puntos para probar cuando
interpretar un pasado Due nunca es su)icientemente no ambiuo para evitar la imposici!n de
nuestra perspectiva ideol!ica 8Deler# /6249$ Bos historiadores Njuean nuevas tretas sobre
la muerte en cada eneraci!nO 8Bec(er# /6019$ *o eGiste antdoto probado para el
presentimiento$ &lunos remedios parciales pueden ser eneraliFados de la discusi!n de
c!mo evitar prejuicios de percepci!n retrospectiva cuando se practica la seunda adivinaci!n
del pasado$ %tros aparecen en casi cualDuier teGto dedicado al entrenamiento de los
historiadores$ 'alveF los mensajes enerales parecen ser 8a9 conocernos a nosotros mismos y
el presente tan bien como sea posibleL Nel historiador Duien estC mCs conciente de su propia
situaci!n es casi mCs capaF de trascenderloO 8Benedetto Croce# cita en Carr# /64/# p$ ::9< y
8b9 siendo tan caritativos como sea posible con nuestros predecesoresL Nel historiador no es
un jueF# todava menos un jueF patibularioO 8Kno+les# citado en -ar+ic(# /623# p$ /3/9$
(etodismo
.70
En adici!n a la inescapable prisi!n de nuestro propio tiempo# )avorecemos restrinir nuestra
propia perspectiva mediante voluntariamente adoptar las anteojeras Due acompaEan estricta
adherencia a un simple m;todo cient)ico$ &un cuando es usado judicialmente# ninAn
m;todo es adecuado para responder muchas de las interroantes Due nosotros ponemos al
pasado$ Cada uno nos dice alo y nos conduce de aluna manera al error$ Cuando nosotros no
sabemos c!mo conseuir la respuesta correcta a una interroante# una alternativa
epistemol!ica es necesaria< Use tan amplio rano de t;cnicas ! perspectivas como sea
posible# cada una de las cuales nos posibilita evitar ciertas clases de eDuivocaciones$ Esto
sini)ica una clase de cooperaci!n interdisciplinaria y respeto di)erente de ese encontrado en
la mayora de intentos para meFclar dos aproGimaciones$ Paridades ! disparidades como la
psicohistoria tambi;n a menudo son intentadas por aboados insensitivos a los peliros en su
campo adoptado 8?ischo))# en imprenta>b9$ HeGter 8/62/9 describe a los historiadores
involucrados en tales aventuras como NratasO a bordo de barcos hundi;ndose
intelectualmenteO 8p$ //39$
6prendizaje
"etornando a Benson 8/62.9# si deseamos el pasado para servir al )uturo# no podemos tratarlo
en aislamiento$ Bas relas Due usamos para eGplicar el pasado deben tambi;n ser aDuellas Due
usamos para predecir el )uturo$ Debemos acumular nuestra eGperiencia con un ojo cuidadoso
para todas las pruebas relevantes de nuestras hip!tesis$ Un aspecto de hacer esto es
compilando documentos Due pueden ser sujetos a anClisis estadstico sistemCtico$ Un
seundo aspecto es uardar el traFo de las deliberaciones Due presiden nuestras propias
decisiones# dCndonos cuenta Due el presente pronto serC pasado y Due una cali)icaci!n bien
preservada es el mejor remedio para el prejuicio de la percepci!n retrospectiva< Un tercer
aspecto es hacer predicciones Due puedan ser evaluadasL una perturbadora lecci!n del
accidente nuclear de la Isla de las 'res -illas es Due no estC enteramente claro lo Due ese
ostensiblemente evento dian!stico nos dijo sobre la valideF del Estudio de Seuridad del
"eactor 8U$S$ *uclear "eulatory Commision# /6219 Due intent! evaluar los riesos del
poder nuclear< Un cuarto aspecto es conseuir una mejor idea de la valideF de nuestros
propios sentimientos de con)ianFa# en la medida en Due la con)ianFa en el conocimiento
presente controla nuestra bAsDueda de nueva in)ormaci!n e interpretaciones 8?ischo))# Slovic
R Bichtenstein# /6229$ Por lo tanto# deberamos estructurar nuestras vidas de tal )orma de
)acilitar el aprendiFaje$
Indeterminacin
En el )inal# no puede haber respuestas a muchos de las interroantes Due nosotros estamos
planteando$ &lunas son mal )ormadas$ %tras no pueden ser respondidas con herramientas
eGistentes ! posibles$ 'anto como nos ustara saber Nc!mo los Due estCn a )avor lo hacenO#
ah no puede haber modo estadsticamente para modelar eGpertos en polticas de juicios para
el rado deseado de precisi!n con estmulos realistas$ *uestras teoras son a menudo de Ntal
complejidad Due ninAn simple trabajo cuantitativo podra aAn empeFar a probar su valideFO
%Beary et al$# /62:# p$ ..79$ Cuando rupos Due deseamos comparar sobre una variable
tambi;n di)ieren sobre otra# no eGiste l!icamente un sano procedimiento para compararlos
en esa molesta variable 8-eehl# /6239$ Cuando hemos tratado muchas eGplicaciones posibles
en un )ijado set de datos# no eGiste un estricto modo de conocer cuCntos rados de libertad
hemos usado# cuCn lejos hemos capitaliFado en posibilidad 8Campbell# /6219$ Cuando
usamos mAltiples aproGimaciones# el conocimiento Due ellas producen nunca converen
ntidamente$ En el )inal# podemos tener Due adoptar la perspectiva )ilos!)ica de 'revelyan
.7:
Due Nvarias lecturas imper)ectas de historia son mejores Due ninunaO 8citada en -ar+ic(#
/623# p$ 129$

.71
Parte VII
Evaluacin multietapas
.74
+7( Evaluacin de probabilidades compuestas en
esco#encia secuencial
=ohn Cohen# E$ I$ Chesnic( y D Haran
Situaciones )recuentemente ocurren en las cuales un resultado eGitoso depende de un
individuo haciendo una correcta escoencia de cada una de varias mCs ! menos etapas
independientes$ Ba escoencia del modo de transporte a varias etapas de un viaje es un
ejemplo$ Predicamentos comparables ocurren en la vida pro)esional# poltica# administrativa#
poltica y militar y en redes de comunicaci!n eneralmente$ El orden temporal de las varias
escoencias no es invariablemente un )actor vital$ &demCs# la situaci!n como un todo puede
tener un stochastic 8Q9 carCcter en Due la probabilidad de la escoencia correcta puede variar
de etapa en etapa$
Describiremos un eGperimento simulando este tipo eneral de situaci!n# el cual
claramente reDuiere# para un resultado eGitoso# la multiplicaci!n de las probabilidades$
Estudios de pre)erencia para localiFar un objetivo en un arrelo m G n$ ! en una
representaci!n en una divisi!n dentro de Fonas conc;ntricas# indican Due las celdas en el
arrelo ! las Fonas conc;ntricas no son subjetivamente eDuiprobables como localiFaciones
para el objetivo 8Cohen# boyle R Chesnic(l# /6469$ Bos sujetos no parecen adivinar# al aFar#
la localiFaci!n desconocida del objetivo$ Su estrateia de bAsDueda tiene mCs el carCcter de
NadivinarO d!nde el eGperimentador la ha escondido# ! de localiFarla donde ellos esperaran
Due ella est;$ %tros eGperimentos 8Cohen R Hansel# /6179 suieren Due mucha ente# cuando
se encuentran encaradas con una situaci!n Due involucra probabilidades compuestas# tienden
a adicionar# en luar de multiplicar# las posibilidades de las di)erentes etapas$
Podemos por consiuiente predecir Due en un arrelo m G n# con un objetivo desconocido
en cada una de las )ilas m# el estimado del sujeto de su posibilidad de adivinar todos los
objetivos correctamente serC eGaerado# como es juFada por la probabilidad compuesta# n
>m
#
de localiFar el objetivo$ *uestro eGperimento estC desinado para probar esta predicci!n# y
para aclarar el )en!meno el cual la situaci!n enerarC$
El aparto consisti! de un tablero sobre el cual )ueron colocadas m )ilas cada una
conteniendo n receptCculos# donde m y n cada uno tom! los valores .# 0# :# 1 A 7$ 'odos los
receptCculos )ueron vaciados eGcepto uno en cada )ila el cual contena un tic(et$ En nAmero
de etapas separadas por consiuiente tuvo un rano de . a 7# con la posibilidad de adivinar
los ranos de .
>/
a .
>0
$
Bos sujetos )ueron cincuenta muchachos de edades entre /: y /1 aEos cuya NintelienciaO
podra ser asumida ser al menos tan buena como la del promedio adulto$ & un sujeto se le dio
Este captulo oriinalmente apareci! en *ature# /62/# 0.# :/:>:/4$ Derechos de autor 5 /62/ por -acmillan
=ournals# Btd$ "eimpreso con permiso$
'abla /$ Probabilidades psicol!icas 89 basada en escoencia de lotera
*o$ de *o$ de etapas en el arrelo
&lternativas >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
.72
por etapa . 0 : 1 7 -
. 3$:1 3 $1/ 3$04 3$07 3$02 3$:/
0 3$:/ 3$./ 3$./ 3$./ 3$/2 3$.:
: 3$0/ 3$.0 3$./ 3$/. 3$// 3$/6
1 3$03 3$.. 3$/2 3$/7 3$37 3$/6
7 3$32 3$/4 3$// 3$/0 3$31 3$//
- 3$0/ 3$.2 3$./ 3$.3 3$/4
*ota< Bas entradas en la tabla representan medias de dieF observaciones$
a entender Due en orden de anar un premio ;l tena Due adivinar la correcta localiFaci!n del
tic(et en cada )ila# solo una adivinanFa siendo permitida$ Su tarea )ue iualar lo Due ;l pens!
era la probabilidad de anar el premio con uno de un set de loteras$
Hubieron catorce loteras en total$ DieF de ellas tuvieron /33 tic(ets cada una# la
posibilidad de sacar un tic(et anador# basada en el nAmero de tic(ets anadores en la lotera
particular# siendo 3$3/# 3$/# 3$.# 3$0# $ $ $# 3$6$ Bas restantes cuatro loteras tuvieron 133#
/#333# 1#333 y /3#333 tic(ets respectivamente# con la posibilidad correspondiente de sacar un
tic(et anador de# 3$33.# 3$33/# 3$333. y 3$333/$
El rano de valores tomados para las )ilas y el rano de valores de los receptCculos
permitidos para veinticinco di)erentes situaciones$ & cada uno de los cincuenta sujetos les
)ueron asinados al aFar para cinco de estas situaciones por medio de cuadrados Batinos
tomados al aFar$ DieF sujetos juFaron as cada situaci!n m G n$
Ba cantidad de in)ormaci!n actualmente reDuerida para localiFar el objetivo es mlo
.
n
<bits=# donde m es el nAmero de )ilas# a las cuales llamaremos ahora NetapasO# y n el nAmero
de receptCculos# los cuales serCn desinados NalternativasO$ Ba posibilidad de sacar un tic(et
anador en la lotera escoida por el sujeto la trataremos como un estimado indirecto de su
probabilidad psicol!ica 89 de anar un premio$
Bos resultados presentados en la 'abla / indican Due todos los valores de son
sobreestimados# como juFadas por las probabilidades compuestas# p# por consiuiente
con)irmando nuestra predicci!n$ Ba manitud de la sobreestimaci!n es indicada por las
relaciones de a p en la 'abla .# las cuales suieren Due el realismo de los estimados es
con)undido por una aparente tendencia a tomar menos cuenta del nAmero de etapas Due el
nAmero de alternativas por etapa# aunDue un anClisis de la variaci!n muestra Due en relaci!n
a la variaci!n residual# ambas variaciones la inter>etapa y la inter>alternativa son sini)icantes
8p ] 3$3/9$
'abla .$ "elaciones# Tp# de probabilidades psicol!icas a compuestas
*o$ de *o$ de etapas en el arrelo
&lternativas >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
o por etapaoooo . 0 : 1 7oooooooooo
. /$7 :$3 1$2 /.$. 61$3
0 0$7 1$6 /2$7 10$. /3
0

: :$6 /:$7 1:$3 //7$3 2 G /3
0

1 2$1 .2$7 /34$3 140$3 0 G /3
:
7 :$0 7.$: :41$3 : G /3
0
6 G /3
1
Este e)ecto di)erencial viene a estar claro si ploteamos# como en la ?iura /# el loaritmo
de la sobreestimaci!n relativa# lo
/3
Tp# contra la cantidad en bits# m lo
.
n# reDuerido para
localiFar el objetivo$ Ba relaci!n es lineal# y es dada por la ecuaci!n<
.77
Bo
/3
Tp [ 3$.4 m lo
.
n S 3$0/ 8/9
Esta puede ser reescrita como<
Tp [ e
83$74mlo
e
n S 3$2.9
8.9
de la cual se siue Due si conservamos el nAmero de etapas constantes# Tp es directamente
proporcional a una potencia del nAmero de alternativas por etapa# mientras Due si
conservamos el nAmero de alternativas constante# Tp vara eGponencialmente con el nAmero
de etapas$
Dado m y n# podemos predecir el valor medio de porDue
P [ n
>m
809
Ba probabilidad compuesta p es obtenida multiplicando las respectivas probabilidades de
adivinar correctamente en cada una de las m etapas# cada una de estas probabilidades siendo
iual a /Tn$
Por consiuiente# de 8.9
[ e
>3$2.
n
>3$/:m

8e
>3$2.
[ 3$:69 8:9
En eneral# por consiuiente# la sobreestimaci!n relativa de Tp resulta de una atenuaci!n
subjetiva del )actor multiplicativo# m# del nAmero de etapas$ Esta atenuaci!n es del orden de
seis setentavos del nAmero de etapas# dentro de nuestras restricciones eGperimentales$ Esto
nos conduce a in)erir Due el elemento multiplicativo en la probabilidad compuesta estC lejos
de ser NprimitivoO ! intuitivo# lo cual puede ayudar para eGplicar las di)icultades especiales
Due la ente encuentra en el estudio de estadstica$
Insertar a-u* la 4i#ura ' de la p5#ina 19G del texto ori#inal(
?iura /$ Bo de la sobreestimaci!n relativa ploteada contra el nAmero de bits 8lo
/3
8Tp9
contra m lo
.
n9$ p [ probabilidades compuestas L m [ nAmero de etapasL n [ nAmero de
alternativas$
*uestra interpretaci!n estC soportada por eGperimentos similares con sujetos entre las
edades de 6l y /3l aEos# en la cual# aparte de una ruesa sobreestimaci!n relativa de # las
tendencias no son discernibles con variaciones en los valores de m y n$ Esto tambi;n suiere
Due el elemento multiplicativo no es primitivo$
El m;todo Due hemos usado involucra una evaluaci!n indirecta de $ Una evaluaci!n
mCs directa podra obtenerse reDuiriendo al sujeto a Due escoja entre di)erentes tipos de
arrelo$ Ba utilidad de la escoencia# sin embaro# podra entonces llear a ser un )actor
importante$
Este eGperimento dilucida la aparente tendencia# en una variedad de situaciones de
escoencia multi>etapas# para el Due toma la decisi!n de mal juFar la probabilidad de su
;Gito# y por consiuiente adoptar una estrateia inapropiada la cual ;l mCs adelante
lamentarC$
De inter;s hist!rico en esta coneGi!n es el hecho de Due la mayora de sutiles pensadores
de la antiua Irecia# aunDue muy intriados por la idea de lo posible# especialmente en la
.76
)iloso)a de Stoic# nunca aarraron el anClisis combinacional# el cual habra de esperar hasta
el silo MJI para su desarrollo$ &rist!teles mismo evidentemente tena solo una peDueEa
apreciaci!n del concepto de probabilidad $ CualDuier intuici!n del sujeto Due ;l y otros
podran haber tenido estuvieron sumeridos por randes hCbitos establecidos del
pensamiento$
Ba relativa sobreestimaci!n de las probabilidades compuestas las cuales el eGperimento
ha revelado pueden ser un )en!meno de considerable eneralidad en la decisi!n y escoencia$
Si es as# ella amerita una desinaci!n especial$ Proponemos nombrarla el Ne)ecto inercialO$
.63
+9( Conservatismo en el procesamiento de la
inormacin ;umana
Hard Ed+ards
$ $ $ Una abundancia de investiaci!n ha mostrado Due los seres humanos procesadores
conservadores de la in)ormaci!n )alible$ 'ales eGperimentos comparan el comportamiento
humano con los rendimientos del teorema de Bayes# la )ormalmente rela !ptima sobre c!mo
las opiniones 8Due es probabilidades9 deberan ser revisadas sobre las bases de nueva
in)ormaci!n$ "esulta Due el cambio de opini!n es muy ordenado# y usualmente proporcional
a los nAmeros calculados del teorema de Bayes S pero el es su)iciente en cantidad$ Una
conveniente primera aproGimaci!n a los datos sera Due el tome entre dos a cinco
observaciones para hacer un trabajo dino de observaci!n en inducir a un sujeto a cambiar
sus opiniones$ Un nAmero de eGperimentos han sido diriidos a una eGplicaci!n para este
)en!meno$ Ellos muestran Due una mayor# probablemente la mayor# causa de conservatismo
es una mala adici!n humana de los datos$ Pue sini)ica# Due los hombres perciben
eGactamente cada dato y estCn muy concientes de su sini)icado dian!stico individual# pero
no son capaces de combinar bien su sini)icado dian!stico con el sini)icado dian!stico de
otros datos cuando revisan sus opiniones$ $ $ $
Bas probabilidades cuanti)ican la incertidumbre$ Una probabilidad# de acuerdo a
Bayesianos como nosotros# es simplemente un nAmero entre cero y uno Due representa la
eGtensi!n a la cual una persona de aluna manera idealiFada cree una declaraci!n es
verdadera$ Ba raF!n de Due la persona sea de aluna manera idealiFada es Due la suma de sus
probabilidades para dos eventos mutualmente eGclusivos debe iualar su probabilidad de Due
ninuno de los eventos ocurrirC$ Ba propiedad aditiva tiene tales consecuencias demandantes
Due pocas personas reales son capaces de con)ormar a todas ellas$ Puesto Due tales
probabilidades describen a la persona Due sostiene la opini!n mCs Due al evento sobre el Due
la opini!n es# ellas son llamadas probabilidades personales 8vea Savae# /61:9$
El problema de Bayes es una trivial consecuencia de la propiedad aditiva# no
controversial y en concordancia con todos los probabilistas# Bayesianos y otros$ Una manera
de escribirlo es como siue$ Si P8H
&
TD9 es la probabilidad posterior Due la hip!tesis & tiene
despu;s del dato D ha sido observado# P8H
&
9 es su probabilidad previa antes del dato D es
observado# P8DTH
&
9 es la probabilidad Due el dato D serC observado si H
&
es verdadero# y
P8D9 es la probabilidad no condicional del dato D# entonces
EGtractos de un trabajo Due apareci! en B$ KleinmuntF 8Ed$9# !epresentacin >ormal del @uicio Cumano# *e+
,or(< =ohn Hiley and Sons# Inc$# /647$ "eimpreso con permiso$
Insertar a-u* la rmula ='J de la p5#ina 1A8 del texto ori#inal
.6/
P8D9 es el mejor pensamiento de c!mo una constante normaliFadora# proyectada para hacer
las probabilidades posteriores adicionar a uno sobre el eGhaustivo set de mutualmente
eGclusivas hip!tesis siendo consideradas$ Si ella debe ser calculada# puede ser como siue<
Insertar a-u* la si#uiente rmula sKn de la p5#ina 1A8 del texto ori#inal
Pero mCs a menudo P8D9 es eliminada mCs Due calculada$ Un modo mCs conveniente de
eliminarla es trans)ormar el teorema de Bayes dentro de su )orma de relaci!n disparidad>
probabilidad$ Considere otra hip!tesis# H
# mutualmente eGclusivo de H
&
# y modi)icar su
opini!n sobre el sobre las bases del mismo dato Due cambi! su opini!n sobre H
&
$ El teorema
de Bayes dice
Insertar a-u* la rmula =+J de la p5#ina 1A8 del texto ori#inal
&hora dividir la ecuaci!n 8/9 entre la ecuaci!n 8.9L el resultado es
Insertar a-u* la si#uiente rmula sKn de la p5#ina 1A8 del texto ori#inal
!

/
[ B
3#
809
donde
/
es la probabilidad posterior en )avor de H
&
sobre H
B
#
3
es la probabilidad previa y
B es una cantidad )amiliar para los estadsticos como una proporci!n de probabilidad$ Ba
ecuaci!n 809 es una versi!n apropiada del teorema de Bayes como la ecuaci!n 8/9# y a
menudo considerablemente mCs Atil especialmente para eGperimentos involucrando dos
hip!tesis$
Bos estadsticos Bayesianos aruyen Due el teorema de Bayes es una rela )oralmente
!ptima sobre c!mo revisar las opiniones a la luF de la evidencia# esa revisi!n de opini!n a la
luF de la evidencia es eGactamente en lo Due la in)erencia estadstica consiste# y Due por
consiuiente la in)erencia estadstica debera ser estructurada alrededor del teorema de Bayes
S con muchas di)erencias consecuentes de la prCctica clCsica de la estadstica$ Para una
elemental eGposici!n de estas ideas escritas por eGperimentados psic!loos# vea Ed+ards#
Bindman y Savae 8/6409$ Pero nosotros no somos estadsticos# ! en cualDuier proporci!n
ninuno de nosotros estC usando nuestras orras de orejas de burros de estadsticos hoy$ En
veF de eso# como psic!loos# estamos interesados en comparar el comportamiento ideal
especi)icado por el teorema de Bayes con el desenvolvimiento actual del humano$
Para darle a usted un sentir por lo Due siue# permtasenos tratar un eGperimento con
usted como sujeto$ Esta bolsa de libro de reistro contiene /#333 )ichas de poc(er$ ,o empec;
con dos de tales bolsas# una conteniendo 233 )ichas rojas y 033 aFules# la otra conteniendo
033 rojas y 233 aFules$ ,o lanc; una moneda leal al aire para determinar cuCl usar$ Por lo
tanto# si sus opiniones son como las mas# su probabilidad al momento de Due este es la
predominante bolsa roja es 3$1$ &hora# usted muestree# al aFar# con reemplaFo de cada )icha$
En /. muestras# usted obtiene 7 rojas y : aFules$ &hora# sobre la base de todo lo Due usted
conoce# cuCl es la probabilidad de Due esta sea la predominante bolsa rojaQ Claramente es
mayor Due 3$1$ Por )avor no continAe leyendo hasta Due usted haya escrito su estimado$
Si usted es como un sujeto tpico# su estimado cay! en el rano de 3$2 a 3$7 S aunDue la
declaraci!n hecha )recuentemente en los pCrra)os precedentes de Due los hombres son
procesadores conservadores de in)ormaci!n puede haber prejuiciado su respuesta arriba$ Si
)uimos a trav;s del cClculo apropiado# sin embaro# la respuesta sera 3$62$ -uy raramente
.6.
ciertamente una persona no eGpuso previamente para el descubrimiento del conservatismo
venir con un estimado de ese tamaEo# aAn si ;l estC relativamente )amiliariFado con el
teorema de Bayes$
&lrededor de /643# Hilliam B$ Hayes# un estudiante raduado llamado Ba+rence D$
Phillips# y yo estuvimos interesados en encontrar discrepancias entre el desenvolvimiento
humano y ese especi)icado por el teorema de Bayes$ El simple ejemplo del pCrra)o previo
nonos ocurri! a nosotrosL en luar de eso estuvimos seuros de Due necesitaramos usar una
situaci!n justamente compleja en orden de tener un comportamiento no Bayesiano$ Por lo
tanto utiliFamos un hipot;tico sistema de radar computariFado$ Hubo /. posibles
observaciones# : posibles hip!tesis y as los sujetos tenan Due entender y usar un desplieue
de :7 di)erentes valores de P8DTH9$ Bos sujetos trabajaron bajo dos condiciones$ En una# el
sujeto vio un estmulo simple# un punto en un sector del campo de visi!n de un radarL ;l
lueo revis! sus probabilidades previas sobre las cuatro hip!tesis sobre la base del dato
)ijando cuatro apoyos a sus posteriores estimados de probabilidad# lueo reajustar los apoyos
a 3 en preparaci!n para el siuiente estmulo$ El seundo estmulo consisti! del viejo punto
mCs uno nuevoL el sujeto )ij! sus apoyos para reportar el impacto acumulativo de ambos
puntos$ , as sucesivamente# hasta Due los /1 puntos se haban acumulado$ En la seunda
condici!n# los estmulos )ueron meFclados# y el sujeto en e)ecto empeF! otra veF con cada
estmulo nuevo$ Para la sorpresa de los eGperimentadores la predicci!n del teorema de Bayes
Due esta di)erencia en condiciones no hara di)erencia en el comportamiento )ue eGtinuida$
-Cs aAn# hubo aAn otra condici!n en la cual cada nuevo punto )ue despleado solo# pero a
los sujetos se les permiti! preservar sus estimados de un estmulo al siuiente mCs Due
reajustar los apoyos a 3 despu;s de cada estimado$ De nuevo# la variaci!n en condiciones
tuvo peDueEa di)erencia en el comportamiento$
Bos positivos encuentros del eGperimento del Phillips>Hays>Ed+ards )ueron tres en
nAmero$ Primero# los sujetos )ueron abrumadoramente conservadores$ Seundo# ellos )ueron
menos conservadores en el primer punto# viniendo a ser mCs as con mCs puntos$ ?inalmente#
las sumas de sus estimados de probabilidad# las cuales no )ueron restrinidas# en eneral
aEadieron mCs Due /# y se incrementaron tanto los sujetos Due proresaron a trav;s de
estmulos sucesivos en una secuencia ordenada$ &parentemente los sujetos lo encontraron
mCs )Ccil para determinar cuCl hip!tesis )ue )avorecida por un estmulo# y as incrementar la
probabilidad de esa hip!tesis# mas Due decidir de cuCles otras hip!tesis de probabilidad
deberan ser eliminadas en orden de dCrsela a la )avorecida$
*osotros )uimos notablemente dilatorios en publicar este eGperimento del conservatismo
oriinal$ &unDue los datos estuvieron completos en /64.# el trabajo de Phillips>Hays>
Ed+ards no )ue impreso hasta /644 8Phillips et al$# /6449$
Ba manitud y consistencia de los descubrimientos del conservatismo nos sobresaltaron$
Pareci! apropiado tratar las tareas mucho mCs simples$ De tal manera# sin mucha )e# Phillips
y yo tratamos un preensayo similar en carCcter al ejemplo del bols!n y las )ichas de poc(er
Due usted trat! arriba$ Para nuestra sorpresa# trabaj! muy bien$ Ba mayora de la
investiaci!n corriente comparando el comportamiento humano con el teorema de Bayes
puede ser encontrado de ese preensayo y el eGperimento subsecuente$
Si la proporci!n de )ichas rojas en el bols!n es p# entonces la probabilidad de conseuir r
)ichas rojas y 8n S r9 )ichas aFules en n muestras con reemplaFo en un orden particular es
pT8/ S p9
n

A r
$ &s en un tpico eGperimento de bols!n y )ichas de poc(er# si H
&
es Due la
proporci!n de )ichas rojas es p
6
y H
B
es Due esa proporci!n es p
N
# entonces la proporci!n de
probabilidad es
Insertar a-u* la rmula =7J de la p5#ina 1A+ del texto ori#inal(
.60
*ote Due mientras las Ecuaci!n : )ue derivada de considerar la actual secuencia de rojas y
aFules en la muestra# podra bien haber estado derivada de considerar r rojas y 8n S r9 aFules
en cualDuier ordenL el coe)iciente binomial Due representa el nAmero de di)erentes modos en
Due uno puede obtener r rojas en n sacadas aparece en ambos el numerador y el denominador
y por tanto cancela la relaci!n de probabilidad$ Esta es una ilustraci!n del principio de
probabilidad de la estadstica Bayesiana 8vea Ed+ards# Bindman R Savae# /6409# la cual en
e)ecto dice Due un Bayesiano necesita considerar solo la probabilidad de la observaci!n Due
;l ha hecho# no las probabilidades de otras observaciones Due ;l podra haber hecho pero no
las hiFo$ Este principio ha barrido el impacto en todas las aplicaciones estadsticas y no
estadsticas del teorema de BayesL es la herramienta t;cnica mCs importante del pensar
Bayesiano$
En el caso especial en el cual p
6
> / S p
N
8el caso del binomio sim;trico9# la probabilidad
de la relaci!n se reduce a
Insertar a-u* la rmula =9J de la p5#ina 1A+ del texto ori#inal
*ote Due .r S n [ r S 8n S r9 es la di)erencia entre el nAmero de rojas y el nAmero de aFules
en la muestraL solo Due la di)erencia y no el nAmero total de observaciones# es relevante a la
in)erencia en este caso sim;trico$ Ba tradici!n estadstica etiDueta esa di)erencia de ;Gitos
menos )allas# ! s S fL s S f es la variable independiente usual del eGperimento del bols!n y las
)ichas de poc(er$ Para entender lo racional de la variables independientes usuales# sustituya la
Ecuaci!n 1 dentro de la Ecuaci!n 0# tome loaritmos y rearrele los t;rminos$ El resultado es
Insertar a-u* la rmula sKn de la p5#ina 1A1 del texto ori#inal
Si el sujeto es per)ectamente Bayessiano# la relaci!n del lo de probabilidad Due puede ser
in)erida sustrayendo el lo de las probabilidades previas del lo de las probabilidades
posteriores debera ser proporcional a s S f# la variable independiente$ Es apropiado plotear la
relaci!n del lo de probabilidad in)erido del sujeto# de este modo calculada de sus
probabilidades posteriores 8la cual a su veF )ue calculada de sus probabilidades posteriores si
;l estuvo estimando las probabilidades9 y las probabilidades previas objetivamente
apropiadas # contra s S f$
Ba mayora de los eGperimentos del bols!n y las )ichas de poc(er en el laboratorio de
-ichian han utiliFado un desplieue consistiendo de :7 locaciones numeradas cada una
conteniendo un bot!n# una luF roja y una luF verde$ Cuando el bot!n de una locaci!n es
oprimido# una de las luces se enciende y permanece encendida# a los sujetos se les dijo Due
esto es eDuivalente a una muestra con reemplaFo de una )icha del correspondiente color del
bols!n$ & los sujetos se les dijo Due prorama Due controla las luces )ue preparado
muestreando de un bols!n$ &ctualmente# para la mayora de eGperimentos ese prorama es
cuidadosamente preparado de tal )orma Due la secuencia despleada es apropiadamente
representativa del bols!n# y en particular as Due en cada eGperimento las muestras de tamaEo
)avorecen la hip!tesis )alsa apropiadamente a menudo por el valor de p
6
siendo usado# para
todos los valores de n$
Phillips y yo 8/6449 investiamos el e)ecto de p
6
# usando secuencias de .3 )ichas y
valores de p6 de 3$11# 3$2# y 3$71$ Bos sujetos estimaron las probabilidades posteriores
distribuyendo /33 discos blancos de madera sobre dos mnimos$ Bos resultados tpicos de
tales eGperimentos son presentados en la ?iura /# para el bols!n 3$2 con varias
probabilidades previas$ 'res descubrimientos# ilustrados en la ?iura /# aparecieron para
todos los sujetos$ Primero# las relaciones del lo de probabilidad in)eridas )ueron toscamente
proporcionales a s S f$ Seundo# las probabilidades previas )ueron apropiadamente usadasL
.6:
Due es# la mejor lnea de ajuste a trav;s de los datos de puntos pasa a trav;s del orien$
'ercero# los sujetos )ueron conservadoresL la mejor lnea de ajuste )ue mCs )avorecedora Due
la lnea representando la ejecuci!n !ptima Bayesiana$ El descubrimiento de la casi linealidad
de las relaciones del lo de probabilidad in)eridas con s S f 8! eDuivalentemente# con las
relaciones Bayesianas del lo de probabilidad9 suiere aAn otra variable dependiente< la
relaci!n de la pendiente de la mejor lnea de ajuste a trav;s de los estimados de los sujetos a
la pendiente de la lnea Bayesiana$ Peterson# Schneider y -iller 8/6419 han nombrado esa
relaci!n la relaci!n de eGactitudL ellos tambi;n la encontraron mCs ! menos constante con
s S f$
Insertar a-u* la 4i#ura ' de la p5#ina 1A7 del texto ori#inal
Ba ?iura . muestra relaciones de eGactitud para los datos de Phillips>Ed+ards para los tres
valores de p
6
$ Para al menos la in)ormaci!n dian!stica# los sujetos )ueron mCs eGtremos Due
el teorema de Bayes$ 8Dale ha encontrado la misma cosaL vea H$ Ed+ards# /6419$ Pero por la
in)ormaci!n teniendo un raFonablemente alto valor dian!stico# los sujetos )ueron
conservadores# y lar relaci!n de eGactitud )ue muy constante con s S f$ *ote Due como la
dianosticidad se incrementa# el conservatismo se incrementa tambi;n$ Este es un
descubrimiento estCndar de tales eGperimentosL cualDuier procedimiento Due incremente la
dianosticidad de la observaci!n del individuo 8de una )icha ! de varias9 tambi;n incrementa
el conservatismo$ 8Jea por ejemplo# Peterson# Schneider R -iller# /6419$
Phillips y yo# despu;s de obtener estos resultados# especularon Due una raF!n para el
conservatismo podra ser Due los sujetos# conociendo Due la escala de probabilidad estC unida
y observando Due la evidencia podra ir subiendo hacia arriba y hacia arriba# estuvieron
sosteniendo sus estimados bajos$ El remedio obvio# de ser as# es usar un modo de respuesta
no unido# como probabilidades$ Por tanto corremos un estudio de cuatro rupos$ El rupo de
control estim! las probabilidades distribuyendo /33 discos sobre dos mnimos# como antes$
El rupo de probabilidades verbales simplemente hiFo estimados verbales de las
probabilidadesL nosotros siempre tomamos las probabilidades como nAmeros iuales a !
mayores Due uno# y por consiuiente siempre acompaEamos las declaraciones de
probabilidad de declaraciones de las cuales la hip!tesis es )avorecida por la probabilidad$ Bas
probabilidades en un rupo de escala lo hiFo sus estimados moviendo un puntero a lo laro
de una escala de probabilidad la cual contena cuatro ciclos lo# de tal manera Due las
probabilidades dondeDuiera de /</ a /3#333</ podran ser estimadas$ El cuarto rupo us! las
probabilidades sobre un mecanismo de escala lo tambi;n# pero los nAmeros entrados
opuestos a las marcas de la escala )ueron probabilidades mCs Due posibilidades 8por tanto 3$1
mas Due /</# 3$42 mas Due .</# 3$73 mas Due</9$ Ella )ue llamada la probabilidad en un rupo
de escala lo de probabilidad$ Bos descubrimientos )ueron Due todos los rupos )ueron muy
conservadores$ El rupo de probabilidad )ue mala# la probabilidad en una escala de
probabilidad lo )ue la siuiente peor# y los dos rupos de probabilidad )ueron casi
comparables# con probabilidades en una escala lo lieramente superior$
Este descubrimiento simplemente subraya un hecho Due ha lleado a ser crecientemente
claro en el curso del trabajo Bayesiano$ Ba probabilidad es una medida bastante pobre de la
incertidumbre# eGcepto en situaciones en las cuales repartir A otro uso directo de la propiedad
de aditividad es necesario$ ,a sea una probabilidad ! una probabilidad lo es mejor$ Ba
Insertar a-u* la 4i#ura + de la p5#ina 1A9 del texto ori#inal
probabilidad es mCs intuitiva para los sujetos simples# y puede mCs )Ccilmente ser liada a
actos simples 8por ejemplo# escoencias entre apuestas9L el hecho de Due la industria del
.61
jueo estructura todas sus declaraciones y eGposiciones alrededor de la posibilidad mCs Due
de la probabilidad es ambos reconocimiento de y talveF causa de el mayor valor intuitivo de
las probabilidades$ Bas probabilidades lo# Anicamente entre las mCs ! menos m;tricas para
la incertidumbre# tiene la propiedad Due en esa evidencia m;trica es aditiva$ Si la opini!n es
medida en probabilidades lo# la cantidad de cambio de opini!n producida )ue empeFar$ Esta
eleante propiedad hace a la probabilidad lo conveniente Anicamente para eGperimentos
Bayesianos$
Bos datos Phillips>Ed+ards pueden ser bien ajustados por una simple modi)icaci!n del
teorema de Bayes<

/ [
c
3
Ba constante c# el poder al cual cada relaci!n de probabilidad es elevado antes de procesarlo
por medio del teorema de Bayes# es la relaci!n de eGactitud$ Desa)ortunadamente# es
dependiente de importantes variables independientes# incluyendo el dian!stico de los datos
y la respuesta m;trica$ &An el hecho Due tan simple un modelo descriptivo se ajusta tan bien
debe ser eGplicado por cualDuier teora del conservatismo$ $ $ $
$ $ $ Un sistema de Procesamiento de In)ormaci!n Probabilstica# ! PIP# $ $ $ es una idea de
c!mo diseEar sistemas de mCDuina>hombre Due deben procesar in)ormaci!n con el prop!sito
de alcanFar una conclusi!n sobre en Du; estado se encuentra el mundo$ Ejemplos de ajustes
en los cuales tal procesamiento de in)ormaci!n debe ser hecho incluye el dian!stico m;dico#
el comando militar 8en el cual in comandante puede necesitar para determinar si ! no ;l estC
bajo un ataDue# y si es as# cuCl es el plan de su oponente9# y la erencia de neocios 8por
ejemplo# en el caso de un hombre de neocios decidir s ! no )abricar un producto nuevo9$ Ba
idea del PIP es demasiado complicada de eGplicar en detalle aDu$ Para recientes eGposiciones
de ella# vea Ed+ards# Bindman y Phillips 8/6419# ! H$ Es+ards 8/6449$ Ba esencia de esto es
Due la tarea de procesamiento de in)ormaci!n dian!stica pueda ser dividida en dos clases de
sub>tareas$ Una clase de sub>tarea consiste del juicio del impacto de un dato individual sobre
una hip!tesis simple ! un par de hip!tesis$ Para las verbales# )ormas cualitativas de datos e
hip!tesis Due caracteriFan a muchos ajustes de dian!sticos reales# esto parece ser una tarea
necesariamente hecha por hombres# el mCs eGperto el mejor$ Pero la seunda clase de sub>
tareas es el areado de estos impactos dian!sticos separados a trav;s de datos e hip!tesis
dentro de un cuadro de c!mo todas las hip!tesis corrientemente se sostienen a la luF de todos
los datos disponibles$ Esta tarea de areado es inmediatamente mecaniFada por medio del
teorema de Bayes# si los impactos dian!sticos de los datos individuales son juFados en la
)orma de valores P8DTH9 ! relaciones de probabilidad$ 8en la mayora de situaciones# aunDue
no todas# los juicios de relaciones de probabilidad son claramente pre)eribles# por raFones
)ormales# para juicios de P8DTH9$
&lrededor de Duince colaboradores y yo estuvimos interesados en encontrar si el PIP
trabaja ! no$ Por lo tanto desinamos un imainario ! elaborado mundo de /621$ En ese
mundo listamos seis hip!tesis Due los sujetos tuvieron para considerar tres )uentes de datos
especi)icados 8el Sistema de Prevenci!n temprana de -isiles Balsticos# un sistema de
reconocimiento satelital# y el sistema de inteliencia9 Due proveyeron datos relacionados con
;stas hip!tesis# y desinaron cuatro sistemas de procesamiento de in)ormaci!n para procesar
los datos$ Bos cuatro sistemas )ueron denominados PIP# P%P# PEP y PUP$ En el PIP# los
sujetos estimaron cinco relaciones de probabilidad por dato$ Una de las seis hip!tesis )ue NBa
paF continuarC prevaleciendoO y las otras cinco )ueron varias posibles uerrasL las cinco
emparejadas de una uerra con paF especi)ic! las cinco relaciones de probabilidad a ser
estimadas$ Bos otros tres sistemas de procesar la in)ormaci!n todos tuvieron en comAn Due el
sujeto estim! posibilidades posteriores ! probabilidades ! cantidades posteriores similaresL
.64
por lo tanto en el PIP la computadora are! los datos por medio del teorema de Bayes#
mientras Due en los otros tres sistemas los sujetos tuvieron Due arear los datos en sus
cabeFas$ Para ayudarlos a hacer esto# los sujetos en P%P# PEP y PUP tuvieron sus estimados
despu;s del n
avo

dato disponible cuando ellos consideraron el 8n l /9
avo
dato# de tal manera
Due ellos solo necesitaron modi)icar aDuellos estimados a)ectados por el dato$
EGisti! un total de /7 escenarios# con 43 temas de datos por escenario$ 'odos los temas de
datos eGcepto para aDuellos del Sistema de Prevenci!n 'emprana de -isiles Balsticos
estuvieron en la )orma de pCrra)os cortos$ Bos 0: sujetos )ueron eGhaustivamente entrenados
en las caractersticas del mundo# las hip!tesis# las tres )uentes de datos y el sistema de
procesamiento de in)ormaci!n Due cada uno tuvo Due operar$
Insertar a-u* la 4i#ura 1 de la p5#ina 1AD del texto ori#inal
?iura 0$ Probabilidad )inal a )avor de la uerra para P%P vrs$ PIP ploteada en escalas lo$
Puesto Due el PIP )ue claramente mejor y el P%P )ue el siuiente mejor# yo presentar;
solo la comparaci!n entre ellos$ 8PUP )ue el tercero mejor# y el PEP# el mCs cercano Due
podamos conseuir de c!mo tal proceso de in)ormaci!n es hecho ahora# )ue el peor9$ Ba
?iura 0 muestra la probabilidad )ina# despu;s del seGa;simo dato en cada escenario# a )avor
de cada uerra como comparado por la paF para PIP y P%P$ Bas dos cosas mCs importantes
de notar sobre la )iura son Due los dos rupos concuerdan muy bien cualitativamente 8la
correlaci!n entre ellos es 3$7619# pero ellos estCn en desacuerdo cuantitativamente$ El PIP es
mucho mCs sensitivo a los datos Due el P%PL el mismo escenario Due conducirC al PIP a estar
muy seuro de la paF ! de aluna uerra conducirC al P%P a estar mucho menos seuro$ Para
ponerlo de otra manera# el PIP es mucho mCs conservador Due el P%P S presumiblemente
porDue en el P%P# los sujetos deben arear los datos# mientras Due en el PIP# los sujetos
juFan el impacto dian!stico de cada dato separadamente y el teorema de Bayes hace el
areado$
Usted debera notar tambi;n Due ambos ejes en la ?iura e son loartmicamente
espaciados$ Si usted traduce la di)erencia en e)iciencia atrCs dentro de la probabilidad# la
dramCtica di)erencia entre el PIP y el P%P viene a ser aparente$ Por ejemplo# calculando
desde la lnea de reresi!n# si un escenario condujo al PIP a dar 66</ posibilidades a )avor de
aluna uerra sobre la paF# el P%P dara solo :</ probabilidades a )avor de esa uerra sobre
la paF$
Ba )alta de percepci!n de la hip!tesis posiblemente no puede eGplicar esta discrepancia
entre el PIP y el P%P$ Bos sujetos del PIP estiman el impacto dian!stico de cada dato
separadamenteL los sujetos del P%P deben arearlo en sus cabeFas S y hacerlo muy
conservadoramente$ Puesto Due ninAn modelo del proceso de eneraci!n de datos estC
disponible# es imposible decir Du; son las correctas probabilidades posteriores$ Pero la
di)erencia entre el PIP y el P%P es claramente causada por una di)erencia en el proceso de
areado$
Barry Phillips# uno de los colaboradores en este eGperimento# estuvo conciente sobre el
hecho de Due ninAn modelo del proceso de eneraci!n de datos estuvo disponible y por
tanto no )ue posible decir con certeFa si el PIP ! el P%P estuvo mCs cercanamente correcto$
Por lo tanto para su tesis del Ph$D ;l compar! el PIP con el P%P en una situaci!n en la cual
un modelo del proceso de eneraci!n de datos estuvo disponible# )ue sini)icativo preuntar
por un estimado de la relaci!n de probabilidad para un dato simple# y el procedimiento del
P%P produjo estimados conservadores$ Sus sujetos )ueron los editores del peri!dico de los
estudiantes de la Universidad de -ichian$ El tom! los editoriales cada uno de los editoriales
de los editores para un semestre# contadas las dos primeras cartas y las Altimas dos cartas de
.62
cada palabra de cada editorial# y por lo tanto para cada editor prepar! un bols!n lleno de
biramas iniciales y un bols!n lleno de biramas )inales$ Para la tarea del PIP# ;l tom! ciertos
biramas# y reDuiri! al editor estimar 8de su propio bols!n solamente9 la relaci!n de
probabilidad# tomada con la hip!tesis del bols!n inicial en el numerador y la hip!tesis del
bols!n )inal en el denominador# asociado con cada birama$ Para la tarea del P%P# ;l prepar!
una secuencia de biramas muestreados de uno de los bolsones# y reDuiri! al editor# al tiempo
Due ;l trabajaba en la secuencia# estimar la probabilidad posterior Due )ue muestreada del
bols!n del principio# no del bols!n )inal$ -ucho cuidado )ue dedicado al entrenamiento
preliminar de los editores# y los estimados de la relaci!n de probabilidad )ueron colectados
dos veces# una veF antes y la otra despu;s de los estimados de la probabilidad posterior$
Un problema en el anClisis de los datos suri! porDue todos los juicios# para ambos el PIP
y el P%P# )ueron prejuiciados a )avor del bols!n de inicio$ Esto es probablemente porDue es
mucho mCs )Ccil# por ejemplo# pensar en palabras Due principian con re Due en palabras Due
)inaliFan en re$ aunDue re es mCs comAn es mCs comAn como un )inal Due como un principioL
nosotros estamos acostumbrados a etiDuetar las palabras por sus principios# no los )inales#
cuando nosotros# por ejemplo# cuando las buscamos en un diccionario$ Sin embaro# es
posible correir tales prejuicios$ Ba ?iura : muestra los resultados despu;s de tal correcci!n$
Ba probabilidad verdica# calculada de las cuentas del birama actual# son mCs eGtremas$ &
continuaci!n viene la probabilidad calculada del seundo set de estimados de relaci!n de
probabilidad$ Bueo viene la probabilidad calculada del primer set de estimados de relaci!n
de probabilidad$ ,# mCs cerca de la mitad y por consiuiente mCs conservadores# son los las
probabilidades posteriores directamente estimadas$ Si nosotros creemos en estos datos 8y yo
los creo9# aunDue el PIP es considerablemente menos conservador Due el P%P# es aAn
demasiado conservador S pero los estimados PIP mejoran con la prCctica$
$
+A( Fa ;iptesis de la mejor adivinacin en la
inerencia multietapas
.67
Charles ?$ Iettys# Clinton Kelly III y
Cameron " Peterson
Ba in)erencia multietapas consiste de unas series de in)erencias de etapas simples donde el
resultado de cada etapa previa viene a ser el resultado de la etapa siuiente$ En una in)erencia
de etapa simple los hombres raFonan de los datos ! sin ambieedades observaron la
evidencia de un set de hip!tesis$ Ba in)erencia multietapas comienFa con los mismos datos no
ambiuos ! la evidencia en la primera etapaL sin embaro# el resultado para la siuiente etapa
es el resultado de la etapa previa$ Ba etapa siuiente de la in)erencia estC por consiuiente
basada en las probabilidades de los eventos# mCs Due sobre el conocimiento de)initivo Due un
evento particular es verdadero 8Iettys R Hill(e# /6469$
Por ejemplo# supona Due usted deseaba predecir el ;Gito ! )alla de un ran jardn para
)iesta$ &sume Due la )iesta es menos probable de ser eGitosa si estC atiborrada adentro debido
a la lluvia$ Su dato es la presencia de una nube oscura en el horiFonte$ Ba primera etapa de
in)erencia relaciona la nube oscura a la presencia ! ausencia de lluvia durante la )iesta$
Supona Due usted estim! Due la probabilidad de lluvia era de $23$ Este estimado vendra a
ser la entrada as la siuiente etapa de in)erencia$ Si usted supo con certeFa Due llovera#
entonces usted podra in)erir la probabilidad de Due la )iesta sera un ;Gito$ Pero usted no estC
enteramente seuro Due lloverCL loa datos con Due usted cuenta indican lluvia con una
probabilidad de 3$23# por lo tanto c!mo procedera ustedQ
El teorema de Bayes modi)icado 8-B'9 provee un modelo !ptimo para tales in)erencias
multietapas 8Dodson# /64/L Iettys R Hill(e# /6469$ Un nAmero de estudios ha mostrado Due
un desenvolvimiento intuitivo en una tarea multietapas resulta en m's certeFa siendo eGtrada
de los datos Due lo Due es predicho por el modelo -B'$ Por ejemplo# en una tarea de
estimaci!n de probabilidad las probabilidades de los sujetos 8Ss@9 son tpicamente mCs
randes Due aDuellas calculadas por el -B'$ El resultado es muy sorprendente porDue la
evidencia indica Due el desenvolvimiento humano en una tarea de in)erencia de etapa simple
es casi siempre conservadoraL por ejemplo# los humanos eGtraen menos certeFa Due la
arantiFada por los datos 8por ejemplo# H$ Ed+ards# /6469$ Ba paradoja# por supuesto# es Due
una in)erencia multietapas es una serie de in)erencias de etapas simples$ Si la ente eGtrae
menos certeFa de la Due los datos arantiFan en in)erencias de etapa simple# entonces en la
situaci!n de multietapas uno podra esperar Due el Ss lleara a ser mCs y mCs conservador
con cada una de las etapas sucesivas puesto Due sus salidas de la monoptimalidad deberan
acumularse de etapa en etapa$ De hecho# el reverso es verdaderoL los Ss son mCs veraces al
)inal de dos etapas de in)erencia Due lo Due estC arantiFado por el modelo !ptimo 8-B'9$
Esto suiere Due alunos procesos ocurren en la Ninter)aseO de las tareas de etapa simple en
Este captulo oriinalmente apreci! en Erganizational Ne*avior and Cuman Performance# /620# /3# 04:>020$
Derechos de &utor 5 /620 por &cademic Press# Inc$ "eimpreso con permiso$
las cuales es tan eGcesivo Due cualDuier conservadurismo de la etapa simple es superado$
Ba tarea de in)erencia de la etapa simple estC siempre basada sobre los datos los Due son
conocidos con certeFa$ Sin embaro# aunDue una tarea multietapas empieFa con ciertos datos#
las etapas sucesivas de in)erencia tratan con datos inciertos$ Jarios modelos han sido
)ormulados para eGplicar c!mo teniendo Due tratar con las probabilidades de los datos en
.66
luar de ciertos datos podran crear eGcesiva certeFa en la in)erencia de multietapas$ Un
modelo no !ptimo teniendo la propiedad de predecir eGcesiva certeFa es el modelo NComo>
siO 8Iettys R Hill(e# /646L Ho+ell# Iettys y -artin# /62/9$ Este modelo# desinado para
situaciones donde la ente tiene la opci!n de colectar mCs datos si ellos sienten Due es
necesario# asume Due los datos de colecci!n continAan en la primera etapa de la in)erencia
hasta Due el Due toma la decisi!n estC su)icientemente seuro del estado del mundo$ Una veF
su certeFa eGcede alAn valor del umbral# ;l entonces procede a la siuiente etapa de
in)erencia# actuando Ncomo siO ;l estuviera enteramente cierto de la entrada a la siuiente
etapa$ Para retornar al ejemplo del jardn de )iesta # el Due toma la decisi!n# despu;s de ver la
nube oscura# podra obtener un reporte del estado del tiempo actual$ Supona Due
previniendo una severa tormenta )ue predicha$ Su certeFa para lluvia probablemente ahora
eGcedera su valor mnimo# y ;l procedera a la seunda etapa de in)erencia actuando Ncomo
siO ;l estuviera cierto de la lluvia$ El resultado de la seunda etapa de in)erencia sera su
estimado de las probabilidades de ;Gito ! )alla basado en su suposici!n como si de lluvia$ Su
probabilidad evaluada para falla eceder#a a*ora eceder#a la probabilidad ver#dica /(N"0
para falla porque *aciendo la suposicin como si de lluvia -l est' ignorando la probabilidad
de que podr#a no llover& De hecho# su suposici!n como si es incorrecta y no llueve# entonces
la )iesta probablemente sera un ;Gito$ El modelo !ptimo considera ambas posibilidades#
lluvia y no lluvia# en asinar probabilidades al ;Gito ! )alla$ El modelo como>si considera
solo la posibilidad de lluvia# y por esta raF!n conduce a eGcesiva certeFa de Due la )iesta serC
un )racaso$
C!mo podra una persona comportarse si su certeFas sobre la entrada a la seunda etapa
de in)erencia )uera menor Due el valor mnimo reDuerido para una suposici!n como>si y no
hubiera esperanFa de incrementar su certeFa con mCs datosQ Una posible hip!tesis Due es
consistente con la eGcesiva certeFa encontrada en estudios previos es Due ;l primero harC una
suposici!n como>si Due es en el mejor de los casos una adivinanFa$ Este modelo# llamado el
modelo de NBa -ejor &divinanFaO# es en e)ecto un modelo Como>Si cali)icado y comparte
con el modelo Como>Si la idea de Due el Due toma la decisi!n ya sea inorarC ! tenderC a
inorar las implicaciones de los otros eventos menos probables en la seunda etapa de
in)erencia concentrCndose casi eGclusivamente en el evento mCs probable$ En t;rminos del
ejemplo# si la sola in)ormaci!n Due usted posee es la nube oscura en el horiFonte# usted
podra no estar dispuesto a hacer una no calificada suposici!n como>si# pero usted podra
asumir primero Due va a llover y arribar a una probabilidad subjetiva por el ;Gito basada en
esta suposici!n$ Entonces porDue usted no estC enteramente cierto Due lloverC# usted podra
reducir su probabilidad subjetiva de aluna )orma para tomar esto en cuenta$ Estas
probabilidades subjetivas podran bien ser di)erentes de aDuellas calculadas con el B'#
principalmente porDue usted no tiene eGplcitamente consideradas las implicaciones de no
lluvia$
Snapper y ?rybac( 8/62/9 reportaron resultados los cuales son consistentes con la
eGplicaci!n de arriba en un eGperimento relacionado con la credibilidad de los datos$ Sin
embaro# su procedimiento no permiti! un ensayo directo del modelo de NBa -ejor
&divinanFaO# Due es el prop!sito del presente eGperimento$
:@todo
Ba meta del eGperimento reDuiri! al menos tres niveles de variables construidas de tal manera
Due la variable de nivel intermedio contena mCs de dos eventos$ Ello reDuiri! mCs tarde una
manipulaci!n de la distribuci!n de probabilidad a trav;s de todos pero el mCs probable de los
033
eventos intermedios S una manipulaci!n Due tendra un impacto resultante sobre la manitud
de la revisi!n de la probabilidad !ptima en el nivel superior como el resultado de la
ocurrencia de un evento en el nivel mCs bajo$
Consecuentemente# los tres niveles tomaron la siuiente )orma$ El nivel superior variable
)ue resumido a dos bolsones etiDuetados I y II# respectivamente$ Cada bols!n sirvi! como un
contenedor Due )ue llenado con contenedores mCs peDueEos los cuales representaron los
eventos de nivel intermedio$ Espec)icamente# cada bols!n contena /7 peDueEos botes 8botes
de pelcula de 01 mm$9 y cada bote )ue etiDuetado con ya sea &# B# C# ! D$ ?inalmente# cada
uno de los botes contena /33 peDueEos discos coloreadosL cada disco )ue ya sea rojo# verde#
amarillo ! aFul$
Ba composici!n de cada contenedor estC descrita en la 'abla /$ Ba Parte & de la tabla
describe la composici!n del bols!n con respecto a los botes y la Parte B de la tabla describe
la composici!n del bote con respecto a los discos$ Por ejemplo# 7 botes etiDuetados & estCn
en el Bols!n I mientras Due solo / bote etiDuetado & estC en el Bols!n II$ Como se muestra
en la Parte B# 73 discos estCn en el Bote &# / en el Bote B# / en el Bote C y /7 en el Bote D$
El eGperimento prosiui! como siue$ Uno de los dos bolsones )ue seleccionado al aFar#
un bote )ue muestreado al aFar de esa bolsa y un disco )ue muestreado del bote$ Por lo tanto#
la sacada de un disco rojo provey! evidencia a )avor del B# el Bote &# el cual a su veF provee
evidencia a )avor del Bols!n I$ *ote Due solo el evento del nivel in)erior# un disco# Due es
directamente observado$ Esa observaci!n provee solo una evidencia parcial con respecto al
'abla /$ Composici!n num;rica de los componentes del Bols!n y del bote$
&$ Composici!n del bols!nooooooooooooooooooooooooooooooooo
Betra del bote
de pelcula Bols!n I Bols!n IIooooooooooooooooooo
& 7 /
B 0 4
C 4 0
D / 7ooooooooooooooooooooooo
B$ Composici!n del bote de pelculaooooooooooooooooooooooooooo
Color del discoo Bote &oooooooo Bote BooooooooooooBote CoooooooooBote Dooo
"ojo 73 / / /7
Jerde / 73 /7 /
&marillo /7 / 73 /
&Ful / /7 / 73
evento del nivel intermedio# el bote# el cual a su veF provee evidencia parcial sobre la cual el
evento del nivel superior )ue seleccionado$ Por lo tanto# la primera etapa de in)erencia
relaciona el color del disco a la letra del bote y la seunda etapa de in)erencia relaciona la
letra del bote al nAmero del bols!n$
Ba estrateia de actuar como si el evento mCs probable es cierto a un nivel conducirC a
distribuciones de probabilidad Due son eGtremas en el siuiente nivel mCs alto$ Por lo tanto#
esta estrateia es consistente con el resultado emprico Due la ente revisa las probabilidades
del nivel superior eGcesivamente en una tarea de multietapas$
EGiste otra hip!tesis ensayable Due puede ser derivada de la estrateia de la mejor
adivinanFa$ Si una persona actAa como si el evento mCs probable es cierto en cualDuier nivel
intermedio# ella entonces inora la distribuci!n de probabilidad a trav;s de todos los otros
eventos en este nivel$ Su revisi!n de probabilidad en el nivel superior debera ser por
consiuiente insensitivo a variaciones en la distribuci!n de probabilidades a trav;s de todos
03/
sino del evento mCs probable en el nivel intermedio$ El presente eGperimento )ue desinado
para ensayar esa hip!tesis$
%iseo eperimental
'res tareas de in)erencia del tipo mostrado en la 'abla / )ueron construidos$ Bas )recuencias
mostradas en la Parte & )ueron usadas en las tres tareas$ Ba matriF mostrada en la parte B )ue
usada en una tareaL en las otras dos tareas el valor de 73 en la matriF mCs baja )ue cambiada a
ya sea 23 ! 63# y el valor de /7 )ue cambiado a ya sea .7 A 7# respectivamente$ Para
prop!sitos de la Altima discusi!n estas tres tareas serCn desinadas como la tarea 23>.7# la
73>/7# ! la 63>7$ En las tres tareas el Ss estim! la probabilidad del bols!n dado el color de un
simple disco sacado del bote$
Insertar a-u* la 4i#ura ' de la p5#ina 1D7 del texto ori#inal
?iura /$ -odelos de la -ejor adivinanFa# Como>Si y -B' como pronosticadores del
desenvolvimiento del NinoranteO Ss$
Sujetos
Bos .1 Ss )ueron estudiantes de la Universidad de -ichian Duienes haban previamente
servido en otro eGperimento de in)erencia multietapas durando alrededor de dos horas$ En el
eGperimento previo los Ss han sido entrenados en el modo de respuesta reDuerido# y haban
hecho una eGtensa serie de estimados de probabilidad en una tarea de in)erencia multietapas$
Sin embaro# el modelo !ptimo nunca )ue discutido# ni lo )ue ninAn tipo de
reaprovechamiento de in)ormaci!n utiliFado$
Instrucciones a los Ss
Bas instrucciones )ueron breves debido a la eGperiencia previa de los Ss$ Bos detalles de la
tarea )ueron eGplicados$ Bos Ss )ueron reDueridos a imainar Due un bols!n haba sido
aleatoriamente seleccionado sobre la base de tirar una moneda al aire# Due un bote )ue
entonces aleatoriamente sacado del bols!n# y Due un disco de papel )ue aleatoriamente
sacado del bote$ Entonces ellos )ueron reDueridos a asumir Due un disco de un color
particular )ue# de hecho# sacado de acuerdo a este proceso del aFar# y )ueron reDueridos a
estimar la probabilidad de los bolsones sobre la base del color del disco$
Procedimiento
Siuiendo las instrucciones# los Ss estimaron la probabilidad de los bolsones en las tres
tareas$ Bas matrices como aDuellas en la 'abla / )ueron usadas para in)ormar a los Ss de las
)recuencias relativas de los botes y los discos$ Bas tareas )ueron presentadas en un orden
aleatorio para cada rupo de : a 4 discos$ Dentro de cada tarea cada uno de los cuatro colores
posibles )ueron usados en orden aleatorio$ Bos Ss estimaron la probabilidad de los bolsones
para todos los colores posibles antes de moverse a la tarea siuiente$ Cuando los Ss haban
completado los doce estimados 8: colores por tarea G 0 tareas9# las tres tareas )ueron repetidas
usando di)erentes !rdenes aleatorios para un total de .: juicios# dos para cada color en cada
tarea$
Resultados y discusin
03.
Una inspecci!n de los datos mostr! una eGtrema bi>modalidad en las respuestas de
probabilidad de los Ss$ Para alunos Ss la di)erencia te!rica entre los puntos aFules y rojos# y
la di)erencia entre los puntos amarillos y verdes# no caus! di)erencia en los estimados de
probabilidad$ %tros Ss )ueron mCs eGtremos en sus estimados de probabilidad con un punto
aFul Due lo Due ellos )ueron con un punto rojo# y mCs eGtremos con un punto amarillo Due
con un punto verde$ Estos Altimos Ss )ueron consistentes con el -B' en al menos un sentido
ordinal$ Pareci! Due alunos sujetos estuvieron NinorantesO de las di)erencias del aFul>rojo y
del amarillo>verde# mientras Due otros Ss estuvieron NinorantesO al rado Due ellos
estuvieron respondiendo en al menos la direcci!n correcta$ Con este pensamiento en mente#
todos los Ss respondieron con al menos un estimado de probabilidad para el aFul Due )ue al
menos .W mayor Due la probabilidad estimada para el rojo# ! un estimado para el amarillo
Due )ue al menos .W mayor Due el verde# )ueron clasi)icados como Ss NinorantesO$>Estos Ss
)ueron al menos marinalmente NinorantesO debido a Due para uno ! mCs juicios sus
estimados de probabilidad cambiaron en el par aFul>rojo y el par amarillo>verde en la
direcci!n Due el -B' dicta$ DieF Ss de .1 )ueron clasi)icados como Ss NinorantesO por su
criterio conservador$
Bos otros Duince Ss# los NinorantesO Ss# no mostraron tendencia a responder
di)erentemente a los cambios en las probabilidades de los eventos de menos probabilidad$
Ellos literalmente inoraron las implicaciones de los botes de menor probabilidad$ Sus
respuestas son consistentes con una )orma eGtrema del modelo de la -ejor>&divinanFa$ Bas
medias de las respuestas de los Ss NinorantesO son mostradas en la ?iura /$ Debido a Due el
bols!n Due las probabilidades )avorecen es )ormalmente irrelevante# los datos son ploteados
en una escala lo absoluta de probabilidad$ Ba media lo de probabilidad de las respuestas
para los discos rojos y los aFules estCn conectados por una lnea s!lida en la parte superior de
la )iura para los tres niveles de datos inciertos# y la media para los discos amarillos y verdes
estCn similarmente unidos en la parte in)erior de la )iura$ 'ambi;n se muestran en la ?iura
/ las predicciones para el -B' 8la lnea sobre la diaonal positiva9# las predicciones para el
modelo Como>Si 8las dos lneas horiFontales9 y las predicciones para una versi!n del modelo
de la -ejor>&divinanFa# denominado -odelo I en las )iuras$
Bas predicciones del -odelo I son obtenidas multiplicando la probabilidad del evento
mCs probable por la probabilidad posterior obtenida si ese evento )uera cierto$ Supona Due
un disco rojo )ue sacado en la tarea 7/>/7$ Ba probabilidad del Bote & es $73 y las
posibilidades son 7</ si en e)ecto el punto viene de &$ Ba predicci!n del -odelo I debera
ser entonces 3$7 G 7T/ [ 4$: ! probabilidad de 4$:</$ El modelo Como>si predice
posibilidades de 7</ para los discos aFules y rojos y de 4<0 para los puntos amarillos y verdes
siempre que el umbral de certeza para el tipo de bote sea ecedido$ Para el -B' las
posibilidades !ptimas para un punto rojo son .$74</# y puede ser calculada de acuerdo a la
)!rmula siuiente para la posibilidad posterior 8adaptada de la )!rmula 1 en Iettys R Hill(e#
/6469<
Insertar a-u* la rmula ' de la p5#ina 1DA del texto ori#inal
donde B representa el bols!n y las otras entradas son calculadas de probabilidades
condicionales tales como se muestra en la 'abla /$
Bos datos en la ?iura / no estCn claramente ajustados por las predicciones ya sea el
como>si ! el -B'$ Bas respuestas de los Ss son menos eGtremas Due las predicciones como>
si para los pares superiores aFul y rojo# donde la predicci!n de posibilidades como>si es de
7</# y son similarmente menos eGtremas Due la predicci!n 4<0 en la parte mCs baja de la
)iura$ Sin embaro# la versi!n eGtrema del modelo de la -ejor>&divinanFa# -odelo I# se
030
ajusta a las medias de la ?iura / muy bien$ Bas lneas horiFontales interrumpidas en la
?iura I son las predicciones del -odelo I$ Para todas las tares# las predicciones del -odelo I
estCn a la derecha de la diaonal del -B' para los puntos amarillos en la parte in)erior de la
?iura /$ El modelo como>si y el -odelo I no predicen necesariamente estimados de
probabilidad Due son mCs eGtremos Due la posibilidad del -B'$ Estos puntos suren# por
ejemplo# en la tarea 73>7 cuando el Bote C es mCs probable 8P [ $739 y el Bote & es menos
probable 8P [ $/79$ Bos eventos mCs probables dan una posibilidad de 7</ para el Bols!n /$
En este caso# cualDuier modelo el cual inore la relaci!n 7</ elaborado por el evento menos
probable serC conservador con respecto al -B'$
Se asume Due los Ss no adoptarCn un modelo mono>!ptimo si el se desva demasiado de
su subjetivo sentimiento de certeFa# entonces talveF el resultado importante es Due los Ss
usaron el -odelo I porDue ellos no vieron nada err!neo en el$ Ba manitud de su respuesta de
probabilidad )ue determinada por el -odelo I pero en otra situaci!n ellos podran usar
aluna otra rela de combinaci!n$ -Cs importantemente# el hecho de Due las predicciones del
-odelo I se ajusten a los datos suieren Due los Ss tendieron a concentrarse en la alternativa
mCs probable# e inoraron las implicaciones de las alternativas menos probables$
Bos datos para los /3 Ss NconcientesO son presentados en la ?iura .$ Como en la ?iura
/# las predicciones de los modelos del Como>Si y del -B' son mostrados en la )iura# pero
las predicciones del modelo I son omitidas debido a Due ellas claramente no se ajustan a los
datos$
Insertar a-u* la 4i#ura + de la p5#ina 1DD del texto ori#inal
?iura .$ El desenvolvimiento de los Ss NconcientesO comparado con la predicciones de los
-odelos -B' y Como>Si$
En eneral# los Ss NconcientesO parecen responder a las mismas variables como el -B'#
pero el ajuste cuantitativo del modelo -B' es pobre$ Bos Ss son caractersticamente mCs
ciertos Due el modelo -B'# como ha sido encontrado en investiaciones previas$ Como el
-B'# los Ss son menos ciertos Due los implicados en el modelo Como>Si para los discos
aFules y rojos$ 'ambi;n# como en el -B'# sus juicios para el disco amarillo eGcede la
predicci!n del Como>Si$ Esto# por supuesto# ocurre debido a Due el evento mCs probable
tiene posibilidades de 7</$ Si los Ss estCn concientes de los matices de la situaci!n
multietapas# ellos se daran cuenta Due las posibilidades deben ser mayores de 4<0$ Ba punica
eGcepci!n para este cuadro eneral es la localiFaci!n de los datos 73>/7 para los discos
amarillos y verdes$ El posterior basado en las posibilidades amarillas debera incrementarse
como la probabilidad del evento mCs probable decrece# mientras Due la posibilidad basada en
los verdes debera decrementarse al tiempo Due la probabilidad se incrementa$ Bas respuestas
en la condici!n 73</7 no siuen este patr!n$ En eneral# los Ss NconcientesO parecen estar
usando una rela de combinaci!n Due es de aluna manera parecida al -B'# pero la cual es
de alAn modo eGcesiva con respecto al -B'$
Ba hip!tesis de una tendencia a la -ejor>&divinanFa en la in)erencia multietapas estC
claramente soportada por los Ss NinconscientesO$ Evidentemente# talveF debido a la
complejidad de la situaci!n# &lunos Ss tienden a concentrarse casi eGclusivamente en los
eventos mCs probables en subsecuentes etapas en la in)erencia$ El e)ecto de la -ejor>
&divinanFa en la in)erencia multietapas# como el conservadurismo en una in)erencia de etapa
simple 8H$ Ed+ards# /6449# parece ser otro ejemplo de una inhabilidad eneral para
combinar in)ormaci!n complicada$ 'anto como el procesamiento de la in)ormaci!n humana
es puesta en multietapas y probabilstica en naturaleFa# parecera Due el siuiente paso
03:
apropiado para la aplicaci!n del teorema de Bayes es encontrar modos de prevenir a la ente
de cometer el error de inorar todo sino el mCs probable de los eventos del nivel intermedio$
031
+D( Inerencias de caracter*sticas personales sobre la
base de inormacin recuperada de la memoria de
uno
,aacov 'rope
El juicio social estC )recuentemente basado en un ineGacto recuerdo del comportamiento de
otros$ *osotros estamos a menudo llamados a hacer in)erencias sobre los atributos personales
de otros aAn cuando estamos inseuros si podemos recordar c!mo se comportaron ellos
actualmente$ Bajo tales circunstancias# nosotros tenemos Due basar nuestras atribuciones en
evidencia incierta del comportamiento$ El presente estudio investia si y c!mo la ente
incorpora esta )uente de incertidumbre dentro de los juicios sobre otros$ $ $ $
3n modelo Cayesiano para inerencias de comportamiento recordado
En el presente estudio# los sujetos dedujeron probabilidades de Due los actores poseen ciertos
atributos sobre la base de su propia no con)iable recuperaci!n de los comportamientos de los
actores$ En orden de ensayar la hip!tesis de Due estas probabilidades subjetivas seran
injusti)icablemente altas e insu)icientemente sensitivas a la con)iabilidad# ellas )ueron
comparadas con probabilidades !ptimas$ Bas Altimas )ueron derivadas de un modelo
Bayesiano el cual )ue desarrollado por investiadores de in)erencias de probabilidad de
mAltiples pasos 8ver Peterson# /6209$ EmpeFando con una in)erencia de simple paso del
actual comportamiento de B# a un atributo personal &
i
# el teorema de Bayes tiene la )orma
)amiliar siuiente<
P8&
i
TB
j
9 [ P8&
i
9P8B
j
T&
i
9TP8B
j
9 8/9
donde P8&
i
TB
j
9 es la probabilidad posterior de &
i
dado B
j
L P8&
i
9 es la probabilidad previa de
&
i
L P8B
j
9 es la probabilidad total de B
j
L y P8B
j
T&
i
9 es la probabilidad condicional de B
j
dado
&
i$
Ba Altima probabilidad representa el valor diagnstico del comportamiento con respecto al
atributo del actor$ Una probabilidad posterior P8&
i
TB
j
9 puede ser derivado para cada uno de
los comportamientos alternativos Due el actor podra haber escoido$ Bos observadores no
conocen# sin embaro# cuCl comportamiento )ue actualmente escoido$ Ellos pueden solo
deducir las probabilidades de los comportamientos de los Due ellos recuerdan# BK$ Con
respecto a este paso in)erencial# el teorema de Bayes establece#
P8B
j
TBK9 [ P8B
j
9P8BKTB
j
9TP8BK9 8.9
EGtractos de un trabajo Due apareci! en "*e @ournal of Personality and Social Psyc*ology# /627# 04# 60>/34$
Derechos de autor 5 /627 por la &merican Psycholoical &ssociation$ "eimpreso con permiso$
donde P8B
j
TBK9 es la probabilidad posterior de un comportamiento actual B
j
# dado Due BK )ue
recordadoL P8B
j
9 es la probabilidad previa de B
j
L P8BK9 es la probabilidad total de recordar
034
BKL y P8BKTB
j
9 es la probabilidad condicional de recordar BK dado Due el actual
comportamiento de la persona )ue B
j$
$ P8BKTB
j
9 re)leja confiabilidad S mientras mCs alta la
probabilidad de recuperar un comportamiento Due actualmente ha ocurrido# mCs alta serC la
con)iabilidad$
El modelo de in)erencia Bayesiano de dos pasos combina los valores P8&
i
TB
j
9# derivados
para cada comportamiento actual va la Ecuaci!n /# dentro de un promedio pesado# con las
probabilidades posteriores de cada comportamiento# P8B
j
TBK9# derivado de la Ecuaci!n .#
sirviendo como pesos$ Por lo tanto la probabilidad posterior de un atributo dado de Due un
cierto comportamiento )ue recuperado# P8&
i
TBK9# puede ser )ormulado como siue<
Insertar a-u* la rmula =1J de la p5#ina 1D6 del texto ori#inal =1J
Ba ecuaci!n 0 eGpresa cuantitativamente las consideraciones normativas discutidas
anteriormente$ Espec)icamente# desde Due es una )unci!n de incremento de P8B
j
T&
i
9
8dianosticidad9 y es una )unci!n de incremento de P8BKTB
j
9 8con)iabilidad9# P8&
i
TBK9
debera incrementar ambas con con)iabilidad y dianosticidad# y el e)ecto de una variable
debera depender del nivel de la otra$ Establecido en t;rminos de la teora de interaci!n de la
in)ormaci!n de &nderson 8/62:9 cada recuperaci!n del comportamiento tiene un cierto peso
en juicios de posibilidades de atributos$ Este peso# a su veF# es asumido de ser una )unci!n
multiplicativa de la dianosticidad del comportamiento y la con)ianFa en su recuperaci!n$ Ba
interaci!n de la rela prescrita por la Ecuaci!n 0 pueden ser aplicadas ambas a las
in)erencias !ptimas de paso simple ^por ejemplo# los valores de P8B
j
TBK9 obtenidos de las
Ecuaciones / y .# respectivamente_ y a las in)erencias subjetivas de paso simple ^por
ejemplo# evaluaciones propias de los sujetos de P8&
i
TB
j
9 y P8B
j
TBK9_$ En el primer caso
ambas in)erencias de paso simple y su interaci!n son !ptimas 8por ejemplo# Bayesianas9#
mientras Due en el Altimo caso solo la interaci!n es !ptima$ El presente estudio compar! las
probabilidades observadas con ambas clases de probabilidades predichas$ Bos sujetos
hicieron in)erencias sobre la admisi!n de estudiantes a la escuela de raduados y sobre las
actitudes polticas de los estudiantes$ Bas primeras in)erencias estuvieron basadas en
memorias de los sujetos de los rados de los estudiantes# y las Altimas in)erencias estuvieron
basadas en la memoria de los sujetos del comportamiento de los estudiantes$
Experimento '
(-todo
7isin Feneral& Bos sujetos )ueron primero presentados con rados de estudiantes en un curso de no
raduados$ -Cs tarde# los sujetos tuvieron Due recuperar los rados de la memoria y evaluar las
probabilidades de cada estudiante de ser aceptado a la escuela de raduados en administraci!n de
empresas$ Esta tarea involucra dos pasos in)erenciales< 8a9 del rado recuperado# IK# al rado actual
del estudiante# I# y 8b9 del rado actual a si ! no el estudiante )ue aceptado# &# a la escuela de
raduados$ Ba incertidumbre en el Altimo paso in)erencial )ue manipulada variando el valor
dian!stico de los rados con respecto a la admisi!n a la escuela de administraci!n de empresas$
Irados de baja dianosticidad )ueron rados )inales en Nintroducci!n a la antropoloaO# mientras Due
rados de alta dianosticidad )ueron los rados )inales en Nintroducci!n a la economaO$ Ba
con)iabilidad de la memoria )ue manipulada variando el nAmero de estudiantes cuyos rados tenan
Due ser retenidos$
Procedimiento$ Bos sujetos )ueron in)ormados Due en un cierto aEo 13W de los aplicantes a la
escuela de administraci!n de empresas haban sido admitidos$ Por tanto# las probabilidades
032
previas de ser aceptados ! rechaFados# P8&
y
9 y P8&
n
9# )ueron de $13$ & los sujetos se les dijo
Due ellos evaluaran probabilidades de aceptaci!n para estudiantes aleatoriamente
seleccionados$ Estos juicios# se les dijo a los sujetos# estaran basados en si cada rado de
estudiante en un curso dado de no raduado estaba por debajo de 21 8I
/
9 ! arriba de 21 8I
h
9
en una escala de 3>/33$
(anipulacin del valor diagnstico$ Dos distribuciones de probabilidad 8cada una
presentada por medio de un diarama de barras9 relacionaron los rados de aceptaci!n$ Un
diarama de barras despleaba las proporciones de estudiantes aceptados Duienes recibieron
I
/
! I
h
$ Estas proporciones representaban las probabilidades condicionales P8I
/
T&
y
9 y
P8I
h
T&
y
9$ El otro diarama de barras despleaba las proporciones de estudiantes rechaFados
Duienes recibieron estos rados# Due sini)ican P8I
/
T&
n
9 y P8I
h
T&
n
9$ El diarama de barras
para los rados de alta dianosticidad 8en el curso de economa9 mostraba las siuientes
proporciones< P8I
/
T&
n
9 [ P8I
h
T&
n
9 [ $71 y P8I
/
T&
y
9 [ P8I
h
T&
n
9 [ $/1$ Bos diaramas de
barras para los rados de baja dianosticidad 8en el curso de antropoloa9 mostraban las
siuientes proporciones< P8I
/
T&
n
9 [ P8I
h
T&
y
9 [ $11 y P8I
/
T&
y
9 [ P8I
h
T&
n
9 [ $:1$ Cada uno de
los sujetos hiFo juicios sobre las dos muestras de estudiantesL para una muestra los rados de
alta dianosticidad )ueron presentados# y para la otra )ueron presentados los rados de baja
dianosticidad$ El orden de presentaci!n de las muestras )ue contrabalanceado a trav;s de los
sujetos$
(anipulacin de la confiabilidad$ EGtensivos ensayos previos indicaron Due los distintos
niveles de con)iabilidad pueden ser obtenidos variando el nAmero de estudiantes cuyos
rados haban de ser retenidos$ & los sujetos se les dijo Due la mitad de la muestra recibida de
los rados bajos y la otra mitad recibida de los rados altos y Due a ellos les sera dada una
lista de aDuellos estudiantes Duienes recibieron rados altos$ En orden de minimiFar las
di)erencias entre temas en esta lista de estmulo# los estudiantes )ueron representados por
nAmeros de identi)icaci!n de dos ditos$ Bos nAmeros )ueron presentados audiblemente por
una rabadora de cinta a una velocidad de uno por seundo$ Un tono alto )ue presentado para
indicar el )inal de cada estmulo$ Dos seundos de despu;s una lista de prueba )ue presentada
por una rabadora de cinta$ Ba lista de prueba consisti! en ocho nAmeros de identi)icaci!n de
dos ditos# de los cuales cuatro haban aparecido en la lista de estmulo 8por ejemplo#
nAmeros I
h
9 y cuatro no haban aparecido en la lista de estmulo 8por ejemplo# nAmeros I
/
9$
Bos cuatro nAmeros I
h
en la lista de prueba del rano entero de las posiciones de la serie en
la lista de estmulo$ El orden de los nAmeros I
h
y I
/
)ueron determinados aleatoriamente
para cada una de las listas de prueba$ Bos nAmeros de prueba )ueron presentados a una
velocidad de uno cada /3 seundos$ Durante los intervalos# los sujetos tenan Due indicar si el
rado del estudiante era mCs probable de ser I
/
! I
h
y evaluar la probabilidad de Due los
estudiantes sean aceptados en la escuela de raduados# P8&
y
TIK9# y la probabilidad de Due no
sean aceptados# P8&
n
TIK9# Ba prueba previa mostr! Due el intervalo de /3 seundos de
tiempo era su)iciente para hacer estos juicios$
'res lonitudes de listas )ueron empleadas< listas de : temas# listas de 2 temas y listas de
/: temas$ Bos datos de las pruebas previas indicaron Due el por ciento de reconocimientos
estuvieron dentro de un rano de alrededor del 43W en las listas laras 8condici!n de baja
con)iabilidad9 un mnimo del 21W en las listas medianas 8condici!n de moderada
con)iabilidad9 a alrededor de un 63W en las listas cortas 8condici!n de alta con)iabilidad9$
Cada uno de los sujetos respondi! a una lista de alta dianosticidad y a una lista de baja
dianosticidad$ Bos sets de nAmeros en estas listas )ueron contrabalanceados contra la
dianosticidad$ Jeinte sujetos )ueron asinados a cada una de las tres condiciones de
con)iabilidad$
037
Condicin de confiabilidad perfecta& En esta condici!n de in)erencia de paso simple# un
rupo de :4 sujetos dedujeron probabilidades de aceptaci!n de rados Due )ueron conocidos
con certeFa# P8&
y
TI9 y P8&
n
TI9$ Bos sujetos recibieron un )olleto el cual presentaba los
diaramas de barras 8por ejemplo# in)ormaci!n dian!stica9 y los rados de los estudiantes$
Despu;s de leer un rado de estudiante# los sujetos indicaron su probabilidad de juicios$ Cada
sujeto hiFo juicios sobre un estudiante con un rado de bajo dianosticidad y alrededor de un
estudiante con un rado de alta dianosticidad$ Para la mitad de los sujetos del rado del
estudiante )ue bajo y para la otra mitad )ue alto$
Los sujetos& Un total de /34 sujetos 8:. hombres y 4: mujeres9 de un curso de psicoloa
introductoria de la Universidad Hebrea de =erusal;n participaron individualmente en el
eGperimento$ Ba participaci!n en el eGperimento constituy! una parcial satis)acci!n del
reDuerimiento de un curso$
!esultados y discusin&
Bas proporciones de los rados bajos correctamente reconocidos# P8IK
/
TI
/
9# y los rados
altos P8IK
h
T I
h
9# sirvi! como medidas de la con)iabilidad de cada sujeto$ Bas medias de
P8IK
/
TI
/
9 y P8IK
h
TI
h
9 indic! una cercana posibilidad del nivel de ejecuci!n en las
condiciones de baja con)iabilidad 8lista de /: temas9 8- [ $1: y $43# respectivamente9#
eGcelente ejecuci!n en las condiciones de alta con)iabilidad 8lista de : temas9 8- [ $60 y $76#
respectivamente9 y la ejecuci!n intermedia en las condiciones de moderada con)iabilidad
8lista de 2 temas9 8- [ $20 y $22# respectivamente9$ El anClisis de la variaci!n 8Con)iabilidad
G Dianosticidad9 de estas proporciones revelaron e)ectos )undamentales altamente
sini)icantes de con)iabilidad# ?8.#129 [ 02$34# p ] $33/# y ?8.#129 [ .3$/2# p ] $33/# en
P8IK
/
TI
/
9 y P8IK
h
TI
h
9# respectivamente$ *inuna otra )uente de variaci!n )ue sini)icante$
Bos datos de la condici!n de per)ecta con)iabilidad revelaron un claro e)ecto de la
manipulaci!n de la dianosticidad en in)erencias de paso simple de rados conocidos con
certeFa para las probabilidades de aceptaci!n# P8&TI9$ Bos sujetos dedujeron mCs altas
P8&
n
TI
/
9 y P8&
y
TI
h
9 de rados de alta dianosticidad 8- [ 3$7/ y 327# respectivamente9 Due
de rados de baja dianosticidad 8- [ 3$12 y 3$11# respectivamente9L ambas di)erencias
)ueron sini)icantes para P8&
n
TI
/
9 y para P8&
y
TI
h
9# t8..9 [ 7$37# p ] $33/# y t8..9 [ 7$16# p ]
$33/# respectivamente$
&hora retornamos a las probabilidades posteriores !ptimas de aceptaci!n dada la
retribuci!n de rado# P8&TIK9$ Estas probabilidades )ueron determinadas por cada sujeto
combinando probabilidades de los rados actuales dados los retribuidos rados# P8ITIK9# y
las probabilidades de aceptaci!n dados los rados actuales# P8&TI9# de acuerdo a la Ecuaci!n
0$ Bos valores de P8ITIK9 )ueron computados para cada sujeto va la Ecuaci!n . de su propia
con)iabilidad de retribuir los rados# P8ITIK9$ Bos valores de P8&TI9 )ueron las medias de
los juicios obtenidos en las condiciones de per)ecta con)iabilidad$ Por lo tanto# las
probabilidades !ptimas posteriores de aceptaci!n dados los rados retribuidos# P8&TIK9#
estuvieron basados en una in)erencia subjetiva de paso simple# de los rados actuales a
probabilidades de aceptaci!n y en una in)erencia !ptima de paso simple 8Ecuaci!n .9# de los
rados retribuidos a los rados actuales$ Bas lneas interrumpidas en el panel iFDuierdo de la
?iura / representa las medias de P8&
n
TIK
/
9# las probabilidades !ptimas de los estudiantes
Due no estCn siendo aceptados dado Due su rado )ue recordado como siendo bajoL las lneas
interrumpidas en el panel derecho de la ?iura / representan medias de P8&
y
TIK
h
9# la
probabilidad !ptima de los estudiantes Due estCn siendo aceptados dado Due su rado )ue
036
Insertar a-u* la 4i#ura ' de la p5#ina 1G+ del texto ori#inal(
recordado como siendo alto$
/
EstC claro Due cuando el modelo Bayesiano predice estas
probabilidades se incrementarCn ambas con con)ianFa y dianosticidad y Due el e)ecto de
con)iabilidad serC mCs pronunciado cuando la dianosticidad es alta Due cuando esta es baja$
Dos valores observados )ueron determinados para cada uno de los sujetos< El primero )ue
un promedio de los valores de P8&
n
TIK
/
9 Due ;l evalu! para estudiantes Duienes# de acuerdo a
la memoria# tenan bajos rados# y el seundo )ue un promedio de los valores de P8&
y
TIK
h
9
Due ;l evalu! para estudiantes Duienes# de acuerdo a la memoria# tenan altos rados$ Bas
lneas s!lidas en la ?iura / muestran Due estas probabilidades observadas se desvan
cualitativamente as como cuantitativamente de las probabilidades !ptimas$ El valor
dian!stico del rado verdadero )ue el Anico )actor Due tena un e)ecto consistente en los
observados P8&
n
TIK
/
9 y P8&
y
TIK
h
9# ?8/#129 [ 64$62# p ] $33/# y ?8/#129 [ //:$7.# p ] $33/#
respectivamente$ & valor mCs alto del rado verdadero con respecto a la aceptaci!n# menos
eGtremas las probabilidades posteriores$ Ba con)iabilidad con la cual los verdaderos rados
)ueron reconocidos tuvo un e)ecto muy peDueEo e inconsistente sobre las in)erencias 8? ] /9$
&An las in)erencias en los dos niveles eGtremos de con)iabilidad dentro de cada nivel de
dianosticidad no di)iri! sini)icantemente$ En otras palabras# las in)erencias no )ueron
menos eGtremas cuando la proporci!n del reconocimiento correcto estuvo cerca del nivel de
posibilidad Due cuando )ue casi per)ecto$ Bas in)erencias de los sujetos tambi;n )allaron al
eGhibir la interacci!n de la Dianosticidad G la Con)iabilidad predicha por el modelo
Bayesiano$ El e)ecto de la dianosticidad de rados verdaderos no )ue atenuada como
con)iabilidad decrementada$ El e)ecto interactivo de estas variables )ue tambi;n probado a
nivel de in)erencias en estudiantes individuales$ *ormativamente# la variaci!n en con)ianFa
en di)erentes rados de estudiantes debera producir un mayor e)ecto en las in)erencias sobre
su aceptaci!n cuando los rados tienen un alto valor dian!stico Due cuando lo tienen bajo$
De aDu Due# las in)erencias sobre estudiantes dentro de la lista de alta dianosticidad debera
ser mCs variable Due las in)erencias sobre estudiantes dentro de una lista de baja
dianosticidad$ Ba variante de P8&TIK9 a trav;s de ocho estudiantes dentro de cada una de las
dos listas )ue computada para cada sujeto$ Contrario al modelo Bayesiano# estas variaciones
no )ueron sini)icativamente di)erentes# t8169 [ /$40$
Ba ?iura / tambi;n muestra Due las probabilidades observadas )ueron mCs eGtremas Due
las probabilidades !ptimas$ Ba di)erencia total entre probabilidades observadas y !ptimas )ue
altamente sini)icativa para ambas P8&
n
TIK
/
9 y para P8&
y
TIK
h
9# ?8/# 129 [ 00$07# p ] $33/# y
?8/# 129 [ 7:$42# p ] $33/# respectivamente$ ?inalmente# los coe)icientes de correlaci!n
)ueron computados a trav;s de sujetos entre probabilidades !ptimas y probabilidades
observadas dentro de cada una de las seis condiciones$ Bas correlaciones )ueron muy
peDueEas e inconsistentes# cinco correlaciones siendo positivas y siete siendo neativas$ Dos
correlaciones )ueron sini)icantes pero neativas ^r [ >$13# p ] $31 y r [ >$11# p ] $3/ para
P8&
n
TIK
/
9 y P8&
y
TIK
h
9# respectivamente# en la condici!n de baja con)iabilidad y alta
dianosticidad_$
Estos resultados suieren Due los sujetos )allaron en interar las consideraciones de
con)iabilidad dentro de sus in)erencias de probabilidad$ Bos sujetos parecieron basar sus
in)erencias solo en el valor dian!stico de los rados verdaderos$ Bas probabilidades
in)eridas Bas probabilidades in)eridas en condiciones eGperimentales )ueron de alAn modo
/
%tro set de valores !ptimos P8&TIK9 )ue computado de valores !ptimos de P8&TI9 derivados va la Ecuaci!n
/$ Estas probabilidades no son discutidas separadamente# puesto Due ellos estuvieron muy cerca de los valores
!ptimos P8&TIK9 derivados de estimados subjetivos de P8&TI9$
0/3
mCs bajas Due aDuellas in)eridas en la condici!n de per)ecta con)iabilidad# indicando Due los
sujetos no adoptaron totalmente una estrateia Ncomo>siO 8por ejemplo# haciendo in)erencias
como si el rado verdadero )uera conocido con certeFa9$ Sin embaro la reducci!n en
con)ianFa )ue muy peDueEa y no varo consistentemente con la con)iabilidad$ Como
resultado# en comparaci!n con las probabilidades Bayesianas# las in)erencias de los sujetos
)ueron injusti)icadamente eGtremas$ *ote Due este no )ue el caso con las in)erencias de paso
simple de rados verdaderos para aceptaci!n# P8&TI9$ Bas probabilidades in)eridas en la
condici!n de per)ecta con)iabilidad estuvieron muy cerca de las probabilidades !ptimas
derivadas de un modelo de in)erencia Bayesiano de paso simple 8Ecuaci!n /9$ Este resultado
suiere Due la no optimiFaci!n 8! eGceso de con)ianFa9 en la condici!n de in)erencia de dos
pasos )ue debida a la introducci!n de la )uente adicional de incertidumbre S la memoria
imper)ecta de los rados verdaderos$ $ $ $
Experimento 7
(-todo
En este eGperimento los sujetos in)irieron probabilidades siendo de estudiantes hombres a
)avor de 8&
p
9 ! 8&
n
9 retornando la "ivera %ccidental 8territorio ocupado por Israel en la
uerra de /6429 a los nrabes$ Jotando por el partido Baborista 8un partido relativamente
pac)ico9 ! por el partido Bi(ud 8un partido relativamente belicoso9 sirvi! como in)ormaci!n
de alto dianosticidad$ Ba lonitud del cabello de los estudiantes# laro versus corto# sirvi!
como in)ormaci!n de baja dianosticidad$ Ba prueba previa mostr! Due los de cabello corto y
votando por el partido Bi(ud 8B
n
9 implican una actitud neativa hacia retornar a la "ivera
%ccidental# mientras Due los de cabello laro y votando por el partido Baborista 8B
p
9 implican
una actitud positiva$ Ba prueba previa tambi;n indic! Due la votaci!n de los estudiantes es
mCs dian!stica Due la lonitud de su cabello$
Ba tarea de reconocimiento de memoria y otros aspectos del diseEo y procedimiento
)ueron las mismas Due en el EGperimento /$ Jeinte sujetos )ueron asinados a cada una de las
tres condiciones de con)iabilidad$
Un rupo adicional de 12 sujetos )ue asinado a la condici!n de per)ecta con)iabilidad$
En esta condici!n# los sujetos supieron con certeFa la lonitud del cabello del estudiante ! del
partido por el Due vot!$ Cada uno de los sujetos in)iri! probabilidades de actitud del cabello
corto# cabello laro# votando por partido Bi(ud y votando por el partido Baborista$
Un total de //2 sujetos 81/ hombres y 44 mujeres9 de un curso de psicoloa
introductoria en la Universidad Hebrea de =erusal;n tom! parte en el EGperimento :$
!esultados y discusin
Ba manipulaci!n de la con)iabilidad tuvo un )uerte e)ecto sobre la proporci!n de los
correctos reconocimientos de ambas B
n
8por ejemplo# cabello corto ! votar por el partido
Bi(ud9 y B
p
8por ejemplo# cabello laro y votar por el partido Baborista9# ?8.# 129 [ 11$:1# p
] $33/ y ?8.# 129 [ ..$3:# p ] $33/# respectivamente$ Bas medias de P8BK
n
T B
n
9 )ueron de $10#
$24 y $64 para las baja># moderada> y alta condiciones de con)iabilidad# respectivamenteL las
correspondientes medias de P8BK
p
TB
p
9 )ueron de $4/# $7.# y $6/$ Bos e)ectos de dianosticidad
y su interacci!n con la con)iabilidad )ueron insini)icantes$
Insertar a-u* la 4i#ura + de la p5#ina 1G9 del texto ori#inal(
0//
Como se esperaba# los valores de P8BT&9 in)eridos por los sujetos en la condici!n de
per)ecta con)iabilidad indicaron Due el valor dian!stico subjetivo de votar )ue mucho mayor
Due ese de la lonitud del cabello$ Por lo tanto# las probabilidades de la actitud P8&
n
TB
n
9
in)eridas del hecho Due los estudiantes votaron por el partido Bi(ud 8- [ $279 )ueron mCs
eGtremas Due aDuellas in)eridas del hecho Due los estudiantes tenan el cabello corto 8- [ $
1.9# t8149 [ /0$4/# p ] $33/$ Similarmente# las probabilidades de la actitud P8&
p
TB
p
9 in)eridas
del hecho Due el estudiante vot! por el partido Baborista 8- [ $219 )ueron mCs eGtremas Due
aDuellas in)eridas del hecho Due el estudiante tena cabello laro 8- [ $109# t8149 [ 6$76# p ] $
33/$
Bas probabilidades !ptimas y observadas son mostradas en la ?iura .$ Bas
probabilidades anteriores )ueron derivadas de cada sujeto va la Ecuaci!n 0 de valores de
P8BTBK9 ^computados va la Ecuaci!n . de la con)iabilidad de los sujetos en reconocer los
comportamientos de los estudiantes# P8BKTB_ y de las medias de P8&TB9 obtenidas en la
condici!n de per)ecta con)iabilidad$ Puede ser visto Due la dianosticidad de los
comportamientos )ue la Anica consideraci!n Due ui! las in)erencias de las probabilidades de
actitud# ?8/# 129 [ 47$6:# p ] $33/ y ?8/# 129 [ 63$:3# p ] $33/# para P8&
n
TBK
n
9 y P8&
p
TBK
p
9#
respectivamente$
.
En violaci!n del modelo Bayesiano# el principal e)ecto de la con)iabilidad
y su interacci!n con la dianosticidad )ueron insini)icantes$ &demCs# las variaciones de las
probabilidades observadas dentro de las listas de alta dianosticidad no )ueron mayores Due
las variaciones dentro de las listas de baja dianosticidad# t8169 [ $16$ Como en los
eGperimentos previos# las probabilidades observadas )ueron mCs eGtremas Due las
probabilidades !ptimas# ?8/# 129 [ 1$47# p ] $31# y ?8/# 129 [ .2$40# p ] $33/# para P8&
n
TBK
n
9
y P8&
p
TBK
p
9 en la condici!n de baja dianosticidad y de alta con)iabilidad$
El EGperimento : provee soporte adicional para la eneraliFaci!n de nuestros
descubrimientos$ -uestra Due los prejuicios observados en los eGperimentos previos tambi;n
a)ecta las in)erencias de actitudes del comportamiento retribuido$ Ba dianosticidad del
comportamiento actual de los actores )ue solo determinante de in)erencias aAn cuando la
dianosticidad tena Due estar basada en las propias creencias de los sujetos sin proveer
eGternamente evidencia actuarial$
Discusin #eneral
Bas in)erencias Due nuestros sujetos sacaron de sus propias memorias descon)iables
sistemCticamente violaron las relas normativas de in)erencia de probabilidad# Bos sujetos
tendieron a apoyarse casi eGclusivamente en la dianosticidad de la in)ormaci!n#
demostrando poca sensitividad a la con)iabilidad a pesar del hecho de Due ellos estuvieron
concientes de la no con)iabilidad de su memoria$ De hecho# comparaciones entre in)erencias
de in)ormaci!n recolectada correctamente 8por ejemplo# in)erencias de rados los cuales
)ueron recordados como siendo bajos y los cuales )ueron# de hecho# altos9 e in)erencias de
in)ormaci!n recolectada incorrectamente 8por ejemplo# in)erencias de rados los cuales
)ueron recordados como siendo y los cuales )ueron# de hecho altos9 indicaron di)erencias
despreciables# insini)icantes en todos los cuatro eGperimentos$ Bo Due sini)ica Due# las
.
Debera notarse Due estos resultados no pueden ser atribuidos al hecho Due la dianosticidad )ue manipulada
como una variable dentro de los sujetos y la con)iabilidad como una variable entre los sujetos$ &nClisis de
variaci!n )ueron ejecutados en in)erencias relacionadas a la primera lista de estudiantes# cuyo
comportamiento tena bajo valor dian!stico para la mitad de los sujetos en cada condici!n de con)iabilidad
y alto valor dian!stico para la otra mitad$ En estos anClisis# la dianosticidad )ue por supuesto un )actor entre
los sujetos$ Estos anClisis condujeron a e)ectos de dianosticidad altamente sini)icantes e insini)icantes
e)ectos de con)iabilidad y de Dianosticidad G Con)iabilidad$ 'ales anClisis de los datos de los tres
eGperimentos previos produjeron similares resultados$
0/.
in)erencias de Altima probabilidad no )ueron menos eGtremas Due las anteriores$ Estos
resultados con consistentes con la visi!n de Due la ente tiende a reducir la complejidad de
las tareas empleando simples relas heursticas$ El rechaFo de la con)iabilidad de la
in)ormaci!n puede re)lejar el uso de una de tal heurstica de juicio S la representatividad
heurstica 8Kahneman y 'vers(y# /620# :9$ Por ejemplo# recordando el partido por el cual el
actor vot!# los sujetos in)irieron la probabilidad de estar a )avor de retornar la "ibera
%ccidental a los &rabes de acuerdo al rado por el cual un voto para tal partido es
representativo del estereotipo de un actor Due sostiene tales actitudes$ Un actor Due vota por
un partido belicoso envuelve mCs caractersticas de este estereotipo Due un actor Due deja
crecer su cabello laro$ 8, en los primeros tres eGperimentos# un alto rado en economa es
mCs representativo de estudiantes Due son aceptados en la escuela de administraci!n de
neocios Due lo Due es un alto rado en antropoloa9$ Una actitud positiva hacia retornar los
territorios )ue# por consiuiente# in)erida con mayor certeFa en el caso anterior$ Ba eGactitud
de la memoria de uno no a)ect! estas probabilidades debido a Due ella no a)ect! el juicio de
representatividad del comportamiento retribuido$
& este respecto# la con)iabilidad de un reporte es comparable a las consideraciones del
tamaEo de la muestra y proporciones base$ El tamaEo de la muestra en la cual la evidencia
estC basada y la proporci!n base del atributo in)erido no a)ectan la similitud entre la
evidencia por s misma y el atributo$ Ba noci!n de representatividad por consiuiente suiere#
y la investiaci!n ha mostrado# Due las entes son olvidadiFas a estas consideraciones al
hacer in)erencias 8*isbeth R Borida# /621L 'vers(y R Kahneman# /62:# /9$ Sobre las bases
de esta noci!n# uno esperara Due la con)iabilidad serC tomada en cuenta en aDuellos casos en
los cuales ella a)ecta la representatividad del reporte$ Por tanto# con sainetes del
comportamiento Due son mCs ricos en detalle Due simples# los eventos binarios emplearon en
este estudio# pobre memoria 8debido a tales )actores como el lapso de tiempo desde Due el
sainete )ue atestiuado9 es probable de a)ectar la claridad# per)ectividad y vivideF de la
in)ormaci!n retribuida$ 'al vaa in)ormaci!n puede ser menos representativa del atributo en
cuesti!n y producirC# por consiuiente# juicios de probabilidad mCs reresivos ! mCs
moderados$ $ $ $
0/0
Parte VIII
Procedimientos correctivos
0/:
+G( Fa robusta belle!a de modelos lineales impropios en
la toma de decisin
"obyn -$ Da+es
El libro de Paul -eehl 8/61:9 Clinical 7ersus Statistical Prediction< Un 6n'lisis "erico y
una !evisin de la )videncia apareci! hace .1 aEos$ El revis! estudios indicando Due la
predicci!n del criterio num;rico de las variables de inter;s psicol!ico 8por ejemplo# ranos
)acultativos de estudiantes raduados Duienes haban obtenido un Ph<D9 del pronosticador
num;rico de variables 8por ejemplo# punteos en el I"E# IradAate "ecord EGamination#
promedio de puntos de rado# clasi)icaciones de cartas de recomendaci!n9 es hecho mejor
por un modelo lineal apropiado Due por la intuici!n clnica de la ente presumiblemente
eGperimentados en tal predicci!n$ El punto de este artculo es revisar la evidencia Due aAn
modelos lineales impropios pueden ser superiores a las predicciones clnicas$
Un modelo lineal apropiado es uno en el cual los pesos dados al pronosticador las
variables son escoidas de tal modo como para optimiFar la relaci!n entre la predicci!n y el
criterio$ Un anClisis simple de reresi!n es el ejemplo mCs comAn de un apropiado modelo
linealL las variables del pronosticador son pesadas de tal modo como para maGimiFar la
correlaci!n entre el subsecuente compuesto pesado y el criterio actual$ Un anClisis de la
)unci!n discriminante es otro ejemplo de un modelo lineal apropiadoL los pesos son dados al
pronosticador de variables de tal modo Due los compuestos lineales resultantes maGimicen la
discrepancia entre dos ! mCs rupos$ El anClisis de reresi!n de "ide# otro ejemplo
8Darlinton# /627L -arDuardt R Snee# /6219# intenta asinar pesos de tal modo Due los
compuestos lineales correlacionen mCGimamente con el criterio de inter;s en un nuevo set de
datos$
Por lo tanto# eGisten muchos tipos de modelos lineales apropiados y ellos han sido
usados en una variedad de conteGtos$ Un ejemplo 8Da+es# /62/9 involucr! la predicci!n de
las clasi)icaciones )acultativas de los estudiantes raduados$ 'odos los estudiantes raduados
del Departamento de Psicoloa de la Universidad de %reon Duienes haban sido admitidos
entre el otoEo de /64: y el otoEo de /642 S y Duienes no haban abandonado el prorama por
raFones no acad;micas 8por ejemplo# psicosis ! matrimonio S)ueron clasi)icados por la
)acultad en la primavera de /646L los miembros de la )acultad clasi)icaron estudiantes de
Duienes ellos sintieron una clasi)icaci!n con)ortable$ Ba escala de clasi)icaci!n siuiente )ue
usada< 1# sobresalienteL :# arriba del promedioL 0# el promedioL .# debajo del promedioL /#
reprobado en el prorama por di)icultad acad;mica$ 'al clasi)icaci!n completa constituye un
interesante criterio psicol!icamente porDue las impresiones subjetivas de los miembros de
Este captulo oriinalmente apareci! en 6merican Psycologist# /626# 0:# 12/>17.$ Derechos de &utor 5 /626
por la &sociaci!n &mericana de Psicoloa$ "eimpreso con permiso$
0/1
la )acultad son las principales determinantes del trabajo 8si aluna9 Due un estudiante obtiene
al dejar la escuela de raduados$ Un total de /// estudiantes estuvieron en la muestraL el
nAmero de miembros de la )acultad clasi)icaron a cada uno de estos estudiantes en un rano
de / a .3# con el nAmero in)erior siendo 1$42 y la media siendo 1$ Bas clasi)icaciones )ueron
con)iables$ 8Para determinar la con)iabilidad# las clasi)icaciones )ueron sujetas de un anClisis
de una va de la variaci!n en la cual cada estudiante siendo evaluado# )ue reconocido como
un tratamiento$ Ba relaci!n entre la variaci!n resultante entre tratamientos 8n
.
9 )ue $42# y ella
)ue sini)icante mCs allC del nivel $33/9$ Estas clasi)icaciones de la )acultad )ueron predichas
de un modelo lineal apropiado basado en el punteo del Iraduate "ecord EGamination 8I"E9
de los estudiantes# el punteo promedio de rado 8IP&9 de los estudiantes no raduados# y una
medida de la selectividad de la instituci!n no licenciada de los estudiantes$
/
Ba cruFada
validada correlaci!n mAltiple entre las clasi)icaciones de la )acultad y el pronosticador de
variables )ue de $07$ Conruente con los resultados de -eehl# la correlaci!n de estas Altimas
clasi)icaciones de la )acultad con la clasi)icaci!n promedio de la ente con los comit;s de
admisiones Duienes seleccionaron a los estudiantes )ue de $/6L
.
Due es# ella cont! por un
cuarto como mucha variaci!n$ Este ejemplo es tpico de aDuellos encontrados en la
investiaci!n de psicoloa en ;sta Crea en Due 8a9 la correlaci!n con las predicciones del
modelo es mCs alta Due la correlaci!n con la predicci!n clnica# pero 8b9 ambas correlaciones
son bajas$ Estas caractersticas a menudo conducen a los psic!loos a interpretar los
descubrimientos como sini)icando Due mientras la baja correlaci!n del modelo indica Due
el modelo lineal es de)iciente como un m;todo# la aAn mCs baja correlaci!n de los juicios
indica solo Due los juicios eDuivocados )ueron usados$
Un modelo lineal inapropiado es uno en el cual los pesos son escoidos por alAn
m;todo no !ptimo$ Ellos pueden ser escoidos para ser iuales# ellos pueden ser escoidos
sobre las bases de la intuici!n de la persona Due hace la predicci!n# ! ellos pueden ser
escoidos al aFar$ *o obstante# los modelos inapropiados pueden tener ran utilidad$ Cuando#
por ejemplo# los estandariFados I"Es# IP&s y los ndices de selectividad en el ejemplo
previo )ueron pesados iualmente# el resultante compuesto lineal correlacionado $:7 con la
clasi)icaci!n Altima de la )acultad$ *o solo es la correlaci!n de este compuesto lineal mCs
alto Due ese con el juicio clnico del comit; de admisi!n 8$/69# es tambi;n mCs alto Due ese
obtenido sobre cruFar>validar los pesos obtenidos de la mitad de la muestra$
Un ejemplo de modelo inapropiado Due podra ser de aluna manera de mCs inter;s S al
menos para el pAblico en eneral S )ue motivado por un )sico Due estuvo conmio en un
panel concerniente a sistemas de predicci!n$ -Cs tarde# en el bar con su esposa y yo# ;l dijo
Due mi trabajo podra ser de alAn inter;s para mis coleas# pero ;Gito en la escuela de
raduados en psicoloa no era de mucho inter;s eneral< NPodra usted# por ejemplo# usar
uno de sus modelos lineales inapropiados para predecir cuCn bien mi esposa y yo nos
llevamos juntosQO ;l preunt!$ ,o me di cuenta Due yo poda ! podra$ & ese tiempo# el
Departamento de Psicoloa de la Universidad de %reon estuvo comprometida en
investiaci!n de seGo# la mayora de la cual estuvo conductualmente orientada$ Por tanto los
sujetos de esta investiaci!n monitorearon cuando ellos hicieron el amor# cuando ellos
tuvieron pleitos# cuando ellos tuvieron compromisos sociales 8por ejemplo# con parientes
polticos9# etc$ Estos sujetos tambi;n hicieron clasi)icaciones subjetivas sobre cuCn aleres
ellos estuvieron en su situaci!n marital ! emparejados$ ,o inmediatamente pens; en un
/
Este ndice )ue basado en la clasi)icaci!n de selectividad de Cass y Birnbaum 8/6479 dado al )inal de su libro
Comparative Fuide to 6merican Colleges& Bas cateoras verbales de selectividad dadas en valores
num;ricos de acuerdo a la siuiente rela< mCs selectiva# 4L altamente selectiva# 1L muy selectiva 8l9# :L muy
selectiva# 0L selectiva# .L no mencionada# /$
.
Desa)ortunadamente# solo .0 de los /// estudiantes pudieron ser usados en esta comparaci!n porDue la escala
de clasi)icaci!n Due el comit; de admisiones us! cambi! lieramente de aEo a aEo$
0/4
modelo lineal inapropiado para predecir auto>clasi)icaciones de )elicidad marital< proporci!n
de hacer el amor menos proporci!n de pleito$ $ -i colea =ohn Ho+ard haba recolectado
tales datos de parejas cuando ;l )ue un no raduado en la Universidad de -issouri S Kansas
City# donde ;l trabaj! con &leGander 8/62/9$ Despu;s de establecer la con)iabilidad inter>
pareja de los juicios de hacer el amor y pelear# &leGander tena un socio de cada una de las :.
parejas Due monitorearon estos eventos$ Ella nos permiti! analiFar sus datos# con los
siuientes resultados< NEn las treinta parejas )eliFmente casadas 8como reportado por el socio
a caro del monitoreo9 solo dos aruyeron Due ellos tenan mCs a menudo relaciones ntimas$
'odas las doce de las parejas in)eliFmente casadas aruyeron mCs menudoO 8Ho+ard R
Da+es# /624# p$ :279$ Cuando ellos reportaron estos descubrimientos a la Universidad de
%reon# donde .2 monitores clasi)icaron la )elicidad en una escala de 2 puntos# de Nmuy
in)elicesO a N muy )elicesO# con un punto medio neutral$ Ba correlaci!n de la proporci!n de
hacer el amor menos la proporci!n con estas clasi)icaciones de )elicidad marital )ue de $:3 8p
] $319L ninuna variable sola )ue sini)icativa$ Bos descubrimientos )ueron reportados en
-issouri por Ed+ards y Ed+ards 8/6229 y en 'eGas por 'hornton 8/622a9# Duien encontr!
una correlaci!n de $7/ 8p ] $3/9 entre la di)erencia de arumento de seGo y la auto>
clasi)icaci!n de )elicidad marital entre .7 nuevas parejas$ 8Ba raF!n para esta mucho mCs alta
correlaci!n podra ser Due 'hornton obtuvo las clasi)icaciones de )elicidad marital despu;s#
mCs Due antes# los sujetos monitorearon su hacer el amor y pelearL de hecho# un sujeto
decidi! obtener un divorcio despu;s de darse Due ella estaba peleando mCs Due amandoL
'hornton /622b9$ Ba conclusi!n es Due si amamos mCs Due odiamosL si odiamos mCs Due
amamos# somos miserables$ Esta conclusi!n no es muy pro)unda# psicol!icamente !
estadsticamente$ El punto es Due este muy crudo inapropiado modelo lineal predice una muy
importante variableL juicios sobre la )elicidad marital$
El volumen 8de hecho# toda9 de la literatura desde Due la publicaci!n del libro de -eehl
soporta su eneraliFaci!n sobre los modelos inapropiados versus el juicio clnico intuitivo$
Sa+yer 8/6449 revis! una pl;tora de estos estudios# y alunos de ;stos estudios )ueron muy
eGtensos 8c)$ B$ "$ Ioldber# /6419$ &lunos /3 aEos despu;s este libro )ue publicado# -eehl
8/6419 estuvo capacitado de concluir# sin embaro# Due solo haba un ejemplo simple
mostrando al juicio clnico ser superior# y esta conclusi!n )ue inmediatamente disputada por
B$ "$ Iolder 8/647a9 en los campos Due aAn el ejemplo no mostr! tal superioridad$ Holt
8/6239 critic! detalles de varios estudios# y ;l aAn suiri! Due la predicci!n como opuesta al
entendimiento puede no ser una parte muy importante del juicio clnico$ Pero una
investiaci!n de la literatura )alla al revelar Due cualesDuiera estudios en los cuales el juicio
clnico ha sido mostrado ser superior a la predicci!n estadstica cuando ambos estCn basados
sobre las mismas variables de entrada codi)icables$ , aunDue la mayora de los no
positivistas acordaran Due el entendimiento no es sin!nimo de la predicci!n# pocos estaran
de acuerdo Due el no oblia aluna habilidad para predecir$
Por DueQ Debido a Due la ente S especialmente los eGpertos en el campo S son mucho
mejor en seleccionar y codi)icar in)ormaci!n Due en interarla$
Pero las personas son importantes$ El modelo estadstico puede interar la in)ormaci!n de
una manera !ptima# pero eGiste siempre el individual 8jueF# clnico# sujeto9 Duien escoe las
variables$ -as aAn# es el jueF humano Duien conoce la relaci!n direccional entre el
pronosticador de variables y el criterio de inter;s ! Duien codi)ica las variables de tal modo
Due ellas tenan una clara relaci!n direccional$ , esta es precisamente la situaci!n donde los
pronosticadores de variables son buenos y donde ellos tienen una relaci!n condicionalmente
mon!tona con el criterio de Due los modelos lineales apropiados trabajan bien$
0
0
Bas relaciones son condicionalmente mon!tonas cuando las variables puedan ser colocadas en una escala de
tal manera Due los valores mCs altos de cada una predian los valores 8continAa al pie de la pCina siuiente9
0/2
El modelo lineal no puede reemplaFar al eGperto en decidir tales cosas como NDu;
buscarO# pero es precisamente este conocimiento de Du; buscar en alcanFar la decisi!n Due es
lo especial Due la ente eGperta tiene$ &An en un juicio complicado como es ejecutar una
movida de ajedreF# es la habilidad para codi)icar el tablero de un modo apropiado para NverO
las propias movidas Due distinuen el ran maestro del eGperto del novato 8deIroot# /641L
Simon R Chase# /6209$ *o es en la habilidad para interar in)ormaci!n Due la ente se
supera 8Slovic# /62.b9$ De nuevo# el ran maestro de ajedreF no considera mCs movidas de
las Due hace el eGpertoL ;l sabe a cuCles mirar$ Ba distinci!n entre Du; mirar y la habilidad
para interar in)ormaci!n estC talveF mejor ilustrada en un estudio de Einhorn 8/62.9$
Doctores eGpertos codi)ican biopsias de pacientes con la en)ermedad de Hod(in y lueo
hacen una clasi)icaci!n completa de la severidad del proceso$ Ba clasi)icaci!n completa no
predijo el tiempo de supervivencia de los /60 pacientes# todos los cuales )allecieron$ 8Bas
correlaciones de clasi)icaci!n con el tiempo de supervivencia )ueron todas virtualmente 3#
alunas en la direcci!n eDuivocada9$ Bas variables Due los doctores codi)icaron predijeron#
sin embaro# el tiempo de supervivencia cuando ellas )ueron usadas en un modelo de
reresi!n mAltiple$
En resumen# los modelos lineales apropiados trabajan por un raF!n muy simple$ Bas
personas son buenas para eleir al pronosticador de variables correcto y en codi)icarlos de tal
manera Due ellos tenan una relaci!n condicionalmente mon!tona con el criterio$ Bas
personas son malas al interar in)ormaci!n de diversas e incomparables )uentes$ Bos modelos
lineales apropiados son buenos para tal interaci!n cuando las predicciones tienen una
relaci!n condicionalmente mon!tona con el criterio$
Considere# por ejemplo# el problema de comparar a un aplicante raduado con punteos
del I"E de 213 y un IP& de no raduado de 0$0 con otro con punteos del I"E de 473 y un
IP& de no raduado de 0$2$ Ba mayora de los jueces estaran de cuerdo en Due estos
indicadores de aptitud y previo cumplimiento deberan estar combinados en alAn estilo
compensatorio# pero la preunta es c!mo compensarlos$ -uchos jueces intentando esta
haFaEa tienen poco conocimiento de las caractersticas de distribuci!n de I"Es y IP&s# y la
mayora no tiene conocimiento de estudios indicando su valideF como pronosticadores del
;Gito de un raduado$ -Cs aAn# estos nAmeros son inherentemente incomparables sin tal
conocimiento# los I"Es van de 133 a 733 puntos para aplicantes viables# y los IP&s de 0$3 a
:$3$ EGiste aluna sorpresa Due un esDuema de pesaje estadstico lo haa mejor Due un jueF
humano en estas circunstanciasQ
Supona ahora Due no es posible construir un modelo lineal apropiado en la misma
situaci!n$ Una raF!n por la Due nosotros no estemos en capacidad de hacerlo es Due nuestra
muestro tamaEo de muestra es inadecuado$ En la reresi!n mAltiple# por ejemplo# los pesos b
son notoriamente inestablesL la relaci!n de observaciones a pronosticadores sera tan alta
como /1 ! .3 a / antes Due los pesos b# los cuales son los pesos !ptimos# lo hacen mejor en
validaci!n cruFada Due lo hace la unidad simple de pesos$ Schmidt 8/62/9# B$ "$ Ioldber
8/62.9 y Claudy 8/62.9 han demostrado esta necesidad empricamente a trav;s de simulaci!n
en computadora# y Einhorn y Hoarth 8/6219 y Srinivisan 8/6229 han atacado el problema
analticamente$ Ba soluci!n eneral depende de un nAmero de parCmetros tales como la
mAltiple correlaci!n en la poblaci!n y el patr!n de covariaci!n entre las variables del
mCs altos del criterio$ Esta condici!n es la combinaci!n de dos condiciones de medida mCs )undamentales< 8a9
independencia 8la relaci!n entre cada variable y el criterio es independiente de los valores de las variables
restantes9 y 8b9 monotona 8la relaci!n ordinal es una Due es mon!tona9$ 8Jer KrantF# /62.L KrantF et al$# /62/9$
Bas relaciones verdaderas no necesitan ser lineales para trabajar modelos linealesL ellas deben ser meramente
aproGimadas por modelos lineales$ *o es cierto Due Nen orden de computar un coe)iciente de correlaci!n entre
dos variables la relaci!n entre ellas debe ser linealO 8un consejo encontrado en un teGto introductorio de
estadstica9$ En primer luar siempre es posible computar alo$
0/7
pronosticador$ Pero la implicaci!n aplicada es clara$ El anClisis estCndar de reresi!n no
puede ser usado en situaciones donde no eGiste una relaci!n NdecenteO de observaciones a
pronosticadores$
%tra situaci!n en la cual modelos lineales apropiados no pueden ser usados es esa en la
cual no eGisten criterios variables mensurables$ Podramos# no obstante# tener aluna idea de
Due las variables importantes del pronosticador seran y la direcci!n Due ellas tendran para el
criterio si estuvi;ramos en capacidad de medir el criterio$ Por ejemplo# cuando decidiendo
cuCles estudiantes admitir a la escuela de raduados# nos ustara predecir aluna variable
)utura de laro plaFo Due podra ser denominada Nauto actualiFaci!n pro)esionalO$ 'enemos
aluna idea de lo Due Dueremos sini)icar por este concepto# pero no buena# precisa
de)inici!n todava$ 8&An si tuvi;ramos una# sera imposible conducir el estudio usando
historiales# de estudiantes actuales# debido a Due la variable no podra ser evaluada hasta al
menos .3 aEos despu;s Due los estudiantes hubieran completado su trabajo doctoral9$
*osotros# sin embaro# conocemos Due en toda probabilidad este criterio estC positivamente
relacionado a la inteliencia# a cumplimientos pasados y a la habilidad para bloDuear a los
coleas de uno$ En nuestro archivo de aplicantes# los punteos del I"E evalAan la primera
variableL el IP& de los no raduados la seundaL y las cartas de recomendaci!n la tercera$ P
Podramos no desear# entonces# )ormar aluna clase de combinaci!n lineal de estas variables
en orden de evaluar los potenciales de nuestros aplicantesQ Dado Due no podemos realiFar un
anClisis de reresi!n estCndar# no eGiste nada Due hacer mCs Due retirar la interaci!n
intuitiva sola de estas variables cuando evaluamos a nuestros aplicantesQ
Un posible camino de construir un modelo lineal inapropiado es a trav;s del uso del
bootstrapping Q 8Da+es R Corrian# /62:L B$ "$ Ioldber# /6239$ El proceso es construir un
modelo lineal apropiado de unos juicios de un eGperto sobre una consecuencia del criterio y
entonces usar ese modelo lineal en luar del juicio$ Esos modelos lineales pueden ser eGactos
en predecir juicios de eGpertos Due han sido seEalados en la literatura psicol!ica por
Hammond 8/6119 y Ho))man 8/6439$ 8Este trabajo )ue anticipado por 0. aEos por el Altimo
Henry Hallace# Jicepresidente bajo "oosevelt # en un artculo de aricultura en /6.0
suiriendo el uso de modelos lineales para analiFar NDu; estC pasando con el maF en la
mente del jueFO$ En su in)luyente artculo# Ho))man denomin! al uso de modelos lineales una
representaci!n paramrfica de los jueces# por la cual el sini)ic! Due los procesos
psicol!icos de los jueces no involucraron computar un mplcito ! eGplcito promedio
valorado de las variables de entrada# pero Due podra ser simulado por tal valoraci!n$$ Bas
representaciones param!r)icas han sido eGtremadamente eGitosas 8para revisiones ver Da+es
R Corrian# /62:L Slovic R Bichtenstein# /62/9 en conteGtos en los cuales el pronosticador
de variables tiene condicionalmente relaciones mon!tonas con criterios variables$
Bos modelos bootstrappin hacen uso de los valores derivados de los juecesL debido a Due
estos valores no son derivados de la relaci!n entre el pronosticador y los criterios variables
mismos# los resultantes modelos lineales son inapropiados$ &An estas representaciones
param!r)icas consistentemente lo hacer mejor Due los jueces de los cuales ellos son derivados
8al menos cuando la evaluaci!n de la calidad estC en t;rminos de la correlaci!n entre los
valores predichos y actuales9$
El bootstrappin se ha tornado penetrante$ Por ejemplo# en un estudio conducido por
Hiins y Kohen 8/62/9# estudiantes raduados en Psicoloa de la Universidad de Illinois
)ueron presentados con /3 antecedentes# medidas de aptitud y personalidad describiendo a
otros 8reales9 estudiantes raduados Illinois en psicoloa y )ueron reDueridos a predecir estos
IP&s del primer aEo de raduados de los estudiantes$ -odelos lineales de cada uno de los
jueces de la Universidad de Illinois hicieron un mejor trabajo Due el Due hicieron los jueces
mismos en predecir los promedios del actual punteo de rado$ Este resultado )ue repetido en
un estudio conducido en conjunci!n con Hiins# Ireory y Diller 8citado en Da+es R
0/6
Corrian# /62:9$ B$ "$ Ioldber 8/6239 lo demostr! para .4 de .6 jueces de psicoloa
clnica prediciendo dianosis psiDuiCtrica de neurosis ! psicosis de per)iles del Inventario de
Personalidad -ulti)as;tica de -innesota 8--PI9# y Da+es 8/62/9 lo encontr! en la
evaluaci!n de aplicantes de raduados en la Universidad de %reon$ Ba Anica eGcepci!n
publicada para el ;Gito del bootstrappin del cual yo estoy conciente )ue un estudio
conducido por Bibby 8/6249$ El reDuiri! a /4 o)iciales de pr;stamos de relativamente
peDueEos bancos 8localiFados en Champain>Urbana# Illinois# con activos entre m0 millones
y m14 millones9 y .2 o)iciales de pr;stamos de randes bancos 8localiFados en Philladelphia#
con activos entre m4 billones y m:$: billones9 a juFar cuales de las 03 de 43 )irmas iran a la
bancarrota dentro de tres aEos posteriores a sus declaraciones )inancieras$ Bos o)iciales de
pr;stamos reDuirieron cinco relaciones )inancieras en las cuales basar sus juicios 8por
ejemplo# la relaci!n de los presentes activos a los activos totales9$ En promedio# los o)iciales
de pr;stamos correctamente clasi)icaron ::$: neocios 82:W9 como ya sea solventes !
bancarrotas )uturas# pero en el promedio# las representaciones param!r)icas de los o)iciales
de pr;stamos podran correctamente clasi)icar solo :0$0 neocios 82.W9$ Esta di)erencia
vino a ser estadsticamente sini)icativa# y Bibby concluy! Due ;l tena un ejemplo de una
situaci!n donde el bootstrappin no )uncion! S talveF debido a Due sus jueces eran altamente
hCbiles eGpertos intentando predecir un criterio altamente con)iable$ B$ "$ Ioldber 8/6249#
sin embaro# not! Due muchas de las relaciones tenan distribuciones altamente sesadas# y ;l
reanaliF! los datos de Bibby# normaliFando las relaciones antes de construir modelos de los
o)iciales de pr;stamos$ Bibby encontr! 22W de sus o)iciales ser superiores a sus
representaciones param!r)icas# pero Ioldber# usando su escala del pronosticador de
variables# encontr! lo opuestoL 2.W de los modelos )ueron superiores a los jueces de Duienes
ellos )ueron derivados$
:

Por Du; trabaja el bootstrappinQ Bo+man# 8/6409# B$ " Ioldber 8/6239# y Da+es
8/62/9 todos mantuvieron Due su ;Gito sure del hecho de Due un modelo lineal destila una
poltica )undamental 8en las in)luencias implcitas9 de un# de otro modo# comportamiento
variable 8por ejemplo# juicios a)ectados por e)ectos de conteGto ! por variables eGternas9$
Creer en la e)icacia del bootstrappin estuvo basada en la composici!n de la valideF del
modelo lineal del jueF con la valideF de sus juicios mismos$ Esta es una de las dos
l!icamente posibles comparaciones$ Ba otra es la valideF del modelo lineal del jueF versus
la valideF de los modelos lineales en eneralL Due es# demostrar Due el bootsatrappin trabaja
porDue el modelo lineal captura la esencia de la pericia vClida del jueF mientras Due
eliminando la descon)ianFa # es necesario demostrar Due las in)luencias obtenidas de un
anClisis del comportamiento del jueF son superiores a aDuellas Due podran ser obtenidas de
otros modos# por ejemplo# aleatoriamente$ Debido a Due ambos el modelo del jueF y el
modelo obtenido aleatoriamente son per)ectamente con)iables# una comparaci!n del modelo
aleatorio con el modelo del jueF permite una evaluaci!n de la representaci!n lineal del jueF# !
poltica$ Si el modelo aleatorio lo hace iualmente bien# el jueF no estara Nsiuiendo los
principios vClidos sino siui;ndolos pobrementeO 8Da+es# /62/# p$ /7.9# al menos no
principios nunca mCs vClidos Due cualesDuiera otros Due in)luencias las variables en la
direcci!n apropiada$
Ba 'abla / presenta cinco estudios resumidos por Da+es y Corrian 8/62:9 en la cual las
valideces 8por ejemplo# correlaciones9 obtenidas por varios m;todos )ueron comparadas$ En
el primer estudio# una )uente de 74/ pacientes psiDuiCtricos tom! el --PI en varios
:
Debera ser seEalado Due un modelo lineal apropiado lo hace mejor Due ya sean los o)iciales de pr;stamos !
sus representaciones param!r)icas$ Usando la misma tarea# Beaver 8/6449 y Deacon 8/62.9 encontraron Due
los modelos lineales predecan con casi 27W de eGactitud en la validaci!n cruFada$ Pero yo no puedo resistir
seEalar Due el mCs simple posible modelo inadecuado de todos ellos lo hace mejor$ Ba relaci!n de activos a
pasivos 89 correctamente clasi)ica :7 873W9 de los casos estudiados por Bibby$
0.3
'abla /$ Correlaciones entre predicciones y valores del criterio
Promedio Promedio Promedio JalideF> JalideF
Promedio valideF valideF valideF del cruFada del modelo
JalideF del modelo del modelo modelo de del anClisis lineal
Ejemplo del jueF del jueF aleatorio iual in)luencia de reresi!n !ptimo
Predicci!n de neurosis vrs$ psic!sis $.7 $0/ $03 $0: $:4 $:4
Predicciones del IP& de estudiantes de Illinois $00 $13 $1/ $43 $12 $46
Predicciones del IP& de estudiantes de %reon $02 $:0 $1/ $43 $12 $46
Predicci!n de las Altimas clasi)icaciones de la )acultad en %reon $/6 $.1 $06 $:7 $07 $1:
EGperimento de ,ntema R 'orerson 8/64/9 $7: $76 $7: $62 >>>> $62
*ota< IP& [ punto de rado promedio$
hospitalesL ellos )ueron mCs tarde cataloados como neur!ticos ! psic!ticos sobre la base de
una in)ormaci!n mCs eGtensa$ Bos per)iles del --PI consisten de // punteos# cada uno de
los cuales representa el rado para el cual los entrevistados respondieron las respuestas de
una manera similar a los pacientes su)riendo de una bien de)inida )orma de psicopatoloa$
Un set de // punteos estC por tanto asociado con cada paciente# y el problema es predecir si
un Altimo dian!stico serC psicosis 8codi)icado /9 ! neurosis 8codi)icado 39$ .6 psic!loos
clnicos Nde variada eGperiencia y entrenamientoO 8B$ "$ Ioldber# /626# p$ :.19 )ueron
reDueridos para hacer esta predicci!n en una distribuci!n )orFada normal de // pasos$ Bos
seundos dos estudios relacionaron a 63 estudiantes raduados de primer aEo en el
Departamento de Psicoloa de la Universidad de Illinois Duienes )ueron elevados en /3
variables Due son predictivas del ;Gito acad;mico$ Estas variables incluyeron punteos de
pruebas de aptitud# IP& de la universidad# varias clasi)icaciones semejantes 8por ejemplo#
eGtraversi!n9# y varias auto clasi)icaciones 8por ejemplo# concientividad9$ Un IP& de primer
aEo )ue computado para todos estos estudiantes$ El problema )ue predecir el IP& de las /3
variables$ En el seundo estudio la predicci!n )ue hecha por 73 8otros9 estudiantes raduados
de la Universidad de Illinois 8Hiins R Kohen# /62/9# y en el tercer estudio esta predicci!n
)ue hecha por :/ estudiantes raduados de la Universidad de %reon$ Bos detalles de los
cuatro estudios han sido ya cubiertosL es el relacionado con la predicci!n de las Altimas
clasi)icaciones de la )acultad en %reon$ El estudio )inal 8,ntema R 'orerson# /64/9 )ue
uno en el cual los eGperimentadores asinaron valores a las elipses presentadas a los sujetos#
sobre la base del tamaEo de las )iuras# eGcentricidad# y tristeFa$ Ba )!rmula usada )ue ij l ;j
l i;$ donde i# j# y ; se re)ieren a los valores de las tres dimensiones mencionadas$ Bos sujetos
en el eGperimento )ueron reDueridos a estimar el valor de cada elipse y )ueron presentados
con resultado de reaprovechamiento de in)ormaci!n al )inal de cada intento$ El problema )ue
predecir el verdadero 8por ejemplo# eGperimentador>asinado9 valor de cada elipse sobre la
base de su tamaEo# eGcentricidad y tristeFa$
Ba primera columna de la 'abla / presenta la valideF promedio de los jueces en estos
estudios# y la seunda presenta la valideF promedio del modelo param!r)ico de estos jueces$
En todos los casos# el bootstrappin trabaj!$ Pero lueo Due Corrian y yo construimos lo
Due )ueron modelos lineales aleatorios$ que son$ modelos en los cuales las in)luencias )ueron
escoidas aleatoriamente eGcepto por sino y )ueron entonces aplicadas a variables
uni)ormiFadas$
1
El sino de cada variable )ue determinado sobre una base a priori de tal )orma Due el tendra una
relaci!n positiva con el criterio$ Entonces una desviaci!n normal )ue seleccionada como aleatoria de
una distribuci!n normal con variaci!n unitaria# y el valor absoluto de esta desviaci!n )ue usado como
un peso para la variable$ DieF mil de tales modelos )ueron construidos para cada muestra 8Da+es R
Corrian# /62:# p$ /3.9
En promedio# estos modelos lineales aleatorios ejecutan casi tan bien como los modelos
param!r)icos de los juecesL estos promedios son predichos en la tercera columna de la tabla$
-odelos de pesaje iual# presentados en la cuarta columna# lo hacen mejor$ EGiste una raF!n
matemCtica del por Du; los modelos de iual pesaje deben ejecutar antes el modelo de
promedio aleatorio$
4
9 ?inalmente las Altimas dos columnas presentan la cruFada>validada
valideF del modelo de reresi!n estCndar y la validaci!n del modelo lineal !ptimo$
1
Desa)ortunadamente# Da+es y Corrian no deletrearon en detalle Due estas variables deben primero ser
normaliFadas y Due el resultado es una variable dependiente normaliFada$ Dar valor iual ! aleatorio de
variables incomparables S por ejemplo# punteo del I"E y del IP& S sin previa normaliFaci!n sera absurdo$
4
Considere un set de variables normaliFadas S/# M.# $Mm# cada una del las cuales estC positivamente
correlacionada con una variable normaliFada ,$ Ba covariaci!n de esta suma con , es iual a 8continAa al
pie de la pCina siuiente9
Esencialmente# los mismos resultados se obtuvieron cuando los pesos )ueron
seleccionados de una distribuci!n rectanular$ Por Du;Q PorDue los modelos lineales son
robustos sobre las desviaciones de un pesaje !ptimo$ En otras palabras# el descubrimiento del
bootstrappin# al menos en estos estudios# ha sido simplemente una rea)irmaci!n de los
descubrimientos mCs tempranos de Due los modelos lineales apropiados son superiores al
juicio humano S los pesos derivados del comportamiento de los jueces estando
su)icientemente cerca a los pesos !ptimos Due las salidas de los modelos son altamente
similares$ Ba soluci!n al problema de obtener pesos !ptimos es uno Due S en t;rminos de von
Hinter)eldt y Ed+ards 8/6209 S tiene un Ncate!rico mCGimoO$ Bos pesos Due estCn cerca del
nivel !ptimo producen casi la misma salida como lo hacen los pesos beta !ptimos$ Debido a
Due el jueF eGperto conoce al menos alo sobre la direcci!n de las variables# sus juicios
producen pesos Due son cercanamente !ptimos 8pero note Due en todos los casos el pesaje
iual es superior a los modelos en el comportamiento de los jueces$
El hecho de Due di)erentes compuestos lineales correlacionen altamente con cada otro )ue
primero seEalado :3 aEos atrCs por Hil(s 8/6079$ El consider! solo situaciones en las cuales
hubo positiva correlaci!n entre los pronosticadores$ Este resultado parece sostenerse hasta
Due estas inter>correlaciones no sean neativasL por ejemplo# la correlaci!n entre M l ., y
.M l , es $73 cuando M y , estCn correlacionadas$ Bos modos en los cuales las salidas son
relativamente insensitivas a cambios en los coe)icientes 8siempre Due los cambios de sino
no est;n involucrados9 han sido investiados mCs recientemente por Ireen 8/6229# Hainer
8/6249# Hainer y 'hissen 8/6249# H$ Ed+ards 8/6279 y Iardiner y Ed+ards 8/6219$
Da+es R Corrian 8/62:# p$ /319 concluy! Due Nel truco completo es conocer Du;
variables mirar y entonces conocer c!mo arearlasO$ Ese principio estC bien ilustrado en el
siuiente estudio# conducido desde Due el artculo de Da+es y Corrian )ue publicado$ En el#
Hamond y &delman 8/6249 ambos investiaron e in)luenciaron la decisi!n sobre Du; tipo de
bala debera ser usada por la polica de la ciudad de Denver# una decisi!n teniendo un mucho
mCs obvio impacto social Due la mayora de aDuellos discutidos arriba$ Para citar a
Hammond y &delman 8/6249<
En /62:# el Departamento de Polica de Denver 8DPD9# as como otros departamentos de polica a
trav;s del pas# decidieron cambiar su munici!n de sus pistolas$ Ba raF!n principal o)recida por la
polica )ue Due la bala convencional de punta redonda provea insu)iciente Ne)ectividad de pararO 8Due
sini)ica# la habilidad para incapacitar y por lo tanto prevenir Due la persona dispare desde atrCs al
o)icial de polica A otros9$ El je)e del DPD recomend! 8como lo hicieron otros je)es de polica9 Due la
bala convencional )uera reemplaFada por una bala con un punto hueco$ 'ales balas# se a)irm!# se
achataban al impacto# por tanto decreciendo la penetraci!n# incrementando la e)ectividad de parada y
decrementando el potencial de rebote$ El cambio suerido )ue recusado por la Uni!n &mericana de
Bibertades Civiles# rupos minoritarios y otros$ Bos oponentes al cambio demandaban Due las nuevas
balas )ueran nada mCs Due ilealiFadas Ndum>dumO# Due ellas creaban mucho mCs daEo Due las balas
de punta redonda y deberan# por consiuiente# ser prohibidas de usar$ Como es costumbre# los juicios
en esta materia )ueron )ormados privadamente y lueo de)endidos pAblicamente con entusiasmo y
tenacidad# y las audiencias pAblicas )ueron sostenidas$ &mbos lados cambiaron de eGpertos balsticos
por cient)icos de in)ormaci!n y soporte$ 8p$ 06.9
Insertar a-u* las rmulas de la p5#ina 788 del texto ori#inal
la variaci!n de , es /# y la variaci!n de la suma de los Ms es - l -8- S /9ry# donde ryes el promedio de inter>
correlaci!n entre las Ms$ Por consiuiente# la correlaci!n del promedio de las Ms con , es 8r i9T8- l -8- S
/9ry9
L esta es mayor Due 8ry9T8- l -

.
> -99
[ promedio de ri$ Debido a Due cada uno de los modelos

aleatorios estCn positivamente correlacionados con el criterio# la correlaci!n del promedio# el cual es el modelo
de la unidad>pesada# es mayor Due el promedio de las correlaciones$
0.0
Bos contrincantes se )ocaliFaron en evaluar los m;ritos de balas espec)icas S
con)undiendo el e)ecto )sico de las balas con las implicaciones para la poltica socialL Due es#
mejor separar las preuntas de lo Due la bala debera ejecutar 8la preunta de poltica social9
de preuntas concernientes a las caractersticas balsticas de balas espec)icas# los aboados
meramente aruyeron por una bala A otra$ Por tanto# como Hammond y &delman seEalaron#
los hacedores de la poltica social inadvertidamente adoptaron el papel de 8pobres9 eGpertos
en balstica# y viceversa$ Bo Due Hammond y &delman hicieron )ue descubrir las importantes
dimensiones polticas de los hacedores de la poltica y lueo ellos tuvieron de los eGpertos
balsticos la proporci!n de las balas con respecto a estas dimensiones$ Estas dimensiones
resultaron ser e)ectividad de parada 8la probabilidad de Due aluien baleado en el torso no
podra retornar el )ueo9# la probabilidad de una herida seria# y la probabilidad de peliro
para las personas cercanas$ Cuando los eGpertos en balstica clasi)icaron las balas con
respecto a estas dimensiones# result! Due las dos Altimas )ueron casi con)undidas con la
primera$ Bas balas no varan a lo laro de una simple dimensi!n Due con)unde e)ectividad
con letalidad$ Ba probabilidad de una herida seria y el peliro de las personas cercanas estC
altamente relacionada a la penetraci!n de la bala# mientras Due la probabilidad de Due la bala
e)ectivamente pare a aluien de retornar el )ueo estC altamente relacionada a la anchura de
la herida de entrada$ Desde Due los hacedores de la poltica no podran estar de acuerdo sobre
los pesos dados a las tres dimensiones$ Hammond y &delman suirieron Due ellos sean
pesados iualmente$ Combinando los pesos iuales con los 8independientes9 juicios de los
eGpertos en balstica# Hammond y &delman descubrieron una bala Due Ntiene mayor
e)ectividad de parada y es menos apta de causar daEo 8y es menos apta de amenaFar a las
personas cercanas9 Due la bala estCndar entonces en uso por el DPDO 8Hammond y &delman#
/624# p$ 0619$ Ba bala )ue tambi;n menos apta en causar daEo Due lo Due )ue la bala previa
recomendad por el DPD$ Esa bala )ue Naceptada por el Consejo de la Ciudad y todas las otras
partes involucradas# y estC ahora siendo usada por el DPDO 8Hammond y &delman# /624# p$
0619
2
De nuevo# el truco del todo es decidir Du; variables mirar y entonces conocer c!mo
arearlasO 8Da+es R Corrian# /62:# p$ /319$
Por lo tanto por Du; la ente lo hace tan a menudoQ ,o s; de cuatro universidades 8la
Universidad de IllinoisL la Universidad de *ueva ,or(L la Universidad de %reonL Ba
Universidad de Cali)ornia# Santa BCrbara > pueden ser mCs9 Due usan un modelo lineal para
la selecci!n de aplicantes# pero aAn ;stas lo usan como un dispositivo de tamiFado y sustituto
del juicio clnico para la selecci!n )inal de aDuellos arriba de un punteo reducido$ Ba )!rmula
actuarial de B$ "$ Ioldber 8/6419 para dianosticar neurosis ! psicosis de los per)iles del
--PI ha probado ser superior a los juicios clnicos intentando la misma tarea 8ninuno para
m conocimiento ! el de Ioldber ha producido jamCs un juicio Due lo haa mejor9# aAn m
eGperiencia con su uso 8en el Hospital de Jeteranos de &nn &rbor9 )ue Due )ue descontinuado
en los campos en Due el cometi! errores obvios 8una interesante raF!n# discutida sin lmite9$
En /623# yo suer Due nuestros compaEeros del comit; en la Universidad de %reon
asinaran resAmenes de la ?undaci!n *acional de Ciencia y el &cta *acional de De)ensa de
la Educaci!n a los compaEeros de los departamentos sobre la base de un sistema de punto
casi>lineal basado en ndices eGplcitamente de)inidos# m;ritos del departamento# y
necesidadL se me dijo Nusted puede sistematiFar el juicio humanoO$ ?ue solo seis meses mCs
tarde# despu;s Due nuestro comit; se percat! de la imposibilidad poltica y ;tica de reducir
los rupos sobre la base del juicio intuitivo# Due tal sistema )ue adoptado$ , as
sucesivamente$
2
Debera ser seEalado Due eGistieron solo ocho balas en la )rontera de ParetoL Due es# Due eGistieron solo ocho
Due no )ueron in)eriores a aluna otra bala particular en ambas la e)ectividad de parada y la probabilidad de
daEo 8! in)erior a una de las variables e iual a la otra9$ Consecuentemente# cualDuier rela de pesaje sea la
Due )uere habra escoido una de estas ocho$
0.:
En los pasados tres aEos# yo he escrito y hablado sobre la utilidad 8y a mi modo de ver#
superioridad ;tica9 de usar modelos lineales en decisiones socialmente importantes$ -uchas
de las mismas objeciones han sido elevadas repetidamente por di)erentes lectores y
audiencias$ -e ustara concluir este artculo cataloando estas objeciones y
respondi;ndolas$
Ibjeciones al uso de modelos lineales
Estas objeciones pueden ser colocadas en tres amplias cateoras< t;cnica# psicol!ica y ;tica$
Cada cateora es discutida en turno$
"-cnica
Ba mCs comAn objeci!n t;cnica es al uso del coe)iciente de correlaci!n# por ejemplo# "emus
y =enic(e 8/6279 escribieron<
EstC claro Due la escoencia del coe)iciente de correlaci!n de Da+es y Corrian para establecer la
utilidad del aFar y la unidad de las relas es inapropiada ^sic# inapropiado para Du;Q_$ Una )unci!n
tambi;n de criterio es necesaria en los eGperimentos citados por Da+es y Corrian$ EGiste una
)unci!n de costo para clasi)icar mal a los neur!ticos y sic!ticos ! rechaFar las admisiones de
estudiantes cali)icados a la escuela de raduados mientras Due admitiendo a estudiantes marinales 8p$
../9$
Considere el problema de la admisi!n del estudiante raduado primero$ B mayora de las
escuelas tienen ; aberturas y 8 aplicantes$ El problema es conseuir la mejor ; 8Duienes estCn
a su veF dispuestos a aceptar la escuela9$ Pu; mejor manera eGiste Due tener un apropiado
ranoQ *inuna$ "emus y =enic(e escriben como si el problema )uera no uno de selecci!n
comparativa sino de selecci!n absoluta$ Ba mayora de las selecciones sociales# sin embaro#
involucran seleccionar la mejor de un jueo de alternativas< los estudiantes Due serCn
mejores# la bala serC la mejor# un posible aeropuerto Due serC superior# y as sucesivamente$
El coe)iciente de correlaci!n# debido a Due el re)leja las clasi)icaciones tan bien# es
claramente apropiado para evaluar tales selecciones$
El problema de la neurosis>psicosis es mCs sutil y aAn menos soportante de sus
arumentos$ NSeuramenteO# ellos establecen# NeGiste una )unci!n de costoO# pero ellos no
especi)ican a cualDuiera de los candidatos$ Ba implicaci!n es clara< Si ellos pudieran
encontrarla# el juicio clnico sera encontrado ser superior a los modelos lineales$ Por Du;Q En
la ausencia de tal descubrimiento de su parte# el arumento no cuenta del todo para nada$
Pero este arumento desde un vaco puede ser muy obliatorio para la ente 8por ejemplo#
perdiendo erentes enerales y entrenadores de )ootball# Duienes conocen Due NseuramenteO
sus planes trabajaran NsiO S cuando sus planes estCn de hecho destinados a )allar no importa
Du;9$
Una seunda objeci!n t;cnica relacionada es la comparaci!n de los coe)icientes promedio
de correlaci!n de los jueces con aDuellos de modelos lineales$ 'alveF promediando# la
ejecuci!n de alo realmente sobresaliente de los jueces estC oscurecido$ Bos datos indican lo
contrario$ En el estudio de B$ "$ Ioldber 8/6239# por ejemplo# solo 1 de .3 clnicos
entrenados )ueron mejores Due el modelo de unidad>pesada# y ninuno lo hiFo mejor Due el
propio uno$ En el estudio de Hiins y Kohen 8/62/9# ninuno de los jueces )ueron mejores
Due el modelo de unidad>pesada# y nosotros repetimos ese e)ecto en %reon$ En el estudio de
Bibby 8/6249# solo 6 de :0 jueces lo hicieron mejor Due la relaci!n de evaluaciones de
probabilidades al predecir bancarrotas 80 lo hicieron iualmente bien9$ -ientras estC entonces
concedido Due los clnicos deberan estar en capacidad de predecir el dian!stico de neurosis
0.1
! psicosis# los estudiantes raduados deberan estar en capacidad de predecir el ;Gito de los
raduados# y Due los o)iciales del banco de pr;stamo deberan estar en capacidad de predecir
bancarrotas# la probabilidad es elevada de Due talveF los eGpertos usados en los estudios no
)ueron los correctos$ Esto de nuevo es aruyendo desde un vaco< Si otros eGpertos )ueran
usados# entonces los resultados seran di)erentes$ , una veF mCs tales eGpertos no son
producidos# y una veF mCs la respuesta apropiada es preuntar por una raF!n del por Du;
estas otras hipot;ticas entes deberan ser alo di)erentes$ Como un vicepresidente de
universidad me dijo# NSu investiaci!n solo prueba Due usted us! pobres juecesL nosotros
seuramente podramos hacerlo mejor consiuiendo mejores juecesO S aparentemente no del
departamento de psicoloa9$
Una objeci!n t;cnica )inal concierne a la naturaleFa del criterio de las variables$ Ellas son
admitidamente de corto plaFo y no pro)undas 8por ejemplo# IP&s# dian!sticos9L de otra
manera# la mayora de los estudios seran no )actibles$ Ba preunta# entonces sure de si los
descubrimientos seran di)erentes si un criterio verdaderamente importante a laro plaFo
tuviera Due ser predicho$ Ba respuesta es Due por supuesto los descubrimientos podr#an ser
di)erentes# pero no tenemos raF!n de suponer Due ellos seran di)erentes$ Primero# el )uturo
distante es en eneral menos predecible Due el )uturo inmediato# por la simple raF!n Due mCs
)actores imprevistos# eGtraEos ! de auto>arumentaci!n in)luencian los resultados
individuales$ 8*ote Due nosotros no estamos discutiendo resultados areados# tal como un
inusualmente )ro invierno en el -edio %este en eneral# eGtendi;ndose por tres meses9$
Puesto Due# entonces# la predicci!n clnica es mCs pobre Due la lineal para empeFar# la
hip!tesis se sostendra solo si la predicci!n lineal )ue mucho peor con el tiempo Due lo hiFo
la predicci!n clnica$ *o eGiste una raF!n a priori para creer Due este deterioro di)erencial en
la predicci!n ocurrira# y ninuno jamCs me lo suiri!$ *o eGiste ciertamente ninuna
evidencia$ Una veF mCs# la objeci!n consiste en un arumento desde el vaco$
Particularmente apremiante es el hecho Due la ente Due aruye Due di)erentes criterios !
jueces ! variables ! marcos de tiempo produciran di)erentes resultados han tenido .1 aEos
en los cuales producir ejemplos# y ellos han )allado en hacerlo$
Psicolgica
Una resistencia psicol!ica a usar modelos lineales descansa en nuestra memoria selectiva
sobre la predicci!n clnica$ *uestra creencia en tal predicci!n estC re)orFada por la
disponibilidad 8'vers(y R Kahneman# /62:9 de instancias de la predicci!n clnica eGitosa S
especialmente aDuellas Due son eGcepciones de aluna )!rmula< N,o supe de aluien una veF
con $ $ $ Dui;n $ $ $ N 8por ejemplo# N,o supe de aluien con IP probado de solo /03 Duien
consiui! un rado avanFado en psicoloaO9$ Como *isbett# Borida# Crandall y "eed
8/624# 29 mostraron# Due tales instancias a menudo tienen un impacto mCs rande en un
juicio del Due lo hacen las compilaciones estadsticas mucho mCs vClidas basadas en muchas
instancias$ 8Una buena pro)ilCGis para los psic!loos clnicos Due basan su resistencia a la
predicci!n actuarial sobre tales instancias sera uardar cuidadosos records de sus propias
predicciones sobre sus propios pacientes S records prospectivos no sujetos a percepciones
retrospectivas$ 'ales records podran hacer todas las instancias de predicci!n eGitosa y no
eGitosa iualmente disponibles para el impactoL ademCs# ellas podran servir para otro estudio
clnico versus estadstico usando al mejor posible jueF S el clnico mismo9$
-Cs aAn# una ilusi!n de buen juicio puede ser re)orFada debido a la selecci!n 8Einhorn R
Hoart# /6279 en aDuellas situaciones en las cuales la predicci!n de un resultado positivo !
neativo tiene un e)ecto de auto cumplimiento$ Por ejemplo# los o)iciales de admisiones
Duienes juFan Due un candidato estC particularmente cali)icado para un prorama de
raduado puede sentir Due su juicio estC eGonerado cuando el candidato lo hace bien# aAn
0.4
cuando el ;Gito del candidato es en ran parte debido a e)ectos positivos del prorama$ 8En
contraste# un modelo lineal de selecci!n es evaluado viendo cuCn bien el predice la ejecuci!n
dentro del set de aplicantes seleccionados9$ % un mesero Duien cree Due unas entes
particulares sentadas a la mesa son pobres en dejar propinas puede ser menos atento Due lo
usual y recibir una propina mCs peDueEa# de ese modo teniendo su juicio clnico eGonerado$
7
Una seunda resistencia psicol!ica para el uso de modelos lineales parte de su Nprobada
baja valideF N$ &Du eGiste un implcito 8como opuesto al eGplcito9 arumento desde un
vaco debido a Due ni cambios en los procedimientos de evaluaci!n# ni en los jueces# ni en los
criterios# son propuestos$ -as bien# la suposici!n no establecida es Due esos criterios de
inter;s psicol!ico son hechos altamente predecibles# por tanto se siue Due si un m;todo de
predicci!n 8un modelo lineal9 no trabaja muy bien# otro podra hacerlo mejor 8raFonable9# el
cual es lueo traducido dentro de la creencia Due otro lo harC mejor 8la cual no es una
in)erencia9 S una veF es encontrada$ Esta resistencia es mejor eGpresada por un decano
considerando las admisiones de los raduados# Duien escribi!# NBa correlaci!n del compuesto
lineal con )uturas clasi)icaciones de la )acultad es de solo $:# mientras Due del juicio del
comit; de admisiones correlaciona $.$ Dos veces nada es nadaO$ En /624# yo respond como
siue 8Da+es# /624# pp$ 4>29<
En respuesta# yo solo puedo seEalar Due /4W de la variante es mejor Due :W de la variante$ Para m#
sin embaro# la parte )ascinante de este arumento es la suposici!n implcita Due ese otro 7:W de la
variante es predecible y Due podemos de aluna manera predecirla$
&hora con Du; estamos tratandoQ Estamos tratando con caractersticas de personalidad e
intelectuales de ente 8uni)ormemente brillante9 Duienes estCn alrededor de los .3 aEos de edad $ $ $ $
Por Du; estamos tan convencidos Due estC predicci!n puede ser hecha del todoQ Seuramente# no es
necesario leer )cclesiastes cada noche para entender el papel de la posibilidad$ $ $ $ -Cs aAn# eGisten
claramente positivos e)ectos del reaprovechamiento de in)ormaci!n en el desarrollo pro)esional Due
eGaeran los )en!menos del umbral$ Por ejemplo# una veF las personas son consideradas
su)icientemente NintelientesO Due ellas son invitadas a eGcelentes instituciones# ellas tienen
eGcelentes coleas con Duienes interactuar S y la eGcelencia es eGacerbada$ Este mismo problema
ocurre para aDuellos Duienes no muy alcanFan tal nivel del umbral$ *o solo todos estos )actores
mitian contra la predicci!n eGitosa de laro plaFo# sino Due estudios del ;Gito de tal predicci!n estCn
necesariamente limitados a aDuellos aceptados# con los problemas de restricci!n del rano Due
incumben y a una estructura de covariaci!n entre pronosticadores 8Da+es# /6219$
?inalmente# eGisten toda clase de )actores no intelectuales en el ;Gito pro)esional Due no
podran posiblemente ser evaluados antes de la admisi!n a la escuela de raduados# por
ejemplo# el ;Gito al )ormar una satis)actoria ! inspiradora relaci!n libidinosa# no aAn ser
evidentes las tendencias en;ticas a la adicci!n a las droas ! al alcohol# la mala )ortuna de
unirse a un rupo de investiaci!n Due NeGplotaO# etc;tera y etc;tera$
Intelectualmente# yo lo encuentro de aluna manera notable Due seamos capaces de
predecir aAn el /4W de la variante$ Pero yo creo Due mi propia respuesta emocional es
indicativa de aDuellos de mis coleas Duienes simplemente asumen Due el )uturo es mCs
predecible$ :o deseo que el sea predecible$ especialmente cuando el aspecto de el que yo
deseo predecir sea importante para m#& Este deseo# yo suiero# se traduce a s mismo dentro
de una suposici!n implcita Due el )uturo es de hecho altamente predecible# y el seuirC
entonces l!icamente Due si alo no es un muy buen pronosticador# alo mCs lo hara mejor
8aunDue nunca es correcto areir Due el necesariamente lo harC9$
Ba predicci!n estadstica# porDue ella incluye la especi)icaci!n 8usualmente un bajo
coe)iciente de correlaci!n9 de eGactamente cuCn pobremente podemos predecir#
cate!ricamente nos tropeFamos con el hecho de Due la vida no es del todo predecible$ Ba
7
Este ejemplo )ue proporcionado por Einhorn 8/6269$
0.2
predicci!n clnica no sistemCtica 8! Npostdicci!nO9# en contraste# permtasenos la con)ortante
ilusi!n Due la vida es de hecho predecible y Due podemos predecirla$
Utica
Cuando yo estuve en la ?eria del "enacimiento de Bos &neles el Altimo verano# yo escuch;
por casualidad a una mujer joven DuejCndose Due era una Nhorrible )eriaO Due ella haba sido
rechaFada por el Departamento de Psicoloa de Cali)ornia# Santa Barbara# sobre la base de
meros nAmeros# sin aAn una entrevista$ NC!mo pueden ellos decir posiblemente de Du; soy
capaFQ Ba respuesta es Due ellos no pueden$ *i podran ellos con una entrevista 8Kelly#
/61:9$ *o obstante# muchas personas mantienen Due hacer una crucial selecci!n social sin
una entrevista es deshumaniFante$ ,o pienso Due la cuesti!n de si la personas son tratadas de
una manera justa tiene mCs Due hacer con la cuesti!n de s ! no ellas han sido
deshumaniFadas Due hace la cuesti!n de si el tratamiento es cara a cara$ 8-uchos de los
peores doctores pierden una ran parte del tiempo conversando con sus pacientes# no leen
revistas m;dicas# ordenan pocas ! ninuna prueba# y se apenan en los )unerales9$ Un IP&
representa 0 aEos de comportamiento de parte del aplicante$ 8Seuramente# no todos los
pro)esores estCn prejuiciados contra su particular )orma de creatividad9$ El I"E es una mCs
cuidadosamente concebida prueba$ *osotros realmente creemos Due podemos hacer un mejor
! un justo trabajo por un )older de evaluaci!n de una entrevista de /3 minutos a media hora
Due es hecha por estos meros dos nAmerosQ 'al concepto conitivo 8Da+es# /624# p$ 29 es no
;tico# especialmente dado el hecho de ninuna evidencia sea la Due )uere indicando Due
hacemos un mejor trabajo Due el Due hace la ecuaci!n lineal$ 8, aAn haciendo eGcepciones
debe ser hecho con eGtremo cuidado si es para ser ;tico# porDue si admitimos a aluien con
un bajo punteo lineal sobre la base de Due ;l tiene un talento especial# estamos
automCticamente rechaFando a aluien con un punteo mCs alto# Duien podra bien haber
tenido un talento iualmente impresionante Due hubimos tomado el problema para evaluarlo9$
*o importa cuCnto nos ustara ver este ! ese aspecto de uno u otro de los estudios
revisados en este artculo cambiaron# no importa c!mo psicol!icamente apremiante !
desaradable podamos encontrar ser sus resultados# no importa cuCn ;ticamente no
con)ortable podemos sentir a Nreducir a las personas a meros nAmerosO# el hecho persiste Due
nuestros clientes son personas Duienes merecen ser tratadas de la mejor manera posible$ Si
eso sini)ica S como si aparece al presente S Due esa selecci!n# dianosis y pronosis
deberan estar basados en nada mCs Due la adici!n de unos pocos nAmeros representando
valores de atributos importantes# por tanto sea el$ Hacerlo de otro modo es platicar con la
ente Due nosotros servimos$
0.7
+6( Fa vitalidad de los n,meros m*ticos
-aG Siner
Es eneralmente asumido Due los adictos a la herona en la Ciudad de *ueva ,or( roban
alunos dos a cinco billones de d!lares valor de propiedad al aEo# y cometen
aproGimadamente la mitad de todos los crmenes de propiedad$ 'ales estimados del crimen
del adicto son usados por una oraniFaci!n como "&*D# por una )iura poltica como
Ho+ard Samuels# y aAn por el ?iscal Ieneral de los Estados Unidos$ El estimado Due la
mitad de los crmenes de propiedad son cometidos por adictos )ue oriinalmente atribuida a
un o)icial de polica y ha sido usado tan a menudo Due es ahora parte del conocimiento
comAn$
Ba cantidad de propiedad robada por los adictos es usualmente estimada de la manera
siuiente<
EGisten /33#333 adictos con un hCbito promedio de m 03$33 por da$ Esto sini)ica Due los
adictos deben tener como m /$/ bill!n al aEo para paar por su herona 8/33#333 G 041 G m
03$339$ Debido a Due el adicto debe vender la propiedad Due ;l roba para tra)icarla por solo
un cuarto de su valor# ! menos# los adictos deben robar unos m: a m1 billones al aEo para
paar su herona$
Estos cClculos pueden ser hechos con mCs ! menos so)isticaci!n$ Uno puede permitir el
hecho Due la clase de adictos Duienes hacen su vivir ilealmente tpicamente pasan arriba de
un cuarto de su tiempo en la cCrcel# el cual reducira la cantidad de crimen en un cuarto$ 8"*e
8e9 :or; "imes recientemente report! la muerte de Hilliam NDon(eyO "eilly$ Un eG>adicto
de 2: aEos Duien haba sido adicto por 1: aEos# ;l haba pasado 03 de aDuellos aEos en
prisi!n9$ &lunos de los Due el adicto roba en e)ectivo# ninuno de los cuales tiene Due ser
para tra)icarlo$ Una ran parte del costo de la herona es paado tratando el neocio de la
herona# mCs Due robando de la sociedad# y otra ran parte por prostituci!n# incluyendo
hombres adictos viviendo de las prostitutas$ Pero no importa cuCn cuidadosamente usted lo
reparta# si uno trata de estimar el valor de la propiedad robada por adictos asumiendo Due
eGisten /33#333 adictos y estimando Due es la cantidad mnima habran de robar para
mantenerse ellos y sus hCbitos 8despu;s de hacer estimados enerosos del inreso leal9# uno
se encuentra con un nAmero en el vecindario de m / bill!n al aEo para la ciudad de *ueva
,or(
Pero Du; pasa si usted se aproGima a la interroante del otro ladoQ Supona Due
preuntamos# NCuCnta propiedad es robada S por los adictos ! de cualDuier ladoQO Bos
ladrones adictos deben ser menos Due el total de ladrones$ CuCl es el valor de la propiedad
robada en la Ciudad de *ueva ,or( en cualDuier aEoQ De aluna manera sorprendente para
$
Este captulo apareci! oriinalmente en "*e Public Interest# /62/# .0# 0>6$ Derechos de &utor 5 /62/ por
*ational &))airs# Inc$ "eimpreso con permiso$
0.6
m cuando yo primero preunt;# esta se torn! ser una preunta di)cil de responder# aAn
aproGimadamente$ *adie tena un estimado en Due ellos tuvieran aAn la mCs mnima
con)ianFa# y la interroante no parece haber sido muy preuntada$ Ba cantidad de robo
o)icialmente reportada en la Ciudad de *ueva ,or( es de aproGimadamente m033 millones
ala aEo# de los cuales alrededor de m/33 millones es el valor de autom!viles robados 8un
crimen Due raramente es cometido por adictos9$ Pero estC claro Due eGiste un volumen muy
rande de crmenes Due no son reportadosL por ejemplo# el hurto en las tiendas no es
reportado normalmente a la polica$ 8-uchas propiedades perdidas por robos no es reportada
a las compaEas de seuros tampoco# y la industria de seuros no tena un buen estimado del
total robado9$
"esulta ser# sin embaro# Due si uno estC solo haciendo una preunta como# NEs posible
Due los adictos robaron m/ bill!n de propiedad valiosa en la Ciudad de *ueva ,or( el Altimo
aEoQ Es relativamente simple estimar la cantidad de propiedad robada$ EstC claro Due los dos
mayores componentes del ladr!n adicto son el hurto y el allanamiento de morada$ CuCl
podra ser el valor de la propiedad hurtada por los adictosQ 'odas las ventas al por menor en
la Ciudad de *ueva ,or( estCn en el orden de m/1 billones al aEo$ Esto incluye autom!viles#
al)ombras# anillos de diamantes y otros artculos no usualmente disponibles para los ladrones
de tiendas$ Un nAmero raFonable por inventario de p;rdidas de los establecimientos al por
menor es el .W$ Este nAmero incluye des)alcos de erencia# robos de empleados#
departamentos de embarDue# camioneros# etc 8Bas tiendas por departamentos#
particularmente# han reportado un rande incremento en hurtos en los aEos recientes# pero
ellos estCn entre los mCs vulnerables de los establecimientos al por menor y no su)iciente
importante para traer la proporci!n total muy arriba del .W9$ Ieneralmente se estC de
acuerdo en Due substancialmente mCs de la mitad de la propiedad perdida de los
establecimientos al por menor es tomada por los empleados# el remanente siendo perdido por
ladrones de tiendas de a)uera$ Permtasenos acreditar a los ladrones de tiendas con robos del
/W de toda la propiedad vendida en las tiendas en la Ciudad de *ueva ,or( S esto sera de
alrededor de m/13 millones al aEo$
Pu; sobre el robo con allanamiento de moradaQ EGisten alo como medio mill!n de casas
de habitaci!n en la Ciudad de *ueva ,or($ Supona Due un promedio de una de cada cinco
de ellas es robada ! allanada cada aEo$ Esto toma en cuenta Due en alunas Creas el
allanamiento es aAn mCs comAn# y Due alunas casas de habitaci!n son allanadas mCs de una
veF al aEo$ Esto sini)icara una media de 133#333 allanamientos al aEo$ El valor promedio
de la propiedad tomada en un allanamiento podra ser del orden de m.33$ En alunos
allanamientos# por supuesto# mucho mayores cantidades de propiedad son tomadas# pero
estos mCs altos valores de allanamientos son muy raros# y a menudo son cometidos por
ladrones pro)esionales no adictos$ Si usamos el nAmero de m.33 G 133#333 allanamientos#
conseuimos m/33 de propiedad robada de las casas de las personas en un aEo en la Ciudad
de *ueva ,or($
%bviamente no todos el robo de los adictos es propiedad tomada de las tiendas ! de casas
de personas$ Uno de los mCs temidos tipos del crimen del adicto es la propiedad tomada de
las personas de *ueva ,or( en asaltos y otras )ormas de robo$ Podemos estimar esto tambi;n$
Supona Due en el promedio# una persona en /3 tiene propiedad tomada de su persona por
asaltantes ! ladrones cada aEo$ Eso sera 733#333 de tales robos# y si el promedio de uno
produce m/33 8los cuales son improbables de ser9# m7 millones al aEo seran tomados en esta
)orma de robo$
Por podemos ver Due si nosotros le acreditamos a los adictos con todo el robo a tiendas#
todo el robo a casas y todo el robo de personas# el total de propiedad robada por los adictos
en un aEo en la Ciudad de *ueva ,or(# asciende a alunos m003 millones$ Usted puede tirar
todos los N)actores sin sentidoO Due usted desee# arear todos los otros crmenes
003
miscelCneos Due los adictos cometen# pero no importa lo Due usted haa# es di)cil encontrar
una base para estimar lo Due los adictos roban sobre un medio bill!n de d!lares al aEo# y un
cuarto de bill!n parece como un mejor estimado# aunDue talveF en el lado alto$ Despu;s de
todo# debe haber alunos ladrones Duienes no son adictos$
Por lo tanto# yo creo Due hemos mostrado Due mientras es ampliamente asumido Due los
adictos roban de m. billones a m1 billones al aEo en la Ciudad de *ueva ,or(# el nAmero
actual es diez veces menor# y Due esto puede ser demostrado por cinco minutos de
pensamiento$
/
Entonces Du;Q Un valor de un cuarto de mill!n de d!lares es aAn una parte de
la propiedad$ EGcede la cantidad de dinero astado anualmente en la rehabilitaci!n de un
adicto y otros proramas para prevenir y controlar la adicci!n$ &demCs# el valor de la
propiedad robada por adictos es una peDueEa parte del costo total a la sociedad del robo de
adictos$ Un costo mucho mCs rande es paado en miedo# cambio de la atm!s)era del
vecindario# el costo de las precauciones y otras reacciones de simpata por el robo y su
peliro$
Un punto en este ejercicio al estimar el valor de la propiedad robada por los adictos es
despojarse un poco de las actitudes hacia los nAmeros$ Ba ente siente Due eGiste mucho
crimen de adictos# y Due m. billones es un ran nAmero# por lo tanto ellos estCn inclinados a
creer Due eGisten m. billones del robo de los adictos$ Pero m.13 millones es una ran nAmero
tambi;n y si nuestra sentido de perspectiva no estuviera distorsionado por la conciencia diaria
de los astos )ederales# la mayora de la ente estara muy contenta en aceptar m.13 millones
al aEo como una parte del robo$
& lo laro de estas mismas lneas# este ejercicio es otro recordatorio Due aAn# o)iciales
responsables# peri!dicos responsables y rupos de investiadores responsables recoen y
pasan como nAmeros evan;licos Due no tienen bases reales de hecho$ *osotros somos
recordados por esta eGperiencia Due debido a un estimado Due ha sido usado ampliamente por
una variedad de ente Duienes sabran de lo Due estCn hablando# uno no puede asumir Due el
estimado es aAn aproGimadamente correcto$
Pero eGiste una mucho mCs importante implicaci!n del hecho Due no puede eGistir casi
tantos adictos ladrones como la ente cree$ Esta implicaci!n es Due probablemente no eGisten
tantos adictos como mucha tente cree$ Ba mayora del dinero paado por herona comprada al
menudeo viene del hurto# y la mayora de los adictos compran al menudeo$ Por consiuiente#
el nAmero de adictos es bCsicamente S aunDue imprecisamente S limitado por la cantidad del
robo$ 8El estimado desarrollado en un estudio del Instituto Hudson )ue Due cerca de la mitad
del volumen de herona consumido es usado por ente en el sistema de distribuci!n de
herona Duienes no compran al menudeo# y no paan con propiedad robada pero con sus
NserviciosO en el sistema de distribuci!n$
.
9$ Pero mientras la ente en el neocio 8a niveles
mCs bajos9 consume menos de la mitad de herona# ellos son solo un seGto ! un s;ptimo del
/
Bos nAmeros mticos pueden ser mCs mticos y tener mCs vitalidad en el Crea del crimen Due en la mayora de
las Creas$ En los primeros aEos de la d;cada de los /613s el Comit; Ke)auver public! un estimado de m.3
billones para la anual NtomaO del jueo en los Estados Unidos$ Ba )iura actualmente )ue Nrecoi! de un
sombreroO$ Un miembro del personal dijo< N*o tuvimos una idea real del dinero astado$ Ba Comisi!n del
Crimen de Cali)ornia dijo m/. billones$ Jiril Petersen de Chicao dijo m03 billones$ *osotros recoimos m.3
billones como el balance de los dos$
Un ejemplo ideal de un nAmero mtico Due tena una viorosa vida S la aseveraci!n de Due .7 Panteras
*eras haban sido muertos por la polica S es dada una cuidadosa biora)a por Ed+ard =ay Epstein en el
*e+ ,or(er del /0 de )ebrero de /62/$ 8"esult! Due )ueron /6 Panteras muertas# dieF de ellas por la polica# y
ocho de ;stas en situaciones donde parece probable Due las Panteras tomaron la iniciativa9$
.
Un dato )ue desarrollado en un Altimo estudio por el Hospital de St$ Bu(e de 7/ adictos S promedio de edad
0: aEos$ -Cs de la mitad de la herona consumida por estos adictos# en alrededor de un aEo# haba sido
paado por la venta de herona$ Incidentalmente# estos 7/ adictos haban robado un promedio de m6#333 en
valor de propiedad en el aEo previo$
00/
nAmero total de adictos$ Ellos son los Due pueden aportar randes hCbitos$
El mCs popular# in)ormal estimado de adictos en la Ciudad de *ueva ,or( es de alo mCs
de /33#333 8usualmente con un ;n)asis en el Nalo mCsO9$ El reistro )ederal en Hashinton
lista alunos 03#333 adictos en la Ciudad de *ueva ,or(# y el reistro de nombres de adictos
del Departamento de Salud de la Ciudad de *ueva ,or( lista alunos 23#333$ -ientras todas
las personas en aDuellas listas no son aAn adictos activos S muchos de ellos estCn muertos !
en prisi!n S la mayora de la ente cree Due eGisten muchos adictos Duienes no estCn en
ninuna lista$ Es comAn considerar el estimado de /33#333 adictos en la Ciudad de *ueva
,or( como muy conservador$ Ba Doctora =udianne Densen>Ierber )ue ampliamente citada a
principios de /623 por su estimado de Due eGistiran alrededor de /33#333 adolescentes
adictos para el )inal del verano$ , eGisten obviamente muchos adictos de .3 aEos de edad y
mCs$
0
Discutiendo el nAmero de adictos en este artculo# nosotros estaremos hablando sobre la
clase de persona en Due uno piensa cuando el t;rmino NadictoO es usado$
:
Un mejor t;rmino
podra ser Nadicto a la calleO$ Esta es una persona Due normalmente usa herona cada da$ El
es la clase de persona Due mira y actAa como el cuadro normal de un adicto$ EGcluimos aDu
la ente en la pro)esi!n m;dica Due son )recuentes usuarios de herona A otros opiCceos# !
son adictos a ellas# los estudiantes Duienes usan herona ocasionalmente# personas adineradas
Duienes se vuelven adictas a ellas pero no necesitan robar y no )recuentan las normales
uaridas de los adictos# etc$ Cuando nosotros nos estamos diriiendo al Nproblema del
adictoO# es menos importante Due incluyamos estos casosL mientras ellos son sin duda S
problemas de varios rados# ellos son un tipo muy di)erente de problema Due ese )ormulado
por el tpico adicto de la calle$
Ba cantidad de propiedad robada por los adictos suiere Due el nAmero de adictos de la
calle en la Ciudad de *ueva ,or( puede ser mCs como 23#333 mCs Due /33#333# y casi
ciertamente no puede ser nada como el nAmero .33#333 Due es alunas veces usado$ Jarios
otros simples modos de estimar el nAmero de adictos de la calle conduce a una conclusi!n
similar$
Ba eGperiencia con la poblaci!n de adictos ha conducido a los observadores a estimar Due
el promedio de adictos de la calle pasa de un cuarto a un tercio de su tiempo en prisi!n$$
8&lunos estudiantes del sujeto# tal como Ed+ard Preble y =ohn =$ Casey# =r$# creen Due el
porcentaje est; arriba del :3W9$ Esto implicara Due en cualDuier tiempo de un cuarto a un
tercio de la poblaci!n adicta estC en prisi!n# y Due el total de la poblaci!n adicta puede ser
estimado multiplicando el nAmero de adictos Due estCn en prisi!n por tres ! cuatro$ Por
supuesto el nAmero de adictos Due estC en prisi!n no es una cantidad conocida 8y# de hecho#
como hemos indicado arriba# no aAn un concepto muy preciso9$ Sin embaro# uno puede
0
Entre otros recientes estimadores podemos notar a un -arGista# Sol ,oruic(# Duien nos da N133#333
droadictosO 8!evisin (ensual$ Diciembre de /3269# y Hilliam "$ Corson# Duienes compiten en el
Pent*ouse de Diciembre de /623# Due Nhoy al menos .#133#333 &mericanos neros son enanchados en la
herona$
:
EGiste una interesante anomala sobre la palabra NadictoO$ Ba mayora de la ente# si es presionada por una
de)inici!n de un NadictoO dira Due ;l es una persona Duien reularmente toma herona 8! alo de tal droa9 y
Duien# si ;l )alla en conseuir su dosis reular de herona# tendrC desaradables ! dolorosos sntomas por la
carencia de la droa$ Pero esta de)inici!n no se aplicara a una ran parte de lo Due es reconocido como la
Npoblaci!n adictaO$ De hecho# eso no se aplicara a al mayora de los adictos certi)icados$ Un adicto Duien ha
sido desintoGicado ! Duien ha sido apresado y apartado de las droas y uardado lejos de las droas por una
semana ! mCs no se ajustara a la de)inici!n normal de NadictoO$ El ya no tiene mCs los sntomas )sicos
resultantes de no tomar la herona$ NDon(eyO "eillly ciertamente llenara las ideas de un adicto a la mayora
de la ente# pero 03 de los 1: aEos Due ;l )ue un NadictoO ;l estuvo en prisi!n# y ;l ciertamente no )ue un
activamente adicto a la herona durante la mayora del tiempo Due el pas! en prisi!n# el cual )ue mCs de la
mitad de su carrera de NadictoO 8aunDue una cierta cantidad de droas estCn disponibles en la prisi!n9$
00.
puede hacer raFonables estimados del nAmero de adictos en prisi!n 8y para este prop!sito
podemos incluir a los adictos en varios centros de tratamiento involuntario9$ Este nAmero es
aproGimadamente /:#333>/2#333# lo cual es muy compatible con un estimado de 23#333
adictos de la calle en la Ciudad de *ueva ,or($
%tro modo de estimar el nAmero total de adictos de la calle en la Ciudad de *ueva ,or(
es usar la in)ormaci!n demorC)ica Due estC disponible sobre la poblaci!n adicta$ Por
ejemplo# podemos estar raFonablemente ciertos Due un .1W de la poblaci!n de adictos de la
calle en la Ciudad de *ueva ,or( es Puerto "iDueEa# y un 13W son neros$ Conocemos Due
aproGimadamente cinco de seis adictos de la calle son hombres# y Due 13W de los adictos de
la calle estCn entre las edades de /4 y .1$ Esto sini)icara Due .3W del nAmero total de
adictos son hombres neros entre las edades de /4 y .1$ Si eGistieran 23#333 adictos# esto
sini)icara Due /:#333 neros entre las edades de /4 y .1 son adictos$ Pero todos juntos
eGisten solo alrededor de /:3#333 neros entre las edades de /4 y .1 en la ciudad S talveF la
mitad de ellos viviendo en Creas paup;rrimas$ Esto sini)ica Due si eGisten 23#333 adictos en
la ciudad# uno de /3 neros j!venes son adictos# y si eGisten /33#333 adictos# casi uno de seis
son# y si eGisten .33#333 adictos# uno de tres$ Usted puede decidir por usted mismo cuCl de
estos rados de penetraci!n del rupo de j!venes neros hombres es mCs creble# pero estC
mCs Due claro Due el nAmero de .33#333 adictos no es plausible$ Similarmente# el total de
23#333 adictos de la calle implicara Due 2#333 hombres j!venes de Puerto "ico son adictos#
y el nAmero total de muchachos hombres de Puerto "ico entre las edades de /4 y .1 en la
Ciudad de *ueva ,or( es alrededor de 23#333$
*inuno de los cClculos de arriba es mencionado de ninuna manera para reducir la
importancia del problema de la adicci!n a la herona$ Ba herona tiene un curso terrible$
Cuando usted piensa en la traedia individual Due involucr!# 23#333 es un terrible ran
nAmero de adictos$ , si usted tiene Due trabajar por un inreso para vivir# m.13 millones es
una terrible cantidad de dinero Due ha sido robado de los ciudadanos de la ciudad para ser
trans)erido a trav;s de las manos de los adictos y encubridores dentro de los bolsillos de
aDuellos Due importan y distribuyen herona# y de aDuellos Due toman sobornos ! ejecutan
otros servicios para la industria de la herona$
El punto principal de este artculo puede ser bien para ilustrar cuCn lejos uno puede ir en
rebotar un problema tomando los nAmeros seriamente# viendo Due ellos implican# cheDuear
varias implicaciones entre uno contra otro# y contra el conocimiento eneral 8tal como el
nAmero de personas ! casas en la ciudad9$ PeDueEos es)uerFos en esta direcci!n pueden
transitar un laro trecho para ayudar a la ente ordinaria y o)iciales responsables para
en)rentarse a la situaci!n con eGpertos de varias clases
000
18( Prediccin intuitiva: Prejuicios y
procedimientos correctivos
Introduccin
CualDuier actividad sini)icante de pron!stico involucra un ran componente de juicio#
intuici!n y educado trabajo de adivinaci!n$ Ciertamente# las opiniones de los eGpertos son la
)uente de muchos pron!sticos tecnol!icos# polticos y sociales$ Bas opiniones e intuiciones
juean una parte importante aAn donde los pron!sticos son obtenidos por un modelo
matemCtico ! una simulaci!n$ Bos juicios intuitivos entran en la escoencia de las variables
Due son consideradas en tales modelos# los )actores de impacto Due son asinados a ellas# y
los valores iniciales Due son asumidos para sostener$ El papel crtico de la intuici!n en todas
las variables de pronosticar llama por un anClisis de los )actores Due limitan la eGactitud de
los juicios del eGperto # y por el desarrollo de procedimientos desinados para mejorar la
calidad de estos juicios$ $ $ $
Datos sin#ulares y de distribucin
Bos eGpertos a menudo reDuieren proveer una mejor adivinanFa# estimado ! predicci!n
concerniente a una cantidad incierta tal como el valor del ndice Do+>=ones en un da
particular# las ventas )uturas de un producto# ! el resultado de una elecci!n$ Una distinci!n
debe ser hecha entre dos tipos de in)ormaci!n Due estC disponibles para el pronosticador<
sinular y de distribuci!n$ Ba in)ormaci!n sinular# ! datos del caso# consiste de evidencia
sobre el caso particular bajo consideraci!n$ Ba in)ormaci!n de distribuci!n# ! datos de
clasi)icaci!n base# consiste del conocimiento sobre la distribuci!n de resultados en similares
situaciones$ En predecir las ventas de una nueva novela# por ejemplo# lo Due uno conoce
sobre el autor# el estilo y el arumento es una in)ormaci!n sinular# mientras Due lo Due uno
conoce sobre las ventas de novelas es in)ormaci!n de distribuci!n$ Similarmente# en predecir
la lonevidad de un paciente# la in)ormaci!n sinular incluye su edad# estado de salud y su
historial m;dico# mientras Due la in)ormaci!n de distribuci!n consiste de las estadsticas
relevantes de poblaci!n$ Ba in)ormaci!n sinular describe las caractersticas espec)icas del
problema Due lo distinue de otros# mientras Due la in)ormaci!n de distribuci!n caracteriFa
los resultados Due han sido observados de la misma clase eneral$ El presente concepto de
Este captulo es una versi!n abreviada de un trabajo Due apareci! en S$ -a(rida(is y S$ C$ Hheel+riht 8Eds$9#
N?orecastinN# "I(S$ Studies in (anagement Science# /626# /.# 0/0>0.2$ Derechos de &utor 5 /626 por
*orth>Holland Publishin Co$ "eimpreso con permiso$
00:
datos de distribuci!n no coincide con el concepto Bayesiano de una previa distribuci!n de
probabilidad$ El anterior es de)inido por la naturaleFa de los datos# mientras Due el Altimo es
de)inido en t;rminos de la secuencia de adDuisici!n de la in)ormaci!n$
-uchos problemas de predicci!n son esencialmente Anicos en el sentido Due poca# si
aluna# distribuci!n de in)ormaci!n relevante estC disponible$ Ejemplos son los pron!sticos
de demanda por enera nuclear en el aEo .333# ! de la )echa por la cual una cura e)ectiva
para la leucemia serC encontrada$ En tales problemas# el eGperto debe descansar
eGclusivamente en la in)ormaci!n sinular$ Sin embaro# la evidencia suiere Due las
personas son insu)icientemente sensitivas a los datos de distribuci!n aAn cuando tales datos
estCn disponibles$ Ciertamente# reciente investiaci!n suiere Due la ente descansa
primariamente en la in)ormaci!n sinular# aAn cuando es escasa y no con)iable# y dan
su)iciente peso a la in)ormaci!n de distribuci!n 8Kahneman R 'vers(y# /620# 7L 'vers(y R
Kahneman# Captulo /39$
El conteGto de plani)icaci!n provee muchos ejemplos en los cuales la distribuci!n de
resultados en eGperiencia pasada es inorada$ Cient)icos y escritores# por ejemplo# son
notoriamente propensos a subestimar el tiempo reDuerido para completar un proyecto# aAn
cuando ellos tienen considerable eGperiencia de pasadas )allas para vivir de proramas
plani)icados$ Un prejuicio similar ha sido documentado en estimados de inenieros del
tiempo de )inaliFaci!n de reparaciones de estaciones de poder 8Kidd# /6239$ &unDue esta
)alacia de plani)icaci!n es alunas veces atribuible a )actores de motivaci!n tales como
ilusiones# ella )recuentemente ocurre aAn cuando la subestimaci!n de duraci!n ! de costo es
actualmente penaliFada$
Ba )alacia de plani)icaci!n es una consecuencia de la tendencia a descuidar los datos de
distribuci!n y a adoptar lo Due puede ser denominado una aproGimaci!n interna a la
predicci!n# en la cual uno se )ocaliFa en los constituyentes del problema espec)ico mCs Due
en la distribuci!n de resultados en casos similares$ Ba aproGimaci!n interna a la evaluaci!n
de planes es parecida a producir subestimaci!n$ Un edi)icio solo puede ser completado en
tiempo# por ejemplo# si no eGisten retrasos en el envo de materiales# no hay huelas# no hay
condiciones del tiempo inusuales# etc$ &unDue cada una de estas molestias son improbables#
la probabilidad de Due al menos una de ellas ocurrirC puede ser substancial$ Esta
consideraci!n de combinaci!n# sin embaro# no estC adecuadamente representada en las
intuiciones de las personas 8Bar>Hillel# /6209$ Intentos para combatir este error areando un
)actor de retraso son raramente adecuados# desde Due el valor ajustado tiende a permanecer
muy cerca del valor inicial Due actAa como un ancla 8'vers(y R Kahneman# /62:# '9 Ba
adopci!n de una aproGimaci!n eGterna Due trata el problema espec)ico como uno de tantos
podra ayudar a superar este prejuicio$ En esta aproGimaci!n# uno no intenta adivinar la
manera espec)ica en la cual un plan podra )allar$ -Cs bien# uno relaciona el problema en
mano a la distribuci!n de completar el tiempo para similares proyectos$ Se suiere Due mCs
estimados raFonables son probables de ser obtenidos# reDuiriendo de la interroante eGterna<
cuCnto tiempo duran tales proyectosQ , no meramente la interroante interna< cuales son los
)actores espec)icos y di)icultades Due operan en el problema particularQ
Ba tendencia a despreciar la in)ormaci!n de distribuci!n y a descansar principalmente en
la in)ormaci!n sinular estC acrecentada por cualDuier )actor Due incremente la unicidad
percibida del problema$ Ba relevancia de los datos de distribuci!n pueden ser dis)raFadas por
un detallado conocimiento del caso espec)ico ! por un intenso involucramiento en el$ Ba
unicidad percibida de un problema estC tambi;n in)luenciada por la )ormulaci!n de la
interroante Due el eGperto es reDuerido a responder$ Por ejemplo# la interroante de cuCnto el
desarrollo de un nuevo producto costarC puede inducir una aproGimaci!n interna en la cual
los costos totales son deslosados en sus componentes$ Ba interroante eDuivalente del
porcentaje por el cual los costos eGcederCn el presupuesto corriente es parecido a llamar a la
001
mente la distribuci!n del costo rebasado por los desarrollos de la misa clase eneral$ Por lo
tanto# un cambio de unidades S por ejemplo# de los costos a rebasar S podran alterar la
manera en la cual el problema es visualiFado$
Ba tendencia prevaleciente de subvalorar ! inorar la distribuci!n de in)ormaci!n es
talveF el mayor error de la predicci!n intuitiva$ Ba consideraci!n de la in)ormaci!n de
distribuci!n# por supuesto# no arantiFa la eGactitud de las predicciones$ Ella# sin embaro#
provee aluna protecci!n contra las predicciones completamente irreales$ El analista hara
por consiuiente todo es)uerFo para enmarcar el problema de predicci!n como para )acilitar
la utiliFaci!n de toda la in)ormaci!n de distribuci!n Due estC disponible para los eGpertos$
Re#resin y prediccin intuitiva
En la mayora de los problemas de predicci!n# el eGperto tiene ambas la in)ormaci!n sinular
sobre el caso espec)ico y la in)ormaci!n de distribuci!n sobre el resultado en casos
similares$ Ejemplos son el consejero Duien predice la probabilidad de loros de un estudiante#
el banDuero Duien evalAa las anancias potenciales de un peDueEo neocio# el propietario de
un peri!dico Duien estima las ventas de un libro de teGto# ! el economista Duien predice
alAn ndice de crecimiento econ!mico$
C!mo la ente predice en tales situacionesQ Ba investiaci!n psicol!ica 8Kahneman R
'vers(y# /620# 7L "oss# /6229 suiere Due las predicciones intuitivas son eneradas de
acuerdo a una simple rela Due hace jueo< el valor de la predicci!n es seleccionado de tal
manera Due la importancia del caso en la distribuci!n de resultados haa jueo con su
importancia en la distribuci!n de impresiones$ El siuiente ejemplo ilustra esta rela$ Un
editor revis! el manuscrito de una novela y estuvo )avorablemente impresionado$ El dijo<
NEste libro se lee como un best>seller$ Entre los libros de este tipo Due )ueron publicados en
aEos recientes# yo dira Due solo uno en veinte me impresionaron mCsO$ Si el autor )uera
ahora reDuerido a estimar las ventas de esta novela# ;l probablemente predecirC estar en el
1W tope de la distribuci!n de ventas$
EGiste considerable evidencia de Due la ente a menudo predice haciendo jueo la
predicci!n con la impresi!n$ Sin embaro# esta rela de predicci!n es err!nea porDue )alla en
tomar la incertidumbre en cuenta$ El editor de nuestro ejemplo seuramente admitira Due las
ventas de libros son altamente impredecibles$ En tal situaci!n de alta incertidumbre# la mejor
predicci!n de las ventas de un libro caeran en alAn luar entre el valor Due juea la
impresi!n de uno y el promedio de ventas para libros de su tipo$
Uno de los principios bCsicos de la predicci!n estadstica# el cual es tambi;n uno de los
menos intuitivos# es Due la eGtremidad de las predicciones deber ser moderada por
consideraciones de predicci!n$ Imaine# por ejemplo# Due el editor conoce de eGperiencia
pasada Due las ventas de libros son un poco un poco no relacionadas a sus impresiones
iniciales$ Bos manuscritos Due lo impresionaron )avorablemente y los manuscritos Due a ;l le
disustaron )ueron iualmente probables de vender bien ! pobremente$ En tal caso de cero
predicci!n# la mejor adivinanFa del editor sobre las ventas sera la misma para todos los
libros S por ejemplo# el promedio de la cateora relevante S sin importar su impresi!n
personal del libro individual$ Bas predicciones son permitidas de hacer jueo con las
impresiones solo en el caso de per)ecta predicci!n$ En situaciones intermedias# en las cuales
son por supuesto las mCs comunes# la predicci!n debera ser reresivaL Due es# Due ella
debera caer entre el promedio de clase y el valor Due mejor representa la impresi!n de uno
en el caso en cuesti!n$ -ientras mCs baja la posibilidad de predicci!n# mCs baja debera ser el
promedio de clase$ Bas predicciones intuitivas son tpicamente no reresivas< la ente a
menudo hace predicciones eGtremas sobre la base de la predicci!n cuya con)iabilidad y
valideF predictiva son conocidas de ser bajas$ $ $ $
004
3n procedimiento correctivo para la prediccin
C!mo puede un eGperto ser uiado a producir apropiadamente predicciones reresivasQ
C!mo puede ;l ser uiado a usar la in)ormaci!n sinular y de distribuci!n Due estC
disponible para ;l# de acuerdo con los principios de predicci!n estadsticaQ En esta secci!n un
procedimiento de cinco pasos Due estC desinado para adDuirir estos objetivos es propuesto$
Paso 31 Seleccin de una clase de referencia
Ba meta de esta etapa es identi)icar una clase para la cual el caso a mano puede ser re)erido
sini)icativamente y por el cual la distribuci!n de resultados es conocida ! puede ser
evaluada con raFonable con)ianFa$
En las predicciones de las ventas de un libro ! las anancias brutas de una pelcula# por
ejemplo# la selecci!n de una clase de re)erencia es clara$ Es relativamente )Ccil# en estos
casos# de)inir una clase apropiada de libros ! pelculas para los cuales la distribuci!n de las
ventas ! inresos es conocida$
EGisten problemas de predicci!n S por ejemplo# predecir el costo del desarrollo de del
producto de una novela# ! el tiempo por el cual alcanFarC el mercado S por lo cual una clase
de re)erencia es di)cil de identi)icar debido a Due las varias instancias parecen ser tan
di)erentes una de otra Due ellas no pueden ser comparadas sini)icativamente$ Como se hiFo
anotar anteriormente# sin embaro# este problema puede alunas veces ser superado
rede)iniendo la cantidad Due va a ser predicha$ Proyectos de desarrollo de di)erentes
tecnoloas# por ejemplo# pueden ser )Cciles de comparar en t;rminos de porcentaje de
rebases del costo mCs Due en t;rminos de costos absolutos$ Ba predicci!n de costos llama la
atenci!n del eGperto a la caracterstica Anica de cada proyecto$ Ba predicci!n de rebases del
costo# en contraste# destaca las determinantes del realismo en la plani)icaci!n las cuales son
comunes a muchos proyectos di)erentes$ Consecuentemente# puede ser mCs )Ccil de de)inir
una clase de re)erencia en la Altima )ormulaci!n mCs Due en la antiua$
-Cs a menudo Due no# el eGperto pensarC de varias clases para las cuales el problema
podra ser re)erido# y una selecci!n entre ;stas alternativas serC necesaria$ Por ejemplo# la
clase de re)erencia para la predicci!n de las ventas de un libro podran consistir en otros
libros del mismo autor# de libros sobre el mismo t!pico# ! de libros del mismo tipo eneral#
tales como novelas de pasta dura$ Ba selecci!n de una clase de re)erencia a menudo involucra
un intercambio entre criterios con)lictivos$ Por tanto# la clase mCs inclusiva puede tomar en
cuenta el mejor estimado de la distribuci!n de resultados# pero puede ser muy hetero;nea
para permitir una comparaci!n sini)icativa del libro en cuesti!n$ Ba clase de libros del
mismo autor# por otro lado# puede proveer la mayor base natural para la comparaci!n# pero el
libro en cuesti!n podra bien caer )uera del rano de los resultados previamente observados$
En este ejemplo# la clase de libros sobre el mismo t!pico podra ser lo mCs apropiado$
Paso 21 )valuacin de la distribucin para la clase de referencia
Para alunos problemas S por ejemplo# las ventas de libros S estadsticos relacionando la
distribuci!n de resultados estCn disponibles$ En otros problemas# la distribuci!n relevante
debe ser estimada sobre la base de varias )uentes de in)ormaci!n$ En particular# el eGperto
debera proveer un estimado de la clase promedio y alunos estimados adicionales Due
re)lejen el rano de variabilidad de los resultados$ Interroantes de muestra son< cuCntas
copias son vendidas# en promedio# de libros en esta cateoraQ Pu; proporci!n de los libros
en esa clase venden mCs de /1#333 copiasQ
002
-uchos problemas de pron!stico estCn caracteriFados por la ausencia de datos de
distribuci!n directamente relevantes$ Ese es siempre el caso de pronosticar a laro plaFo#
donde la distribuci!n relevante pertenece a resultados en el distante )uturo$ Considere# por
ejemplo# un intento de predecir el compartir de Inlaterra del mercado mundial en sistemas
de transporte urbano personaliFado en el aEo .333$ Pues ser Atil rehacer este problema como
siue< NCuCl es la distribuci!n probable# sobre varios dominios de tecnoloa avanFada# del
compartir de Inlaterra del mercado mundial en el aEo .333Q C!mo espera usted comparar
el caso particular de los sistemas de transporte con otras tecnoloasQ *ote Due la
distribuci!n de resultados no es conocida en este problema$ Sin embaro# la distribuci!n
reDuerida podra probablemente ser estimada sobre la base de la distribuci!n de valores para
el presente compartir de Inlaterra del mercado mundial en di)erentes tecnoloas# ajustadas
por una evaluaci!n de la tendencia de laro plaFo del cambio de posici!n de Inlaterra en el
intercambio mundial$
Paso P1 )stimacin intuitiva
Una parte de la in)ormaci!n Due el eGperto tiene sobre un problema es resumido por la
distribuci!n de resultados en la clase de re)erencia$ &dicionalmente# el eGperto usualmente
tiene una considerable cantidad de in)ormaci!n sinular sobre el caso sinular# el cual lo
distinue de otros miembros de la clase$ El eGperto deberC ahora ser reDuerido a hacer un
estimado intuitivo sobre la base de esta in)ormaci!n sinular$ Como anotamos arriba# este
estimado intuitivo es probable Due no sea reresivo$ El objetivo de los dos pasos siuientes
del procedimiento es correir este prejuicio y obtener un estimado mCs adecuado$
Paso J1 )valuacin de la predecibilidad
El eGperto debera ahora evaluar el rado para el cual el tipo de in)ormaci!n$ Due estC
disponible en este caso# permite una eGacta predicci!n de los resultados$ En el conteGto de la
predicci!n lineal# la medida apropiada de predecibilidad es p# la correlaci!n producto>
momento entre las predicciones y los resultados$ Cuando los reistros de pasadas
predicciones y resultados eGisten# el valor reDuerido podra ser estimado desde estos
reistros$ En la ausencia de tales datos# uno debe descansar sobre evaluaciones subjetivas de
predecibilidad$ Un eGperto estadsticamente so)isticado puede ser capaF de proveer un
estimado directo de p sobre la base de su eGperiencia$ Cuando estC )altando la so)isticaci!n
estadstica# el analista debera recurrir a menos procedimientos directos$
Uno de estos procedimientos reDuiere Due el eGperto compare la predecibilidad de la
variable con la cual el estC relacionado a la predecibilidad de otras variables$ Por ejemplo# el
eGperto debera estar completamente con)iado en Due# su habilidad de predecir las ventas de
libros# eGcede la habilidad de los pronosticadores de deportes en predecir un punto propaado
en partidos de )ootball# pero no es tan bueno como la habilidad de los pronosticadores del
clima de predecir la temperatura con dos das de anticipaci!n$ Un talentoso y diliente
analista podra construir una burda escala de predecibilidad basada en correlaciones
computadas entre predicciones y resultados para un set de )en!menos Due van desde un rano
altamente predecible S por ejemplo# la temperatura S a un rano altamente impredecible S por
ejemplo precios de acciones$ El analista estara entonces en una posici!n de preuntar al
eGperto localiFar la predecibilidad de la cantidad del objetivo sobre esta escala# de ese modo
proveyendo un estimado num;rico de p&
Un m;todo alternativo para evaluar la predecibilidad involucra cuestiones tales como< Si
usted tuviera Due considerar dos novelas Due usted estC por publicar# cuCn a menudo usted
estara correcto en predecir cuCl de las dos venderC mCs copiasQ Un estimado de la
007
correlaci!n ordinal entre predicciones y resultados puede ahora ser obtenida como siue< Si p
es la proporci!n estimada de pares en la cual el orden de los resultados )ue correctamente
predicho# entonces V [ .p S / provee un ndice de eGactitud predictiva# cuyos ranos de cero
cuando las predicciones estCn en un nivel de posibilidad a la unidad cuando las predicciones
son per)ectamente eGactas$ En muchas situaciones puede ser usada como una cruda
aproGimaci!n para p$
Estimados de predecibilidad no son )Cciles de hacer# y ellos deberan ser eGaminados
cuidadosamente$ El eGperto podra estar sujeto a la )alacia de percepci!n retrospectiva
8?ischho))# /6219# la cual conduce a un sobreestimado de la predecibilidad de los resultados$
El eGperto podra tambi;n esta sujeto a un prejuicio de disponibilidad 8'vers(y R Kahneman#
/620# ''J y podran recordar a la mayor parte de sorpresas # ! casos memorables en los
cuales )uertes impresiones iniciales )ueron posteriormente con)irmadas$
Paso G1 Correccin del estimado intuitivo&
Para correir para la no reresividad# el estimado intuitivo debera ser ajustado hacia el
promedio de la clase de re)erencia$ Si el estimado intuitivo )uera no reresivo# entonces bajo
condiciones completamente enerales la distancia entre el estimado intuitivo y el promedio
de la clase sera reducido por un )actor de p# donde p es el coe)iciente de correlaci!n$ Este
procedimiento provee un estimado de la cantidad# el cual uno espera reduFca el error no
reresivo$
Por ejemplo# supona Due la predicci!n intuitiva del eGperto de las ventas de un libro
dado es /.#333 y Due# en promedio# los libros en esa cateora se venden :#333 copias$
Supona posteriormente Due el eGperto cree Due ;l correctamente ordenara pares de
manuscritos de sus ventas )uturas sobre 73W de comparaciones$ En este caso# [ /$4 S / [
3$4# y el estimado reresado de ventas sera :#333 l 3$48/.#333 S :#3339 [ 7#733$
El e)ecto de esta correcci!n serC sustancial cuando el estimado intuitivo sea relativamente
eGtremo y la predicibilidad sea moderada ! baja$ Bo racional para el c!mputo debera ser
cuidadosamente eGplicado al eGperto# Duien entonces decidirC si estar preparado de su
predicci!n oriinal# adoptar el estimado computado# ! correir su evaluaci!n a alAn valor
intermedio$
El procedimiento Due hemos delineado estC abierto a varias objeciones Due son probables
Due surjan en la interacci!n entre el analista y el eGperto$ Primero# El eGperto podra
cuestionar la suposici!n de Due su estimado intuitivo inicial )ue no reresivo$
&)ortunadamente# esta suposici!n puede ser veri)icada reDuiriendo al eGperto estimar 8/9 la
proporci!n de casos en la clase de re)erencias S por ejemplo# manuscritos S Due habran
hecho una mCs )uerte impresi!n sobre ;l y 8.9 la proporci!n de casos en la clase de re)erencia
para la cual el resultado eGcede su predicci!n intuitiva S por ejemplo# la proporci!n de libros
Due vendieron mCs de /.#333 copias$ Si las dos proporciones son aproGimadamente las
mismas# la predicci!n )ue seuramente no reresiva$
Una objeci!n mCs eneral puede cuestionar la idea bCsica de Due las deberan ser
reresivas$ El eGperto podra seEalar# correctamente# Due el presente procedimiento
usualmente conducirC a predicciones conservadoras Due no estCn lejos del promedio de la
clase y es muy improbable predecir un resultado eGcepcional Due caia mCs allC de todos los
valores previamente observados$ Ba respuesta a esta objeci!n es Due un pronosticador )alible
puede retener una posibilidad para correctamente predecir unos pocos resultados
eGcepcionales solo a costa de err!neamente identi)icar muchos otros casos como
eGcepcionales$ Ba predicci!n no reresiva sobre>predice< Due ellos estCn asociados con una
substancial probabilidad de Due cualDuier alta predicci!n es un sobreestimaci!n y cualDuier
006
baja predicci!n es una subestimaci!n$ En la mayora de situaciones# este prejuicio es costoso#
y debera ser eliminado$ $ $ $
Ibservacin concluyente
Ba aproGimaci!n presentada aDu estC basada en la nociones enerales siuientes sobre
pronosticar$ Primero# la mayora de las predicciones y pron!sticos contienen un componente
intuitivo irreducible$ Seundo# Due las predicciones intuitivas de individuos eruditos contiene
mucha in)ormaci!n Atil$ 'ercero# Due estos juicios intuitivos estCn a menudo prejuiciados de
una manera predecible$ Por lo tanto# el problema no es si aceptar las predicciones intuitivas
de cara al valor ! rechaFarlas# pero mejor c!mo ellas pueden ser desprejuiciadas y mejoradas$
El anClisis del juicio humano muestra Due muchos prejuicios de intuici!n arrancan de la
tendencia a dar poca importancia a ciertos tipos de in)ormaci!n# por ejemplo# la proporci!n
base de la )recuencia de los resultados y su predecibilidad$ Ba estrateia de desprejuiciar
presentada en este trabajo intenta obtener del eGperto in)ormaci!n relevante Due el
normalmente desechara# y ayudarlo a interar esta in)ormaci!n con sus impresiones
intuitivas de una manera Due respete los principios bCsicos de la predicci!n estadstica$ $ $ $

1'( Desprejuiciar
Baruch Fischhoff
Una veF un )en!meno de comportamiento ha sido identi)icado en alAn conteGto
eGperimental# es apropiado empeFar cuestionando su robusteF$ Una popular y a menudo
productiva estrateia de cuestionar podra ser llamada prueba destructiva# despu;s de una
t;cnica a)n en ineniera$ Un diseEo propuesto es sujetado a condiciones intentadas para
empujarlo a y mCs allC de sus lmites de viabilidad$ 'al destrucci!n controlada puede
clari)icar d!nde el debe ser con)iado y por Du; trabaja cuando lo hace$ &plicado a un
0:3
)en!meno del comportamiento# esta )iloso)a promovera intentar investiar para
circunscribir las condiciones para su observaci!n y el proceso psicol!ico Due debe ser
evocado ! controlado en orden de eliminarlo$ Donde el )en!meno es un prejuicio de juicio# el
ensayo destructivo toma la )orma de es)uerFos de desprejuiciar$ Bos ensayos destructivos
muestran d!nde un diseEo )allaL cuCndo un prejuicio )alla# el resultado es un juicio mejorado$
El estudio de heursticas y prejuicios podra por s mismo ser visto como la aplicaci!n de
prueba destructiva de la anterior hip!tesis Due las personas son competentes estadsticos
intuitivos$ Ba observaci!n causal suiere Due el juicio de las personas es eneralmente
Nsu)iciente buenoO para permitirles hacerlo a trav;s de la vida sin meterse en demasiado
problema$ Estudios anteriores 8Peterson R Beach# /6429 apoyaron esta creencia# indicando
Due# para una primera aproGimaci!n# podran ser descritas como verdicos observadores y
jueces normativos$ Estudios subsecuentes# representados en este volumen# ensayaron la
eGactitud de esta aproGimaci!n mirando los lmites de ;Gitos aparentes de las personas$
Podra el mejor juicio haberlos hecho mCs ricos ! saludablesQ Podra el ;Gito Due ellos
adDuirieron ser atribuido a un medio ambiente indulente# el cual no presume
particularmente un comportamiento eruditoQ EDuivocaciones trCicas proveen importante
penetraci!n dentro de la naturaleFa y calidad de los procesos de toma de decisi!n de la enteL
a)ortunadamente# ellos son su)iciente raros Due nosotros tenemos muy peDueEa base de datos
para desenredar los )actores Due pueden haber conducido a la ente a despistarse$ Ba
investiaci!n del juicio ha usado la estrateia de la prueba destructiva para enerar juicios
prejuiciados en moderadamente bien caracteriFadas situaciones$ Bas esperanFas de los
te!ricos Due un patr!n de errores y ;Gitos emererC Due se presta a si mismo a pocas
eGplicaciones posibles$ Por tanto# el estudio de los prejuicios clari)ica las )uentes y lmites de
la sabidura aparente# como el estudio del desprejuicio clari)ica las )uentes y lmites del
desatino aparente$ &mbos son esenciales para el estudio del juicio$
-is aradecimientos a "uth Beyth>-aron# Don -acIreor y Paul Slovic por sus Atiles comentarios sobre
anteriores bocetos de este trabajo$ Este trabajo )ue patrocinado por la %))ice o) *aval "esearch bajo Contrato
*333/:>73>C$3/13 para Perceptronics# Inc$
&unDue alunos estudios del juicio son primariamente demostraciones de Due un
prejuicio particular puede ocurrir bajo alunas# talveF arti)iciales# condiciones# muchos otros
estudios han intentado apilar la baraja contra la observaci!n del prejuicio$ &lunos de estos
son eGplcitamente estudios de desprejuiciar# conducidos con la esperanFa Due los
procedimientos Due prueban ser e)ectivos en el laboratorio tambi;n mejorarCn la ejecuci!n en
el campo$ %tros tuvieron la meta mCs te!rica de clari)icar los conteGtos Due inducen a los
juicios sub>!ptimos$ $El centro de este captulo es una revisi!n de los estudios Due pueden ser
construidos como es)uerFos para reducir dos )amiliares prejuicios# prejuicios de percepci!n
retrospectiva y sobre>con)ianFa$ El considera las )allas as como los ;Gitos en la creencia Due
8a9 la )alla ayuda a clari)icar la virulencia de un problema y la necesidad por medidas
correctivas ! protectivas# y 8b9 el patr!n completo de los estudios es la clave para descubrir
las dimensiones psicol!icas Due son importantes en caracteriFar situaciones de la vida real y
anticipar la eGtensi!n de la ejecuci!n prejuiciada en ellos$
Ba revisi!n intenta ser eGhaustiva# sujeta a los siuientes tres criterios de selecci!n<
/$ Solo los estudios publicados en )uentes con iual revisi!n son considerados$ Por lo
tanto# la responsabilidad por el control de calidad es eGterioriFada$
.$ Ba evidencia anecd!tica es 8con unas pocas eGcepciones9 eGcluida$ &unDue tales
reportes son la )uente primaria de in)ormaci!n sobre aluna clase de intentos de
desprejuiciar 8por ejemplo# uso de eGpertos9# ellos estCn sujetos a prejuicios
interpretativos y de selecci!n Due reDuieren especial atenci!n mCs allC del Cmbito de
este resumen 8vea el captulo +19$
0:/
0$ &luna evidencia emprica es o)recida$ EGcluidas estCn las suerencias Due tienen
aAn Due ser probadas y los arumentos te!ricos 8por ejemplo# sobre la valideF
ecol!ica de los eGperimentos9 Due no pueden ser probados$
Previo a esa revisi!n# un marco de trabajo para desprejuiciar los es)uerFos serC o)recido#
caracteriFando posibles aproGimaciones y suposiciones subrayCndolas$ 'al marco de trabajo
podra revelar patrones recurrentes cuando son aplicados a una variedad de prejuicios del
juicio$
:@todos de desprejuiciar
Cuando eGiste un problema# es natural buscar un culpable$ Bos procedimientos de
desprejuiciar pueden ser mCs claramente cateoriFados de acuerdo a su implcito aleato de
culpabilidad$ Ba mCs importante distinci!n es si la responsabilidad por los prejuicios es
dejada en el vano de la puerta del jueF# de la tarea# ! de alAn mal emparejamiento entre los
dos$ "epresentan los prejuicios arte)actos de incompetente eGperimentaci!n y dudosa
interpretaci!n# casos bien de)inidos de )alibilidad del juicio# ! el in)ortunado resultado de
jueces teniendo# ! mal aplicando# el reDuisito de habilidades conitivasQ Como es resumido
en la 'abla /# y descrito abajo# cada una de estas cateoras puede ser Duebrada
posteriormente de acuerdo a lo Due podra ser llamada la pro)undidad del problema$ CuCn
)undamental es la di)icultadQ Son los cambios t;cnicos ! estructurales necesariosQ Bas
estrateias para desarrollar t;cnicas de desprejuiciar son muy di)erentes para las di)erentes
cateoras causales$
"areas errneas
"areas desleales& Bos eGperimentadores tienen interroantes estCndar Due ellos )ormulan para
su propio trabajo y el de otros$ Bos estudios son publicados solo si ellos in)unden con)ianFa
'abla /$ -;todos de desprejuicio de acuerdo a la suposici!n subrayada
Suposici!n Estrateias
'areas err!neas
'areas desleales Escalas elevadas
Clari)iDue instruccionesTestmulos
Inore la seunda adivinaci!n
Use mejores modos de respuesta
"eDuiera menos interroantes
'areas malentendidas Demuestre meta alternativa
Demuestre desacuerdo semCntico
Demuestre imposibilidad de tarea
Demuestre distinci!n supervisada
@uicios errneos
Individuos per)ectibles Prevena el problema
Describa el problema
Provea reaprovechamiento personaliFado
Entrene eGtensivamente
Individuos incorreibles "eemplCcelos
"ecalibre sus respuestas
Plani)iDue sobre el error
0:.
(al emparejamiento entre juicios y tareas
"eestructuraci!n Haa eGplcito el conocimiento
BusDue por in)ormaci!n discrepante
Descompona el problema
Considere situaciones alternativas
%)reFca )ormulaciones alternativas
Educaci!n &p!yese en eGpertos sustantivos
EduDue desde la niEeF
8en revisores y editores9 Due los mCs obvios arte)actos han sido eliminados$ Puesto Due# sin
embaro# es imposible controlarlo todo y satis)acer a cada uno en un estudio inicial ! series
de estudios# la identi)icaci!n de arte)actos metodol!icos putativos es una primera lnea de
ataDue en desacreditar un e)ecto$ Entre las demandas Due pueden surir estCn< 8a9 Bos sujetos
no se preocuparon de la tarea S por consiuiente uno debera elevar los premios procediendo
a una buena ejecuci!nL 8b9 los sujetos estuvieron con)undidos en la tarea S por consiuiente
usar mCs cuidadosas instrucciones y estmulos mCs )amiliaresL 8c9 los sujetos no creyeron en
las aseveraciones de los eGperimentadores sobre la naturaleFa de la tarea ! percibieron una
estructura del resultado )inal otra Due la intentada por el eGperimentador S por consiuiente
aseurarles Due su mejor adivinaci!n a la respuesta correcta es toda la Due es de inter;s y Due
ellos deberan responder como ellos lo ven convenienteL 8d9 los sujetos )ueron incapaces de
eGpresar lo Due ellos conocen $ por consiuiente modos de respuesta mCs )amiliares !
)leGiblesL 8e9 a los sujetos se les reDuirieron demasiadas preuntas y desarrollaron patrones de
respuesta estereotpicos para entrarle a la tarea S por consiuiente reDuiera pocas preuntas
8! de)ina el inter;s en la investiaci!n de uno como respuestas estereotpicas9$
"ematar con tales problemas es parte de una buena hiiene cient)ica$ Sin embaro# tales
es)uerFos usualmente tienen poco contenido te!rico$ Puesto Due su meta es producir un mejor
ambiente eGperimental# el estudio de arte)actos puede ser aAn no ser muy in)ormativos sobre
el universo de los conteGtos para los cuales los resultados observados pueden ser
seuramente eneraliFados$ Estudios de arte)actos NeGitososO proveen primariamente
in)ormaci!n neativa# proyectando duda en si un e)ecto ha sido observado en NjustasO
condiciones$ Si la vida es NjustaO en el mismo sentido# cuando plantea interroantes# es un
asunto separado$
"areas malentendidas& Estudios de arte)actos acarrean una implcita aspersi!n de mala
prCctica eGperimental$ El investiador oriinal debera haber conocido mejor ! debera haber
sido mCs cuidadoso$ 'ales aleatos son menos apropiados con una seunda clase de
de)iciencia de la tarea< la )alla del investiador para entender la )enomenoloa de los
demandados ! del universo conceptual$ Ba re)ormulaci!n de la tarea para clari)icar lo Due los
sujetos estuvieron realmente haciendo ha sido usada por los crticos de la aproGimaci!n
heurstica y prejuicios as como por sus promuladores$ Entre las maneras Due uno podra
tratar de mostrar la sabidura del comportamiento aparentemente prejuiciado estCn< 8a9
demostrar aluna meta alternativa Due es adDuirida sacri)icando la optimiFaci!n de la tarea en
cuesti!n 8por ejemplo# aprendiendo sobre las propiedades de un sistema cometiendo
eDuivocaciones dian!sticas9L 8b9 demostrar Due los demandados comparten una de)inici!n
de clave de t;rminos di)erentes de esos sostenidos ! presumidos por el eGperimentadorL 8c9
demostrando Due la tarea podra no ser hecha a menos Due los demandados escojan hacer
aluna suposici!n adicional Due tendra Due ocurrir )ortuitamente con aDuellas hechas por el
eGperimentadorL 8d9 demostrar Due los sujetos hacen una raFonable distinci!n a la cual el
eGperimentador )ue insensitivo$
0:0
Para hacer una contribuci!n# tales re)ormulaciones deberan incluir demostraciones
empricas# no solo demandas sobre NDu; sujetos podran haber estado pensandoO$ & su peor
momento# tales aseveraciones pueden tener un )uerte a prop!sito sabor y desa)o a
)alsi)icaci!nL ciertamente# contradictorias versiones pueden ser usadas para justi)icar
di)erentes prejuicios$ En su mejor caso# ellos pueden hacer )uertes declaraciones te!ricas
sobre representaciones conitivas 8?ischho))# en prensa>a9$
@uicios errneos
@uicios perfectibles& Si la tarea ha sido pulida y el prejuicio permanece# el demandado debe
asumir aluna responsabilidad$ Para eliminar un indeseable comportamiento# uno podra usar
un diseEo escalonado# con escalones re)lejando un optimismo creciente sobre el caso de
per)eccionar la ejecuci!n humana< 8a9 prevenir sobre la posibilidad del prejuicio sin
especi)icar su naturaleFa 8esta estrateia di)iere de inspirar a la ente a trabajar mCs duro
implicando Due el error potencial es sistemCtico y los demandados necesitan instrucci!n# no
una justa posibilidad9L 8b9 describir la direcci!n 8y talveF la eGtensi!n9 del prejuicio Due es
tpicamente observadoL 8c9 proveer una dosis de retroalimentaci!n# personaliFando las
implicaciones de la prevenci!nL 8d9 o)recer un prorama eGtenso de entrenamiento con
retroalimentaci!n# preparaci!n y cualDuier cosa mCs Due el tome para aportar al encuestado
una maestra conitiva de la tarea$
'ales escalones critican al jueF# no la tarea# asumiendo Due las soluciones no emererCn
espontCneamente con ! meramente con volver a redactar la cuesti!n cuidadosamente$
&unDue de ran importancia prCctica# los ejercicios de entrenamiento pueden tener un
limitado impacto te!rico$ El intento de encontrar alo Due trabaje puede crear una bolsa al
aFar de maniobras cuyos elementos e)ectivos estCn pobremente de)inidos$ -Cs
eGperimentaci!n sistemCtica puede entonces ser necesaria para identi)icar aDuellos
elementos$ Ba Altima meta es entender c!mo la eGperiencia arti)icial creada por el prorama
de entrenamiento di)iere de la eGperiencia natural Due la vida o)rece$ Por Du; un trabajo
t;cnico trabaja para eliminar un prejuicio# mientras otro noQ
@uicios incorregibles$ En alAn punto# el Due sera entrenador puede decidir Due el ;Gito es
imposible# ! solo obtenible con procedimientos Due oblian al sujeto a responder
!ptimamente$ Bos N;GitosO Due son obtenidos esencialmente dando a los encuestados la
respuesta correcta ! creando inevitables caractersticas de demanda son privados de ambos#
inter;s te!rico y prCctico$ Es escasa la in)ormaci!n cuando la ente escucha lo Due a ellos se
les dijoL si a ellos se les tiene Due decir cada veF c!mo responder# Dui;n los necesitaQ
'res opciones parecen abiertas en tales situaciones< 8a9 reemplaFar a la ente con alAn
mecanismo superior de responderL 8b9 recalibraci!n de juicios )alibles a valores mCs
apropiados# asumiendo Due la cantidad y direcci!n de los errores son predeciblesL 8c9
reconocer la imprecisi!n en los juicios de la ente cuando plani)ican acciones basadas en
ellos$ El Due toma decisiones ! el analista de decisiones Duien se ha rendido ante la ente en
cualDuiera de estas maneras puede aAn contribuir a nuestro entendimiento del juicio
evaluando el tamaEo# prevalencia y resiliencia de tales prejuicios indelebles$ Sin embaro#
debido a Due los juicios mejorados no es la intenci!n de estas acciones correctivas# ellos
serCn considerados aDu solo curiosamente$
(al emparejamiento entre juicio y tarea
!eestructurar& 'alveF el mCs caritativo y psicol!ico punto de vista es no seEalar con los
dedos y censurar ni al juicio ni a la tarea$ En veF de eso# asumir Due la interroante es
aceptablemente )ormulada y Due el juicio tiene todos reDuisitos de habilidades# pero de alAn
0::
modo# esta aproGimaci!n aruye Due la unidad apropiada de observaci!n es el sistema
persona>tarea$ El ;Gito descansa en hacerlos tan compatibles como sea posible$ =usto como
un aeroplano intacto mecCnicamente necesita buen diseEo de instrumentos para llear a ser
naveable# una honesta 8por ejemplo# no enaEosa9 tarea de juicio puede solo llear a ser
manejable cuando ha sido reestructurada a una )orma Due permita a los encuestados usar sus
habilidades conitivas eGistentes para una mayor ventaja$
&unDue tal ineniera conitiva tiende a ser tarea espec)ica# un nAmero recurrente de
estrateias emeren< 8a9 )orFar a los encuestados a eGpresar Du; conocen eGplcitamente mCs
Due dejarlo permanecer Nen la cabeFaOL 8b9 animar a los encuestados a buscar una evidencia
discrepante# mCs Due colectar detalles corroborando una respuesta pre)eridaL 8c9 o)recer
maneras de descomponer un asombroso problema en componentes mCs tratables y )amiliaresL
8d9 suerir Due los encuestados consideren el set de situaciones posibles Due ellos podran
haber encontrado en orden de entender mejor la situaci!n espec)ica a manoL y 8e9 proponer
)ormulaciones alternativas del problema presentado 8por ejemplo# usar di)erentes t;rminos#
conretiFar# o)recer analoas9$
)ducacin& Una variante sobre la aproGimaci!n a los NsistemasO ente>tarea es areir Due la
ente puede hacer esta tarea# pero no estas entes$ Bas alternativas son usar< 8a9 eGpertos
Duienes# a lo laro con su conocimiento sustantivo# han adDuirido alunas capacidades
especiales en procesar la in)ormaci!n bajo condiciones de incertidumbreL ! 8b9 una nueva
raFa de individuo# educado desde aluna edad temprana a pensar probabilsticamente$ En un
sentido# esta visi!n sostiene Due aunDue las entes no son# en principio# incorreibles# la
mayora de esos alrededor son$ Ba educaci!n di)iere del entrenamiento 8una cateora previa9
en su )ocaliFarse en desarrollar capacidades enerales mCs Due habilidades espec)icas$
Prejuicio de percepcin retrospectiva: 3n ejemplo de esuer!os por desprejuiciar
Un aspecto crtico de cualDuier empleo responsable es aprender de la eGperiencia$ Una veF
conocemos c!mo alo se produce# tratamos de entender por Du; sucedi! y evaluar cuCn bien
nosotros# A otros# lo planearon$ &unDue tal conocimiento del resultado estC pensado para
con)erir sabidura de la percepci!n retrospectiva de nuestros juicios# su ventaja puede ser una
propaanda eGcesiva$ En la percepci!n retrospectiva# la ente consistentemente eGaera lo
Due podra haber sido anticipado en la percepci!n retrospectiva$ Ellos no solo tienden a ver lo
Due ha sucedido como habiendo sido inevitable# sino tambi;n verlo como habiendo aparecido
Nrelativamente inevitableO antes de Due sucediera$ Ba ente cree Due otros deberan haber
sido capaces de anticipar los eventos mucho mejor de lo Due )ue actualmente el caso$ Ellos
aAn recuerdan mal sus propias predicciones como para eGaerar en la percepci!n
retrospectiva lo Due ellos conocan en previsi!n 8?ischho))# /6219$ &unDue es halaador creer
Due nosotros habramos conocido todo a lo laro de lo Due solo podramos conocer en la
percepci!n retrospectiva# esa creencia di)cilmente nos aporta una justa apreciaci!n de la
eGtensi!n a la cual sorpresas y )allas son inevitables$ Es ambos injusto y autodestructivo
castiar a los Due toman las decisiones Duien han errado en sistemas )alibles# sin admitir esa
)alibilidad y hacer alo para mejorar el sistema$ &lentCndonos nosotros a eGaerar la
eGtensi!n de nuestro conocimiento# este prejuicio puede hacernos eGcesivamente con)iados
en nuestra habilidad de predicci!n$ Ba percepci!n de una sorpresa>libre del pasado puede
presaiar un sorpresivo )uturo$
Ba investiaci!n de este prejuicio ha incluido investiaciones de la mayora de posibles
estrateias de desprejuiciar incluidas en la secci!n previa$ Pocas de estas t;cnicas han
reducido eGitosamente el prejuicio de percepci!n retrospectivaL ninuno lo ha eliminado$
Ellos son descritos abajo y resumidos en la 'abla .$
0:1
"areas errneas
"areas injustas& En una demostraci!n eGperimental inicial del prejuicio de percepci!n
retrospectiva 8?ischho))# /6219# los sujetos leyeron descripciones de pCrra)os laros de un
evento hist!rico y evaluaron la probabilidad de Due ellos habran asinado a cada uno de sus
posibles resultados Due a ellos no se les haba dicho lo Due sucedera$ Sin importar de si el
resultado reportado )ue cierto ! )also 8por ejemplo# si el sucedi! en realidad9# los sujetos
creyeron Due ellos lo habran asinado a una probabilidad mCs alta Due la Due )ue asinada
por los sujetos inorantes del resultado$ Este estudio es listado entre los intentos de
desprejuiciar# puesto Due por la concentraci!n en unas pocas historias el respondi! a la crtica
metodol!ica de NreDuerir demasiadas preuntasO Due podran ser niveladas contra los
estudios subsecuentes$ %tros estudios Due reDuirieron pocas preuntas sin eliminar el
prejuicio de la percepci!n retrospectiva incluy! a Slovic R ?ischho)) 8/6229# Duienes
contaron con sujetos para analiFar la probabilidad de posibles resultados de varios
eGperimentos cient)icosL -itchell y Kalb 8en prensa9# Duienes contaron con en)ermeras para
evaluar incidentes tomados de las escenas de hospitalL y Penninton# "utter# -cKenna y
-orley 8/6739# Duienes contaron con mujeres para evaluar la probabilidad de su personal de
recibir un resultado positivo de una simple prueba de embaraFo 8aunDue el bajo poder de su
estudio dio su conclusi!n alo tentativa9$
%tro intento para demostrar una )uente arti)icial del prejuicio de percepci!n retrospectiva
Due ha estado tratando y )allando incluye< sustituir la escala de clasi)icaci!n de juicios de
NsorpresividadO por evaluaciones de probabilidad 8Slovic R ?ischho))# /6229# usando temas
homo;neos para permitir una mCs completa evocaci!n de un set de conocimiento# mCs Due
usar cuestiones de conocimiento eneral diseminadas sobre una variedad de Creas de
contenido# ninuna de las cuales podra ser pensada muy pro)undamente 8?ischho)) R Beyth#
/6219L implorar a los sujetos Due trabajen mCs duro 8?ischho))# /622b9L tratar de despejar
dudas sobre naturaleFa del eGperimento 8I$ Hood# /6279L y usar eventos contemporCneos
Due los jueces han considerado en perspectiva previo a arcar sus evaluaciones de la
percepci!n en retrospectiva 8?ischho)) R Beyth# /6219$
"areas malentendidas& Una posible atracci!n del prejuicio de percepci!n retrospectiva es Due
puede ser muy halaador al representarse uno mismo como habiendo conocido todo iba a
suceder$ Uno paa un precio por tales inmerecidos auto>halaos solo si 8a9 la previsi!n de
uno conduce a una acci!n Due parece tonta in la percepci!n retroactiva ! 8b9 la eGaeraci!n
sistemCtica de lo Due uno conoci conduce a un eGceso de con)ianFa en lo Due uno
presentemente conoce# posiblemente causando caprichosas acciones ! )allas para buscar la
in)ormaci!n necesaria$ Puesto Due estas consecuencias de laro rano no son muy relevantes
en el eGperimento tpico# uno podra preocuparse por los sujetos Due estCn siendo tentados a
pintarse ellos mismos en un luF )avorable$ &unDue la mayora de los eGperimentos han sido
planeados como pruebas de habilidad de los sujetos para reconstruir un estado de prevenci!n
del conocimiento# mCs Due como pruebas de cuCn eGtenso ese conocimiento )ue# las
tentaciones de eGaerar podran aAn permanecer$ Si as )uera# ellas re)lejaran un
discrepancia entre las interpretaciones de los sujetos y de los eGperimentadores de la tarea$
Una manipulaci!n desinada para eliminar esta posibilidad reDuiere de los sujetos primero
responder preuntas y lueo recordar sus propias respuestas# con la audeFa de su memoria
estando en discusi!n 8?ischho))# /622bL ?ischho)) R Beyth# /621L Penninton et al$# /673L I
Hood# /6279$ Una seunda manipulaci!n reDuiere una percepci!n retroactiva de los sujetos
para estimar las respuestas de prevenci!n de sus semejantes# en la suposici!n Due ellos no
tienen raF!n para eGaerar lo Due otros conocieron 8?ischho))# /621L I$ Hood# /6279$
0:4
*inuna manipulaci!n ha probado ser eGitosa$ Bos sujetos se recordaron a s mismos de
haber sido mCs erudito Due lo Due )ue# de hecho# el caso$ Ellos )ueron seundos adivinadores
no caritativos en el sentido de eGaerar cuCnto otros habran 8! deberan9 conocer en
previsi!n$
@uicios errneos
&prendiendo a evitar los prejuicios Due suren de ser un prisionero de la perspectiva presente
de uno constituye un# ! talveF el# )oco de entrenamiento del historiador 8ver Captulo +19$
Han # sin embaro# sido estudios no empricos del ;Gito de estos es)uerFos$ El ;n)asis Due los
historiadores dan a las )uentes primarias# con sus )osiliFados records de las percepciones del
pasado# pueden re)lejar un sentimiento de Due la mente humana es su)icientemente
incorreible para reDuerir esa clase de disciplina por documento$ &unDue el us! un
eGtensamente menos riuroso procedimiento# el estudio de entrenamiento eGperimental no
o)rece raF!n para el optimismo< ?ischho)) 8/622b9 eGplcitamente describi! el prejuicio a los
sujetos y les reDuiri! evitarlo en sus juicios S para no aprovecharse$
(al emparejamiento entre jueces y tareas
)structuracin& 'res estrateias han sido adoptadas para reestructurar las tareas de
percepci!n retrospectiva# como para hacerlos mCs compatibles con las habilidades conitivas
y predisposiciones Due los juicios les traen$ Una de tales estrateias separa a los sujetos en
tiempo del reporte del evento# esperando reducir su tendencia a dominar su campo de
percepci!n 8?ischho)) R Beyth# /621L I$ Hood# /6279L esta estrateia no )ue e)ectiva$ Con la
seunda estrateia# los jueces evalAan la probabilidad de recurrencia del evento reportado
mas Due la probabilidad de su acontecer en primer luar# en la esperanFa Due la incertidumbre
estara mCs disponible en la perspectiva previsora 8-itchell R Kalb# en prensaL
Slovic R ?ischho))# /6229L esto tambi;n )all!$ Ba estrateia )inal reDuiere de los sujetos
indicar c!mo ellos podan haber eGplicado la ocurrencia del resultado Due no sucedi! 8Slovic
R ?ischho))# /6229$ "eclutando tal evidencia neativa apreciablemente reducida el juF!
inevitablemente del evento reportado$ 'al evidencia contradictoria estuvo aparentemente
disponible para los sujetos en la memoria ! en la imainaci!n pero no accesible sin una
reestructuraci!n del problema$
)ducacin& EGiste poca evidencia eGperimental Due el prejuicio de percepci!n retrospectiva
estC reducido por la clase de intenso involucramiento con un t!pico Due viene con una
educaci!n pro)esional$ Detmer# ?rybac( y Iassner 8/6279 encontraron prejuicio de
percepci!n retrospectiva en los juicios de los cirujanos 8ambos )acultativos y residentes9
evaluando un episodio involucrando una posible )ua de un aneurisma a!rtico abdominal$
&r(es# Hortmann# Saville y Har(ness 8/67/9 demostraron el prejuicio con m;dicos
considerando descripciones de un cantinero con un audo dolor de rodilla$ -itchell y Kalb
8en prensa9 encontraron prejuicio en la evaluaci!n de en)ermeras del resultado de actos
ejecutados por subordinadas$ Si las entes juFan eventos en sus propias vidas son
considerados ser eGpertos sustantivos# entonces el estudio de Penninton et al$ 8/6739 de
mujeres Due juFando los resultados de pruebas personales de embaraFo podran ser
consideradas como un posterior ejemplo del prejuicio en los eGpertos$ En un aAn mCs
limitado sentido de precicia# I$ Hood 8/6279 encontr! Due con una tarea involucrando
cuestiones de conocimiento eneral sus sujetos mCs in)ormados no )ueron menos propensos
al prejuicio Due los menos in)ormados$ Ba evidencia anecd!tica de los eGpertos cayendo
0:2
presa de este prejuicio en descrita brevemente en el Captulo .0 8de este volumen9$ Ella
incluye ambas observaciones causales y estudios eGhaustivos# tal como ese de Hohlstetter
8/64.9# Duien caracteriF! los es)uerFos de los eGpertos randemente motivados consistiendo
del comit; conresional investiatorio siuiendo a Pearl Harbor como 06 volAmenes de
prejuicio de percepci!n retrospectiva$
!esumen
&unDue uno de los problemas de juicio menos estudiados# el prejuicio de percepci!n
retrospectiva produjo su)iciente investiaci!n para permitir alunas declaraciones enerales
tentativas< Parece ser muy robusta y ampliamente eGtendida$ "educirla reDuiere alAn
entendimiento e hip!tesis sobre los procesos conitivos de la ente$ Una de tales hip!tesis es
Due la manera en la cual la ente normalmente se aproGima a las tareas de percepci!n
retrospectiva no usa su conocimiento ! habilidades de in)erencia para una mayor ventaja$
Produciendo evidencia contraria pareci! remediar ese problema en parte y los ayud! a hacer
un mejor uso de sus propias mentes 8Slovic R ?ischho))# /6229$
&ntes de avalar esta soluci!n# sin embaro# un nAmero de asuntos empricos necesitan ser
diriidos< 8a9 Pu; pasos adicionales son necesarios para ser eliminado el prejuicio# no solo
reducidoQ 8b9 'rabajarC este procedimiento con tareas menos claramente estructuradasQ 8c9
Se ejercitarC el procedimiento con unas pocas tareas ejemplares su)icientes para cambiar el
comportamiento con otras tareas# donde no son dadas instrucciones espec)icasQ Un
procedimiento de desprejuicio puede ser mCs problemCtico Due valioso si el incrementa la )e
de la ente en sus habilidades de juicio mCs Due mejorar las habilidades de ellas mismas$
Exceso de conian!a: Esuer!os de desprejuicio
NBa toma de decisiones bajo incertidumbreO implica un conocimiento incompleto$ Como
resultado# un mayor componente de la toma de tales decisiones es evaluar la calidad de
cualDuier conocimiento Due est; disponible$ &unDue los m;todos estadsticos pueden uiar
esta evaluaci!n# en alAn punto A otro el juicio es necesario para evaluar la con)ianFa Due
puede ser colocada en la mejor adivinanFa de uno del estado del mundo$ Debido a una
con)ianFa impropia la evaluaci!n puede conducir a pobres decisiones# induciendo ya sea
indebida ! insu)iciente precauci!n# una continuaci!n del )oco de la investiaci!n del juicio
ha sido la identi)icaci!n de los )actores Due a)ectan la con)ianFa inapropiadamente$ Ba
recepci!n del conocimiento del resultado es uno de tales )actores# en la medida en Due
conduFca a la ente a eGaerar la conclusi!n de su propio conocimiento$ &unDue uno
sospecha Due el conocimiento del resultado deja a la ente con un eGceso de con)ianFa en su
propio conocimiento# es concebible Due las entes estCn sujetas a aluna clase de end;mica
)alta de con)ianFa a la cual el prejuicio de percepci!n retrospectiva provee un Atil contra>
balance$ Clari)icar esta posibilidad reDuiere investiaci!n evaluando la absoluta valideF de
los juicios de con)ianFa$$
Debido a Due es di)cil evaluar la absoluta valideF de cualDuier simple juicio de
con)ianFa# la mayora de la investiaci!n en ;sta Crea ha mirado a la cualidad ! calibracin#
de sets de juicios# cada uno representado la probabilidad subjetiva Due una declaraci!n del
hecho estC correcta 8Captulo ..# de este volumen9$ Para la per)ectamente individual
calibrada# evaluaciones de# diamos $23 estCn asociadas con las declaraciones correctas el
23W del tiempo$
El eGceso de con)ianFa es por mucho el mCs comAnmente observado descubrimiento$ Un
estudio tpico podra mostrar probabilidades de $21 para estar asociado con una Nproporci!n
de aciertoO de solo 43W y eGpresiones de certeFa 8p [ /$339 estando correctas solo 71W del
0:7
tiempo$ Cuando las entes evalAan cuCnto ellos conocen sobre los valores de cantidades
num;ricas 8por ejemplo# Nyo estoy $67 cierto Due el nAmero de votantes "epublicanos en el
Condado de Bane estC entre /.#333 y 03#333O9# es comAn encontrar respuestas verdaderas
cayendo )uera de su 67W de intervalos de con)ianFa .3W a :3W del tiempo$ 'ales resultados
son perturbadores ambos para aDuellos Duienes deben transmitir evaluaciones de con)ianFa y
para aDuellos acusados 8directa ! indirectamente9 de eGaerar cuanto ellos conocen$ Ba
abundante investiaci!n Due ha sido producida para desaprobar# desacreditar# sostener ! liar
el descubrimiento del eGceso de con)ianFa es caracteriFado abajo desde la perspectiva de los
es)uerFos de desprejuiciar$ Este anClisis de estudios eGistentes ha sido ayudado randemente
por la disponibilidad de varias revisiones comprensivas de esta literatura# aunDue conducida
por de aluna manera di)erentes prop!sitos$ Estas incluyen a Henrion 8/6739# Hoarth
8/6219# Bichtenstein# ?ischho)) y Phillips 8Captulo ..9 y Hallsten y Budescu 8/6739$ Este re>
anClisis ha sido complicado por el hecho de Due muchos de los estudios citados tambi;n
)ueron conducidos por de aluna manera di)erentes prop!sitos$ Como resultado# ellas no
siempre caen dentro de una simple cateora de desprejuicio$ Este suave mal emparejamiento
puede re)lejar lmites en el presente esDuema de cateora 8para hacer distinciones no claras9
! lmites para los estudios 8para con)undir las manipulaciones del desprejuicio9$
"areas errneas
"areas injustas& Bas implicaciones del eGceso de con)ianFa aplicadas han producido un ran
nAmero de es)uerFos t;cnicos en su erradicaci!n# casi todos los cuales han probado ser no
eGitosos$ -uchos de estos han involucrado manipulaciones de respuesta>modo# tales como la
comparaci!n de probabilidad y posibilidades de eGpresiones de con)ianFa Bud(e# Stauss R
Iusta)son# /6229 ! variar los intervalos de con)ianFa evaluados en crear distribuciones de
probabilidad subjetiva 8Selvide# /6739$ Bibrado de la necesidad de enerar y justi)icar sus
manipulaciones sobre la base de una teora sustantiva# los eGperimentadores usando tales
aproGimaciones de la NinenieraO a menudo muestran ran inenuidad en los procedimientos
Due ellos estCn dispuestos a tratar$ Sin embaro# la ausencia de la teora lo hace mCs di)cil
conocer c!mo interpretar ! eneraliFar sus ;Gitos ! )allas$ Por ejemplo# Seaver# von
Hinter)eldt y Ed+ards 8/6279 encontraron menos eGceso de con)ianFa cuando los intervalos
de con)ianFa )ueron sacados con un m;todo de Nvalor )ijadoO# en el cual el eGperimentador
seleccion! los valores y los sujetos evaluaron su probabilidad# mCs Due con el m;todo de
Nprobabilidad )ijadaO# en el cual el eGperimentador provee una probabilidad y el encuestado
da el valor asociado$ Este ;Gito puede re)lejar aluna clase de compatibilidad mayor entre el
m;todo de valor )ijado y el proceso psicol!ico del encuestado# ! puede re)lejar la
in)ormaci!n sobre el verdadero valor conducido por la selecci!n de los valores )ijados por el
eGperimentador$ Un resultado similar obtenido por 'vers(y y Kahneman 8/62:# '9 estC
basado en un anclaje y ajuste heurstico# aunDue el tambi;n puede haber in)ormado a los
sujetos los valores )ijados$
&demCs para la mCs intensa investiaci!n por el modo de respuesta correcta para obtener
con)ianFa# eGisten tambi;n intentos dispersos para eliminar los otros retos para la claridad de
la tarea listados en la secci!n superior de la 'abla /$ Por ejemplo# el ran nAmero de
respuestas obtenidas en muchos estudios de calibraci!n como para obtener resultados
individuales estadsticamente con)iables podran ser un asunto de preocupaci!n del eGceso de
con)ianFa Due no haba sido observado en estudios con tan pocos como /3 ! aAn / preunta
por sujeto 8por ejemplo# Hynes R Janmarc(e# /624L Bichtenstein R ?ischho))# /6229$ Ba
brevedad de las instrucciones usadas en alunos estudios Due podran ser problemCticas no
han sido encontrados resultados similares con instrucciones Due parecen ser tan laras y
detalladas como los sujetos toleraran 8por ejemplo# Captulo +'L Bichtenstein R ?ischho))#
0:6
/673b9$ Ba eGhaustividad# aAn pedantera# de tales instrucciones podran ser tambi;n ser
vistas como un antdoto a cualDuier tentaci!n para los sujetos a una seunda adivinanFa del
investiador$ Sin importar la claridad de los estmulos usados# ninAn cambio en el eGceso de
con)ianFa ha sido observado cuando diversos sets de preuntas de conocimiento eneral son
reemplaFadas con temas homo;neos 8por ejemplo# ?sichho)) R Slovic# /673L %s(amp#
/64.9 ! con temas Nde percepci!nO no verbales 8por ejemplo# 8Da+es# /673L Bichtenstein R
?ischho))# /673b9$
Sera tranDuiliFador creer Due el eGceso de con)ianFa desaparece cuando los premios son
elevados y los jueces ejecutan Npara realO 8por ejemplo# no solo para eGperimentos9$
Desa)ortunadamente# sin embaro# las estrateias de investiaci!n Due podran ser usadas
para estudiar esta hip!tesis tiende a encontrar di)icultades interpretativas$ -onitoreando las
eGpresiones de con)ianFa de los eGpertos ejecutando sus tareas acostumbradas es una obvia
aproGimaci!n$ Ello es )rustrado por la posibilidad Due las eGpresiones de los eGpertos est;n
siendo evaluadas con criterios Due entran en con)licto con la calibraci!nL Due es# deben de
eGistir recompensas por deliberadamente eGudar con)ianFa indebida ! por sonar
eGcesivamente cauteloso$ Por ejemplo# cuando los m;dicos sobreestiman la probabilidad de
una en)ermedad 8por ejemplo# Christensen>gsalans(i R Bushyhead# /67/L Busted# /6229#
puede ser porDue ellos estCn aislados de cuCnto ellos conocen ! debido a preocupaciones de
mala prCctica# codicia por las recompensas )inancieras Due una prueba adicional puede traer A
otros asuntos irrelevantes a los prop!sitos presentes$ Debido a ;stas complicaciones# los
estudios con eGpertos estCn listados en la secci!n dedicada a ellos al )inal de la 'abla .# mCs
Due como intentos de elevar las recompensas$
Una seunda estrateia para elevar las recompensas es aEadir evaluaciones de con)ianFa a
tareas inherentemente importantes por las cuales esas evaluaciones no tienen implicaciones
de acci!n$ Sieber 8/62:9 lo hiFo solicitando la con)ianFa de los estudiantes en sus propias
respuestas de la prueba$ El resultado )ue 8el ahora )amiliar9 eGceso de con)ianFa# talveF
'abla .$ EGperiencia en desprejuiciar
Estudios para
eGaminar el
prejuicio de percepci!n Estudios para eGaminar
Estrateias retrospectiva el eGceso de con)ianFa
"areas errneas
"areas injustas
Elevar la recompensa : /#03
Clari)icar instruccionesTestmulos 4 0#/3#/0#'7#./
Desanimar la seunda adivinaci!n // /0#./
Usar mejores modos de respuesta 6 /0#/:#.3#..# .0# 0.#0:#01Q#
1A#:3Q
"eDuerir pocas preuntas 0#2#7#6 /4
'areas malentendidas
Demostrar meta alternativa 0#:#4#7#6 '7
Demostrar desacuerdo semCntico >>>> 0#'7#/6#03Q
Demostrar imposibilidad de tarea >>>> /0
Demostrar distinci!n inorada >>>> /1Q
@uicios errneos
Individuos per)ectibles
&dvertir del problema >>>> /0
Describir el problema 7 1
Proveer retroalimentaci!n
013
personaliFada >>>> +'
Entrenar eGtensivamente 12 'L+L7L'DL+'L+AL+DL1'L17
Individuos incorregibles
"eemplaFarlos >>>> >>>>
"ecalibrar sus respuestas >>>> .$1$.:
Planear en error >>>> >>>>
(al emparejamiento entre jueces y tareas
"eestructuraci!n
Hacer conocimiento eGplcito >>>> /7
Investiar por in)ormaci!n discrepante 6 'G
Descomponer el problema 4#// >>>>
Considerar situaciones alternativas >>>> >>>>
%)recer )ormulaciones alternativas 2#6 01Q
Educaci!n
Di)undir el sustantivo de los eGpertos /#.#2#7#/3#// ''#/4#.3#.:#.6#00#07#06T
GL6L+1L+GL1'L1+
a
Educar desde la niEeF >>>> 4#2
*otas< Para la clave de los estudios sia las notas$ Bas manipulaciones Due han probado al menos parcialmente
;Gito aparecen en neritas$ &Duellas Due tienen aAn Due ser sujetas a pruebas empricas ! por las cuales la
evidencia no estC clara son marcadas por un sino de interroaci!n$
a
Entradas antes de la diaonal son estudios usando eGpertos Duienes no han tenido entrenamiento de
calibraci!n< entradas despu;s de la diaonal son estudios usando niveles variables de di)icultad$
Clave para los estudios
Percepci!n retrospectiva
/$ &r(es# Hortmann# Saville R Har(ness 8/67/9 1$ ?ischho)) 8/6739
.$ Detmer# ?rybac( R Iassner 8/6279 4# ?ischho)) R Beyth 8/6219
0$ ?ischho)) 8/6219 2$ -itchell R Kalb 8en prensa9
:$ ?ischho)) 8/622b9 7$ Penninton# "utter# -cKenna R -orley
'abla .$ 8cont$9
6$ Slovic R ?ischho)) 8/622 /7$ Koriat# Bichtenstein R ?ischho)) 8/6739
/3$ Hohlstetter 8/6279 /6$ Barson R "eenan 8/6269
//$ I$ Hood 8/6279 .3$ Bichtenstein R ?ischho)) 8/6229
)ceso de confianza ./$ Bichtenstein R ?ischho)) 8/673b9
/$ &dams R &dams 8/6179 ..$ Bichtenstein# ?ischho)) R Phillips
.$ &dams R &dams 8/64/9 8Captulo ..9
0$ &lpert R "ai))a 8/646# +'9 .0$ Bud(e# Stauss R Iusta)son 8/6229
:$ &rmelius 8/6269 .:$ -oore 8/6229
1$ Bec(er R Ireensber 8/6279 .1$ -orris 8/62:9
4$ Beyth>-arom R De(el 8en prensa9 .4$ -urphy R Hin(ler 8/62:9
2$ Cavanauh R Bor(o+s(i 8/6739 .2$ -urphy R Hin(ler 8/622a9
7$ Clr(e 8/6439 .7$ *ic(erson R -cIoldric( 8/6419
6$ CocoFFa R Steadman 8/6279 .6$ %s(amp 8/64.9
/3$ Da+es 8/6739 03$ Phillips R Hriht 8/6229
//$ Do+ie 8/6249 0/$ Pic(hardt R Hallace 8/62:9
/.$ ?errell R -cIoey 8/6739 0.$ PitF 8/62:9
/0$ ?ischho)) R Slovic 8/6739 00$ "oot 8/64.9
/:$ ?ischho))# Slovic R Bichtenstein 8/6229 0:$ Schae)er R Borcherdin 8/6209
/1 Ho+ell R Burnett 8/6279 01$ Seaver# von Hinter)eldt R Ed+rds 8/627$
/4$ Hynes R Janmarc(e 8/6249 04$ Selvide 8/6739
/2$ Kin# gechmeister R Shauhnessy 8en prensa9 02$ Sieber 8/62:9
07$ Sta\l von Holstein 8/62/a9
06$ Sta\l von Holstein 8/62.9
01/
:3$ 'vers(y R Kahenaman 8/62:9
porDue la calibraci!n es insensitiva a las recompensas involucradas# talveF porDue este
m;todo no )ue e)ectivo en elevarlos$ Ba te!ricamente per)ecta estrateia para la manipulaci!n
de las recompensas es premiar a los sujetos con apropiadas relas de punteo# las cuales
penaliFan las eGpresiones no )rancas de incertidumbre$ 'ales relas son# sin embaro# un
poco asim;tricas# en el sentido Due ellas penaliFan el eGceso de con)ianFa mucho mCs Due la
baja con)ianFa$ Como resultado# los sujetos Due entienden lo esencial de aDuellas relas pero
Due no estCn interesados en sus particulares# podran interpretar las relas de clasi)icaci!n
como instrucciones de rodeo nunca para eGpresar ran con)ianFa$ En ese caso# la ente podra
mecCnicamente reducir su con)ianFa sin mejorar su entendimiento$ ConsiderCndolo todo#
talveF el mejor modo de conseuir Due los sujetos trabajen duro es ejercitando las t;cnicas
estCndar de los eGperimentadores para incrementar una motivaci!n intrnseca de la tarea y el
involucramiento de los sujetos en ella$
"areas malentendidas& Sin embaro cuidadosamente uno describe una tarea a los
encuestados# alunas dudas pueden persistir como si ellos realmente la entendieron y
aceptaron su intentada estructura de recompensa$ Una maniobra estCndar para cheDuear si
una manipulaci!n ha NtrabajadoO es ver si los participantes auantarCn las respuestas Due
ellos ya han hecho cuando aDuellas respuestas son usadas en una nueva tarea con la
estructura de recompensa intentada para la tarea vieja$ ?ischho))# Slovic y Bichtenstein
8/6229 adoptaron esta estrateia en reDuerir a las entes si ellas estaran dispuestas a aceptar
un jueo basado en evaluaciones de la con)ianFa Due ellos han hecho$ Este jueo les )avorece
si aDuellas evaluaciones )ueron )rancas ! tendieron a subestimar su con)ianFa# pero los
penaliF! si# por cualDuier raF!n# ellos haban eGaerado cuCnto ellos saban$ Ba eGaeraci!n
deliberada podra# por ejemplo# sirve la meta alternativa de actuar mCs in)ormado de lo Due
actualmente es el caso$ Estos sujetos estuvieron un poco deseosos de aceptar el jueo# a pesar
de ser tan sobre con)iados como los sujetos observados en otra parte$
%tra base para pretender Due los sujetos han entendido la tarea di)erentemente de la
manera intentada por el eGperimentador viene de la observaci!n Due Nlos rados de certeFa
son a menudo usados en el hablar diario 8como son las re)erencias a la temperatura9# pero
ellos son escasamente eGpresados num;ricamente# ni es la oportunidad de validarlos a
menudo disponibles$ $ $ $ Ba inhabilidad de la ente para evaluar apropiadamente una
probabilidad de $73 puede ser no mCs sorprendente Due la di)icultad Due ellos podran tener
en estimar la brillanteF de las candelas ! la temperatura en rados ?arenheitO 8?ischho)) et
al$# /622# p$ 1109$ Una respuesta a esta posibilidad es restrinir la atenci!n a los eGtremos de
la escala de probabilidad en la creencia Due Nestando /33W cierto Due una declaraci!n es
verdadera es rCpidamente entendida por la mayora de la ente y su conveniencia es
rCpidamente evaluadaO 8?ischho)) et al$# /622# p$ 1109$ Una seunda respuesta es proveer
etiDuetas verbales para probabilidades num;ricas en orden de hacerlas mCs rCpidamente
comprensibles 8por ejemplo# Captulo +'L Barson R "eenan# /6269$ *inuna manipulaci!n
ha probado ser demostrablemente e)ectiva$ Una mCs pro)unda noci!n de desacuerdo
semCntico entre el eGperimentador y encuestado puede ser encontrada en NpretensionesO Due
la NincertidumbreO por s misma puede tener una variedad de interpretaciones# no todas de las
cuales son sini)icativas para todos los individuos 8Ho+ell R Burnett# /627L Phillips R
Hriht# /6229$ Bos es)uerFos de desprejuicio emprico basados en estos conceptos podran
probar ser )ruct)eros$
&lunos de los mCs eGtremos eGcesos de con)ianFa ha sido observado con tareas
relacionadas de las cuales los entrevistados no tienen conocimiento ! lo Due sea$ &unDue los
01.
eGperimentadores tpicamente intentan no dar pistas como cuCn con)iados los sujetos
deberan ser# all aAn podra haber una presunci!n implcita Due Nel eGperimentador no
debera darme una tarea Due es imposibleO$ Si los sujetos tuvieran tales eGpectativas# teniendo
un apropiado nivel de con)ianFa vendran entonces a ser imposibles$ ?ischho)) y Slovic
8/6739 probaron esta posibilidad con unas series de tareas cuyo contenido 8por ejemplo#
dianosticar Alceras# predecir los precios de acciones oscuras9 e instrucciones )ueron
desinadas a hacerlas parecer como imposibles como ellas actualmente )ueron$ Sin embaro#
el eGceso de con)ianFa )ue solo reducido 8y entonces parcialmente9 cuando los sujetos )ueron
prevenidos Due Nello puede bien ser imposible de hacer esta clase de discriminaci!n$ 'ratar lo
mejor Due usted pueda$ Pero si# en el eGtremo usted se siente totalmente incierto sobre ^sus
respuestas_# no titubee en responder con $1 îndicando una adivinaci!n_ para cada una de ellas
8p$ 21.9$ CualesDuiera instrucciones mCs )uertes pudieran levantar sospechas de tener
caractersticas de sus propias demandas$
@ueces de familia
Individuos perceptibles& Con un modesto cambio en las suposiciones interpretativas# el
Altimo estudio mencionado en la secci!n previa podra vendra a ser el primer miembro
mencionado de la presente$ &seurando a los sujetos Due ellos podran permitir Due cada una
de las respuestas )ueron justo una adivinaci!n podra ser visto como un modo de disipar
cualDuiera de los mal entendimientos sobre la tarea ! como un paso a correir a los sujetos
Duienes entienden la tarea pero no a s mismos$ Ello acarrea una precauci!n implcita de Due
al admitir adivinar puede ser un problema$ Esta precauci!n es hecha eGplcita en la
instrucci!n a los sujetos de &lpert R "ai))a 8Cap$ +'9 de NpavonearseO de sus distribuciones
de probabilidad subjetivas en orden de evitar el eGceso de con)ianFa$ Si los ;Gitos parciales
de ;stas manipulaciones re)lejan un incrementado entendimiento ! sensitividad a las !rdenes
no estC claro$ 'al ambieedad puede eGplicar la detenci!n de los estudios adoptando estas
aproGimaciones$
Estas preocupaciones sobre la caractersticas de la demanda desaparecen con estudios de
entrenamiento deliberado# donde Nlos e)ectos de los eGperimentadoresO estCn a la orden del
da$ Como es indicado en la 'abla .# una variedad de es)uerFos de entrenamiento han sido
emprendidos con una admirable proporci!n de ;Gito S aunDue uno podra preocuparse de Due
la )alta de entusiasmo de las revistas por los estudios de resultados neativos puede haber
reducido la visibilidad de las )allas$ Ba disposici!n de los entrenadores de hacer sea lo Due
sea para conseuir un e)ecto ha tendido a hacer es)uerFos de entrenamiento mCs Due
complejas manipulaciones cuyos elementos e)ectivos son de aluna manera oscuros$ &lunas
de las mCs necesarias condiciones para aprender parece ser< recibir retroalimentaci!n en
randes muestras de respuestas# siendo dicho sobre la ejecuci!n propia de uno 8y no sobre
problemas comunes9# y tener la oportunidad de discutir la relaci!n entre los sentimientos de
incertidumbre subjetiva de uno y las respuestas de probabilidad num;ricas$ Para su propia
sorpresa # Bichtenstein y ?ischho)) 8/673b9 encontraron Due una tanda de entrenamiento
intensiva retroalimentaci!n personaliFada# )ue tan e)ectiva como unas laras series de
entrenamientos$ *o estC claro a Du; eGtensi!n estos varios ;Gitos de entrenamiento
representan# en el estrecho sentido de dominar una tarea particular 8por ejemplo# aprender la
distribuci!n de respuestas Due el eGperimentador reDuiere9# ! la adDuisici!n de habilidades
mCs enerales$
010
Individuos incorregibles& Ba impaciencia con los estudios de entrenamiento ! el escepticismo
sobre su eneralidad ha conducido a un nAmero de investiadores a tomar evaluaciones de
con)ianFa )alibles como inevitables y concentrarse en ayudar a los Due toman decisiones a
en)rentarse con ellas$ &lunos suieren reemplaFar a los individuos con rupos de eGpertos
cuyas evaluaciones son combinadas por interacci!n directa ! un esDuema directo areado
8por ejemplo# Bec(er R Ireenber# /627L -orris# /62:9L otros llaman por el uso liberal del
anClisis de sensitividad siempre Due evaluaciones de con)ianFa surjan en un anClisis de
decisi!n 8por ejemplo# =ennerren R Keeney# en prensa9L aAn otros proponen recalibrar la
evaluaciones# usando un )actor de correcci!n Due indiDue cuCnta con)ianFa los asesores
deberan tener como una )unci!n de cuCnta con)ianFa tienen ellos 8Bichtenstein R ?ischho))#
/6229$ Por ejemplo# la prevalencia del eGceso de con)ianFa podra suerir Due cuando aluien
proclama certeFa# uno podra leerla como una posibilidad de $71 de estar en lo correcto$
Desa)ortunadamente para esta estrateia# cuando las personas estCn mal calibradas su rado
de eGceso de con)ianFa depende sobre la di)icultad de la tarea particular en)rentCndolos
8Bichtenstein R ?ischho))# /6229$ Como resultado# la necesidad de la cantidad de calibraci!n
puede ser determinada solo si uno conoce la di)icultad de la tarea en cuesti!n y puede
observar el 8eGceso9 de con)ianFa de los encuestados en una tarea de similar di)icultad ! al
menos suponer la relaci!n entre el eGceso de con)ianFa observado y anticipado 8?errell R
-cIoey# /6739$
(al emparejamiento entre jueces y tarea
!eestructuracin$ El estudio de calibraci!n# como alunos otros t!picos en el juicio# ha
permanecido relativamente aislado de la corriente de investiaci!n en conici!n# sacando
mCs metodoloas Due ideas de la literatura psicol!ica$ Si esta )alta de contacto re)leja la
estrecheF de miras de los investiadores del juicio ! las inadecuadas representaciones de
con)ianFa en los modelos corrientes de los procesos conitivos# ella ha probablemente
entorpecido el desarrollo de m;todos para reducir el eGceso de con)ianFa$ -odelos del
proceso sueriran ambas# mCs poderosas manipulaciones e indicaran por Du; las
aproGimaciones de ineniera hacen ! no el trabajo 8y cuCn lejos sus e)ectos podran
eneraliFarse9$ Ba investiaci!n corriente con testimonio de testios# sentimientos de conocer
y una metamemoria podran eventualmente proveer puntos de contacto 8por ejemplo#
Iruneber# -orris R Sy(es# /6279$
Una posible direcci!n para ayudar a las personas a usar sus habilidades conitivas
eGistentes de un modo mCs compatible con las demandas de evaluaci!n de la con)ianFa
pueden ser vistas en Koriat# Bichtestein y ?ischho)) 8/6739# donde el eGceso de con)ianFa )ue
reducido teniendo una lista de encuestados# raFones por las cuales sus respuestas pre)eridas
podran estar eDuivocadas$ Bistando las raFones por las Due uno podra estar en lo correcto !
dando una raF!n para y una raF!n contra la respuesta escoida por uno no tuvo e)ecto#
indicando Due el elemento crtico no es solo trabajar mCs duro ! ser eGplcito# sino la
memoria de uno di)erentemente de lo acostumbrado en tareas de evaluaci!n de la con)ianFa$
Sin la espec)ica instiaci!n a Nconsiderar por Du; usted podra estar eDuivocadoO# las
personas parecen ser insu)icientemente crticas ! aAn intentar justi)icar su respuesta inicial$
'alveF anCloamente# -ar(man 8/6269 encontr! Due niEos entre 6 y /. aEos detectaron
inconsistencias en el material de teGto solo cuando se les dijo Due las buscaran$
&unDue estC avanFado en la prCctica mCs Due en los campos psicol!icos# la t;cnica del
valor )ijado de Seaver et al$ podra ser vista como otra manera de reestructurar la
aproGimaci!n de los encuestados a la tarea$ %raniFar el conocimiento de uno alrededor de
un set de valores presumidos de ser incorrectos puede conducir a una mCs completa
01:
estimaci!n de lo Due uno conoce# mCs Due el NtradicionalO m;todo de la probabilidad )ijada#
en el cual la atenci!n puede estar )ocaliFada en la mejor adivinaci!n de los encuestados a la
respuesta correcta$
)ducacin& Desaparece la con)ianFa como un resultado indirecto de la educaci!n sustantiva
Due los eGpertos reciben en su especialidadQ Como se mencion! anteriormente# el camino
obvio para eGplorar esta cuesti!n# mirando a las eGpresiones de con)ianFa acompaEando la
ejecuci!n de las tareas reales# estC complicada por la posibilidad de las restricciones a las
presiones reales del candor de los eGpertos$ Por ejemplo# uno podra encontrar evidencia de
eGceso de con)ianFa en pro)esiones Due hacen juicios de con)ianFa sin ninuna valideF
demostrada 8por ejemplo# predicciones de movimientos de precios de acciones ^Dreman#
/626L Slovic# /62.c_# dian!sticos pediCtricos de pelirosidad ^CocoFFa R Steadman#
/627_9$ Por supuesto si tales eGpertos son consultados 8y paados9 como una )unci!n de la
con)ianFa Due ellos inspiran# ellos pueden ser tentados a mal representar cuCnto ellos
conocen$
Indudablemente# los mayores es)uerFos para aseurar el candor han sido con
pronosticadores del clima# cuyo entrenamiento a menudo los recompensa para una buena
calibraci!n$ Su ejecuci!n es eGcelente 8por ejemplo# -urphy R Hinhler# /62:# /622a9$ Si
este ;Gito es debido al entrenamiento de calibraci!n ! un sub>producto de su educaci!n
pro)esional eneral no estC claro$ Una revisi!n de otros estudios con eGpertos Duienes no han
tenido entrenamiento de calibraci!n suiere Due tal entrenamiento# y no solo educaci!n
sustantiva# es el elemento e)ectivo$ Bos eGperimentos Due usaron problemas sacadas de sus
respectivas Creas de eGpertaje pero aisladas de las presiones del mundo real han encontrado
un eGceso de con)ianFa con estudiantes raduados de psicoloa 8Bichtenstein R ?ischho))#
/6229# banDueros 8Sta\l von Holstein# /62.9# psic!loos clnicos 8%s(amp# /64.9# ejecutivos
8-oore# /6229# inenieros civiles 8Hynes R Janmarc(e# /6249 y pronosticadores
pro)esionales del clima no entrenados 8"oot# /64.L Sta\l von Holstein# /62/a9$
Do+ie 8/6249 ha encontrado buena calibraci!n entre los columnistas de peri!dico en sus
predicciones de las carreras de caballos$ &unDue estos eGpertos no reciben ni una )unci!n de
pao eGplcita ni una )ormal retroalimentaci!n# uno podra adivinar Due ellos suministran de
su propio peculio# monitoreando su ejecuci!n de da en da y recompensCndose a s mismos
por una buena calibraci!n$ Ba idea de Due deberamos ser entrenados desde la niEeF para esta
clase de auto>monitoreo puede ser encontrada en recientes propuestas de hacer del juicio una
parte del curriculum escolar 8re)erencia# Beyth>-arom R Dec(el# en prensaL Cavanauh R
Bor(o+s(i# /6739$ Ba promesa de estas propuestas continAa para ser probada$
?inalmente# eGiste una muy estrecha )orma de eGpertaje Due ha probado ser el mCs
potente 8y menos interesante9 m;todo de reducir el eGceso de con)ianFa$ Una re)leGi!n de la
)alta de sensitividad de la ente de cuCnto ellos conocen# es el hecho de Due su con)ianFa
media cambia relativamente lentamente en respuesta a los cambios en la di)icultad de las
tareas Due ellos encaran 8Bichtenstein T ?ischho))# /6229$ Pares tpicos de proporciones de
respuestas correctas y con)ianFa media son< $1/# $41# $4.# $2:# $73# $27L y $6.# $74$ Como
ranos de eGactitud sobre $:/# la con)ianFa cambia solo $.0$ Bas curvas de calibraci!n
correspondientes a estos resAmenes estadsticos estCn en alunos sentidos casi iualmente
malos 8! suaves9L sin embaro# su rado de eGceso de con)ianFa vara considerablemente$
-ientras Due los primeros dos de estos pares representan eGceso de con)ianFa# el tercero
muestra con)ianFa apropiada completa y el cuarto )alta de con)ianFa$ Estos ejemplos estCn
tomados de Bichtenstein y ?ischho)) 8/6229# pero el mismo patr!n ha sido revelado por
Clar(e 8/6439# *ic(erson y -cIoldric( 8/6419# Pic(hardt y Hallace 8/62:9 y PitF 8/62:9#
entre otros$ Ciertamente# cualDuier comparaci!n de eGceso de con)ianFa a trav;s de
011
condiciones debe tomar en cuenta la di)icultad de las tareas usadas$ Bajo esta luF# la
preponderancia del eGceso de con)ianFa en la literatura re)leja# en parte# la 8talveF natural9
tendencia a no presentar a la ente con preuntas muy )Cciles$
!esumen
Bas evaluaciones de la con)ianFa han sido eGtradas de una variedad de ente en una variedad
de modos# casi siempre mostrando considerable )alta de sensitividad a la eGtensi!n de su
conocimiento$ &unDue la puerta necesita no ser cerrada a las manipulaciones metodol!icas#
ellos han por mucho probado ser relativamente ine)ectivas y sus resultados di)cil de
eneraliFar$ Bo Due ellos han hecho es mostrar Due el eGceso de con)ianFa es relativamente
resistente a muchas )ormas de arrelo 8otra mCs Due cambios en el nivel de di)icultad9$
-ayor dependencia en la teora psicol!ica parecera ser la clave para producir mCs
poderosas y predecibles manipulaciones$ Ba e)ectividad del entrenamiento de calibraci!n
suiere Due un cuidadoso anClisis de lo Due las eGperiencias Anicas estCn provistas por ese
entrenamiento pero no por educaci!n pro)esional podran ambas uiar al desprejuicio y
enriDuecimiento de la teora psicol!ica$
Discusin
&sumiendo Due los estudios revisados aDu han sido caracteriFados eGactamente y Due ellos
aotan 8! al menos claramente representan9 el universo de estudios relevantes# su mensaje
areado parecera ser claramente reaseurador para el psic!loo conitivo$ &mbos
prejuicios han probado ser moderadamente robustos# resistiendo intentos de interpretarlos
como arte)actos y eliminarlos de las manipulaciones NmecCnicasO# tales como hacer a los
sujetos trabajar mCs duro$ El desprejuicio e)ectivo usualmente ha involucrado cambiar la
naturaleFa psicol!ica de la tarea 8y la aproGimaci!n de los sujetos a el9$ En tales casos# al
menos alo del cr;dito debe ir a la teora psicol!ica$ Por ejemplo# una hip!tesis sobre c!mo
la ente retribuye la in)ormaci!n de la memoria previo a evaluar la manipulaci!n de la
con)ianFa uiada de Koriat et al$ 8/6739 de ese proceso de retribuci!n$ &An Nechando la culpa
de todo al sujetoO los proramas de entrenamiento han estado basados en bien ensayados y
eneralmente aplicables principios del aprendiFaje$
Jarias advertencias conceptuales deberan acompaEar este sumario 8ademCs de las
metodol!icas con las cuales el abri!9$ Una es Due la distinci!n entre las manipulaciones de
arte)acto y psicol!icas pueden ser menos claras de lo Due ha sido suerido aDu$ Por
ejemplo# eGhortar a la ente a trabajar mCs duro sera un arte)acto de manipulaci!n cuando
estC enraiFado en un clamor de Due mCs instrucciones casuales no provocan un Nmal
comportamientoO$ Sin embaro# si el investiador pudiera avanFar hip!tesis sobre c!mo
di)erentes instrucciones a)ectan los procesos de juicio# el arte)acto vendra a ser un e)ecto
principal con separadas predicciones para el comportamiento del mundo real en situaciones
con y sin eGhortaciones eGplcitas$
Ba seunda advertencia conceptual es Due cuestionando la realidad de los prejuicios
pueden re)lejar una limitada e improductiva perspectiva de la investiaci!n psicol!ica$ Para
continuar el ejemplo del pCrra)o precedente# la vida tiene ambas situaciones# casual y trabajo
duroL ninuna es inherentemente mCs real Due la otra$ Por prueba similar# la valideF relativa
de los eGperimentos de laboratorio causales y de trabajo duro dependen de las situaciones del
mundo real para los cuales sus resultados tienen Due ser eGtrapolados$ Cada uno tiene su
luar$ Entender la oraniFaci!n del laboratorio del mundo reDuiere buen juicio en la
014
caracteriFaci!n de ambos conteGtos$ Por ejemplo# situaciones de trabajo duro no son
necesariamente sin!nimas con situaciones importantes$ Ba ente puede no trabajar duro en un
problema importante a menos Due ella realice ambos la centralidad de un juicio para el
resultado del problema y la )alibilidad potencial de ese juicio$
Usando estudios de desprejuicio para descubrir las condiciones lmites para observar los
prejuicios conduce a la tercera advertencia$ En esta revisi!n# las tablas de resumen y
discusi!n aportaron implcitamente iual peso a los varios estudios# cali)icados talveF por
aluna noci!n de cada de)inici!n del estudio 8como es determinado por la competencia#
eGtensi!n# etc$9$ 'al etiDuetar de resultados estadsticamente sini)icantes y no sini)icantes
es un dudoso procedimiento en los campos metodol!icos solo 8re)$ Hedes R %l(in# /6739$
Ello viene a ser conceptualmente cuestionable cuando uno duda Due el universo de los
estudios posibles estC siendo muestreado adecuadamente$ En tales casos# aDuellos datos Due
son colectados constituyen conceptualmente dependientes observaciones y no necesitan Due
se les d; iual peso$ CualDuier resumen de c!mo la ente se comporta necesita una cuidadosa
especi)icaci!n del sub>universo de situaciones del comportamiento de las cuales los estudios
estCn siendo muestreados$ Por ejemplo# alunos crticos han carado Due los anteriores
estudios de las heursticas del juicio estuvieron Nbuscando por problemaO# en el sentido de
investiar 8captando9 por situaciones en las cuales la ente se comportara en un estilo
errante$ Si este clamor es verdadero# entonces cada demostraci!n del comportamiento
prejuiciado no necesita ser interpretado como un olpe contra la habilidad de juicio completo
de la enteL su relevancia es limitada a la clase de situaciones siendo estudiadas 8! sobre>
estudiadas9 en aDuellos eGperimentos$ ?ocaliFCndose en las condiciones lmites para evaluar
prejuicios# los estudios mCs recientes estCn sujetos a su propio muestrear del prejuicio# el cual
necesita ser considerado en la eneraliFaci!n de sus resultados$
Cuestiones ulteriores
Si patrones similares emererCn con otros prejuicios reDuiere revisiones de literatura anCloa$
'abla 0$ Un universo del discurso por prejuicios y es)uerFos de desprejuiciar$
/$ La razn fundamental sobre la cual las inferencias son requeridas son probabil#sticas& Eso
sini)ica# Due los juicios son hechos bajo condiciones de incertidumbre# con prejuicios suriendo
de la con)rontaci!n entre una mente determinante y un ambiente probabilstico$
.$ Los problemas surgen en la integracin m's que en el descubrimiento de la evidencia& &unDue
los estmulos estCn completos y no ambiuos como es posible# ellos dicen poco sobre c!mo la
tarea podra ser estructurada$ Ba tarea de los sujetos es interpretar y usar aDuellas pieFas de
in)ormaci!n Due son provedas$
0$ Los prejuicios no son sustantivos& Ba operaci!n de un proceso conitivo debera ser similar en
cualDuier Crea contenida con una estructura dada de in)ormaci!n$ Esto elimina NerroresO debidos
a una deliberada decepci!n$
:$ 6lguna teor#a normativa est' disponible caracterizando el juicio apropiado& Este criterio eGcluye
los problemas de la es)era de pre)erencias 8por ejemplo# actitudes inconsistentes9# donde ninuna
repuesta puede ser identi)icada como !ptima$
1$ 6yudas de computacin no son ofrecidas permitidas /m's all' de papel y l'piz0& Esta
)ocaliFaci!n en el juicio intuitivo eGcluye tales ayudas como dedicadas a calculadoras de mano#
consultores estadsticos y computadoras interactivas$
4& Incentivos obvios para el comportamiento sub.ptimo no son aparentes& Eso sini)ica# Due los
prejuicios son conitivos# no motivacionales en naturaleFa$ El NpuntoO de investiaci!n del
prejuicio es# por supuesto# Due donde la ente no tiene buena raF!n para actuar sub>!ptimamente#
los errores suieren Due ellos no conocen nada mejor$
012
Ba tabla 0 o)rece una caracteriFaci!n del dominio de los prejuicios dentro del cual patrones
recurrentes podran ser buscados# distinuiendo los contenidos de este volumen de otros
prejuicios Due han causado problemas a los psic!loos$
Ba persistente meta>interroante encarando aDuellas revisiones es# CuCn buenas son las
entesQ Son ellas lisiadas conitivas ! conosiblesQ Proveer una simple respuesta reDuiere
una respuesta a cuestiones imponderables sobre la naturaleFa de la vida y la completa
similitud de la eGperiencia humana a las condiciones del laboratorio$ Un resumen di)cil de
conseuir de la presente revisi!n es Due el recipiente de la ente de habilidades de juicio estC
la mitad vaco y la mitad lleno$ Bas personas estCn lo su)iciente habilitadas para conseuir
meterse en la vida# Su)iciente inhabilitadas para hacer predecibles y consecuentes erroresL
ellos son su)iciente listas para idear ampliamente y )Ccilmente aplicables heursticas Due a
menudo les sirven de mucha utilidad# no so)isticados lo su)iciente para realiFar los lmites de
aDuellas heursticas$ Una apreciaci!n mCs espec)ica de la habilidad de la ente puede ser
dada solo en el conteGto de una tarea de juicio particular$
'ales declaraciones acalladas 8! evasiones9 sobre Nla enteO re)lejan una caracterstica
comAn de la mayora de la investiaci!n del juicio S )alta de inter;s en las di)erencias
individuales$ &unDue esta pre)erencia por e)ectos de rupo pueden ser solo un asunto de
eGperiencia# ella podra ser justi)icada te!ricamente aruyendo Due los e)ectos principales en
los estudios del juicio son tan randes e inadecuadamente eGplorados Due las di)erencias
individuales pueden esperar$ Ba mCs eGiua percepci!n retrospectiva proveda por rupos de
estudio con caractersticas conocidas provee alAn soporte emprico para esta demanda$
Particularmente sorprendente )ue la carencia de di)erencias en los estudios eGperimentales de
los mCs consecuentes de los rupos conocidos# eGpertos haciendo juicios en sus campos de
eGpertaje$ Ba anecd!tica y reistrada evidencia colectada por Da+es 8/6249# Eddy 8Cap$ 'G$
de este volumen9# ?ischer 8/6239# y otros tambi;n indica Due el eGtenso entrenamiento y altos
premios no son arantas del valor del juicio$ *o obstante# posterior investiaci!n es
necesaria# porDue de la )irmeFa con la cual muchos creen Due los eGpertos son mejores y la
importancia aplicada de usar el juicio del eGperto para una mayor ventaja$
Para la meta prCctica inmediata de los mejores eGpertos se despliean tanto como para
evitar el prejuicio# ello es su)iciente para conocer si ellos son mejores Due las personas leas
! al menos estar mejor concientes de sus propias limitaciones de juicio# Para la eventual meta
prCctica de desprejuiciar a todos los jueces# es importante conocer c!mo los eGpertos lo
consiuieron d!nde ellos lo hicieron ! por Du; no siuieron adelante$ Ba siuiente es una lista
de condiciones Due son eneralmente conducentes a aprender$ Para cada una# uno puede ver
maneras en las cuales los eGpertos podran estar en una particular ventaja ! desventaja#
dependiendo de las circunstancias<
/$ &bundante prCctica con un set de tareas raFonablemente homo;neas$ Bos
eGpertos deberan tener tal eGperiencia$ Ellos pueden usarla para a)ilar sus
habilidades de juicio ! ellos pueden desarrollar soluciones habituales para una
situaci!n espec)ica# liberCndose a s mismos de la necesidad de analiFar 8y
pensar9$
.$ Eventos de criterio claro$ &unDue los eGpertos son a menudo reDueridos a hacer
sus juicios muy eGplcitos# los objetos de aDuellos juicios son a menudo
componentes de tal sistema complejo 8natural# social ! biol!ico9 Due es duro
para evaluar el nivel de entendimiento de los jueces$ =uicios )uera de objetivo
pueden ser debidos a continencias no anticipadas# mientras Due juicios con
objetivo pueden haber sido correctos por la raF!n eDuivocada$
0$ "e)orFamiento de tareas espec)icas$ Bos eGpertos son# en principio# paados por
la ejecuci!n$ Sin embaro# aAn cuando la sabidura de sus juicios pueden ser
017
discernidos# ellos pueden ser recompensados en otros campos 8por ejemplo#
trajeron ellos buenas noticiasQ trastornaron ellos los planesQ las cosas se
produjeron para lo mejorQ9$
:$ &dmisi!n eGplcita de la necesidad de aprender$ Entrando a un prorama de
aprendiF Due con)iere pericia es seuramente un sino de modestia$ *o obstante#
en cada estado de ese proceso y la vida pro)esional Due lo siue# ciertas ventajas
corresponden a aDuellos Duienes montan un buen espectCculo y eGudan
competencia$
Estos son puramente principios operantes de aprender# manipular el comportamiento sin
presumir de ninAn conocimiento de procesos conitivos )undamentales$ Clari)icando y
eGplotando esos procesos conitivos ese obviamente una mayor tarea te!rica y prCctica para
desprejuiciar la investiaci!n# especialmente cuando uno considera Due tales manipulaciones
parecen tener un poco mejor historial Due mCs es)uerFos mecCnicos$ &unDue el estudio de los
prejuicios y desprejuiciar ha atravesado una prometedora porci!n del laro sendero de la
investiaci!n bCsica para los campos de aplicaciones# el aAn tiene Due tocar las bases
adecuadamente a uno A otro )in$ El parece ahora Due alcanFando un )in reDuerirC alcanFar el
otro tambi;n Ba buena prCctica reDuerirC una mejor teora sobre como la ente trabaja$ Ba
buena teora reDuerirC mejor prCctica# clari)icando e intentando resolver el problema con las
condiciones en las cuales la mente actualmente trabaja$
1+( :ejorar la inerencia inductiva
"ichard E$ *isbett# David H$ KrantF# Christopher
=epson y Ieo))rey '$ ?on
En este captulo# discutimos la posibilidad de mejorar las in)erencias de la ente en la vida
diaria$ *isbett y "oss 8/6739 propusieron Due los mejoramientos podran resultar de hacer las
herramientas in)erenciales de los cient)icos disponibles para la persona lea en la )orma de
mCGimas in)erenciales# tales como NElla es una preunta empricaO# ! NUsted puede justi)icar
016
las eGcepcionesO$ *os re)eriremos a las Nheursticas estadsticasO para aluna de las mCs
importantes de estas uas in)ormales de raFonar# tal como NPiense sobre la evidencia como
si ella )uera una muestra# y re)leGione sobre el tamaEo de la muestraO$ *osotros creemos Due
tales toscas uas in)erenciales# cuando estCn )ijadas en una matriF del entendimiento de la
teora estadstica y de la probabilidad y cuando estCn re)orFadas por la eGperiencia en aplicar
la heurstica a problemas concretos# pueden probar ser de ran valor en reducir el error
in)erencial en la vida diaria$
Es posible ser sistemCtico en un eGamen de los Due podra ser realiFado por tal prorama
y donde las di)icultades son probables de ser encontradas$ Creemos Due tres de tales
di)icultades son claramente visibles ahora# y creemos Due los intentos de resolver cada uno de
los problemas paarCn dividendos en t;rminos de eGtender nuestro entendimiento ambos de
c!mo la ente in)iere y de c!mo ellos deben in)erir$
/$ Puede ser muy di)cil establecer Due una in)erencia dudosa dada es de hecho err!nea$
En la mayora del trabajo de Kahneman y 'vers(y# los modelos probabilsticos Due son la
base para las in)erencias prescritas son de estadstica estCndar# y sus aplicaciones a los
eventos en cuesti!n nos es controversial$ Como un trabajo social psicol!ico en el mismo
estilo ha procedido# sin embaro# ha venido a ser crecientemente claro Due puede ser muy
di)cil conocer eGactamente Du; modelo para los eventos es el correcto y por tanto conocer
Du; procedimientos in)erenciales son reDueridos$
.$ &An cuando es posible estar muy con)iado en Due un error ha ocurrido# puede ser muy
di)cil conocer c!mo ocurri!$ Puede ser muy di)cil conocer si el error es debido a escaso
raFonamiento# Due sini)ica# a pobres procedimientos in)erenciales# ! modelos incorrectos#
Due es# a previas creencias eDuivocadas sobre las naturaleFa de los eventos en cuesti!n$
0$ &An cuando podemos estar muy con)iados de los modelos apropiados# podemos
carecer claramente de Atiles uas in)erenciales$ Corrientemente no tenemos una clara idea
El escrito de este artculo y aluna de la investiaci!n reportada en el )ueron patrocinados en parte por la
subvenci!n B*S 26>/:36: de la ?undaci!n *acional para la Ciencia 8*ational Science ?oundation9$
&radecemos a Bee "oss# Saul Sternber y Paul 'haard por los comentarios en un primer borrador$
sobre c!mo traducir alunas de las mCs )undamentales consideraciones estadsticas dentro de
uas para el raFonamiento diario$ Esto parece especialmente claro en la instancia en las
consideraciones del prejuicio de la muestra$ Ba ente estC propensa a poner muy poca
atenci!n a la posibilidad Due la evidencia estC prejuiciada# pero estC lejos de aclarar Due las
Nheursticas estadsticasO sera apropiado de usar por la mayora de los problemas del mundo
real$
:odelos y ;eur*sticas en el ra!onamiento inductivo
Permtasenos empeFar nuestra discusi!n del raFonamiento inductivo err!neo analiFando un
ejemplo Due estC relativamente libre de las di)icultades aludidas$ -uchos de estos ejemplos
en este libro lo haran# pero el problema de la sala de maternidad de Kahneman y 'vers(y
8/62.b# 19 es especialmente bien de)inido y ayudarC a )ijar alunas de)iniciones$ Bos sujetos
)ueron reDueridos a juFar si un rande ! peDueEo hospital tendrC mCs das al aEo en los
cuales alrededor del 43W de los beb;s nacidos )ueron hombres$ Ba mayora de los sujetos
cheDuearon Nsobre lo mismoO# y de los otros# casi la mitad cheDuearon NrandeO y la mitad
cheDuearon NpeDueEoO$ En otras palabras# como un rupo# los sujetos creyeron Due tales das
eGtravaantes # con nacimientos de hombres eGcediendo el 43W# son iualmente probables
en los randes y en los peDueEos hospitales$
Kahneman y 'vers(y teoriFaron # sobre la base de este y otros numerosos eGperimentos#
Due el modo predominante de juicio conduciendo a este resultado es el empleo de la
representatividad *eur#stica& Un sujeto usando esta heurstica se en)ocara en la disimilitud
043
del resultado eGtravaante 843W9 del resultado tpico presumido 8alrededor de 13W# en este
caso9$ Desde Due el rado de similitud ! NrepresentatividadO no estC in)luenciada por el
tamaEo del hospital# el sujeto juFara la probabilidad del resultado eGtravaante ser casi el
mismo para ambos hospitales$
En la correcta aproGimaci!n a este problema# sin embaro# uno considera Due el actual
sub>set de resultados de NhombreO y NmujerO# en cualDuier da dado en un hospital# como una
muestra aleatoria de una poblaci!n de aproGimadamente 13>13$ Si entonces se siue de la
)!rmula del binomio ! de la ley de randes nAmeros Due un porcentaje de la muestra
eGtravaante es menos probable con un tamaEo de muestra mCs rande$ Uno concluye#
siuiendo esta aplicaci!n de un modelo probabilstico# Due los das con 43W ! mCs
nacimientos de hombres son menos probables en un hospital rande$
En este ejemplo# el raFonamiento uiado por una *eur#stica intuitiva 8la representatividad
heurstica9 es contrastada con el raFonamiento realiFado dentro de un modelo matemCtico$
Hacemos un juicio normativo# criticando la conclusi!n intuitiva como err!nea# porDue una
conclusi!n di)erente es obtenida de un modelo Due creemos es una representaci!n apta para
el seGo de los reci;n nacidos$ *uestro procedimiento aDu# en hacer un juicio normativo sobre
la base de un modelo# ilustra un principio eneral< )l razonamiento inductivo debe ser
justificado en t-rminos de la aptitud de modelos fundamentales de los eventos en cuestin&
Un modelo matemCtico es solo una clase de modelo# y a ese# uno raramente lo us! en el
raFonamiento humano< El reDuiere de entrenamiento matemCtico y plenitud de tiempo para
pensar$ Pero usaremos el t;rmino modelo para re)erir a cualDuier representacin parcial de
alunos aspectos de la realidad$ Concluimos Due los modelos )sicos 8por ejemplo# un modelo
de aeroplano# sacado a escala del oriinal9# modelos matemCticos 8por ejemplo# ecuaciones
describiendo un )lujo de aire sobre las alas de un aeroplano9# y mCs eneralmente# los
modelos conceptuales intuitivos$ Estas son representaciones mentales de la ente de
aeroplanos ! de )lujo de aire ! de procesos determinando el seGo de los beb;s reci;n nacidos
! de cualDuier otro aspecto de la realidad$ Una distinci!n eGtremadamente importante entre
los modelos es entre aDuellos Due son puramente deterministas 8por ejemplo# ellos no
contienen representaci!n de impredecibles9 y aDuellos modelos Due son probabil#sticos 8por
ejemplo# ellos incluyen la suposici!n de Due los eventos son imper)ectamente predecibles
dadas las condiciones estCndar de in)ormaci!n9$ Bos modelos probabilsticos pueden ser
)sicos 8aitar el dado ! sacar canicas de una urna9 ! de matemCticas 8variables aleatorias9#
pero a menudo ellos son menos eGactos$ Por ejemplo# aluien observando un salto laro en
un encuentro de atletismo puede creer Due el siuiente competidor saltarC casi 7 m$ pero Due
un salto un poco mCs laro ! mas corto no sera inusual y un salto de 2$1 ! 7#1 m$ sera
posible$ Esta representaci!n mental de la persona en el salto laro es un modelo
probabilstico intuitivo# involucrando una Ndistancia tpicaO mental y una clase de Nerror de
distribuci!nO Due produce desviaciones del tpico$
Ba naturaleFa del modelo de uno para los eventos es de crtica importancia para la
selecci!n de las herramientas in)erenciales a ser usadas# incluyendo varias heursticas$ Una
*eur#stica es cualDuier principio de ua para trans)ormar la in)ormaci!n para resolver un
problema ! para )ormar un juicio$ &rriba# nosotros hablamos de la representatividad
heurstica# pero esta realmente incluye dos heursticas di)erentes< una para construir modelos
8de acuerdo a la representatividad heurstica# el modelo )undamental debera iualar las
caractersticas individuales de los datos observados9 y uno por juFar la probabilidad de los
resultados 8un resultado es mCs probable si su estructura es mCs similar a esa del modelo
)undamental asumido9$ La *eur#stica estad#stica# tal como la con)iabilidad y valideF# y para
manipular la in)ormaci!n usando conceptos probabilsticos# tal como la proporci!n base$ Si
uno tiene un modelo probabilstico )undamental para los eventos de un tipo particular#
04/
entonces es probable Due uno emplee heursticas estadsticas cuando piensa sobre aDuellos
eventos$
Permtasenos ser mCs espec)icos sobre estos conceptos de modelo y aplicaci!n de la
heurstica en el problema de la sala de maternidad$ Una soluci!n completamente satis)actoria
para ese problema sera usar un modelo matemCtico# de una muestra aleatoria de una
poblaci!n de 13>13$ Ba mayora de los sujetos probablemente emplean tambi;n simple un
modelo del seGo de un reci;n nacido S un modelo Due especi)ica una divisi!n de 13>13 pero
no incluye ninuna relaci!n entre la aleatoriedad de los procesos de muestrear y el probable
error al muestrear$ Indudablemente la mayora de los sujetos conocen alo sobre la relaci!n
entre el tamaEo de la muestra y el error al muestrear# pero este conocimiento no estC
incorporado dentro del modelo intuitivo Due ellos se )ijaron mentalmente para tratar con el
problema$ En su luar# los sujetos suplementaron el modelo simple 13>13 con la
representatividad heurstica# la cual los condujo a la conclusi!n Due el 43W de nacimientos de
hombres es de aluna manera improbable pero iualmente tambi;n en ambos hospitales$
*ote )inalmente Due los sujetos no tendran Due ser estadsticos para resolver el problema en
al menos de un modo cualitativo$ Si su modelo de la observada proporci!n del seGo incluy!
la noci!n intuitiva de sacar una muestra# entonces ellos podran traer a la mente una
heurstica de estadstica$ En este caso# la heurstica necesitada es la noci!n de Due las
muestras randes son mCs probables de tener representatividad ! estructura tpica Due mCs de
los Due son la muestras peDueEas$
En resumen# el raFonamiento estC basado en modelos$ Dependiendo del modelo de uno#
uno puede emplear varios aloritmos ! heursticas$ Un matemCtico podra deducir
consecuencias cuantitativas de un modelo matemCticoL aluien con un modelo de muestreo
intuitivo podra eGitosamente usar una heurstica estadsticaL y# en este problema al menos#
podra ser mal conducido por el$
$plicacin de modelos probabil*sticos en la inerencia diaria
Ba )alla al usar modelos probabilsticos ! heursticas de estadsticas no causan errores
meramente en respuesta a enimas como el problema de la sala de maternidadL tambi;n
a)ecta las in)erencias de la ente en las situaciones diarias especialmente en el dominio
social$ "oss 8/6229 ha suerido Due la ente haa un error fundamental de atribucin< Ellos
tienden a sobre>atribuir el comportamiento de la otra ente a disposiciones personales
mientras inoran las causas situacionales ! in)luencias ambientales transitorias en el
comportamiento$ *osotros daremos dos ejemplos de este error e indicaremos c!mo la
consideraci!n de modelos probabilsticos nos ayuda a de)inir y correir esta clase de error$
*isbett y Borida 8/6219 mostraron Due los sujetos a menudo )allan al utiliFar
in)ormaci!n de NconsensoO< Ellos in)ieren idiosincrCsicas# disposiciones personales para un
comportamiento particular del individuo aAn cuando ellos estCn in)ormados Due la mayora
de la otra ente# en la misma situaci!n# se comportaron de la misma manera$ Por ejemplo# en
un estudio# los sujetos consideraron a NIre "$O como apCtico y cruel porDue ;l no )ue en
ayuda de una vctima Duien ;l crey! Due estaba su)riendo un secuestro$ Ba tendencia a dar a
Ire$ "$ tales clasi)icaciones neativas )ue tan alta en los sujetos a Duienes les )ue dada
in)ormaci!n de consenso# a saber# Due la mayora de la ente en id;ntica situaci!n )all! en
ayudar a la vctima# como en el control de los sujetos a Duienes no les )ue dada la
in)ormaci!n de consenso y Duienes por consiuiente creyeron Due la mayora de la ente
ayudara a la vctima$
C!mo podra la ente hacer uso de la in)ormaci!n de consenso para moderar sus
in)erencias sobre los tratos personales ! disposicionesQ *os parece Due a alunos cient)icos
sociales# Duienes en)atiFan las determinantes situacionales del comportamiento# operan con
04.
un modelo intuitivo 8y alunas veces aAn )ormal9 probabilstico# en el cual alunas
situaciones conducen a una alta probabilidad de un cierto comportamiento para casi cada
uno# mientras Due alunos individuos pueden poseer una alta probabilidad del
comportamiento en casi cada situaci!n$ En el marco de trabajo provedo por tal modelo# la
in)ormaci!n de consenso es rCpidamente interpretada como evidencia de Due una situacin
particular )ue de la clase de alta probabilidad# y por consiuiente la ocurrencia del
comportamiento nos es buena evidencia de Due el individuo posee una alta probabilidad de
tal comportamiento a trav;s de las situaciones$
*osotros prensamos Due los modelos probabilsticos de esta clase son buenas
representaciones del comportamiento social# y Due ellos proveen los campos para criticar Due
)allan al hacer uso de la in)ormaci!n de consenso$ Bos sujetos en el estudio de *isbett y
Borida probablemente descansan eGclusivamente en la representatividad heurstica#
construyendo un modelo del objetivo de la persona Due se eDuipare a los datos< Ire$ "$ es
cruel y apCtico debido a Due su acci!n parece cruel y apCtica$
En este ejemplo# como en el caso del de la sala de maternidad# no eGiste mucha tentaci!n
para de)ender las in)erencias del sujeto$ Un puro modelo del trato del comportamiento social#
sin ninguna in)luencia sobre la probabilidad# no es muy raFonable# y los sujetos mismos mCs
probablemente admitiran tanto$ *uestro seundo ejemplo de los Due nosotros sostendramos
ser una instancia del error de atribuci!n )undamental# sin embaro# conduce a mCs de un
arumento$
Supona Due un candidato para una importante posici!n administrativa le ha sido
o)recida una entrevista sobre la base de recomendaciones muy )uertes de sus anteriores
empleadores$ Ba entrevista empieFa con un almuerFo de rupo# en el cual el candidato eGhibe
peculiaridades nerviosas$ -Cs tarde# varias de las personas Due atendieron ese almuerFo
dicen Due el candidato carece de la habilidades interpersonales necesarias para el trabajo$
Un psic!loo social podra decir Due la in)erencia de los empleadores sobre las
habilidades interpersonales es dudosa$ Una eGplicaci!n situacional del comportamiento
o)ensivo 8involucrando las demandas del escenario de la entrevista>almuerFo9# ! una
interpretaci!n probabilstica 8;l estuvo teniendo un mal da9 podra ser plausible# y
ciertamente# en vista de las recomendaciones de los empleadores anteriores# parece mCs
plausible Due la eGplicaci!n en t;rminos de las habilidades del candidato$ Pero los
empleadores podran replicar Due ninuno Due no puede in)aliblemente eGhibir aplomo en la
situaci!n almuerFo>entrevista es eGtremadamente probable de )allar en situaciones de otro
trabajo relacionado Due estCn iualmente demandando de aplomo$
El arumento es di)cil de anar$ Bos empleadores han justi)icado su in)erencia en
t;rminos de un modelo Due postula una alta asociaci!n estadstica entre )alla y una clase de
situaci!n y )alla en otras situaciones Due se asemejan a la primera de alunas variables#
aunDue no a otras$ Es di)cil conocer si en el actual mecanismo conitivo )undamental la
in)erencia involucr! el uso de tal modelo ! en veF de eso simplemente descans! en la
representatividad heurstica 8eGaminado el ajuste entre el comportamiento del almuerFo del
candidato y el prototpico comportamiento en el almuerFo de un estereotpico candidato
ideal$ , es tambi;n di)cil conocer por seuro Due el modelo propuesto del empleador estC
eDuivocado$ El psic!loo social conoce de la eGperiencia Due tales correlaciones son
usualmente muy d;biles cuando son probadas empricamenteL pero este particular no ha sido
probado directamente# y para probarlo aplicando t;cnicas psicol!icas eGistentes
involucraran una enormemente detallada y prohibitivamente cara eGploraci!n$
Estos ejemplos ilustran dos di)erentes maneras en las cuales el raFonamiento inductivo
puede ser err!neo# y ellos apuntan a dos di)erentes clases de consejo normativo ! educaci!n
Due pueden ser reDueridos< 8a9 &lunas veces la ente puede estar de acuerdo 8sobre la
re)leGi!n al menos9 sobre Du; modelo es raFonable# pero puede en la prCctica usar otro#
040
modelos mCs simples y correspondientemente heursticas super)iciales$ El consejo normativo
en)atiFa el evitar la sobre simpli)icaci!n y tambi;n )Ccil uso de la representatividad
heurstica$ Bas metas educacionales incluyen enseEar modelos de amplia utilidad tales como
el modelo de muestreo binomial# enseEar aplicaciones concretas de estos modelos# y en)atiFar
las heursticas estadsticas Due pueden alunas veces tomar el luar del raFonamiento
deductivo riuroso de los modelos$ 8b9 &lunas veces el raFonamiento es correcto dado el
modelo pero el modelo es dudoso ! aAn demostrablemente eDuivocado$ El consejo normativo
re)uerFa lo Due es conocido 8por ejemplo# sobre la debilidad de ciertos tipos de correlaciones
del comportamiento9 Due hace Due un modelo particular sea pre)erible$
Este anClisis apunta a dos muy serios vacos en la disponibilidad del consejo normativo$
En alunos casos# podemos carecer de la necesidad del conocimiento para )ormular modelos
adecuados$ En otros casos# podemos carecer de su)icientemente simples y usables heursticas
estadsticas$ El ejemplo de la in)ormaci!n de consenso ilustra vacos en los modelos
corrientes de ciencia social$ Podemos criticar a los sujetos Due )allaron al usar la in)ormaci!n
de consenso del todo# pero supona Due los sujetos replican# NS# usted estC en lo correcto# los
)actores situacionales son relevantesL ahora danos# cu'nto deberamos correir nuestra
creencia sobre la apata de Ire "$ # en vista del hecho de Due la mayora de la ente se
comport! de la misma maneraQO$ Para responder esto reDuerira una teora de interacciones
de tratoTsituaci!n Due la personalidad y los psic!loos sociales no han suplido hasta ahora$
Ba demostraci!n del hecho de Due carecemos de ciertas heursticas estadsticas esenciales
reDuiere una secci!n aparte$
$justar la inerencia para muestrear el prejuicio: Fa necesidad de ;eur*sticas
estad*sticas
El procedimiento correcto para tomar el tamao de la muestra en cuenta al sacar in)erencias
estC bien desarrollado# para mucha de la teora estadstica Due es dedicada a problemas de ese
tipo$ En parte como una consecuencia# nosotros no anticipamos ran di)icultad en enseEar a
la ente a ser mCs sensitiva a consideraciones del tamaEo de la muestra en los problemas de
in)erencia presentados en la vida diaria$ Cuando consideramos cuestiones de muestrear el
prejuicio# sin embaro# los asuntos son muy di)erentes$ Esto es in)ortunado debido a Due#
como *isbett y "oss 8/6739 han areido# Due los errores in)erenciales parecen mucho mCs
probables Due resulten de los prejuicios Due del peDueEo tamaEo de la muestra$
&l discutir los problemas Due uno encuentra en tratar de desarrollar las heursticas para
tratar como una muestra del prejuicio# serC Atil distinuir dos clases principales de
in)ormaci!n sobre una muestra de observaciones< in)ormaci!n sobre el procedimiento de
muestreo e in)ormaci!n sobre la tipicalidad de las caracter#sticas covariantes& En la primera
clase de in)ormaci!n# Due es# sobre el procedimiento# distinuiremos mCs bien enormemente
entre muestras casuales# muestras estadsticas y muestras ilustrativas$ Estos t;rminos mCs Due
rCpidamente nos remueven del dominio de la estadstica te!rica S la cual estC relacionada con
solo una de las cateoras S y con)iamos Due en el dominio de las observaciones incidentales
y de la comunicaci!n de los hechos observados$
(uestras fortuitas son observaciones seleccionadas entre todas las posibles en cualDuier
modo Due sea )actible ! mCs conveniente$ Ba mayora de las in)erencias no solo en la vida
diaria sino aAn en el cuidadoso trabajo cient)ico# estCn basadas en muestras )ortuitas$ Por
ejemplo# los sujetos utiliFaron en los estudios de Kahneman y 'vers(y Due )ueron observados
debido a Due ellos estaban disponibles$ Bas muestras estad#sticas involucraron un conocido
mecanismo porbabilstico para seleccionar observaciones )uera de alAn universo de posibles
observaciones$ Ellas son las Anicas clases de muestras para las cuales riurosos cClculos
estadsticos son posibles$ En opini!n votada ! en pruebas de control de calidad# esta clase de
04:
muestreo es prevaleciente$ Un astuto modelador de estadstica# sin embaro# puede convertir
una muestra )ortuita en una muestra estadstica )ormulando una raFonable poblaci!n y un
modelo de selecci!n probabilstico Due podra ser satis)echo por procedimiento actual de
selecci!n$ ?inalmente# una muestra ilustrativa es un mecanismo de comunicaci!n# usado para
incentivar la concreci!n ! viveFa de un reporte basado en un cuerpo mCs rande de datos$
Bos reportes de televisi!n y los artculos de revistas alunas veces ilustran lo Due estC
supuesto a ser caractersticas de la poblaci!n usando simples casos vvidos$ Pero aAn en la
ciencia# mucha presentaci!n de datos es ilustrativa$ En electro)isioloa# por ejemplo# las
conclusiones basadas en observaciones )ramentarias de muchas c;lulas nerviosas Due son a
menudo Due son a menudo ilustradas por records de muestra de c;lulas Due muestran bien las
caractersticas tpicas$
Ba otra clase de in)ormaci!n sobre una muestra concierne a la tipicalidad de las
caractersticas covariantes$ 'al in)ormaci!n involucra los valores de las variables mCs Due
una de principal inter;s# la cual puede ser correlativa de la Altima y la Due puede ser
comparada con valores conocidos de la poblaci!n para evaluar la tipicalidad de la muestra$
Considere un ejemplo de la vida diaria donde la variable de principal inter;s es el resultado#
pero edad y seGo son tambi;n recordadas por cada individuo$ Supona Due deseamos conocer
cuCl rupo ana mCs# la ente Due escribe poesa como una a)ici!n ! la ente Due toca
instrumentos musicales$ Sucedi! Due tenemos un amio# =ac( de 13 aEos de edad# Duien tiene
muchos conocidos 8mayormente hombres de mediana edad9 Due escriben poesa# y tenemos
tambi;n una amia =ane# de .1 aEos de edad# Duien tiene muchos conocidos# mayormente
mujeres j!venes# Due tocan instrumentos$ El resultado de distribuci!n para los poetas es
mucho mayor Due para los mAsicos$ 'odos estaran de acuerdo en Due esto no prueba nada
sobre las dos poblaciones en cuesti!n$ Bas muestras son atpicas de las poblaciones sobre
variables Due se correlacionan altamente con el resultado 8al tiempo presente9$ Claramente el
importa un ran acuerdo para ambos cu'n at#picas son las caractersticas de la muestra y
tambi;n cuCn Atiles son aDuellas caractersticas para predecir los valores del objetivo
variable$ -uchos de los eGperimentos de Kahneman y 'vers(y usaron los estudiantes de
secundaria Israeles como sujetos$ &An nosotros y ellos sacamos mucho mCs amplias
in)erencias de los resultados# porDue# aunDue la mayora de los adultos no son ni Israeles ni
estCn en la secundaria# estas caractersticas son juFadas para correlacionar pobremente# con
las variables objetivo en sus estudios$ &An en una cuidadosamente construida muestra
estadstica# debera ser notado# Due la atipicalidad debe ser considerada< Si una encuesta del
resultado de los Dem!cratas reistrados sac! una peDueEa muestra aleatoria con una
preponderancia de hombres blancos de mediana edad# nosotros no aceptaramos las clases
estCndar de in)erencias# basada en un muestreo aleatorio# como vClido$
Para ajustar por la atipicalidad# un modelador estadstico puede intentar )ormular mCs
precisamente la relaci!n la relaci!n entre el objetivo variable y covariar y correir la
in)erencia usando estas relaciones$ Por ejemplo# uno podra ser capaF de adivinar ! estimar la
relaci!n entre edad y seGo# y anar y comparar los resultados ajustados de los poetas y los
mAsicos$ 'ales ajustes reDuieren eGperiencia# re)leGi!n y otros datos cuantitativos y
moderadamente randes muestras 8para probar el modelo y estimar el parCmetro9$
*osotros hemos notado Due el muestreo )ortuito ! las muestras atpicas pueden alunas
veces ser manejados por modelos so)isticados# pero no es raFonable esperar Due los no
eGpertos manejen una muestra de prejuicio de este modo$ Pu; procesos intuitivos usa la
ente lea para correir una muestra de prejuicioQ , Du; recomendaciones# resultando de las
relas de dedo de estadsticos# podemos hacer para mejorar sus in)erenciasQ
Ba cuesti!n de c!mo la ente ajusta para una muestra de prejuicio )ue diriida por
Hamill# Hilson y *isbett 8/6739$ Ba conclusi!n total )ue Due la ente la ajusta muy poco<
Ellas no muestran sistemCticas di)erencias en las in)erencias hechas de muestras )ortuitas
041
versus muestras tpicas y aAn sacan las mismas clases de in)erencias de muestras
espec)icamente notadas para ser atpicas 8contra>ilustrativas# como )ueron9$
&lunos detalles de estos estudios pueden ser de valor si el lector estC para pensar
seriamente sobre Du; heursticas estadsticas la ente tiene Due usar$ En un estudio# los
sujetos vieron una entrevista en cinta de video con un pretendido uardia de una prisi!n
Dui;n pareci! muy humano para la mitad de los sujetos y muy cruel para la otra mitad$
&lunos sujetos )ueron conducidos a creer Due el simple caso presentado )ue ilustrativo de
una ran muestra de uardias de prisi!n$ & otros sujetos se les dijo Due el simple caso )ue
contra>ilustrativo< & ellos se les dijo eGplcitamente Due el uardia entrevistado haba sido
seleccionado como uno de los mCs eGtremos 8uno de los mCGimos humanos# para aDuellos
Due vieron al uardia humano9# y uno de los menos humanos# para aDuellos Due vieron al
uardia cruel9$ & un tercer rupo no se le dio in)ormaci!n sobre la calidad de ilustraci!n# y en
e)ecto )ue presentada una muestra )ortuita de tamaEo /$ En el otro estudio# los sujetos leyeron
un artculo de una revista con un vvido neativo de un retrato de un recipiendario de servicio
social$ &lunos de los sujetos )ueron conducidos a creer Due el caso Due ellos leyeron )ue
altamente tpico con relaci!n a la lonitud de permanencia en el servicio social< & ellos se les
dijo 8eDuivocadamente9 Due como la mayora de los recipiendarios de mediana edad del
servicio social# la mujer sobre la Due ellos leyeron haba estado en el servicio social durante
la mayora de su vida adulta$ & otros sujetos se les dijo la verdad sobre la atipicalidad de la
mujer con relaci!n a este )uturo< Ellos )ueron in)ormados Due la mayora de los
recipiendarios del servicio social estCn en el por solo unos pocos aEos$
&ctitudes sobre uardias de prisi!n en eneral 8en el primer estudio9 y sobre
recipiendarios del servicio social en eneral 8en el seundo estudio9 )ueron evaluados con
una variedad de medidas$ &ctitudes hacia los uardias de prisi!n )ueron mucho mCs
)avorables en el rupo eGpuesto al uardia humano Due en el rupo eGpuesto al uardia cruel$
Esto muestra Due las in)erencias )ueron sacadas sobre uardias en eneral del caso simple$
Bas actitudes hacia los recipiendarios del servicio social de sujetos Due leyeron el artculo de
la revista )ueron mucho mCs neativas Due las actitudes de un rupo de control# de nuevo
mostrando Due las in)erencias )ueron sacadas sobre recipiendarios del servicio social en
eneral del artculo sobre un recipiendario$
En el estudio del uardia# a los sujetos se les dijo Due el uardia )ue sacado de in)erencias
tpicas de la cinta de video no sistemCticamente di)erente de aDuellos sacados por los sujetos
Duienes no tenan in)ormaci!n del procedimiento de muestrear$ &An los sujetos Duienes
creyeron Due el uardia )ue hecho de in)erencias atpicas en la misma direcci!n como los
otros rupos# y de hecho las di)erencias entre ellos y los otros rupos no )ueron
estadsticamente con)iables$ &s mismo# en el estudio del recipiendario del servicio social# los
rupos NtpicosO y NatpicosO sacaron in)erencias similares# y de hecho la di)erencia
observada entre sus punteos de actitud media )ue despreciable$
Es importante# para nuestro Altimo anClisis normativo# especular sobre c!mo estos
resultados pueden ser eGplicados en t;rminos de procesos conitivos$ Bos resultados son muy
sorprendentes si es asumido Due los sujetos tienen actitudes previas de)inidas# moldeadas de
eGperiencia e in)ormaci!n pasada# hacia los recipiendarios del servicio social ! los uardias
de prisi!n$ Para los sujetos presentados con un caso ilustrativo ! tpico# un )uerte impacto de
tales actitudes previas sobre la poblaci!n podra ser raFonable# por supuesto# desde Due ellos
apropiadamente creen Due es tpico de un rupo mucho mCs randeL pero esta justi)icaci!n
estC ausente para los sujetos en el rupo N)ortuitoO$ , por Du; deberan los sujetos
presentados con un caso contra>ilustrativo ! atpico hacer cualDuier in)erencia de todo en la
direcci!n de la muestra# mCs Due apeCndose a sus actitudes oriinales# ! talveF aAn
movi;ndose de aluna manera en la direcci!n opuesta al caso presentadoQ
044
Ba teora corriente de )ormaci!n de actitud y cambio de actitud suiere aluna
eGplicaci!n tentativa 8Bem# /642L *isbettt R "oss# /673L *isbett R Hilson# 8/6229$
Podemos especular Due los sujetos# al responder a preuntas sobre sus actitudes# no
recuperan del todo las actitudes del almac;n$ -as bien ellos los construyen de materiales a
mano# incluyendo sus reacciones e)ectivas corrientes al objeto# sus asociaciones semCnticas
al objeto# y observaciones de su reciente comportamiento hacia el objeto$ -uchos del
proceso de construcci!n es rCpido y no accesible a la conciencia$ Un simple caso vvido es
probable Due provoDue reacciones a)ectivas hacia la clase entera de objetos Due el representa#
a pesar de compensar muy pClidas arantas sobre la tipicalidad$ 8Bas reacciones a)ectivas
pueden ser particularmente probables de N)uarseO# como )ueron$ *inuna cantidad de
arantas sobre la tipicalidad de los taGistas Parisinos Due nos insultaron es probable de
retornarnos a nuestra previa actitud incauta hacia la clase de taGistas Parisinos9$ El vvido
simple caso puede servir tambi;n como una incitaci!n a recolectar in)ormaci!n similar de la
memoria$ Estos sujetos pueden ser recordados por el uardia humano de la prisi!n# un poco
involuntariamente# de los bondadosos uardias *aFis en NBos h;roes de HoanO ! del dulce
sheri)) sureEo retratado por &ndy Iri))ith en el reestreno veranieo de su niEeF$ Cuando los
sujetos vienen a construir sus actitudes sobre los uardias de prisi!n en eneral# ellos pueden
recordarse a s mismos inorar la evidencia )ortuita ! contra>ilustrativa Due ellos vieron# y
ellos podran aAn ser eGitosos en eso# pero no servir$ Bas reacciones a)ectivas y los
contenidos de la memoria ahora prejuiciados seran su)icientes para producir una actitud
eGpresada muy di)erente de esa de control de los sujetos$
'eniendo en mente las nociones de arriba sobre c!mo los sujetos sin in)luenciados por el
caso observado# permtasenos retornar a la preunta normativa< C!mo podran las personas
ajustar sus in)erencias a la luF del conocimiento sobre el procedimiento de muestrear y sobre
la tipicalidad de la muestra con respecto a importantes caractersticas covariantesQ Ba teora
)ormal aplicada y la prCctica de la estadstica aplicada menos Due mirar a los ojos y mucho
menos de lo Due necesitamos$
Una rela con un sabor resueltamente cient)ico establece Due conclusiones sobre una
poblaci!n no deberan ser sacadas eGcepto sobre la base de muestreo apropiadamente hecho
aleatorio# porDue de otra manera las suposiciones de procedimientos estadsticos son
violados# y es imposible conocer Du; con)ianFa poner en la conclusi!n$ De acuerdo a esta
austera rela# a los sujetos Duienes no recibieron in)ormaci!n sobre el procedimiento de
muestreo ! tpicalidad de la cinta de video del uardia les seran suspendidas todas las
in)erencias# y por tanto sus actitudes sobre los uardias de prisi!n habran sido eGactamente
las mismas ya sea Due ellos vieron al uardia humano ! al cruel$
Esta rela puede ser rechaFada en tres di)erentes campos< epist;mico# pramCtico y
l!ico$
/$ El primer arumento se deriva de la observaci!n de Ioldman Due# N$ $ $el consejo !
relas deben ser capaces de ser seuidosO 8/627# p$ 1/09$ *uestra discusi!n de posibles
mecanismos de construcci!n de la actitud suiere Due la Nsuspensi!n de in)erenciasO pueda
no ser una posible rela para la conici!n humana de cada da$ Una rela mucho mCs
detallada# indicando c!mo desprejuiciar los contenidos de una memoria asociativa y c!mo
compensar por las reacciones a)ectivas podra ser necesaria$
.$ &An si nosotros pudi;ramos aplicar la altamente proscriptiva rela# ella tendra el
in)ortunado e)ecto de prevenirnos de aprender mCs de las cosas Due aprendemos# ambas en la
vida diaria y en la ciencia$ En aprender sobre los decanos de la universidad ! las condiciones
de trC)ico en una autopista# uno es un poco mCs obstinado con las muestras )ortuitas de uno#
encontradas personalmente ! indirectamente$ , los estudios cient)icos de la in)erencia
humana citados en este trabajo usaron sujetos# materiales y ajustes Due no )ueron
042
muestreados estadsticamente pero estuvieron convenientemente a mano ! )Ccilmente
eGplicable$
0$ ?inalmente# la aleatoriedad no es una propiedad directamente observable ! auto>
evidente de un proceso de muestreo< es una propiedad de modelos matemCticos# los cuales
pueden ! no ser buenas descripciones de los procesos del mundo real$ Una muestra )ortuita
puede ser e)ectivamente NaleatoriaO porDue creemos Due ciertos modelos son buenas
descripciones del mundo# y# como hemos seEalado# un hCbil modelador de estadstica puede
capturar tales intuiciones en una )ormulaci!n matemCtica adecuada$
C!mo podramos prescribir para el problema relacionado de la tipicalidad de las
caractersticas covariantesQ Super)icialmente# podra parecer atractivo )ormular una crtica
contra la eneraliFaci!n de una muestra Due di)iere sustancialmente de la poblaci!n objetivo
sobre caractersticas Due concebiblemente son relevantes$ De acuerdo a esta rela# los sujetos
Due conocieron Due la muestra del caso del servicio social era atpica en una caracterstica
relevante 8lonitud de tiempo de estar en el servicio social9 deberan tener suspendidas todas
las in)erencias sobre otras caractersticas de los casos del servicio social en eneral$ Pero esta
rela estC sujeta a las misas clases de crtica como la de la aleatoriedad$ Ba crtica epist;mica
es eGactamente la misma< una rela correcta debe tomar en cuenta los mecanismos conitivos
actuales usados en sacar las in)erencias de cada da y deben ser capaces de ser seuidas$ Ba
crtica pramCtica es similar a la de la rela previa$ En la mayora de los estudios cient)icos
uno puede encontrar alunas caractersticas de la muestra Due son atpicas y Due
concebiblemente son relevantes$ CuCnto cree uno en un modelo Due asevera Due tales
caractersticas son altamente relevantes en rado sumo$ ?inalmente# aAn si sabemos !
)uertemente sospechamos# Due una caracterstica covariante atpica es importante# podemos
aAn ser capaces de capturar su importancia en un modelo e introducir una apropiada
correcci!n$ En el ejemplo del inreso de mAsicos y poetas a)icionados# podramos tratar de
conseuir un rueso estimado de los e)ectos de la edad y el seGo y comparar la media
ajustada para los dos rupos$ Por supuesto# en el ejemplo# sera casi inconcebible Due
podramos sacar in)erencias con aluna con)ianFa S pero Due es precisamente debido a Due
carecemos de un buen modelo para los e)ectos del inreso por edad y seGo$
EGisten talveF principios mCs suaves y menos prohibitivos Due pueden ser usadosQ
*osotros trataramos# por ejemplo# NOPue el conocimiento es tentativoO$ 'odo estC correcto
hasta Due el continAa# pero parece muy vao ser de mucho uso$ *ecesitamos detalladas
heursticas estadsticas$ CuCnta con)ianFa colocaramos en las eneraliFaciones sacadas de
muestras )ortuitasQ Pu; clases de in)erencias tentativas puede uno hacer de las muestras
atpicasQ En parte# estas interroantes son diriidas a estadsticos y a )il!so)os$ EGiste aluna
aproGimaci!n al modelo de construcci!n Due puede ser una )uente de heursticas estadsticas
para la in)erencia tentativaQ Pero nuestra discusi!n de mecanismos de )ormaci!n de actitud y
de los procesos inconscientes Due a)ectan la in)erencia dejaran claro Due# como Ioldman
8/6279 ha urido# los principios epist;micos deben pasar pruebas de usabilidad as como de
valideF$ , aDu con)rontamos aAn otro asunto$ Parte de los procesos in)erenciales Due
deseamos modi)icar es automCtico e inconsciente 8Bem R -cConnell# /623L Ioethals R
"ec(man# /620L *isbett R Hilson# /6229$ & Du; costo es la automaticidad evitadaQ Ba
comprensi!n de instrucciones# novelas cortas# motivos# etc$ demandan un )lujo de
in)erencias en cada hora de despertar$ Es raFonable sospechar Due la automaticidad puede ser
encontrada para estas )unciones a cercanamente la misma eGtensi!n como para la percepci!n$
Buenas heursticas estadsticas deberan ser aprendibles al punto donde ellas pueden ser
usadas )Ccilmente# aAn automCticamente$
Pueden los modelos probabil*sticos ser usados en la inerencia diaria?
047
*osotros concebimos una prorama en el cual los modelos probabilsticos y la heursticas
estadsticas serCn incorporadas eventualmente dentro del raFonamiento diario de la mayora
de la ente$ Hemos discutido dos mayores di)icultades con tal prorama< inorancia sobre
Du; modelos son correctos y la ausencia de convenientes heursticas estadsticas en alunas
Creas importantes$ Una tercera# iualmente di)cil interroante# la cual es por supuesto
l!icamente previa# concierne a la capacidad humana para incorporar modelos probabilsticos
y heursticas dentro del pensar diario$ & pesar de las di)icultades eGisten campos para el
optimismo# y alunas interroantes pueden prestarse ellas mismas a la investiaci!n
eGperimental de un tipo Due esboFaremos mCs adelante$
Una raF!n para el optimismo es Due el raFonamiento humano cambia con nuevas
invenciones culturales$ Bos enuinos avances in)erenciales parecen haber ocurrido dentro de
los recientes tiempos hist!ricos$ Ba noci!n moderna de la probabilidad tiene escasamente
mCs de 033 aEos de eGistir 8Hac(in# /6219$ , previo a alrededor de /443# las nociones Due
)ueron en cualquier sentido probabilsticas )ueron aplicadas casi eGclusivamente al
entendimiento de eventos enerados por mecanismos de aleatoriedad# tal como el dado y las
cartas$ &An virtualmente hoy cada persona educada emplea esencialmente el raFonamiento
estadstico en alunos dominios# por ejemplo# deportes y clima# y tiene un entendimiento
estadstico de mecanismos de aleatoriedad como las cartas y el dado Due es muy di)erente de
las concepciones pre>modernas$ 8Hac(in va mCs lejos como para decir Due cualDuiera
juando un dado en tiempos ancestrales con concepciones modernas de la probabilidad la
totalidad de Iaul en corto ordend9$
&demCs de las nociones puramente estadsticas# una buena cantidad de principios
inductivos y uas son de muy reciente cosecha$ Ba noci!n de Due la correlaci!n no es
su)iciente para establecer la casualidad no aparece despu;s de Hume y no recibe una clara
declaraci!n eneral hasta el (anual de >alacias Pol#ticas de Bentham 8/7.:T/61.9$ Una
acusaci!n eneral del Ncriterio de semejanFaO 8*isbett y "oss# /6739 como una base para
in)erir las relaciones de causa y e)ecto no aparecen hasta el Sistema de la lgica de -ills
8/7:0T/62:9$ Ciertamente# hasta el )inal del silo MJIII una rela muy opuesta )ue seuida
por los m;dicos# Duienes )ueron enseEados a raFonar de acuerdo con la Ndoctrina de recetasO$
Esta doctrina sostuvo Due cada aente curativo natural podra esperarse Due indicara # por una
bien marcada propiedad eGterna# la en)ermedad para la cual ella )ue e)ectiva$ Por lo tanto
duros# objetos llenos de piedras )ueron Atiles en el tratamiento de cClculos biliares# objetos
amarillos )ueron Atiles en combatir la ictericia# etc$ &)ortunadamente# los m;dicos han
probado ser capaces de abandonar esta heurstica inductiva a )avor de otras superiores$
Una seunda raF!n para el optimismo es Due un buen raFonamiento puede alunas veces
ser mCs rCpido y mCs )Ccil Due el raFonamiento err!neo$ Hemos dicho Due los errores alunas
veces vienen de la sobre>simpli)icaci!n y Due los modelos eGactos pueden ser complejos$
Pero lo opuesto puede ser verdadero tambi;n$ Bos errores pueden surir del eGcesivamente
complejo raFonamiento causal# y la )alta de una buena aproGimaci!n simple a un problema
puede causar Due la ente enere varias complicadas aproGimaciones pobres$ En uno de
nuestros corrientes eGperimentos# nosotros estamos conduciendo entrevistas tele)!nicas sobre
deportes en las cuales hemos insertado alunas interroantes Due se prestan a s mismas a
respuestas probabilsticas$ & menudo obtenemos cortas# instantCneas 8y en nuestra opini!n
correctas9 respuestas probabilsticas$ %tros entrevistados# Duienes no piensan de una
aproGimaci!n probabilstica# indecisamente o)recen varias eGtensas eGplicaciones
determinantes# ninuna de las cuales parece convencer aAn a los entrevistados mismos Due
ellos estCn en el camino correcto$
&mbas la evidencia hist!rica y la evidencia anecd!tica re)lejan el mismo punto
importante$ &An los procesos rCpidos y automCticos de la in)erencia humana sacan los
conceptos y modelos bien aprendidos$ El raFonamiento humano y las )ormas del arumento
046
pre)erido por consiuiente cambian# no meramente como una )unci!n de la maduraci!n
individual# sino tambi;n como una )unci!n de cambios en el lenuaje# cultura y educaci!n$
*osotros hemos recientemente empeFado un prorama de investiaci!n para eGaminar
c!mo la raF!n de la ente# y c!mo ellos aprenden a raFonar# sobre problemas Due deberan#
en nuestra opini!n# ser aproGimados con un punto de vista probabilstico$ Hemos usado
problemas con una variedad de estructuras di)erentes y con un contenido Due tiende# en un
mayor ! menor rado# a evocar el pensamiento probabilstico$ Este no es el luar para
intentar aAn un reporte preliminar de resultados# pero puede ser Atil ilustrar los materiales Due
estamos usando en orden de indicar las interroantes Due nosotros sentimos son de valor
preuntar$ Para ilustrar los materiales# o)recemos el problema siuiente$
)scogencia de universidad
David B$ )ue un estudiante de Altimo aEo en la escuela secundaria en la Costa Este Duien estaba
planeando ir a la universidad$ El haba completado un eGcelente record en la escuela secundaria y
haba sido admitido en sus dos mejores escoencias< una peDueEa universidad de artes liberales y una
universidad Ivy Beaue$ Bas dos escuelas estaban casi iuales en prestiio y eran iuales en costo$
&mbas estaban localiFadas en ciudades atractivas de la Costa Este# casi iualmente distantes de su
pueblo natal$ David tena varios amios mayores Due ;l Due estaban asistiendo a la escuela de artes
liberales# todos reportaban Due a ellos les ustaba mucho el luar y Due ellos lo encontraban muy
estimulante$ Bos amios en la universidad de Ivy Beaue reportaron Due ellos tenan muchas Duejas
en ambos campos personal y social y en los campos educacionales$ David inicialmente pens! Due ;l
ira a la escuela de artes liberales$ Sin embaro# ;l decidi! visitar ambas escuelas personalmente por
un da$ & ;l no le ust! lo Due vio en la escuela privada de artes liberales< Jarias personas a Duienes el
conoci! le parecieron )ros y desaradablesL un pro)esor Due ;l conoci! brevemente le pareci! abrupto
y desinteresado en ;lL y a ;l no le ust! el NambienteO del campus$ & ;l le ust! lo Due vio en la
universidad de Ivy Beaue< Jarias de las personas Due ;l conoci! le parecieron como vitales#
entusiastas# ente placenteraL ;l se encontr! con dos di)erentes pro)esores Duienes tomaron un
personal inter;s en ;lL y ;l sali! con un muy placentero sentimiento sobre el campus$
CuCl escuela debera David B$ escoer# y por Du;Q 'rate de analiFar los arumentos de ambos
lados# y eGpliDue cuCl lado es el mCs )uerte$
Este es un particularmente di)cil problema# debido a Due contiene dos di)erentes
componentes probabilsticos< 8a9 un arumento de base>proporci!n# para el e)ecto de Due
David B$ sea improbable Due vena del vnculo de una distribuci!n 8de las reacciones de sus
amios# el puede adivinar Due la respuesta modal a la escuela de artes liberales es muy
)avorable y Due la variabilidad es baja9# y 8b9 un arumento de tamaEo de muestraTprejuicio
de muestra concerniente a la adecuaci!n de su eGposici!n del da$ *osotros adivinamos# del
trabajo piloto# Due cada uno de estos componentes probabilsticos estC bloDueado por un set
comAn de creencias# a saber Due el per)il del individuo de aversiones y pre)erencias es Anico
y es predecible solo de esa eGperiencia y personalidad del individuo# y Due los sentimientos
del individuo# sin embaro misteriosos en su orien# son al menos seuros# con un poco de
in)ormaci!n sobre un objeto siendo su)iciente para producir una predicci!n de ustos !
disustos Due proveen una ua de con)ianFa para )uturas reacciones$ Ba mayora de estas
respuestas abiertas al problema re)lejan estas creencias 8por ejemplo# NEl ha conseuido
escoer por s mismo# no sus amiosO9$ Pero no todos lo hacen$ &Du estC una respuesta de
un no raduado sin trabajo de curso en probabilidad ! estadstica<
,o dira Due ;l debera ir a la escuela de artes liberales$ Su eGperiencia neativa all )ue muy corta# un
contacto muy super)icial con la escuela$ Sus amios# todos verdaderos clones de ;l mismo# han estado
all 8presumiblemente9 por un rato y conocen el luar ntimamente# y les usta# mientras Due las
declaraciones opuestas son verdaderas de la escuela Ivy Beaue$ El sera justi)icado# sin embaro#
para ir con sus propios sentimientos sobre los luares$ & menudo# esta intuici!n es una percepci!n
023
mCs alta Due no podemos analiFar# y ;l puede estar correcto de ir con ella$ ,o pienso# sin embaro#
Due la primera escoencia Due yo he mencionado es mCs de )iar# porDue su eGperiencia es demasiado
limitada con las dos escuelas$
Ba respuesta Due nosotros consideramos como una completa estadstica satis)actoria#
aunDue por supuesto no estC eGpresada en el lenuaje de los modelos de probabilidad$
EmpeFamos estos estudios con la sospecha de Due en la mayora de los casos donde un
modelo probabilstico )ormal puede ser aplicado Atilmente por un estadstico eGisten
anCloos en el mundo de cada da en el cual un uso intuitivo similar del pensamiento
probabilstico ocurre )recuentemente en la persona lea inteliente$ Por ejemplo# hicimos
notar anteriormente Due la ente ordinariamente )alla al )ormular un modelo en el cual un
comportamiento del individuo es visto como una )unci!n de ambas variables situacionales y
variables disposicionales# y en las cuales alunas situaciones dan orien a una alta
probabilidad del comportamiento a trav;s de la mayora de individuos$ &An nosotros
pensamos Due la ente opera con alo como esa clase de modelo cuando el comportamiento
es una buena ejecuci!n en una prueba$ El concepto de una Nprueba )CcilO# donde la mayora
de la ente tiene una alta probabilidad de una buena ejecuci!n# es ampliamente conocido y
usado en nuestra cultura$ *osotros sospechamos Due otras clases de modelos probabilsticos#
para otras clases de problemas# tambi;n seran aplicados en la in)erencia diaria$ *uestros
eGperimentos intentan demostrar este punto# mostrando Due la ente puede hacerlo bien con
ciertos problemas# mientras )allando en otros con estructura )ormal similar# porDue sus
modelos )undamentales para los Altimos problemas carecen de un componente probabilstico$
En esta sospecha estC con)irmado# Due somos conducidos a un nAmero de interroantes
Due podemos tratar de responder eGperimentalmente$ & Du; rado es bueno el raFonamiento
probabilstico debido a la aplicaci!n de un modelo )ormal ! abstracto de aluna claseQ Por
Du; debera ser un modelo )ormal )Ccilmente aplicado en alunas clases de problemas
concretos y raramente en otrosQ Si el raFonamiento eGitoso no es la aplicaci!n de un modelo
)ormal de contenido libre# entonces c!mo debera ser el descrito en t;rminos te!ricosQ %tras
interroantes conciernen a di)erencias individuales en el modelaje y uso de las relas$ & Du;
rado es el uso del raFonamiento probabilstico una disposici!n personal estableQ
Correlacionado con la intelienciaQ "elacionado a un historial educativoQ
?inalmente eGiste un set de importantes interroantes concernientes a los asuntos de la
enseEanFa de los modelos probabilsticos$ Ba cuesti!n ha ya recibido una respuesta en
nuestra investiaci!n< Ba ente puede ser enseEada# ambos por cursos de estadstica
tradicional y por m;todos mCs rCpidos# para responder al menos muchos Nproblemas de
palabraO de la clase de arriba en un estilo mCs probabilstico$ & Du; rado eGiste un
remanente de los juicios actuales de la vida diaria# cuCles t;cnicas de enseEanFa son mCs
e)ectivas# y# Due los mejores principios y m;todos inductivos de enseEar son S ;stas son
importantes interroantes Due solo nos hemos empeFado a preuntar$ Esperamos Due
tendremos la ayuda de muchos lados$
02/
Parte I"
Ries#o de percepcin
02.
11( )ec;os versus temores: Entendiendo el ries#o
percibido
Paul Slovic# Baruch ?ischho))# y Sara Bichtenstein
Ba ente responde a los peliros Due ellos perciben$ Si sus percepciones son err!neas# los
es)uerFos de protecci!n personal# pAblica y del medio ambiente son probables de ser mal
diriidos$ Para alunos peliros# tales como accidentes de vehculos de motor# eGtensos datos
estadsticos estCn en seuida disponibles$ Para otras actividades )amiliares# tales como el
consumo de alcohol y tabaco# la evaluaci!n de rieso reDuiere de estudios complejos
epidemiol!icos y eGperimentales$ Sin embaro# aAn cuando los datos estadsticos son
abundantes# los hechos Ndi)cilesO pueden solo ir tan lejos hacia el desarrollo de una poltica$
020
En alAn punto# el juicio humano es necesario para interpretar los descubrimientos y
determinar su relevancia$ &An otros peliros# tales como aDuellos asociados con la
investiaci!n del D*& ! el poder nuclear# son tan nuevos Due la evaluaci!n de riesos debe
estar basada en anClisis te!ricos complejos tales como los Crboles err!neos 8ver ?iura /9#
mCs Due en la eGperiencia directa$ & pesar de una apariencia de objetividad# estos anClisis#
tambi;n# incluyen un rande componente de juicio$ &luien apoyCndose en la intuici!n
educada# debe determinar la estructura del problema# las consecuencias a ser consideradas# y
la importancia de varias ramas del Crbol err!neo$ Una veF los anClisis han sido ejecutados#
deben ser comunicados a aDuellos Duienes actualmente dirien los peliros# incluyendo
industriales# ambientalistas# reuladores# leisladores y votantes$ Si esta ente no entiende !
cree en los datos Due son mostrados# entonces descon)ianFa# con)licto# e ine)ectiva direcci!n
de los peliros son probables$
Este captulo eGplora alunos elementos psicol!icos de los procesos de evaluaci!n de
riesos$ Sus premisas bCsicas son Due ambas los participantes pAblicos y los participantes
eGpertos son necesarios en esos procesos# Due la evaluaci!n es inherentemente subjetiva# y
Due el entendimiento de las limitaciones del juicio es crucial para una e)ectiva toma de
decisi!n$
Prejuicios cr*ticos en la percepcin de ries#o
Cuando la ente lea es reDuerida a evaluar riesos# ellos rara veF tienen evidencia estadstica
Esta es una versi!n revisada de un trabajo Due oriinalmente apareci! en "$ Sch+in y H$ &$ &lbers =r$ 8Eds$9#
Sociedad de )valuacin de !iesgo1 Cu'n seguro es seguro suficienteD *e+ ,or(< Plenum Press# /673$
Derechos de &utor 5 /673 por Plenum Press$ "eimpreso con permiso$
Soporte para este trabajo )ue provedo por el Prorama de Evaluaci!n de 'ecnoloa y &nClisis de "ieso de la
*ational Science ?oundation bajo Subvenci!n P"&26>//60: para Clar( University bajo subcontrato de
Perceptronics# Inc$
Insertar a-u* la 4i#ura ' de la p5#ina 7A7 del texto ori#inal
a la mano$ En la mayora de casos# ellos deben hacer in)erencias basadas en lo Due ellos
recuerdan oyendo A observando sobre el rieso en cuesti!n$ Ba investiaci!n psicol!ica#
mucha de la cual ha sido descrita anteriormente en este libro# ha identi)icado un nAmero de
relas in)erenciales muy enerales Due la ente parece usar en tales situaciones$ Estas relas
del juicio# conocidas como heursticas# son empleadas para reducir las tareas mentales
di)ciles a unas mCs simples$ &unDue ellas son vClidas en alunas circunstancias# en otras
ellas conducen a randes y persistentes prejuicios con serias implicaciones para tomar una
decisi!n en Creas tan diversas como el anClisis )inanciero 8Slovic# /62.c9 y la direcci!n de
los peliros naturales 8Slovic# Kunreuther R Hhite# /62:9$
%isponibilidad
Una heurstica Due tiene especial relevancia para la percepci!n de rieso es llamada
disponibilidad 8'vers(y R Kahneman# /620# ''9$ Ba ente usando este juicio heurstico de un
evento tan probable ! )recuente si las instancias de el son )Cciles de imainar ! recordar$
Debido a Due )recuentemente los eventos Due ocurren son eneralmente mCs )Cciles de
imainar de y recordar Due los eventos raros# la disponibilidad es a menudo una norma
apropiada$ Sin embaro# la disponibilidad estC tambi;n a)ectada por numerosos )actores no
02:
relacionados a la )recuencia de ocurrencia$ Por ejemplo# un desastre reciente ! una vvida
pelcula# tal como @a9s ! "*e C*ina Syndrome# podran seriamente distorsionar los juicios
del rieso$
El prejuicio de disponibilidad ayuda a eGplicar las malas percepciones y decisiones
err!neas de la ente con respecto a ciertos peliros$ Por ejemplo# en discutir el torrente de
palabras de los residentes# Kates 8/64.9 escribi!<
Una limitaci!n a la habilidad humana para el uso mejorado de la in)ormaci!n del )lujo de in)ormaci!n
es una con)ianFa bCsica en la eGperiencia$ Hombres en el )lujo completo parecen ser estar muy
prisioneros de su eGperiencia$ $ $ $ Bos )lujos recientemente eGperimentados parecen )ijar una uni!n
ascendente al tamaEo de la p;rdida con la cual los directores creen Due ellos deben estar preocupados
8p$ /:39
Kates atribuy! mucha de la di)icultad en mejorar el control del )lujo a la Ninhabilidad de
los individuos de conceptualiFar los )lujos Due nunca han ocurridoO 8Kates# /64.# p$ 6.9$ El
observ! Due la predicci!n potencial del )lujo de los individuos NestCn )uertemente
condicionados por su inmediato pasado y limitan su eGtrapolaci!n a construcciones
simpli)icadas# viendo el )uturo como un espejo de ese pasadoO 8p$ 779$ Similarmente# la
compra de un seuro de terremoto se incrementa randemente despu;s de un temblor y
entonces decrece constantemente a la par Due las memorias de desvanecen 8Steinbrue#
-cClure R Sno+# /6469$
Una particularmente importante implicaci!n de la heurstica de disponibilidad es Due la
discusi!n de una baja probabilidad de peliro puede incrementar su memoriFaci!n e
imainaci!n y de aDu su percibido rieso# sin tomar en cuenta lo Due la evidencia indica$ Por
ejemplo# los lderes en el campo de recombinar la investiaci!n del D*& rCpidamente
lamentaron todo trayendo a la atenci!n pAblica los riesos remotos de contaminaci!n por
oranismos recientemente creados$ "osenber 8/6279 resumi! la reacci!n Due siui! a la
revelaci!n de tales hipot;ticos riesos<
Insertar a-u* la 4i#ura + de la p5#ina 7AA del texto ori#inal(
Inicialmente# la respuesta )ue una de alabanFa $ $ $ la responsabilidad social mostrada por los
cient)icos involucrados$ $ $ $ Iradualmente y predeciblemente# sin embaro# el debate se acalor!$ Ba
especulaci!n abund! y aust! al escenario# mientras mCs amplia )ue la publicidad Due el recibi!$
-uchas de las discusiones del asunto completamente perdieron de vista el hecho Due los peliros
)ueron hipot;ticos en el primer luar y asumieron Due los laboratorios recombinantes del D*&
estuvieron llenos de )urores espantosos$ Ultimadamente# los verdaderos cient)icos cuya auto>
restricci!n haban )ijado el proceso completo en movimiento )ueron denirados$ 8p$ .69
>recuencia juzgada de los eventos letales& El prejuicio de disponibilidad estC ilustrado por
varios estudios en los cuales los estudiantes de la universidad y miembros de la Bia de
-ujeres Jotantes juFaron la )recuencia de :/ casos de muerte 8Bichtenstein et al$# /6279$ En
un estudio# a estas entes se les dijo Due el reistro actual de muertes por / causa 8accidentes
de vehculo automotor9 en los Estados Unidos 813#3339 y entonces )ueron reDueridos a
estimar la )recuencia de otros :3$ En otro estudio# los participantes )ueron reDueridos a juFar
cuCl de las . causas de muerte )ue mCs )recuente$ En ambos estudios# los juicios )ueron
moderadamente eGactos en un sentido lobal< Ba ente usualmente conoci! cuales )ueron los
mCs y los menos )recuentes eventos letales$ Dentro de este cuadro lobal# sin embaro# la
ente hiFo serios malos juicios# muchos de los cuales parecieron re)lejar la in)luencia de la
disponibilidad$
021
Ba ?iura . compara del nAmero de juFado de muertes por aEo con el nAmero reportado
en las estadsticas pAblicas de salud$ Si la )recuencia de los juicios )ue eGacta# ellos iualaran
las proporciones estadsticas# con todos los puntos de datos )allando en la lnea de identidad$
&unDue los peliros mCs probables eneralmente provocaron estimaciones mCs altas# los
puntos parecen dispersos sobre una lnea curvada Due descansa alunas veces arriba y
alunas veces debajo de la lnea de juicio eGacto$ En eneral# raras causas de muerte )ueron
sobreestimadas y causas comunes de muerte )ueron subestimadas$
En adici!n a este prejuicio eneral# considerables prejuicios espec)icos )ueron evidentes$
Por ejemplo# los accidentes )ueron juFados de causar tanto muertes como en)ermedades#
mientras Due las en)ermedades actualmente toman alrededor de /4 veces mCs vidas$ Bos
homicidios )ueron incorrectamente juFados mCs )recuentes Due las muertes por diabetes y
cCncer de est!mao$ Bos homicidios )ueron tambi;n juFados ser casi tan )recuentes como la
muerte por un ataDue# aunDue el Altimo actualmente reivindica alrededor de // veces mCs
vidas$ Bas )recuencias de muerte por botulismo# tornados y embaraFo 8incluyendo nacimiento
y aborto9 )ueron tambi;n randemente sobreestimados$ Ba 'abla / lista los eventos letales
cuyas )recuencias )ueron mCs pobremente juFadas en nuestros varios estudios$ En uardar
con consideraciones de disponibilidad# causas sobreestimadas de muerte )ueron dramCticas y
sensacionales# mientras Due las causas subestimadas tendieron a no ser eventos
espectaculares# los cuales reclaman una vctima a la veF y son comunes en )orma no )atal$
Cobertura prejuiciada de la prensa y juicios prejuiciados& Caractersticas notables de la
disponibilidad heurstica el papel vital de la eGperiencia como una determinante del rieso
percibido$ Si las eGperiencias de uno son prejuiciadas # las percepciones de uno son probables
de ser ineGactas$ Desa)ortunadamente# mucha de la in)ormaci!n a la cual la ente estC
eGpuesta provee un cuadro distorsionado del mundo de peliros$ Considera la observaci!n
del autor "ichard Bach sobre el miedo mostrado por una pareja tomando su primer viaje en
avi!n<
En todo lo Due el viento y el trueno del motor y la tierra inclinCndose y haci;ndose peDueEa debajo de
'abla /$ Prejuicio en la frecuencia juzgada de muerte 0$ ooooooooooooooooooooooooo
-Cs -Cs
sobreestimado subestimado
'odos los accidentes Jacuna contra la viruela
&ccidentes en vehculo de motor Diabetes
EmbaraFo# nacimiento y aborto CCncer de est!mao
'ornados "ayo
Inundaci!n ChoDue
Botulismo 'uberculosis
'odos los cCncer &sma
?ueo y llamas En)isema
-ordida venenosa ! picadura
Homicidio
>uente1 Slovic# ?ischho)) R Bichtenstein 8/6269
nosotros# yo observ; a mi muchacho de Hisconsin y su chica# verlos cambiar$ & pesar de sus
carcajadas ellos haban estado temerosos del avi!n$ Su Anico conocimiento de vuelo vino de los
titulares del peri!dico# un conocimiento de colisiones# accidentes y )atalidades$ Ellos nunca haban
ledo un simple reporte de un peDueEo avi!n despear# volando a trav;s del aire y aterriFando otra veF
con seuridad$ Ellos solo podan creer Due esto debe ser posible# a pesar de todo lo de los peri!dicos#
y en esa creencia ellos arriesaron sus tres d!lares y sus vidas$ 8Bach# /620# p$ 029
024
Como un seuimiento a los estudios reportados arriba# Combs y Slovic 8/6269
eGaminaron el reporte de causas de muerte en dos peri!dicos de costas opuestas de los
Estados Unidos$ Jarios ndices de la cobertura de peri!dico )ueron rabados por meses
alternos sobre un perodo de una aEo$ Bos resultados indicaron Due ambos peri!dicos tenan
similares prejuicios en su cobertura de eventos de tratamiento de la vida$ Por ejemplo# el
eGamen de la 'abla . muestra Due muchas de las estadsticamente )recuentes causas de
muerte 8por ejemplo# diabetes# en)isema# varias )ormas de cCncer9 )ueron raramente
reportados por uno A otro peri!dico durante el perodo bajo estudio$ &demCs# violentos# a
menudo catastr!)icos# eventos como los tornados# )ueos# ahoados# homicidios# accidentes
de vehculos de motor# y todos los accidentes )ueron reportados mucho mCs )recuentemente
Due causas de muerte menos dramCticas teniendo similares 8! aAn mCs randes9 )recuencias
estadsticas$ Por ejemplo# las en)ermedades toman alrededor de /4 veces mCs vidas Due los
accidentes# notando casi 2 veces mCs muertes$
$ Entre los eventos mCs )recuentes# los homicidios )ueron la cateora mCs randemente
reportada en proporci!n a la )recuencia actual$ &unDue las en)ermedades reclaman casi /33
veces mCs vidas Due los homicidios# eGisten alrededor de 0 veces mCs artculos sobre muertes
por homicidios Due sobre en)ermedades$ &demCs# los artculos sobre homicidios tendieron a
ser mCs del doble de laros Due los artculos reportando muertes por en)ermedad y accidente$
-Cs aAn# los prejuicios en la cobertura del peri!dico y los juicios de la ente )ueron muy
similares$ Ba correlaci!n entre la )recuencia juFada de muerte y el nAmero de muertes
reportadas en los peri!dicos )ue de alrededor de $23$ Esta alta correlaci!n no )ue debida a una
asociaci!n comAn de ambas muertes juFada y reportada con la )recuencia estadstica$
Cuando la Altima se sostuvo constante# las correlaciones parciales entre los juicios de la ente
y el nAmero reportado de muertes )ue $76 y $61 para los dos peri!dicos$ &unDue es tentador
concluir de estas correlaciones Due los prejuicios de la cobertura media de percepciones de
rieso# podra tambi;n ser el caso Due la opiniones de la ente sobre lo Due es importante la
in)luencia de la media$ Ba literatura periodstica estC repleta con instancias en las cuales la
in)luencia ha ocurrido en cada direcci!n 8Bruc(er# /6209$
'abla .$ >recuencia estad#stica y cobertura del peridico en el )ugene$ Eregon$ !egister Fuard y el
8e9 Nedford$ (assac*usetts$ Standard "imes para J3 casos de muerte
-uertes %curren> &rt>
Proporci!n por reportadas cia culos
.$31G/3
7
Estimados ooooooooooooooooooooooooooooooooooo
Causas de muerte res$ en EU$ de los sujetos ">I S>' ">I S>' ">I S>'
/$ Jiruela 3 12 3 3 3 3 3 3
.$ Envenenamiento por
vitaminas / /3. 3 3 3 3 3 3
0$ Botulismo . /70 3 3 3 3 3 3
:$ Sarampi!n 1 /47 3 3 3 3 3 3
1$ ?ueos arti)iciales 4 /43 3 3 3 3 3 3
4$ Jacunaci!n contra la viruela 7 .0 3 3 3 3 3 3
2$ 'os )erina /1 60 3 3 3 3 3 3
7$ Poliomielitis /2 62 3 3 3 3 3 3
6$ -ordedura venenosa !
picadura :7 013 3 3 3 3 3 3
/3$ 'ornado 63 14: 04 .1 /3 4 /: 2
//$ 'empestad el;ctrica /32 6/ / 3 / 3 / 3
/.$ &nimal no venenoso /.6 /2: : . : . : .
/0$ Inundaci!n .31 204 : /3 . . . .
/:$ EGceso de )ro 00: 0/: 3 3 3 3 3 3
022
/1$ S)ilis :/3 :6. 3 3 3 3 3 3
/4$ EmbaraFo# nacimiento y
aborto :1/ /#0:: 3 3 3 3 3 3
/2$ Hepatitis in)ecciosa 422 1:1 3 3 3 3 3 3
/7 &pendicitis 63. 431 3 3 3 3 3 3
/6$ Electrocuci!n /#3.1 244 1 3 1 3 4 3
.3$ -JTcolisi!n de tren /#1/2 476 3 / 3 / 3 /
./$ &sma /#774 134 / 3 / 3 / 3
..$ &ccidenteT&rma de )ueo .#.11 /#0:1 7 / 7 / 6 /
.0$ Envenenamiento por
s!lidos y lDuidos .#140 /#3/0 0 0 / / / /
.:$ 'uberculosis 0#463 417 3 3 3 3 3 3
.1$ ?ueo y llamas 2#073 0#004 6: :4 00 6 07 /3
.4$ &hoados 2#073 /#47: :2 43 :: .: :1 02
.2$ Beucemia /:# 111 .#:64 / 3 / 3 / 3
.7$ Cadas accidentales /2# :.1 .#421 /1 2 /1 4 /4 6
.6$ Homicidio /7# 743 1#17. .27 .37 /42 /.. 0.6 /66
03$ En)isema ./# 203 .#7:7 / 3 / 3 / 3
0/$ Suicidio .:#433 :#426 .6 /6 .7 /7 04 .3
0.$ CCncer de mama 0/#/43 .#64: 3 3 3 3 3 3
00$ Diabetes 07#613 /#:24 3 / 3 / 3 /
0:$ &ccidente en vehculo
de motor 11#013 :/#/4/ .67 70 .:1 46 /73 20
01$ CCncer del pulm!n 21#713 6#24: 0 . 0 . : .
04$ CCncer de est!mao 61#/.3 0#.70 3 / 3 / 3 /
02$ 'odos los accidentes //.#213 77#726 2/1 164 :./ /1. 02: /22
07$ &taDue cardaco ./6#/33 2#/36 /. : /. : /0 :
06$ 'odo cCncer 0.7#333 :1#436 .1 /. .1 /. .4 /1
:3$ En)ermedad del cora>
F!n 207#333 .0#166 :6 03 :1 .1 :4 .1
:/$ 'oda en)ermedad /#2:3#:13 77#707 /// 72 /33 24 /3: 27
continuaci!n de 'abla .$$$$$$$$
*o$ total de reportes
8causas /3# //#/0# .6# 0/# 02 R :/9 /#/2: 6:1 2.6 024 743 :70
Correlaciones 8">I vrs$ S>'9 r [ $62 r [ $6: r [ $67
*ota< ">I [ !egistro del FuardW S>' [ del Standard "imes&
>uente< Combs R Slovic 8/6269$
8o me pasar' a m#& Bos juicios de la ente de causas de muerte podran ser casi tan buenos
como podra esperarse# dado Due ellos no son ni especialistas en los peliros considerados ni
eGpuestos a una muestra representativa de in)ormaci!n$ Ba eGacta percepci!n de las muestras
de in)ormaci!n mal conducidas podran tambi;n ser vistas para subrayar otro aparente
prejuicio del juicio# la percepci!n de la ente de verse ellos mismos como personalmente
inmunes a los peliros$ Ba ran mayora de individuos se creen a s mismos ser mejores Due
el promedio de conductores 8*ttnen R Summala# /621L Svenson# /67/9# mCs probable
Due el promedio de vida pasados los 73 8Heinstein# /6739# menos probable Due el promedio a
ser daEado por los productos Due ellos usan 8"ethans# /6269# etc$ &unDue tales percepciones
son obviamente irreales# el rieso luce muy peDueEo desde la perspectiva de la eGperiencia de
cada uno$ Considere el manejo de un autom!vil< & pesar de manejar demasiado rCpido# seuir
muy de cerca# etc$# los pilotos pobres e)ectAan un viaje tras otro sin Due pase nada$ Esta
eGperiencia personal les demuestra su eGcepcional habilidad y seuridad$ -Cs aAn# su
027
eGperiencia indirecta va los medios noticiosos les muestra Due cuando los accidentes
suceden# ellos les pasan a otros$ Dadas tales eGperiencias enaEosas# la ente puede sentirse
muy justi)icada en rechaFar la toma de acciones protectoras tales como portar el cintur!n de
seuridad 8Slovic# ?ischho)) R Bichtenstein# /6279$
>uera de la vista$ fuera de la mente& En alunas situaciones# la )alla en apreciar los lmites de
los datos NdisponiblesO puede calmar a la ente dentro de la complacencia$ En un estudio por
?ischho))# Slovic y Bichtenstein 8/6279# tres rupos de sujetos estudiantes de universidad
)ueron reDueridos a evaluar la conclusi!n de un Crbol err!neo mostrando los riesos
asociados con arrancar un carro 8vea la ?iura 09$ Un rupo vio el Crbol completo$ Cada uno
de los otros dos rupos vio un di)erente Crbol cercenado$ En una versi!n# el arranDue# la
inici!n y las ramas daEadas )ueron desaparecidasL la otra versi!n careci! de ramas
detallando la batera# el combustible y otros problemas del motor$
Bas instrucciones para la tarea a leer son como siue 8los nAmeros entre par;ntesis )ueron
dados a la ente Due vieron los Crboles cercenados9<
'odos los das# a trav;s de los Estados Unidos# millones de conductores realiFan el acto de entrar en
un autom!vil# insertar una llave en el s+itch de encendido# e intentar arrancar el motor$ &lunas veces
el motor )alla en encender# y el viaje es posterado$ *os ustara Due usted piense sobre los varios
problemas Due podran ser su)iciente serios para causar Due un carro )alle en arrancar por lo tanto el
viaje del conductor es posterado al menos / minuto$
Ba intenci!n del rC)ico de la pCina siuiente es para ayudarlo a pensar sobre este problema$ El
muestra seis ^tres_ de)iciencias mayores Due causen Due el motor de un carro )alle en el arranDue$
Estas cateoras mayores probablemente no cubren todas las posibilidades# por tanto hemos incluido
una s;ptima ^cuarta_ cateora# 'odos los %tros Problemas$
Por )avor eGamine este diarama cuidadosamente y responda la preunta siuiente<
Por cada /33 veces Due un viaje es posterado debido a N)alla en el arranDueO# estime# en
promedio# cuCntos de aDuellos retrasos son causados por cada una de los siete ^cuatro_ )actores$ Haa
sus estimados en las lneas en blanco siuientes a los )actores etiDuetados abajo$ Sus estimados
deberan sumar /33$
Insertar a-u* la 4i#ura 1 de la p5#ina 7D' del texto ori#inal
Si la ente Due vio los Crboles cercenados estuviera apropiadamente sensitiva a lo Due
haba sido omitido# la proporci!n de los problemas Due ellos atribuyeron a NotroO habra
iualado la suma de las proporciones de los problemas atribuidos a las ramas cercenadas y a
NotroO por aDuellos Due vieron el Crbol completo$ Bos resultados en la 'abla 0 indican Due lo
Due estuvo )uera de la vista estuvo e)ectivamente )uera de la mente$ Por ejemplo# en el Irupo
/ del Crbol cercenado# NotroO debera haberse incrementado por un )actor de seis 8de $327 a $
:479 para re)lejar la proporci!n de )allas debidas a problemas y daEos en el arranDue e
inici!n# los cuales haban sido omitidos del diarama$ En veF de eso# NotroO )ue solo
duplicado# mientras Due la importancia de los tres sistemas del Crbol Due )ueron mencionados
)ueron sustancialmente incrementados$ Un seundo estudio no solo replic! estos
descubrimientos sino mostr! Due las personas Due observaron los Crboles cercenados
juFaron la )alla en el arranDue 8debido a todas las causas9 ser menos probable Due lo
hicieron aDuellos Due observaron el Crbol no cercenado$
'abla 0$ &tribuci!n de )allas en el arranDue para Crboles cercenados y no cerecenados
- proporci!n de )allas en el arranDue por tipo
oooooooooooooooooooooooooooooooooooooooooooooooooooooooooo
&rranDue Combustible Inici!n
IrupoooooooooooooonoooBateraoodel sistemaoodel sistemaoodel sistemaoomotorooDaEooo%trooo
nrbol no cercenado 60 $.4: $/61 $/60 $/:: $324 $31/ $327
026
nrbol cercenado / .6 $:0. $>>>> $036 >>>> $//4 >>>> $/:3
a
nrbol cercenado . .4 >>>> $012 >>>> $0:0 >>>> $320 $..2
b
8ota< Una raya indica Due la rama )ue eliminada$
a
Debera ser $:47$
b
Debera ser $4//
>uente< ?ischho))# Slovic y Bichtenstein 8/6279$
)ceso de confianza
Conociendo con certeza& Un aspecto particularmente pernicioso de la heurstica es Due la
ente tpicamente tiene ran con)ianFa en los juicios basados sobre ellas$ En otro seuimiento
al estudio sobre causas de muerte# la ente )ue reDuerida a indicar las probabilidades de Due
ellos estuvieron correctos el escoer el mCs )recuente de los dos eventos letales 8?ischho))#
Slovic R Bichtenstein# /6229$ Ba tabla : muestra los porcentajes de respuestas correctas para
cada una de las cateoras mCs )recuentemente usadas$ En el eGperimento /# los sujetos
)ueron raFonablemente bien calibrados cuando ellos dieron probabilidades de /</# /$1</# .</#
y 0</$ Pue sini)ica Due sus porcentajes de respuestas correctas estuvo cerca del porcentaje
apropiado correcto# dado por aDuellas probabilidades$ Sin embaro# mientras las
probabilidades se incrementaron de 0</ a /33</# hubo poco ! ninAn incremento en la
eGactitud$ Solo 20W de las respuestas asinaron Due la probabilidad de /33</ estaba correcta
8en luar de 66$/W9$ Ba eGactitud Nsalt!O de 7/W a /333</ y de 72W a /3#333</$ Para
respuestas asinadas de probabilidades de /#333#333</ ! mayores# la eGactitud )ue 63WL el
rado apropiado de con)ianFa habra sido probabilidades de 6</$ El /.W de respuestas Due no
estCn listados en la 'abla 0 debido a Due ellos se sintieron entre las cateoras mCs comunes
mostraron un patr!n similar de eGceso de con)ianFa$ En resumen# los sujetos estuvieron
)recuentemente eDuivocados en aAn los mCs altos niveles de probabilidad$ -Cs aAn# ellos
'abla :$ Porcentaje de respuestas correctas para mayores cateoras de probabilidad$
Preuntas de
Eventos letalesoooooooooooooooooooooooooo conocimiento eneral
EGperimento /
b
EGperimento .
b
EGperimento 0
b
ooooooooooooooooo oooooooooooooooo ooooooooooooooo
W apropiado
a W W W
Probabilidad correir
a
* W* correcto * W* correcto * W* correcto
/</ 13 4:: 6 10 006 7 1: 74/ /6 10
/$1</ 43 47 / 12 /37 .$1 16 ./3 1 14
.</ 42 121 7 4: :0: /3 41 :11 / 40
0</ 21 /76 . 2/ 1.. 4 41 /12 0$1 24
1</ 70 .13 : 23 0.. 7 2/ /6: : 24
/3</ 6/ /#/42 /2 44 063 6 24 024 7 2:
.3</ 61 /.4 . 2. /40 : 7/ 44 /$1 71
13</ 67 .17 : 47 ..2 1 2: 46 /$1 70
/33</ 66 /#/73 /2 20 0/6 7 72 024 7 73
/#333</ 66$6 74. /0 7/ ./6 1 7: 00: 2 77
/3#333</ /33 :16 2 72 /07 0 6. .40 4 76
/33#333</ /33 /40 . 71 .0 3$1 64 /0: 0 6.
/#333#333</ /33 /12 . 63 :2 / 64 043 7 6:
'otal 4#367 77 .#67/ 23 0#711 21
073
Completo W correcto 2/$3 2.$1 20$/
8ota< el W * se re)iere al porcentaje de juicios Due caen en cada una de las cateoras mayores$
Estuvieron 44 sujetos en el EGperimento /# :3 en el EGperimento .# y :. en el EGperimento 0$
a
Para sujetos bien calibrados$
b
Bos EGperimentos /# .# y 0 )ueron etiDuetados .# 0# y : en el reporte oriinal$
>uente< ?ischho))# Slovic# y Bichtenstein 8/6229$
dieron muchas respuestas eGtremas de probabilidad $ -Cs de la mitad de sus juicios )ueron
mayores de 13</$ Casi un cuarto )ueron mayores de /33</$
Un seundo eGperimento intent! mejorar la ejecuci!n dando a los sujetos mCs
instrucci!n$ Ba sesi!n eGperimental comenF! con unos .3 minutos de con)erencia en la cual
los conceptos de probabilidad y posibilidad )ueron cuidadosamente eGplicados$ Bas sutileFas
de eGpresar los sentimientos de certeFa de uno como juicios de posibilidades num;ricas
)ueron discutidos# con ;n)asis especial en c!mo usar peDueEas posibilidades 8entre /</ y .</9
cuando uno estC un poco incierto sobre la respuesta correcta$ Se provey! una tabla mostrando
la relaci!n entre varias posibilidades y las correspondientes probabilidades$ ?inalmente# a los
sujetos les )ue enseEado el concepto de calibraci!n 8Cap$ ++9 y )ueron uridos a hacer juicios
de posibilidades en una )orma Due los conducira a estar bien calibrados$ &unDue la ejecuci!n
mejor! un poco# los sujetos de nuevo eGhibieron una certeFa no arantiFada 8ver la 'abla :9$
Ellos asinaron posibilidades mayores ! iuales a 13</ para aproGimadamente un tercio de
los temas$ Solo el 70W de las respuestas asociadas con estas posibilidades )ueron correctas$
En un tercer eGperimento# la ente prob! ser justa como estar con eGceso de con)ianFa
cuando respondieron las preuntas de conocimiento eneral 8por ejemplo# CuCles revistas
tenan la mayor circulaci!n en /623Q 8a9 Playboy ! 8b9 "ime9 como cuando ellos
respondieron las preuntas sobre la )recuencia de los eventos letales 8vea la 'abla :9$
Estudios adicionales por ?ischho)) et$ &l$ Probaron la )e de las entes en sus evaluaciones de
probabilidad preuntando si ellos arriesara dinero en ellas juando la apuesta descrita
abajo$
Instrucciones para <La Pregunta "rivial de "imar=
El eGperimento termin!$ Usted ha anado m .$13# los cuales usted estarC en capacidad de colectar
pronto$ Pero antes de Due usted tome el dinero y se vaya# me ustara Due usted considerara si estara
dispuesto a juar cierto jueo en orden de posiblemente incrementar sus anancias$ Bas relas del
jueo son las siuientes<
/$ -ire su hoja de respuestas$ Encuentre las preuntas donde usted estim! las probabilidades de estar
correcto en un 13</ ! mayor de 13</$ CuCntas de tales preuntas estuvieron allQ oooo 8escriba del
nAmero9$
.$ ,o le dar; a usted las respuestas correctas a ;stas preuntas N13</ ! mayoresO$ Contaremos cuCntas
veces sus respuestas a ;stas preuntas estuvieron eDuivocadas$ Desde Due una respuesta eDuivocada
)rente a tan alta certeFa sera sorprendente# llamaremos a ;stas respuestas eDuivocadas Nsus
sorpresasO$
0$ ,o teno una bolsa de )ichas de poc(er en )rente$ Hay /33 )ichas blancas y . )ichas rojas en la
bolsa$ Si yo me acerco y al aFar selecciono una )icha# las probabilidades de Due yo seleccionar; una
)icha blanca son /33<. ! 13</# justo como la probabilidad de Due sus respuestas N13</O son correctas$
:$ Por cada respuesta N13</ ! mayorO Due usted d;# yo sacar; una )icha de la bolsa$ 8Si usted desea#
puede sacar las )ichas por m9$ ,o pondr; la )icha de rereso en la bolsa antes Due yo saDue de nuevo#
para Due as la probabilidad no cambiarC$ Ba probabilidad de Due saDue una )icha roja es /<1/$ Puesto
07/
Due sacar una )icha roja es improbable# cada )icha roja Due yo saDue puede ser considerada Nmi
sorpresaO$
1$ Cada veF Due usted es sorprendido por una respuesta eDuivocada a una preunta N13</ ! mayorO#
usted me paa m /$33 8elevado a m .$13 en alunas condiciones9$ Cada veF Due yo est; sorprendido
por sacar una )icha roja# yo le paar; m /$33$
4$ Si usted estC bien calibrado# este jueo es ventajoso para usted$ Esto es debido a Due yo espero
perder m /$33 una veF de cada 1/ veces Due yo saDue una )icha# en promedio$ Pero desde Due sus
probabilidades son alunas veces mCs altas Due 13</# usted espera perder menos a menudo Due eso$
2$ =uara usted este jueoQ
Esta apuesta es ventajosa para participantes per)ectamente calibrados y de baja con)ianFa
y desventajosa para los Due tienen eGceso de con)ianFa$ Ba mayora de los participantes en
nuestro estudio estuvieron reacios a juar el jueo$ Debido a Due su con)ianFa )ue
injusti)icada# ellos su)rieron enormes p;rdidas monetarias 8las cuales les )ueron retribuidas
despu;s Due el eGperimento termin!9$
&unDue la base psicol!ica para la certeFa no arantiFada es compleja# el elemento clave
parece ser la )alta de conciencia de la ente Due su conocimiento estC basado en suposiciones
Due son a menudo muy tenues$ Por ejemplo# 03W de los encuestados en el EGperimento /
dieron probabilidades mayores de 13</ a la incorrecta aseveraci!n Due los homicidios son
mCs )recuentes Due los suicidios$ Estos individuos pueden haber sido mal conducidos por la
mayor )acilidad de recordar instancias de homicidio# )allando al apreciar Due memoriFar es
una base imper)ecta para tal in)erencia$
Ciperprecisin& El eGceso de con)ianFa se mani)iesta por s mismo de otras maneras tambi;n$
Una tarea tpica en estimar cantidades inciertas tales como )alla de proporciones es )ijar los
lmites superior e in)erior para Due eGista un 67W de posibilidad de Due el verdadero valor
cae entre ellos$ EGperimentos con diversos rupos de ente haciendo clases de juicios muy
di)erentes han mostrado Due# mCs del .W de los valores verdaderos cayendo )uera del 67W de
los lmites de con)ianFa# .3>13W lo hacen 8Caps$ ./ y ..9$ Por tanto la ente piensa Due ellos
'abla 1$ Insensibilidad a las omisiones de los epertos del 'rbol errneo el carro no arrancar'&
Proporciones - de )allas en el arranDue por tipooooooooooooooooooooooo
Sistema Sistema Sistema
de de de
Irupo n Batera arranDue combustible Inici!n -otor DaEo %tro
nrbol no cercenado#
sujetos ordinarios 60 $.4: $/61 $/60 $/:: $324 $31/ $327
nrbol no cercenado#
eGpertos /0 $:/3 $/37 $364 $.:7 $31/ $3.1 $343
nrbol cercenado /#
EGpertos /4 $:70 >>>> $..6 >>>> $320 >>>> $./1
a
a
Debera ser $::/
>uente< ?ischho))# Slovic y Bichtenstein 8/6279$
pueden estimar tales valores con mucha mayor precisi!n Due lo Due es actualmente el caso$
'vers(y y Kahneman 8/62:# '9 han atribuido tal hiperprecisi!n a la con)ianFa en el anclaje y
ajuste heurstico$
)pertos con eceso de confianza$ Desa)ortunadamente# los eGpertos# una veF son )orFados a
ir mCs allC de sus datos y se apoyan en el juicio# pueden ser tan propensos al eGceso de
con)ianFa como la ente lea$ ?ischho))# Slovic y Bichtenstein 8/6279 repitieron su estudio
07.
del Crbol err!neo 8?iura 09 con mecCnicos pro)esionales de autom!vil 8promediando
alrededor de /1 aEos de eGperiencia9 y encontraron a estos eGpertos ser casi tan insensitivos
como las personas leas a supresiones del Crbol 8ver 'abla 19$ Hynes y Janmarc(e 8/6249
reDuirieron siete Ninternacionalmente conocidosO inenieros eot;cnicos para predecir la
altura de un diDue Due causara una cimentaci!n de arcilla Due )alla y especi)icar los lmites
de con)ianFa alrededor de este estimado Due sean su)iciente anchos para tener un 13W de
posibilidad de contener la verdadera altura de )alla$ *inuno de los lmites especi)icados por
estos individuos actualmente incluyeron la verdadera altura de )alla$ Ba )iura : muestra
estos resultados$
El multimillonario Estudio de Seuridad del "eactor 8U$S$ *uclear "eulatory
Commission# /6219# en evaluar la probabilidad de un nAcleo meFclado en un reactor nuclear#
us! el mismo procedimiento para )ijar los lmites de con)ianFa Due )ue mostrado en los
Captulos ./ y .. para producir un alto rado de eGceso de con)ianFa$ De hecho# el NComit;
Be+isO concluy! su revisi!n del Estudio de Seuridad del "eactor notando Due a pesar de
los randes avances hechos en ese estudio Nestamos ciertos Due los errores de rupo son
subestimados$ *o podemos decir por ahora cuCnto$ "aFones para esto incluye una
inadecuada base de datos# un pobre tratamiento estadstico# ^y_ una inconsistente propaaci!n
de incertidumbres a trav;s del cClculoO 8U$S$ *uclear "eulatory Commission# /627# p$ Ji9$
Posterior evidencia anecd!tica del eGceso de con)ianFa puede ser encontrada en muchas
otras evaluaciones t;cnicas de rieso 8?ischho))# /622a9$ &lunas maneras comunes en las
cuales los eGpertos pueden dejar pasar ! juFar mal los caminos al desastre son mostrados en
la lista siuiente<
>alla al considerar los modos en los cuales los errores *umanos pueden afectar los
sistemas tecnolgicos& Ejemplo< Debido a un inadecuado entrenamiento y diseEo
del sal!n de control# los operadores en 'hree -ile Island repetidamente mal
dianosticaron los problemas del reactor y tomaron acciones inapropiadas
8Sheridan# /673L Comisi!n del Presidente# /6269$
)ceso de confianza en el conocimiento cient#fico corriente& Ejemplo< El uso del
DD' vino a estar muy di)undido y de uso no controlado antes Due los cient)icos
haban aAn considerado la posibilidad de los e)ectos colaterales Due lo hacen
parecer como un bene)icio meFclado e irreversible 8Dunlap# /6279$
>alla en apreciar como los sistemas tecnolgicos funcionan como un todo& Ejemplo<
El DC>/3 )all! en varios vuelos tempranos debido a sus diseEadores no se haban
dado cuenta Due la descompresi!n del compartimiento de cara destruira los
sistemas vitales de control 8Hohenenser# /6219$
Lentitud en detectar efectos acumulativos crnicos& Ejemplo< &unDue los accidentes
de los mineros del carb!n han sido hace tiempo reconocidos como un costo de
operar plantas de combustibles )!siles# los e)ectos de las lluvias Ccidas en los
ecosistemas )ueron lentos en ser descubiertos$
>alla al anticipar la respuesta *umana a las medidas de seguridad& Ejemplo< Ba
protecci!n parcial aportada por diDues y malecones dan a la ente un )also sentido
de seuridad y promueve el desarrollo de inundaci!n natural$ Por tanto# aunDue las
inundaciones son raras# el daEo por inundaci!n es mucho mayor Due la p;rdida
anual promedio de d!lares Due es mCs rande Due antes de Due los diDues )ueran
construidos 8Burton# Kates R Hhite# /6279$
>alla al anticipar <modo comn de fallas=$ el cual simult'neamente aqueja los
sistemas que son diseados para ser independientes& Ejemplo< Debido a Due los
cables el;ctricos Due controlan los sistemas mAltiples de seuridad del reactor en
Bro+ns ?erry# &labama# no )ueron espacialmente separados# los cinco nAcleos de
070
los sistemas de en)riamiento )ueron daEados por un simple incendio 8U$S$ House o)
"epresentatives# /621L =ennerren R Keeney# en prensa9$
El colapso en /624 de la Presa 'eton provey! otro trCico ejemplo del eGceso de
con)ianFa del eGperto$ El Comit; de %peraciones Iubernamentales atribuy! este desastre a la
con)ianFa no arantiFada de los inenieros Duienes estuvieron absolutamente ciertos Due ellos
haban resuelto los muchos serios problemas Due surieron durante la construcci!n 8Comit;
de %peraciones Iubernamentales# /6249$ Bas probabilidades de )alla no son calculadas para
nuevas presas aAn cuando alrededor de / en 033 )allan cuando la represa es llenada por
primera veF$
Inormar a la #ente sobre los ries#os
Pensar claramente sobre el rieso es di)cil$ Desa)ortunadamente# es tambi;n necesario$ Bos
peliros de la radiaci!n# e)ectos colaterales m;dicos# en)ermedades ocupacionales# alimentos
contaminantes# Dumicos t!Gicos y mal)uncionamientos mecCnicos incrementCndose llenan
nuestros peri!dicos y nuestros pensamientos$ Puesto Due la direcci!n de estos peliros es
vital para el bienestar de los individuos y de la sociedad# las entes estCn actualmente estCn
haciendo valer sus derechos a juar un papel activo en los procesos de tomar decisiones$
Como resultado# los promotores y reuladores de empresas pelirosas se en)rentan a la
presi!n creciente de in)ormar a la ente sobre los riesos Due ellos encaran 8ver ?iura 19$
Por ejemplo# en aEos recientes<
Ba &dministraci!n de &limentos y Droas orden! insertar in)ormaci!n del paciente debido
a un incrementado nAmero de recetas de droas$
El Departamento de Jivienda y Desarrollo Urbano empeF! a reDuerir a los vendedores de
casas construidas antes de /613 in)ormar a los compradores sobre la presencia de
pinturas a base de plomo$
Insertar a-u* la 4i#ura 9 de la p5#ina 7D6 del texto ori#inal(
Ba propuesta de ley )ederal de responsabilidad de los productos increment! la importancia
de in)ormar adecuadamente a los consumidores y trabajadores sobre los riesos Due son
probables de encontrar$
Ba Casa Blanca dirii! al Secretario de Salud# Educaci!n y Servicio Social a desarrollar un
prorama de in)ormaci!n pAblica en los e)ectos sobre la salud de la eGposici!n a la
radiaci!n$
& pesar de estas buenas intenciones# crear proramas de in)ormaci!n e)ectivos puede ser
bastante di)cil$ Hacer un adecuado trabajo sini)ica encontrar convincentes maneras de
presentar complejo# material t;cnico Due es a menudo nublado por la incertidumbre$ *o solo
es a veces el tiempo asinado muy limitado# sino Due los mensajes deben con)rontar las
preconcepciones de los escuchas 8y talveF malas concepciones9 sobre el peliro en cuesti!n y
sus consecuencias$ Por ejemplo# en alunas situaciones# mal conducir las eGperiencias
personales puede promover un )also sentido de seuridad# mientras Due en otras
circunstancias# la mera discusi!n de posibles consecuencias adversas puede intensi)icar su
aparente amenaFa$ -Cs aAn# como "oss y &nderson 8Cap$ 69 han demostrado# las creencias
de la ente a menudo cambian lentamente y muestran una eGtraordinaria persistencia )rente a
la evidencia contraria$ Bo Due siue es una breve visi!n eneral de alunos retos adicionales
Due los proramas de in)ormaci!n deben con)rontar$
07:
)l formato de presentacin es importante
Ba manera precisa en la cual los riesos son eGpresados pueden tener un mayor impacto
sobre las percepciones y el comportamiento$ Por ejemplo# una acci!n incrementa las
posibilidades anuales de muerte de uno de / en /3#333 a /$0 en /3#333 probablemente
estara vista como mucho mCs riesosa Due si ella )uera descrita# en su luar# como producir
un 03W de incremento en el rieso de mortalidad anual$ Una muestra de los e)ectos del
)ormato de la literatura es presentado abajo$
Xrboles errneos& Bos diseEadores de un Crbol err!neo como ese de la ?iura 0 deben hacer
numerosas decisiones discrecionales con respecto a c!mo oraniFar y presentar las varias
)uentes de problema$ Una decisi!n Due aparentemente hace poca di)erencia es cuCnto detalle
o)recerL ?ischho))# Slovic y Bichtenstein 8/6279 encontraron percepciones similares con
variedad de niveles de detalle$ -eramente mencionando una rama permiti! a la ente estimar
eGactamente cuCn problemCtica esa rama lucira cuando esa rama estC completamente
detallada$ Sin embaro# ramas )usionadas 8por ejemplo# combinar el sistema de arranDue y el
sistema de inici!n dentro de una cateora mCs amplia9 ! ramas hendidas 8por ejemplo#
separar el sistema de inici!n dentro del sistema de inici!n ^bobina daEada y candelas
de)ectuosas# vea la ?iura 0_ y el sistema de distribuci!n ^distribuidor daEado y alambrado
de)ectuoso_ hicieron una di)erencia$ Un set dado de problemas )ue juFado para contar por
alrededor de 03W mCs )allas cuando )ue presentado como dos ramas Due cuando )ue
presentado como una$
Cinturones de seguridad& Una seunda demostraci!n de la importancia del presentaci!n del
)ormato viene de un estudio de actitudes hacia el uso de cinturones de seuridad del
autom!vil 8Slovic# ?ischho)) R Bichtenstein# /6279$ Sacar de una previa investiaci!n
demostrando la importancia crtica de la probabilidad de peliro en accionar la acci!n
protectiva 8Slovic# ?ischho))# Bichtenstein# Corrian R Combs# /6229# Slovic# ?ischho)) y
Bichtenstein aruyeron Due la reluctancia de la ente a usar voluntariamente los cinturones de
seuridad podra ser debida a la eGtremadamente peDueEa probabilidad de incurrir en un
)atal accidente en un simple viaje en autom!vil$ Puesto Due in )atal accidente ocurre solo
alrededor una veF en cada 0$1 millones de viajes de personas y una lesi!n de invalideF solo
una veF en cada /33#333 viajes de personas# rehusar abrocharse el cintur!n de seuridad de
uno puede parecer muy raFonable$ Buce menos raFonable# sin embaro# si uno adopta una
perspectiva de mAltiples viajes y considera la sustancial probabilidad de un accidente en
alAn viaje$ Sobre 13 aEos de manejar 8alrededor de :3#333 viajes9# la probabilidad de
matarse se eleva a $3/ y la probabilidad de eGperimentar al menos una lesi!n de invalides
es $00$ En un estudio piloto# Slovic# ?ischho)) y Bichtenstein mostraron Due la ente
reDuerida a considerar esta perspectiva de tiempo de vida respondieron mCs )avorablemente
hacia los cinturones de seuridad 8y bolsas de aire9 de lo Due lo hiFo la ente reDuerida a
considerar una perspectiva de viaje por viaje$ Si las actitudes )avorables hacia los cinturones
de seuridad inducidos por una perspectiva de tiempo prolonado )uera mantenida y
trasladada dentro del comportamiento estC por verse$
Pseudo certeza& De acuerdo con la Nteora del prospectoO 8Kahneman R 'vers(y# /626b9# los
resultados Due son meramente probables son subestimados en comparaci!n con resultados
Due son obtenidos con certeFa$ Como resultado# cualDuier acci!n protectiva Due reduce la
probabilidad de peliro de# diamos# $3/ a cero# serC valuada mCs altamente Due una acci!n
reduciendo la probabilidad del mismo peliro de $3. a $3/$
071
'vers(y y Kahneman 8/67/9 notaron Due las representaciones mentales de las acciones
protectivas pueden ser )Ccilmente manipuladas como para variar la aparente certeFa con la
cual ellas previenen el peliro$ Por ejemplo# una p!liFa de seuro Due cubre incendio pero no
inundaci!n podra ser presentada ya sea como protecci!n completa contra el rieso espec)ico
de incendio ! como una reducci!n en la probabilidad total de p;rdida de propiedad$ Ba teora
del prospecto predice Due la p!liFa aparecerC mCs atractiva en la anterior perspectiva
8etiDuetada Npseudo>certeFaO9# en la cual ella o)rece protecci!n incondicional contra un
restrinido set de problemas$
Hemos probado esta conjetura en el conteGto de una particular clase de protecci!n# la
vacunaci!n$ Dos )ormas de un Ncuestionario de vacunaci!nO )ueron creadas$ ?orma I
8protecci!n probabilstica9 describe una en)ermedad Due se espera a)lija al .3W de la
poblaci!n si ellos colaboraran voluntariamente a recibir una vacuna Due protee a la mitad
de la ente recibi;ndola$ De acuerdo a la ?orma II 8pseudo>certeFa9# hubieron dos
mutuamente eGclusivas e iualmente probables contra una tensi!n y ninuna protecci!n
contra la otra$ Bos participantes en este estudio )ueron reclutados mediante un anuncio en el
peri!dico estudiantil en la Universidad de %reon$ Despu;s de leer la descripci!n# ellos
clasi)icaron la probabilidad de Due ellos seran vacunados en tal situaci!n# usando una escala
Due va de / 8Ncasi seuro no conseuiran ser vacunadosO9 a 2 8Ncasi seuro conseuiran ser
vacunadosO9$
&unDue ambas )ormas indicaron Due la vacunaci!n redujo rieso completo de uno de
.3W a /3W# esperamos Due la vacunaci!n parecerC mCs atractiva para aDuellos Due
recibieron la ?orma II 8pseudo>certeFa9 Due para aDuellos Due recibieron la ?orma I
8protecci!n probabilstica9$ Bos resultados con)irmaron esta predicci!n< 12W de aDuellos Due
recibieron la ?orma II indicaron Due ellos conseuiran ser vacunados comparado con :3W
de aDuellos Due recibieron la ?orma I$
El e)ecto de la pseudo certeFa destaca el contraste entre la reducci!n y la eliminaci!n del
rieso$ Como 'vers(y y Kahneman han indicado# esta distinci!n es di)cil de justi)icar en
cualDuiera de los campos normativos$ -Cs aAn# las manipulaciones de la certeFa pareceran
tener importantes implicaciones para el diseEo y descripci!n de otras )ormas de protecci!n
8por ejemplo# tratamientos m;dicos# seuro# actividades de prueba de inundaci!n y
terremoto$9
6nclar& Una de las presentaciones mCs enerales de arte)actos es la tendencia de los juicios
de ser anclados a valores inicialmente presentados 8Poulton# /647L 'vers(y y Kahneman#
/32:# '9$ En otra condici!n del eGperimento presentado en la ?iura .# Bichtenstein et al$
8/6279 reDuirieron un seundo rupo de ente para estimar la )recuencia de muerte en los
Estados Unidos de cada una de las di)erentes causas$ Sin embaro# en veF de haberles dicho
Due alrededor de 13#333 personas mueren anualmente en accidentes de vehculo de motor# a
estos individuos se les dijo Due alrededor de /#333 muertes anuales por electrocuci!n$
&unDue ambos reportes )ueron eGactos# la provisi!n de un nAmero mCs peDueEo redujo los
estimados de mayores )recuencias de los Due respondieron 'al anclaje en el nAmero oriinal
condujo los estimados de los dos rupos a di)erir tanto como un )actor de 1 en alunos casos$
?ischho)) y -acIreor 8/6739 reDuiri! a la ente juFar la mortalidad de varias causas
potenciales de muerte usando uno de cuatro )ormatos )ormalmente eDuivalentes 8por
ejemplo# Por cada persona aDuejada Due muere# cuCntos sobrevivenQ9$ Ba 'abla 4 8pCina
siuiente9 eGpresa sus juicios en un )ormato comAn y revela aAn e)ectos mCs dramCticos de
estilo de preunta en percepciones de rieso eGpresadas$ Por ejemplo# cuando la ente estim!
la proporci!n de mortalidad por in)luenFa directamente 8columna /9# su respuesta media )ue
060 muertes por cada /33#333 casos$ Cuando se les dijo Due 73#333#333 de entes se
contaiaron de in)luenFa en un aEo normal y les reDuiri! estimar el nAmero Due muri!
074
8columna .9# la respuesta media de los Due respondieron )ue :#733# representando una tasa de
solo 4 por /33#333 casos$ Similares discrepancias ocurrieron con otras interroantes y otros
peliros$
Etros efectos& %tros numerosos e)ectos de )ormato han sido documentados en la literatura en
el comportamiento de tomar un rieso$ Por ejemplo# la ente ha sido encontrada al evaluar
jueos muy di)erentemente cuando ellos los consideran en pares Due cuando ellos los juFan
simplemente 8Irether R Plott# /6269L Bichtenstein R Slovic# /62/L /6209$ ?ischho))# Slovic
y Bichtenstein 8/6739# Hershey y Shoema(er 8/6739 y Shoema(er y Kunreuther 8/6269 han
notado Due las decisiones sobre si al comprar un seuro son )recuentemente revertidos
cuando el problema es representado como una escoencia entre encarar un jueo A aceptar
una p;rdida de una menor cantidad de dinero$ Bas mismas opciones de rieso# descritas en
t;rminos de vidas salvadas# pueden ser evaluadas muy di)erentemente Due cuando son
enmarcadas en t;rminos de vidas perdidas 8'vers(y R Kahneman# /67/9$ Un )ormato
adicional y e)ectos de conteGto pueden ser encontrados en ?ischho))# Slovic y Bichtenstein
8/6739# Kahneman y 'vers(y 8/626b9# Slovic# ?ischho)) y Bichtenstein 8en prensa>b9 y
'vers(y y Kahneman 8/67/9$
Esas sutiles di)erencias de c!mo los riesos son presentados pueden tener marcados
e)ectos en c!mo ellos son percibidos suiere Due aDuellos responsables de los proramas de
in)ormaci!n tenan considerable habilidad para manipular percepciones$ -Cs aAn# puesto
Due estos e)ectos no son ampliamente conocidos# la ente puede inadvertidamente estar
manipulando sus propias percepciones por decisiones casuales Due ellos hicieron sobre c!mo
oraniFar su conocimiento$
Comparaciones de peligro cruzado puede ser mal conducido
Una de las mCs comunes aproGimaciones para pro)undiFar las perspectivas de la ente es
presentar estimados de rieso cuanti)icados para una variedad de peliros$ Presumiblemente#
la so)isticaci!n recoida de eGaminar tales datos serC Atil para la toma de decisi!n$ Hilson
'abla 4$ =uicios de mortalidad con di)erentes modos de respuesta# medias eom;tricas
'asa de muerte por cada /33#333 aDuejadosoooooooooooooooooooooooooo
*Amero 'asa *Amero
'asa de estimado estimada estimado 'asa
-ortalidad Due de sobre> Due sobre> actual de
Estimada murieron vivencia vi! mortalidad
In)luenFa 070 4 .4 1// /
Paperas :: //: /6 : /.
&sma /11 /. /: 166 00
En)ermedad ven;rea 6/ 40 7 /// 13
&lta presi!n sanunea 101 76 /2 107 24
BronDuitis /4. /6 :0 .#/// 71
EmbaraFo 42 .: /0 272 .13
Diabetes :72 /3/ 1. 1#444 733
'uberculosis 71. /#270 /77 7#1.3 /#101
&ccidentes de
autom!vil 4#/61 0#.2. 0/ 4#7/0 .#133
&poplejas //#3// :#4:7 /7/ .:#217 //#241
&taDues al coraF!n /0#3// 0#444 /0/ .2#:22 /4#.13
CCncer /3#776 /3#:21 /43 ./#2:6 02#133
8ota< & los cuatro rupos eGperimentales se les dieron las siuientes instrucciones<
8a9 Estimar la tasa de mortalidad< Por cada /33#333 entes aDuejadas aDuejados# cuCntos muerenQ
072
8b9 Estimar nAmero de muertos< M entes estuvieron aDuejadas# cuCntas murieronQ
8c9 Estimar la tasa de sobrevivencia< Por cada persona Due muri!# cuCntos estuvieron aDuejados
pero sobrevivieronQ
8d9 Estimar nAmero Due sobrevivi!< , personas murieron# cuCntas )ueron aDuejadas pero no
murieronQ
Bas respuestas a las preuntas 8b9# 8c9# y 8d9 )ueron convertidas a muertes por /33#333 aDuejadas
para )acilitar las comparaciones$
>uente< ?ischho)) R -acIreor# /673$
8/6269 observ! Due deberamos Ntratar de medir nuestros riesos cuantitativamente$ $ $ $
Entonces podramos comparar riesos y decidir cuales aceptar ! rechaFarO 8p$ :09$ Bord
"othschild 8/6269 are!# N*o hay raF!n en meterse en pCnico sobre los riesos de la vida
hasta Due usted ha comparado los riesos Due le preocupan con aDuellos Due no# pero talveF
deberanO$
'picamente# tales eGhortaciones son seuidas por elaborar tablas y aAn NcatCloos de
riesoO en los Due diversos ndices de muerte ! discapacidad son eGpuestos para un amplio
espectro de peliros de la vida$ Por tanto# So+by 8/6419 provey! eGtensos datos de riesos
por hora de eGposici!n# mostrando# por ejemplo# Due una hora de montar una motocicleta es
un rieso como de tener 21 aEos de edad$ Hilson 8/6269 desarroll! una tabla de actividades
8por ejemplo# volar /#333 millas en jet# pasar 0 horas en una mina de carb!n9# cada una de las
cuales es estimada para incrementar la probabilidad anual de uno de muerte en / en / mill!n$
Hilson declar! Due Nestas comparaciones me ayudan a evaluar riesos ; imaino Due ellas
pueden ayudar a otros a hacerlo# tambi;n$ Pero el uso mCs importante de estas declaraciones
debe ser ayudar a las decisiones Due tomamos$ Como una naci!n# para mejorar nuestra salud
y reducir nuestra tasa de accidenteO 8p$ :19$ Similarmente# Cohen y Bee 8/6269 clasi)icaron
muchos peliros en t;rminos de su esperada reducci!n en la eGpectativa de vida sobre la
suposici!n de Due Npara aluna aproGimaci!n# el ordenamiento 8en esta tabla9 debera ser el
orden de prioridades de la sociedad$ Sin embaro# vemos varios problemas mayores reales
Due han recibido muy poca atenci!n $ $ $ -ientras alunos temas cerca del )ondo de la lista#
especialmente aDuellos involucrando radiaci!n# reciben una ran cantidad de atenci!nO 8p$
2.39$
Propiamente hablando# comparar los peliros no es un proceso de toma de decisi!n$ Ella
no reDuiere de ninuna conclusi!n particular para hacer comparaciones# diamos# del
contraste entre los riesos del motociclismo y la edad avanFada 8?ischho))# Bichtenstein#
Slovic R Keeney# /67/9$ &demCs# aAn como ayuda a la intuici!n# las comparaciones de
peliros cruFados tienen un nAmero de limitaciones inherentes$ Por ejemplo# aunDue aluna
ente se siente bien in)ormada sobre aprender Due un simple despeue ! aterriFaje en una
aerolnea comercial reduce la eGpectativa de vida de uno en un promedio de /1 minutos#
otros se encuentran a s mismos completamente desorientados por tal in)ormaci!n$ En el
aterriFaje# uno morirC ya sea prematuramente 8casi ciertamente por mCs de /1 minutos9 ! uno
no morirC$ Para mucha ente# los promedios no capturan adecuadamente la esencia de tales
riesos$ Ciertamente# -c*eil# Heichselbaum y Pau(er 8/6279 encontraron Due los pacientes
encarando el prospecto de una cirua de cCncer de pulm!n estuvieron tan preocupados con
la inminente muerte durante la operaci!n como con su contribuci!n a su eGpectativa de vida$
Una limitaci!n posterior es Due el resumen estadstico puede dis)raFar importantes
caractersticas de rieso$ Donde eGiste incertidumbre ! desacuerdo sobre los hechos# la
presentaci!n del punto estimado puede inspirar eGcesiva con)ianFa$ Puesto Due las personas
estCn particularmente concientes sobre el potencial de los accidentes catastr!)icos 8Slovic#
?ischho)) R Bichtenstein# /6739# aluna indicaci!n de la probabilidad y manitud de las
p;rdidas eGtremas es necesaria$ %tras caractersticas Due a)ectan la actitud de las personas
077
hacia los peliros# pero Due son eliminadas en los resAmenes estadsticos# son voluntariedad#
controlabilidad# )amiliaridad# consecuencias de la inmediateF# amenaFa a )uturas
eneraciones# la )acilidad de reducir el rieso y el rado al cual los bene)icios son
distribuidos eDuitativamente entre aDuellos Due soportan el rieso 8Slovic# ?ischho)) R
Bichtenstein# en prensa>a9$ &unDue alunos errores# tales como la omisi!n de rupos de
incertidumbre# son )Cciles de correir# determinando cuCnto pesa el potencial catastr!)ico#
eDuidad# y otras caractersticas importantes# reDuerirCn un serio es)uerFo de investiaci!n$
Conclusiones
In)ormar a la ente# ya sea por etiDuetas de prevenci!n# paDuetes insertados# ! proramas
media eGtensos# es sino parte de los randes problemas de ayudar a la ente a en)rentarse con
los riesos e incertidumbres de la vida moderna$ Creemos Due aluna de la responsabilidad
descansa en nuestras escuelas$ Bos curricula de la escuela pAblica deberan incluir material
desinado para enseEar a la ente Due el mundo en el cual ellos viven es probabilstico# no
determinista# y para ayudarlos a aprender las estrateias del juicio y la decisi!n para tratar
con el mundo 8Beyth>-aron R De(el# en prensa9$ Estas estrateias son tan necesarias para
navear en un mundo de in)ormaci!n incierta como la eometra y la trionometra son para
navear entre objetos )sicos$
Ener#*a nuclear: 3n caso de estudio de la percepcin del ries#o
En ninuna parte son los asuntos de rieso percibido mCs salientes ! el asunto de Due se trata
mCs alto en la controversia sobre la enera nuclear$ Esta secci!n eGamina la controversia a
la luF de los descubrimientos discutidos$
)l problema general
&An antes del accidente de la Isla de las 'res -illas# la industria nuclear estuvo basada en los
peliros de la opini!n pAblica adversa$ Un enorme y tenaF movimiento de oposici!n haba
sido responsable por demoras costosas obtener licencias y la construcci!n de nuevas plantas
en los Estados Unidos y por los alborotos polticos en varias naciones Europeas$
El reactor errante en la Isla de las 'res -illas estimul! un predecible# inmediato
incremento en el )ervor antinuclear$ CualDuier intento de planear el papel de la enera
nuclear en la enera )utura de la naci!n debe considerar las determinantes de esta oposici!n
y anticipar su curso )uturo$ Una pista se apoya en una reciente investiaci!n mostrando Due
las imCenes de los desastres nucleares potenciales Due han sido )ormados en las mentes del
pAblico antinuclear son marcadamente di)erentes de las evaluaciones propuestas por muchos
eGpertos t;cnicos$ Describiremos estas imCenes y especularemos en sus orenes#
permanencia e implicaciones$
Percepciones b'sicas
Estudios de un cuestionario de la ente opuesta a la enera nuclear muestran Due ellos
juFan sus bene)icios como muy bajos y sus riesos como inaceptablemente randes
8?ischho))# Slovic# Bichtenstein# "ead R Combs# /6229$ En el lado del bene)icio# estos
individuos no ven la enera nuclear como un vnculo vital en encontrar las necesidades
bCsicas de la enera 8Po(orny# /6229L mCs bien# muchos la ven como un suplemento para
076
otras )uentes de enera Due son por ellas mismas adecuadas 8! podran ser hechas adecuadas
por conservaci!n9$ En el lado del rieso# la enera nuclear provoca mayores sentimientos de
temor Due casi cualDuier otra actividad tecnol!ica 8?ischho)) et al$# /6279$ &lunos han
atribuido esta reacci!n al miedo a lo invisible de la radiaci!n y a la contaminaci!n
irreversible# amenaFas de cCncer y daEo en;tico$ Sin embaro# el uso del dian!stico por
rayos M# una tecnoloa de radiaci!n Due incurre en riesos similares# no es similarmente
aprehensiva$ Por el contrario# sus riesos son a menudo subestimados 8Slovic# Bichtenstein R
?ischho))# /6269$ Ba asociaci!n de la enera nuclear con el armamento nuclear pueden
contar para estas di)erentes percepciones$ Como resultado de sus orenes violentos# la
enera nuclear es considerada como una tecnoloa cuyos riesos son incontrolables# letales
y potencialmente catastr!)icos# caractersticas Due no estCn asociadas con el uso del
dian!stico de rayos M$
Cuando la ente se opuso a la enera nuclear describi! sus imCenes mentales de un
accidente nuclear y sus consecuencias# ellos revelan Due un serio accidente de un reactor es
probable dentro de su tiempo de vida y podra resultar en cientos de miles# aAn millones# de
muertes 8Slovic# ?ischho)) R Bichtenstein# /626L Slovic# Bichtenstein R ?ischho))# /6269$
'al accidente se espera Due cause un daEo irreparable al medio ambiente sobre una vasta Crea
eorC)ica$ Estas eGpectativas contrastan dramCticamente con la visi!n de la industria nuclear
Due mAltiples sistemas de seuridad limitarCn el daEo en el eGtremadamente improbable
evento de un accidente mayor$
Una inevitable consecuencia de es este Nvaco de percepci!nO es la incertidumbre y
descon)ianFa de parte de un pAblico sospechando Due los riesos son mucho mayores Due las
evaluaciones de los eGpertos 8Kasper# /626L Starr R Hhipple# /6739$ Bos eGpertos# a su veF#
cuestionan la racionalidad del pAblico y critican el NemocionalismoO obstruyendo el proreso
tecnol!ico$ &rias y a veces violentas con)rontaciones resultan$
El reconocimiento de este vaco de percepci!n ha conducido a alunos eGpertos t;cnicos
a pedir Due el pAblico debe ser NeducadoO sobre los riesos NrealesO de la enera nuclear$ Un
analista de opini!n pAblica 8Po(orny# /6229 puso el asunto como siue<
El mayor problema Due entorpece un juicio so)isticado sobre este asunto es una )alta bCsica de
conocimiento y hechos$ Dentro de este entorno corriente la actitud# escasos relatos# con)usi!n e
irracionalidad a menudo triun)an$ Solo a trav;s de una cuidadosa educaci!n de hechos y conocimiento
puede la ente conocer lo Due las escoencias reales son$ $ $ $8p$ /.9$
*uestra propia opini!n es Due los intentos desinados para reducir los vacos de
percepci!n encaran los mayores obstCculos$ Esta conclusi!n estC basada en dos aspectos
claves del problema# uno t;cnico y uno psicol!ico$
Ebst'culos t-cnicos
Ba realidad t;cnica es Due eGisten pocos Nhechos previstosO con respecto a las probabilidades
de serios accidentes del reactor$ Ba tecnoloa es tan nueva y las probabilidades en cuesti!n
son tan peDueEas Due estimados de rieso seuros no pueden estar basados en la observaci!n
emprica$ En veF de eso# tales evaluaciones pueden ser derivadas de modelos matemCticos
complejos y juicios subjetivos$
Ba di)icultad de ejecutar evaluaciones de riesos ha conducido a muchas crticas del
asunto de su valideF 8Bryan# /62:L ?ischho))# /622aL Primac(# /6219$ Una mayor
preocupaci!n es Due la iniciaci!n de eventos importantes ! caminos de )alla pueden ser
omitidos# causando riesos de ser subestimados$ %tro problema en evaluar la con)iabilidad de
063
los diseEos del reactor es la di)icultad apropiada cuenta de Nmodos de )allas comunesO# en los
cuales los sistemas ostensiblemente independientes desinados para apoyar una )alla a la otra
debido a la misma causa comAn no anticipada$ El escepticismo del crtico nuclear =ohn
Holdren con relaci!n a la de)ensa de las evaluaciones de catCstro)es raras resume
concisamente el problema t;cnico<
Una comunidad eGperta estC dividida alrededor del concebible realismo de los estimados de
probabilidad en el rano de uno en dieF mil a uno en un bill!n por reactor al aEo$ ,o estoy entre
aDuellos Due creen eso imposible en principio de soportar nAmeros tan peDueEos como estos
arumentos te!ricos convincentes$ $ $ $ Ba raF!n por la Due yo sosteno esta opini!n es sencilla< los
sistemas de enera nuclear son tan complejos Due la probabilidad de un anClisis seuro contiene
errores $ $ $es tan rande como para sin sentido rendir la poco s!lida probabilidad computada de un
accidente 8Holedren# /624# p$./9$
Ebst'culos psicolgicos
Bos temores pAblicos a la enera nuclear no deberan ser vistos como irracionales$ En parte#
ellos estCn alimentados por el darse cuenta Due los hechos estCn en disputa y esos eGpertos
han estado eDuivocados en el pasado# como cuando ellos irradiaron alaradas amdalas !
permitieron a la ente atestiuar pruebas de la bomba>& en un rano cercano$ Bo Due uno
puede cuestionar es la eGtensi!n a la cual las maneras )undamentales de pensar de la ente
8tal como la con)ianFa en la disponibilidad heurstica9 los condujo a distorsionar las
opiniones$ Ciertamente los riesos de la enera nuclear podran ser un candidato
)undamental para el prejuicio de disponibilidad debido a la eGtensa cobertura de los medios
Due ellos reciben y su asociaci!n con los vvidos# peliros imainables de una uerra nuclear$
Como se mencion! anteriormente# la disponibilidad heurstica implica Due cualDuier
discusi!n de accidentes nucleares puede incrementar su imainabilidad y de aDu su rieso
percibido$ Considere a un ineniero aruyendo la seuridad de la disposici!n de los desechos
nucleares en un estrato de sal seEalando la improbabilidad de los varios modos de
radioactividad podran ser accidentalmente liberados 8ver la ?iura /9$ -Cs Due tranDuiliFar a
la audiencia# la presentaci!n podra conducirla a pensar# N,o no me di cuenta Due eGistan
esas muchas cosas Due podran estar eDuivocadasO$ De este modo# la con)ianFa en la memoria
y en la imainaci!n pueden nublar la distinci!n entre lo Due es remotamente posible y lo Due
es probable$ Como un proponente nuclear lament!# NCuado los hombres leos discuten lo
Due podra pasar# ellos alunas veces no se molestan aAn de incluir el ppodra@ N 8B$ B$ Cohen#
/62:# p$ 049$ %tro analista ha elaborado un tema similar en la mala interpretaci!n de los
escenarios del Npeor casoO<
Eso ha hecho a menudo poca di)erencia de c!mo eGtraEos ! improbables la suposici!n en tal anClisis
)ue# desde Due uno solo tena Due mostrar Due alAn indeseable e)ecto podra ocurrir en un nivel de
probabilidad mayor Due cero$ Bos oponentes de una operaci!n propuesta podran destruirlo
simplemente ejercitando sus imainaciones a soEar un set de condiciones el cual# aunDue ellos
podran admitidamente ser eGtremadamente improbables# podran conducir a alunos indeseables
resultados$ Con tales actitudes prevalecientes# plani)icar una operaci!n nuclear dada viene a ser $ $ $
pelirosa$ $ $ $ 8=$ =$ Cohen# /62.# p$ 119$
Conclusin
&unDue la discusi!n de arriba desin! las )uentes posibles del vaco de percepci!n de
alunas entes entre individuos pronuclear y antinuclear# eso no apunta a una ambieedad de
un lado ! del otro como teniendo las mCs eGacta apreciaci!n de la totalidad del rieso de la
06/
enera nuclear$ Bos e)ectos de la memoria y de la imainaci!n son capaces ambos de
estimular los miedos del pAblico y oscurecer la conciencia de los eGpertos de los modos en
Due un sistema podra )allar$ En la medida Due los actuales riesos pueden ser nunca
conocidos con ran precisi!n y la nueva in)ormaci!n tiende a ser interpretada de una manera
consistente con la previas creencias de uno# el vaco de percepci!n puede estar con nosotros
por un tiempo laro$ Por lo tanto# para aluna ente# la Isla de las 'res -illas Nprob!O la
posibilidad de un catastr!)ico accidente nuclear# mientras Due para otros# el con)irm! su )e en
la con)iabilidad de los sistemas mAltiples y de contenci!n$
Eui@n decidir5?
Ba investiaci!n descrita en este captulo demuestra Due el juicio de los riesos es )alible$
'ambi;n muestra Due el rado de )alibilidad es a menudo sorprendentemente rande y Due
los estimados err!neos pueden ser sostenidos con ran con)ianFa$ Desde Due aAn la ente
lea bien in)ormada tiene di)icultad en juFar los riesos eGactamente# es tentador concluir
Due el pAblico debera ser removido de los procesos de evaluaci!n del rieso y toma de
decisi!n de la sociedad$ 'al acci!n parecera estar mal uiada en varios asuntos$ Primero# un
cerrado eGamen muestra Due la ente percibe alunas cosas muy bien# aunDue su perspectiva
puede a menudo ser muy di)erente de esa de los eGpertos t;cnicos$ En situaciones donde el
mal entendimiento es aresivo# los errores de la ente pueden a menudo ser localiFados en
eGperiencias prejuiciadas# cuya educaci!n puede ser capaF de contar$ En alunos casos# los
miedos )uertes de la ente y la resistencia a las palabras tranDuiliFadoras de los eGpertos
pueden ser localiFados en su sensibilidad al potencial de los accidentes catastr!)icos# a su
conocimiento del desacuerdo del eGperto sobre la probabilidad y manitud de tales
accidentes# y a su conocimiento de los serios errores cometidos por los eGpertos en el pasado$
&An en casos di)ciles# tal como el con)licto sobre la enera nuclear# una atm!s)era de
con)ianFa y un reconocimiento de Due ambos los eGpertos y las personas leas tienen alo
para contribuir# puede permitir alAn intercambio de in)ormaci!n y pro)undiFaci!n de las
perspectivas$
-Cs aAn# en muchos si no en la mayora de los casos# la direcci!n e)ectiva del peliro
reDuiere la cooperaci!n de un ran cuerpo de ente lea$ Estas entes deben estar de acuerdo
en hacer sin alunas cosas y aceptar sustitutos para otrosL ellos deben votar sensiblemente en
medidas de votaci!n y para los leisladores Duienes les servirCn como directores sustitutos
del peliroL ellos deben obedecer las relas de seuridad y usar responsablemente el sistema
leal$ &An si los eGpertos )ueran mucho mejor jueces de rieso Due ente lea# dando a los
eGpertos una )ranDuicia eGclusiva para la direcci!n del peliro sini)icara sustituir la
e)iciencia de corto plaFo por el es)uerFo de laro plaFo necesario para crear una ciudadana
in)ormada$
Para los no eGpertos# los descubrimientos Due hemos discutido plantean unas importantes
series de desa)os< estar mejor in)ormado# apoyarse menos en juicios no eGaminados ! no
soportados# estar conciente de los )actores Due podran prejuiciar los juicios de rieso# y estar
mCs abierto a la nueva evidenciaL de inmediato# realiFar el potencial de ser educable$
Para los eGpertos y los hacedores de la poltica# estos descubrimientos colocan lo Due
puede ser un desa)o mCs di)cil< reconocer y admitir las propias limitaciones conitivas de
uno# intentar educar sin hacer propaanda# reconocer la leitimidad de las preocupaciones del
pAblico# y de aluna manera desarrollar modos en los cuales estas preocupaciones puedan
encontrar una eGpresi!n en la decisiones de la sociedad sin# en el proceso# crear mCs calor
Due luF$
06.
Parte "
Comentario
060
17( <obre el estudio de las intuiciones estad*sticas
-ucha de la literatura reciente sobre el juicio y el raFonamiento inductivo ha estado
relacionado con los errores# prejuicios y )alacias en una variedad de tareas mentales 8vea#
v$$# Einhorn R Hoarth# /67/L Hammond# -cClelland R -umpo+er# /673L *isbett R "oss#
06:
/673L Sh+eder# /673L Slovic# ?ischho)) R Bichtenstein# /622L 'vers(y R Kahneman# /62:#
'9$ El ;n)asis en el estudio de los errores es caracterstica de la investiaci!n del juicio
humano# pero no es Anico de este dominio humano< *osotros usamos ilusiones para entender
los principios de la percepci!n normal y aprendemos sobre la memoria estudiando el olvidar$
Bos errores de raFonamiento# sin embaro# son Anicos entre las )allas conitivas en dos
respectos sini)icantes< Ellos son embaraFosos y parecen evitables$ *osotros no estamos
preocupados por nuestra susceptibilidad a la ilusi!n vertical>horiFontal ! por nuestra
inhabilidad de recordar una lista de mCs de ocho ditos$ En contraste# los errores de
raFonamiento son a menudo desconcertantes S ya sea porDue la soluci!n Due nosotros
)allamos en encontrar parece muy obvia en retrospectiva ! porDue el error Due cometimos
permanece atractivo aunDue sabemos Due es un error$ -uchos estudios corrientes del juicio
estCn relacionados con problemas Due tienen una ! la otra de estas caractersticas$
Ba presencia de un error de juicio estC demostrada comparando las respuestas de la ente
ya sea con un hecho establecido 8v$$# Due las dos lneas son iuales en lonitud9 ! con una
rela aceptada de aritm;tica# l!ica ! estadstica$ Sin embaro# no cada respuesta Due
contradice un hecho establecido ! una rela aceptada es un error de juicio$ Ba contradicci!n
podra tambi;n surir del malentendido del sujeto de la preunta ! de la mala interpretaci!n
del investiador de la respuesta$ Ba descripci!n de una respuesta particular como un error de
juicio por consiuiente involucra suposiciones sobre la comunicaci!n entre el
eGperimentador y el sujeto$ 8"etornaremos mCs tarde a este asunto en el captulo9$ El
estudiante del juicio debera evitar interpretaciones eGcesivamente estrictas# las cuales tratan
respuestas raFonables como errores# as como tambi;n interpretaciones eGcesivamente
caritativas# las cuales intentan racionaliFar cada respuesta$
&unDue los errores de juicio no son sino un m;todo por el cual alunos procesos
conitivos son estudiados# el m;todo ha lleado a ser una sini)icante parte del mensaje$ Ba
acumulaci!n de demostraciones en las cuales la ente inteliente viola elementales relas de
la l!ica ! estadstica han incrementado las dudas sobre la adecuaci!n descriptiva de $
Este captulo oriinalmente apareci! en Cognition# /67.# //# /.0>/:/$ Derechos de autor 5 /67/ por Elsevier
SeDuola$ "eimpreso con permiso$
los modelos racionales del juicio y la toma de decisi!n$ En las dos d;cadas siuientes a la
Seunda Iuerra -undial# varios tratamientos descriptivos del comportamiento actual
estuvieron basados en modelos normativos< la teora de utilidad subjetiva esperada en el
anClisis de escoencia del rieso# los cClculos Bayesianos en investiaciones de cambios de
creencia y la teora de detecci!n de seEal en estudios de tareas psico)sicas$ El anClisis te!rico
de estas situaciones# y para un menor rado de resultados eGperimentales# suiri! una imaen
de la ente tan e)iciente# cercana a los tomadores de decisi!n !ptima$ Sobre este
conocimiento# las observaciones de elementales violaciones del raFonamiento de la l!ica !
la estadstica pareci! sorprendente# y la sorpresa puede haber estimulado una visi!n del
intelecto humano Due alunos autores han criticado como injustamente neativa 8B$ =$ Cohen#
/626# /67/L H$ Ed+ards# /621L Einhorn R Hoarth# /67/9$
EGisten tres raFones relacionadas para la puntualiFaci!n de los errores sistemCticos y de
los prejuicios in)erenciales en el estudio del raFonamiento$ Primero# ellos eGponen alunas
de nuestras limitaciones intelectuales y suieren maneras de mejorar la calidad de nuestro
pensar$ Seundo# los errores y los prejuicios a menudo revelan los procesos psicol!icos y
los procedimientos heursticos Due obiernan el juicio y la in)erencia$ 'ercero#
eDuivocaciones y )alacias ayudan al mapeo de las intuiciones humanas indicando cuCles
principios de estadstica ! l!ica son no intuitivos ! contra intuitivos$
Bos t;rminos intuicin e intuitivo son usados en tres di)erentes sentidos$ Primero# un
juicio es llamado intuitivo si el es alcanFado por un modo in)ormal y no estructurado de
061
raFonamiento# sin el uso de m;todos analticos ! cClculo deliberado$ Por ejemplo# la mayora
de los psic!loos siuen un procedimiento intuitivo en decidir el tamaEo de sus muestras
pero adoptan procedimientos analticos para probar la sini)icancia estadstica de sus
resultados$ Seundo# una rela )ormal ! un hecho de la naturaleFa es llamado intuitivo si el es
compatible con nuestro modelo leo del mundo$ Por lo tanto# es intuitivamente obvio Due la
probabilidad de anar un premio de la lotera decrece con el nAmero de boletos# pero el es
contra intuitivo de Due eGiste una mejor Due una posibilidad semejante de Due un rupo de .0
entes incluyeran un par de individuos con el mismo da de cumpleaEos$ 'ercero# una rela !
un procedimiento se dijo ser parte de nuestro repertorio de intuiciones cuando aplicamos la
rela ! seuimos el procedimiento en nuestra conducta normal$ Bas relas de ramCtica# por
ejemplo# son parte de las intuiciones de un orador nativo# y alunas de 8aunDue no todas9 las
relas de eometra plana son incorporadas dentro de nuestro raFonamiento espacial$
El presente captulo dirie varios metodol!icos y conceptuales problemas Due suren en
intentos de mapear las intuiciones de la ente sobre la posibilidad y la incertidumbre$
EmpeFamos por discutir di)erentes pruebas de intuiciones estadsticasL nosotros entonces
retornamos a una crtica del paradima de preunta>responder en la investiaci!n del juicioL
y concluimos con una discusi!n del carCcter no intuitivo de alunas leyes estadsticas$
Pruebas de intuiciones estad*sticas
Errores y prejuicios en el juicio bajo incertidumbre son la mayor )uente de datos para el
mapeo de los lmites de las intuiciones estadsticas de la ente$ En este conteGto es
instructivo distinuir entre errores de aplicaci!n y errores de comprensi!n$ Una )alla en un
problema particular es llamada un error de aplicaci!n si eGiste evidencia de Due la ente
conoce y acepta una rela Due ellos no aplicaron$ Una )alla es llamada un error de
comprensi!n si la ente no reconoce la valideF de la rela Due ellos violaron$
Un error de aplicaci!n estC mCs convincentemente demostrado cuando una persona#
espontCneamente ! con una mnima incitaci!n# aarra su cabeFa y eGclama< NC!mo podra yo
haber olvidado esoQO &unDue muchos lectores reconocerCn esta eGperiencia# tales
desplieues de emociones no pueden contar# y otros procedimientos deben ser desarrollados
para demostrar Due la ente entiende una rela Due ellos han violado$
En entendimiento de una rela puede ser probado por 8/9 obteniendo de los sujetos ! 8.9
reDuiri;ndoles a apoyar una declaraci!n de 8/9 una rela eneral ! 8.9 un arumento para !
contra una conclusi!n particular$ Ba combinaci!n de estas caractersticas produce cuatro
procedimientos# los cuales ahora ilustraremos y discutiremos$
EmpeFamos con un ejemplo in)ormal en el cual el entendimiento de una rela es
con)irmado por la aceptaci!n ! apoyo de un arumento$ Uno de nosotros ha presentado la
siuiente interroante a muchos juadores de sDuash
Como usted sabe# un jueo de sDuash puede ser juado ya sea a 6 ! /1 puntos$ Sosteniendo todas las
otras relas del jueo constantes# si & es un mejor juador Due B# cuCl sistema de punteo darC a &
una mejor posibilidad de anarQ
&unDue todos nuestros in)ormantes tuvieron alAn conocimiento de estadstica# la
mayora de ellos dijeron Due el sistema de punteo no debera hacer ninuna di)erencia$ Ellos
)ueron reDueridos entonces a considerar el arumento de Due el mejor juador debera
pre)erir el jueo mCs laro# debido a Due un resultado atpico es menos probable de ocurrir en
una muestra rande Due en una peDueEa$ Con muy pocas eGcepciones# los Due respondieron
inmediatamente aceptaron el arumento y admitieron Due su respuesta inicial haba sido un
064
error$ Evidentemente# nuestros in)ormantes tuvieron aluna apreciaci!n del e)ecto del tamaEo
de la muestra sobre los errores de muestreo# pero ellos )allaron en codi)icar la lonitud de un
jueo de sDuash como una instancia del tamaEo de la muestra$ El hecho de Due la conclusi!n
correcta viene a ser obliada tan pronto como esta coneGi!n es hecha indica Due la respuesta
inicial )ue un error de aplicaci!n# no de comprensi!n$
Un intento mCs sistemCtico para dianosticar la naturaleFa de un error )ue hecho en un
estudio de un )en!meno etiDuetado el e)ecto de conjunci!n 8vea el Captulo$ 49$ 'alveF el
principio mCs )undamental de la teora de probabilidad es la rela de conjunci!n# la cual
establece Due la probabilidad de una conjunci!n 8& R B9 no puede eGceder ya sea la
probabilidad de & ! la probabilidad de B$ Como el siuiente ejemplo muestra# sin embaro#
es posible construir pruebas en las cuales la mayora de los jueces S aAn los altamente
so)isticados S establecen Due una conjunci!n de los eventos es mCs probable Due uno de sus
componentes$
Para inducir el e)ecto de conjunci!n# presentamos a los sujetos con esDuemas
personalidad del tipo ilustrado abajo<
Binda tiene 0/ aEos de edad# soltera# )ranca y muy brillante$ Ella se especialiF! en )iloso)a$ Como
una estudiante# ella estC pro)undamente relacionada con asuntos de discriminaci!n y justicia social# y
tambi;n particip! en demostraciones anti>nucleares$
En una versi!n del problema# los entrevistados )ueron preuntados sobre cuCl de las dos
declaraciones sobre Binda )ue mCs probable< 8&9 Binda es cajera de un bancoL 8B9 Binda es
cajera de un banco Duien estC activa en el movimiento )eminista$ En una muestra rande de
estadsticamente inenuos no>raduados# 74W juF! la seunda declaraci!n ser la mCs
probable$ En una muestra de estudiantes raduados en psicoloa# solo 13W cometi! este
error$ Sin embaro# la di)erencia entre estadsticamente inenuos y so)isticados encuestados
se desvanecieron cuando los temas crticos )ueron incluidos en una lista de ocho
declaraciones comparables sobre Binda$ &rriba de 73W de ambos rupos eGhibieron el e)ecto
de conjunci!n$ Similares resultados )ueron obtenidos en un diseEo entre>los sujetos# en el
cual las cateoras crticas )ueron comparadas indirectamente 8vea el Captulo 49$
Bos pruebas de la aceptaci!n de la rela y de aceptaci!n del arumento )ueron usadas en
un es)uerFo para determinar si la ente entiende y acepta la rela de conjunci!n$ Primero#
presentamos un rupo de estadsticamente inenuos estudiantes de universidad con varias
declaraciones parecidas a una rela# las cuales )ueron para clasi)icar como verdadero ! )also$
Ba declaraci!n< NBa probabilidad de M es siempre mayor Due la probabilidad de M y ,O )ue
aceptada por el 7/W de los Due respondieron$ En comparaci!n# solo el 4W aceptaron NSi &
es mCs probable Due B# entonces ellas no pueden ambas ocurrirO$ Estos resultados indican
alAn entendimiento de la rela de conjunci!n# aunDue la aceptaci!n no es unCnime# talveF
debido a la )ormulaci!n abstracta y no )amiliar$
Un procedimiento de aceptaci!n del arumento )ue tambi;n empleado# en el cual a los
entrevistados se les dio la descripci!n de Binda# seuida de las declaraciones 8&9 y 8B9 y
)ueron reDueridos a cheDuear cuCl de los siuientes arumentos ellos consideraron correcto<
8i9 & es mCs probable Due B debido a Due la probabilidad de Due Binda es ambas una cajera de un
banco y una )eminista activa debe ser menor Due la probabilidad de Due ella es una cajera de un
banco$
8ii9 B es mCs probable Due & debido a Due ella parece una cajera de un banco Dui;n es activa en el
movimiento )eminista mCs Due ella parece una cajera de un banco$
062
El arumento 8i9 )avorece a la rela de conjunci!n Due )ue aceptada por el 70W de los
estudiantes raduados en psicoloa por solo el :0W de los no raduados estadsticamente
inenuos$ EGtensas discusiones con los entrevistados con)irmaron este patr!n$ Bos
entrevistados estadsticamente so)isticados inmediatamente reconocieron la valideF de la
rela de conjunci!n$ Bos entrevistados inenuos# por otro lado# estuvieron mucho menos
impresionados por los arumentos normativos y muchos permanecieron con)iados en sus
respuestas iniciales Due )ueron inconsistentes con la rela de conjunci!n$
-uchos para nuestra sorpresa# sujetos inenuos no tuvieron un s!lido dominio de la rela
de conjunci!nL ellos tendieron a aceptarlo en lo abstracto pero no cuando ella entra en
con)licto con una )uerte impresi!n de representatividad$ Por otro lado# sujetos entrenados
estadsticamente reconocieron la valideF de la rela# y )ueron capaces de aplicarlo en un
problema especialmente transparente$ Ba so)isticaci!n estadstica# sin embaro# no previno el
e)ecto de conjunci!n en versiones menos transparentes del mismo problema$ En t;rminos del
presente tratamiento# el e)ecto de conjunci!n parece ser un error de aplicaci!n# al menos para
los mCs so)isticados sujetos$ Para una posterior de este asunto vea el Captulo 4$
En un intento de describir las intuiciones estadsticas de la ente en varios niveles de
so)isticaci!n# *isbett# KrantF# =epson y ?on 8Captulo# 0. de este volumen9 us! un
procedimiento de sacar la verdad# en el cual los entrevistados )ueron reDueridos a evaluar y
justi)icar ciertas conclusiones e in)erencias atribuidas a caracteres en breves relatos$ Bos
investiadores observaron randes di)erencias individuales en la comprensi!n de principios
bCsicos de estadstica# los cuales estuvieron altamente correlacionados con el nivel del
entrenamiento estadstico$ *aturalmente# las intuiciones estadsticas varan con la
inteliencia# eGperiencia y la educaci!n$ Como en otras )ormas del conocimiento# Due es
intuitivo para el eGperto es a menudo no>intuitivo para el novato 8vea v$$# Bar(in#
-cDermott# Simon R Simon# /6739$ *o obstante# alunos resultados estadsticos 8v$$# la
eDuiparaci!n de cumpleaEos ! el cambio de lder en un jueo de lanFar la moneda9
permanecen contra>intuitivos aAn para los estudiantes de la teora de la probabilidad 8?eller#
/647# p$ 719$ &demCs# eGiste aluna evidencia de Due los errores 8v$$# la )alacia de los
juadores9 Due son comAnmente cometidos por entrevistados inenuos pueden tambi;n ser
obtenidos de los estadsticamente so)isticados# con problemas de una ran sutileFa 8'vers(y
y Kahneman# /62/# .9$
El m;todo de obtenci!n )ue tambi;n usado 8Evans R Hason# /624L Hason R Evans#
/6219 en estudios de intuiciones l!icas en el bien conocido problema de las cuatro cartas
8Hason# /6449$ En la versi!n estCndar de este problema# el eGperimentador despliea cuatro
cartas mostrando &# '# : y 2# y reDuiere de los sujetos identi)icar las cartas Due deberan ser
volteadas para probar la rela NSi una carta tiene una vocal en un lado# ella tiene un nAmero
para en el otroO$ Ba respuesta correcta es Due las cartas mostrando & y 2 deberan ser
eGaminadas# porDue la observaci!n de un nAmero impar en la primera carta ! una vocal en la
seunda re)utaran la rela$ En una sorprendente )alla del raFonamiento l!ico# la mayora de
los sujetos eliieron mirar el lado oculto de las cartas mostrando & y :$ Hason y Evans
investiaron di)erentes versiones de este problema# y reDuirieron a sus sujetos dar raFones !
arumentos para sus decisiones de s ! no mirar el lado oculto de cada una de las cuatro
cartas$ Bos investiadores concluyeron Due los arumentos por los cuales los sujetos
justi)icaron sus respuestas )ueron meras racionaliFaciones# mCs Due declaraciones de relas
Due actualmente uiaron sus decisiones$
%tra evidencia para el entendimiento inadecuado de la ente de la rela de veri)icaci!n
)ue reportada por Hason 8/6469 y por Hason y =ohnson>Baird 8/6239$ En orden de proveer
NterapiaO# estos investiadores con)rontaron a los sujetos con las consecuencias de sus juicios
y llamaron la atenci!n de los sujetos a sus respuestas inconsistentes$ Este procedimiento tuvo
poco e)ecto en el desenvolvimiento subsecuente en la misma tarea$ 'omados juntos# los
067
resultados suieren Due las di)icultades de la ente en la veri)icaci!n de las tareas re)leja una
)alla de comprensi!n# no de aplicaci!n$
Bos ejemplos Due hemos considerado hasta ahora involucraron el apoyo de relas y
arumentos par justi)icar una respuesta particular$ *o hemos discutido el procedimiento de
reDuerir a los entrevistados a establecer la rela relevante# porDue tal prueba es a menudo
irraFonablemente eGiente< *osotros podemos acreditar a la ente con el entendimiento de
relas Due ellos no pueden articular apropiadamente$
Bos procedimientos pre)eridos para establecer un error de aplicaci!n reDuiere una
comparaci!n de las respuestas de la ente a un caso particular con su juicio sobre una rela !
arumento relevante$ 8-cClelland R "ohrbauh# /627L Slovic R 'vers(y# /62:9$ Es tambi;n
posible con)irmar un error de aplicaci!n en otros diseEos de investiaci!n$ Por ejemplo#
Hamill# Hilson y *isbett 8/6739 mostraron a los sujetos una entrevista en una cinta de video
supuestamente conducida con un uardia de prisi!n$ & la mitad de los sujetos se les dijo Due
las opiniones del uardia 8muy humanas ! muy brutales9 eran tpicas del personal de la
prisi!n# mientras Due a los otros sujetos se les dijo Due las actitudes del uardia eran atpicas
y Due el )ue ya sea mucho mCs ! mucho menos humano Due la mayora de sus coleas$ Bos
sujetos entonces estimaron las actitudes tpicas del personal de la prisi!n en una variedad de
asuntos$ El sorprendente resultado del estudio )ue Due las opiniones eGpresadas por un
uardia atpico tenan casi tanto impacto en las eneraliFaciones como lo hicieron las
opiniones atribuidas a un miembro tpico del rupo$ &lo estC obviamente eDuivocado en este
patr!n de juicios# aunDue es imposible describir cualDuier juicio particular como err!neo# y
es improbable Due muchos sujetos se daran cuenta Due ellos no haban estado in)luenciados
por la in)ormaci!n sobre la tipicalidad del uardia 8*isbett R Hilson# /6229$ En este caso y
en otros estudios entre los sujetos# parece raFonable concluir Due un error de aplicaci!n )ue
hecho si la comparaci!n entre los rupos conduce a un resultado Due la mayora de la ente
considerara insostenible$
Hemos de)inido un error de aplicaci!n como una respuesta Due viola una rela vClida Due
el individuo entiende y acepta$ Sin embaro# es a menudo di)cil determinar la naturaleFa de
un error# porDue di)erentes pruebas del entendimiento y aceptaci!n de una rela puede
conducir di)erentes resultados$ &demCs# la misma rela puede ser violada en un conteGto del
problema y no en otro$ Ba tarea de veri)icaci!n Due provee un sorprendente ejemplo< Bos
sujetos Due no veri)icaron correctamente la rela NSi una carta tiene una vocal en un lado#
ella tiene un nAmero par en el otroO no tuvo di)icultad en la veri)icaci!n de una rela
)ormalmente eDuivalente< NSi una carta es sellada y tiene una estampilla de cinco centavosO
8vea =ohnson>Baird# BerenFi R Sonino>BerenFi# /62.L =ohnson>Baird R Hason# /622L
Hason R Shapiro# /62/9$
Estos resultados ilustran un patr!n tpico en el estudio del raFonamiento$ Parece Due la
ente no posee una rela eneral vClida para la veri)icaci!n de las pdeclaraciones>si@ ! mCs
ellos resolveran el problema de la carta$ Por otro lado# ellos no son cieos a la rela correcta
! mCs ellos )allaran tambi;n en el problema de la estampilla$ Ba declaraci!n Due la ente no
posee la intuici!n correcta es# estrictamente hablando# correcta S si la posesi!n de una rela
es tomada para sini)icar Due es siempre seuida$ Por otro lado# esta declaraci!n puede ser
mal uiada# puesto Due ella podra suerir un d;)icit mCs eneral de lo Due de hecho es
observado$
Jarias conclusiones de estudios tempranos de representatividad parecen tener un status
similar$ Ha sido demostrado Due muchos adultos no tienen eneralmente intuiciones vClidas
correspondientes a la ley de los nAmeros randes# el papel de las proporciones base en la
in)erencia Bayesiana# ! los principios de la predicci!n reresiva$
Bas propiedades Due hacen a los problemas )ormalmente eDuivalentes )Cciles ! di)ciles
de resolver parecen estar relacionados a los modelos mentales# ! esDuemas# Due los
066
problemas provocan 8"umelhart# /6269$ Por ejemplo# parece mCs )Ccil ver la relevancia de
Nno>qO a la implicaci!n Np implica a qO en un esDuema de control de calidad 8Ellos olvidaron
colocar la estampilla a la carta selladaQ9 Due en un esDuema de con)irmaci!n 8Implica la ley
de la neaci!n de la conclusi!n la neaci!n de la hip!tesisQ9 Parece Due el raFonamiento
actual del proceso es un esDuema unido ! un contenido unido de tal manera Due las
operaciones di)erentes ! las relas in)erenciales estCn disponibles en di)erentes conteGtos
8Hayes R Simon$ /6229$ Consecuentemente# el raFonamiento humano no pude ser
adecuadamente descrito en t;rminos de contenido independiente de las relas )ormales$
El problema del mapeo estadstico ! las intuiciones l!icas es mCs adelante complicado
por la posibilidad de alcanFar conclusiones altamente inesperadas por una serie de pasos
altamente intuitivos$ ?ue este m;todo el Due S!crates emple! con ran ;Gito para convencer a
sus discpulos inenuos Due ellos tuvieron siempre verdades conocidas# las cuales ;l )ue solo
haci;ndolas descubrir$ Deberan cualesDuiera conclusiones Due pueden ser alcanFadas por
una serie de pasos intuitivos ser consideradas intuitivasQ Braine 8/6279 discuti! este asunto
en el conteGto del raFonamiento deductivo# y ;l propuso la inmediateF de una prueba< Una
declaraci!n es intuitiva solo si su verdad es inmediatamente apremiante y si ella es de)endida
en un simple paso$
El asunto de las pistas SocrCticas no ha sido eGplcitamente tratada en el conteGto del
juicio bajo incertidumbre# y no eGisten relas Due distinan pruebas correctas de intuiciones
de criticados enimas por un lado y de SocrCticas instrucciones por el otro$ Imaine# por
ejemplo# c!mo S!crates podra haber enseEado a un estudiante a dar la apropiada respuesta a
las siuientes interroantes<
NCuCl hospital S un rande ! un peDueEo S anotarCn mCs a menudo los das en los cuales arriba del
43W de los beb;s Due nacieron )ueron hombresQO
Esta es una preunta di)cil para los estudiantes no raduados de Stan)ord 8Kahneman R
'vers(y# /62.b# p$ ::/# 19# pero una respuesta correcta puede ser obtenida en una serie de
pasos )Cciles# talveF como siue<
N*o estara usted de acuerdo en Due los beb;s nacidos en un hospital particular en un da
particular pueden ser vistos como una muestraQO
NDel todo correcto$ , ahora# tendra usted la misma con)ianFa en los resultados de una muestra
rande# ! de una peDueEaQO
NCiertamente$ , no estara de acuerdo en Due su con)ianFa es mayor en una muestra Due es menos
probable de estar en errorQO
NPor supuesto usted siempre haba conocido eso$ -e dira usted ahora cuCl es la proporci!n de
niEos en una colecci!n de beb;s la cual usted considera la mCs cercana a un ideal de verdadQO
NEstamos de acuerdo de nuevo$ Eso no sini)ica# entonces# Due un da en el cual mCs del 43W de
beb;s nacidos son varones es un rave despeue de ese idealQO
N, por lo tanto# si usted tiene ran con)ianFa en una muestra# no esperara usted Due la muestra
revele la verdad mCs Due el errorQO Etc$
El procedimiento SocrCtico es un modo pesado de manejar de conducir al entrevistado a
una respuesta deseada# pero eGisten modos mCs sutiles de adDuirir la misma meta$ ?ischho))#
Slovic y Bichtenstein# 8/6269 mostraron Due los sujetos vienen a ser sensitivos a proporciones
base y a la con)iabilidad de la evidencia cuando ellos encuentran sucesivos problemas Due
varan solo en ;stas crticas variables$ &unDue estos investiadores no obtuvieron un e)ecto
de tamaEo de muestra de tamaEo uni)orme en un diseEo dentro de los sujetos# tales e)ectos
han sido obtenidos por Evans y Dusoir 8/6229 y por Bar>Hillel 8/6269 con una )ormulaci!n
mCs transparente y mCs eGtremos resultados de muestra#$
:33
Ba pista proveda por problemas paralelos pueden conducir a los sujetos a asinar peso a
una variable Due es actualmente irrelevante a la respuesta correcta$ ?ischho)) y Bar>Hillel
8/673a9 demostraron Due los entrevistados estuvieron sensitivos a la irrelevante in)ormaci!n
de proporci!n base si esa )ue la Anica distinuiendo un set de problemas$ Ciertamente# los
sujetos estCn propensos a creer Due cualDuier caracterstica de los datos Due es
sistemCticamente variada es relevante a la respuesta correcta$ Bos diseEos dentro de los
sujetos estCn asociados con problemas sini)icantes de interpretaci!n en varias Creas de la
investiaci!n psicol!ica 8Poulton# /6219$ En estudios de intuiciones# ellos son responsables
para inducir el e)ecto el cual ellos estCn intentando probar$
<obre las limitaciones del paradi#ma pre#untar-responder
En la secci!n precedente nosotros elevamos la posibilidad de Due los diseEos dentro de los
sujetos y la pistas SocrCticas podran impulsar las intuiciones bajo estudio$ El problema es
actualmente mucho mCs amplio$ Ba mayora de la investiaci!n del juicio bajo incertidumbre
y de in)erencia inductiva en un paradima de conversaci!n en el cual el sujeto es eGpuesto a
la in)ormaci!n y es reDuerido a responder preuntas ! a estimar valores# oralmente ! por
escrito$ En esta secci!n discutimos alunas di)icultades y limitaciones asociadas con este
paradima preuntar>responder$
El uso de cuestionarios cortos completados por sujetos casualmente motivados es a
menudo criticado en los campos en Due los sujetos actuaran di)erentemente si ellos tomaran
la situaci!n mCs seriamente$ Sin embaro# la evidencia indica Due los errores de
raFonamiento y escoencia Due )ueron oriinalmente establecidos con preuntas hipot;ticas
no son eliminados por la introducci!n de incentivos sustanciales 8Irether# /626L Irether y
Plott# /626L Bichtenstein y Slovic# /62/# /620L 'vers(y y Kahneman# /67/9$ Bas preuntas
hipot;ticas son apropiadas cuando las personas son capaces de predecir c!mo ellos
responderan en un ajuste mCs realstico# y cuando ellos no tienen incentivos para apoyarse
sobre sus respuestas$ Eso no es decir Due las recompensas e incentivos no a)ectan el juicio$
-Cs bien# mantenemos Due los errores de raFonamiento y escoencia no desaparecen en la
presencia de las recompensas$ *i el peri!dico diario ni el estudio de pasadas decisiones
polticas y militares soportan la opini!n optimista de Due la racionalidad prevalece cuando
los intereses son altos 8=anis# /62.L =anis R -ann# /622L =ervis# /6219$
'alveF una mCs seria preocupaci!n en relaci!n al paradima de preuntar>responder es
Due no podemos con seuridad asumir Due Nlas conversaciones eGperimentalesO en las cuales
los sujetos reciben mensajes y responden interroantes estimularCn las in)erencias Due la
ente hace en su interacci!n normal con el entorno$ &unDue alunos juicios en la vida diaria
son hechos en respuesta a interroantes eGplicitas# muchos no son$ &demCs# los eGperimentos
de conversaci!n di)ieren en muchas maneras de la interacci!n social normal$
En interpretar las respuestas de los sujetos# los eGperimentadores son tentados a asumir 8i9
Due las interroantes meramente obtienen de los sujetos una eGpresi!n evidente de
pensamientos Due les habran ocurrido espontCneamente y 8ii9 Due toda la in)ormaci!n dada a
los sujetos estC incluida en el mensaje eGperimental$ Ba situaci!n es muy di)erente del punto
de vista de los sujetos$ Primero# la preunta Due el eGperimentador reDuiere podra no surir
espontCneamente en la situaci!n Due el eGperimentador estC intentando simular$ Seundo# el
sujeto estC normalmente preocupado con muchas interroantes Due el eGperimentador nunca
pens! preuntar# tales como< NEGiste una repuesta correcta a esta interroanteQ Espera el
eGperimentador Due yo la encuentreQ Es una obvia respuesta a toda probabilidad ser
correidaQ Pu; determin! la selecci!n de la in)ormaci!n Due me )ue dadaQ Es aluna de ellas
irrelevante e incluida justo para mal uiar# ! son todas relevantesQ Ba simple respuesta
abierta Due el eGperimentador observa estC determinada en parte por las respuestas de los
:3/
sujetos a este rupo de interroantes tCcitas$ , el mensaje eGperimental es solo una de las
)uentes de in)ormaci!n Due los sujetos usan para enerar ambas# las respuestas cubiertas y las
abiertas 8%rne# /6209$
Siuiendo las con)erencias de Hilliam =ames de Irice en /642 8Irice# /6219# un ran
cuerpo de literatura en )iloso)a# linestica y psico>linestica ha tratado con el principio de
cooperaci!n al sini)icado de pronunciar discursos 8para re)erencias# vea Clar( R Clar(#
/6229$ Por este principio# el escucha de una conversaci!n estC en su derecho de asumir Due el
Due habla estC tratando de ser Nin)ormativo# verdadero# relevante y claroO 8Clar( R Clar(#
/622# p$ 1439$ Irice list! varias mCGimas Due un orador cooperativo normalmente seuirC$
Por ejemplo# la mCGima de cantidad prohibe al orador decir cosas Due el escucha ya conoce !
podra rCpidamente in)erir del conteGto o del resto del mensaje$ Es por ;sta mCGima Due la
declaraci!n N=ohn trat! de limpiar la casaO conlleva Due el intento no )ue eGitoso< El escucha
puede asumir Due un intento eGitoso habra sido descrito por la sentencia mCs simple< N=ohn
limpi! la casaO$
Bos sujetos vienen al eGperimento con la eGperiencia de una lara vida de cooperaci!n en
conversaci!n$ Ellos eneralmente esperarCn encontrar un eGperimentador cooperativo#
aunDue ;sta eGpectativa estC a menudo eDuivocada$ Ba suposici!n de cooperatividad tiene
muchos e)ectos sutiles en la interpretaci!n de los sujetos de la in)ormaci!n a la cual ellos son
eGpuestos$ En particular# ello lo hace eGcepcionalmente di)cil para el eGperimentador para
estudiar los e)ectos de la in)ormaci!n NirrelevanteO$ Debido a Due la presentaci!n de
in)ormaci!n irrelevante viola las relas de la conversaci!n# los sujetos son probables de
buscar relevancia en cualDuier mensaje eGperimental$ Por ejemplo# 'aylor y Croc(er#
8/626a9 comentaron sobre el hecho de Due las impresiones de una persona de los sujetos
estCn a)ectadas por declaraciones Due son ciertas de todos# por ejemplo# N-ar( es
inusualmente tmido con sus pro)esoresO$ Pero la in)erencia de los sujetos de Due -ar( es
inusualmente tmido podra ser justi)icada por la creencia de Due un eGperimentador
cooperativo no incluira una declaraci!n totalmente redundante en una descripci!n de
personalidad$ Similares asuntos suren en otros estudios 8v$$# Kahneman R 'vers(y# /620#
7L *isbett# gu(ier R Bemley# /67/9# los cuales investiaron el impacto de la in)ormaci!n
irrelevante ! sin valor$
El papel de las presuposiciones incluidas en una interroante )ue ilustrada en un estudio
por Bo)tus y Palmer 8/62:9# Duien mostr! Due testios oculares dan un estimado mCs alto de
la velocidad de un carro cuando preunt! NCuCn rCpido iba el carro cuando choc! al otro
carroQO El uso de la palabra c*ocar en la preunta implica Due el interroador# si es sincero y
cooperativo# cree Due el carro iba rCpido$
El anClisis normativo de tal in)erencia puede ser dividido dentro de dos problemas
separados$ 8i9 Estara el testio a)ectado por la preunta en )ormar una opini!n privada de la
velocidad del carroQ 8ii9 Estara el testio a)ectado por la preunta en )ormular un estimado
pAblicoQ Ba respuesta a 8i9 debe ser positiva si la preunta conlleva nueva in)ormaci!n$ Ba
respuesta a 8ii9 es menos clara$ Por un lado# parece inapropiada para la respuesta a una
preunta a la in)ormaci!n adherida contenida en la preunta$ Por otro lado# el testio
cooperativo se espera Due d; el mejor posible estimado en responder a una preunta sobre
una cantidad$ Pu; es lo Due el testio debe hacer si ese estimado ha sido in)luenciado por la
preuntaQ Debera la respuesta ser< O&ntes de Due usted me preuntara# yo habra
pensado $$$OQ CualesDuiera sean los m;ritos normativos del caso# la evidencia indica Due las
personas son a menudo incapaces de aislar las opiniones pasadas de las corrientes ! estimar
el peso de los )actores Due a)ectaron sus opiniones 8?ischho))# /622bL Ioethals R "ec(man#
/620L *isbett R Hilson# /622L "oss R Bepper# /6739$
*uestra investiaci!n de anclaje 8'vers(y R Kahneman# /62:# '9 posteriormente ilustra
la potencia de las suestiones sutiles$ En un estudio reDuerimos a un rupo de sujetos evaluar
:3.
la probabilidad Due la poblaci!n de 'urDua )uera mayor de 1 millones# y reDuerimos a otro
rupo evaluar la probabilidad de Due la poblaci!n de 'urDua )uera menor de 41 millones$
Siuiendo esta tarea# los dos rupos reistraron sus mejores adivinanFas sobre la poblaci!n
de 'urDuaL los estimados medios )ueron /2 millones y 01 millones respectivamente# para los
rupos eGpuestos a los anclajes bajos y a los altos$ Estas respuestas pueden tambi;n ser
racionaliFadas por la suposici!n de Due los valores Due aparecen en las preuntas de
probabilidad no estCn muy lejos de la correcta$
Hemos areido Due los e)ectos de suesti!n pueden a veces ser justi)icados debido a Due
no eGiste una clara demarcaci!n entre la suesti!n y la in)ormaci!n$ Es importante notar# sin
embaro# Due las personas no aceptan suestiones porque es apropiado hacerlo$ En primer
luar ellos usualmente no conocen Due ellos han sido a)ectados por una suesti!n 8Bo)tus#
/626L *isbett R Hilson# /6229$ Seundo# similares e)ectos de suesti!n son observados aAn
cuando los entrevistados no pueden creer raFonablemente Due un anclaje Due a ellos se les da
conlleva in)ormaci!n$ Bos sujetos )ueron reDueridos a producir estimados de cantidades
ajustando hacia arriba ! hacia debajo de un valor aleatoriamente enerado mostr! una )uerte
evidencia de e)ectos de anclaje 8'vers(y R Kahneman# /62:# '9$ *o es suestionabilidad
como tal Due es problemCtico sino la inhabilidad aparente para descartar mensajes no
in)ormativos$
Cuando los sujetos son reDueridos a indicar su respuesta# escoiendo una respuesta de
una lista ! construyendo una distribuci!n de probabilidad sobre un dado set de alternativas#
la escoencia de cateoras del eGperimentador podra ser in)ormativa$ Bo)tus 8/6269 ha
mostrado Due los entrevistados reportan mucho mCs dolores de cabeFa por semana cuando la
respuesta es eGpresada como />1# 1>/3# /3>/1# etc$# Due cuando la escala es eGpresada como
/>0# 0>1# 1>2# etc$ En este caso# la escala podra letimamente a)ectar los lmites de lo Due es
ser llamado un dolor de cabeFa$ &An cuando tales reinterpretaciones no son posibles# se
espera Due los sujetos )avoreFcan la mitad del rano en sus estimados de cantidades y
producir distribuciones de probabilidad en las cuales cada una de las cateoras es asinada a
una probabilidad despreciable 8%lson# /624L Parducci# /6419$
Suestiones implicadas por el cuestionario podran tambi;n contribuir a un resultado
observado por ?ischho))# Slovic y Bichtenstein 8/6279# Duien reDuiri! a los sujetos inenuos
y mecCnicos de arae eGperimentados evaluar la probabilidad de di)erentes
mal)uncionamientos Due podran causar una )alla en el arranDue de un carro$ Ellos
encontraron Due la probabilidad estimada de la cateora de Ntodos los otros problemasO )ue
muy insensitivo a la completaci!n de la lista y )ue duramente incrementado cuando un )actor
mayor 8v$$# el sistema el;ctrico completo9 )ue eliminado de esa lista$
&An pistas sutiles e indirectas pueden ser e)ectivas$ En un reciente estudio les dimos a los
sujetos la siuiente in)ormaci!n< NEl seEor & es caucCsico# edad 00 aEos$ El pesa /63 libras$O
Un rupo de sujetos )ue reDuerido a adivinar su altura$ %tros sujetos tambi;n adivinaron su
altura# despu;s de la primera adivinanFa su tamaEo de cintura$ El promedio estimado )ue
sini)icantemente mCs alto en el primer rupo# por alrededor de una pulada$ *osotros
conjeturamos Due los sujetos Duienes primero adivinaron el tamaEo de cintura atribuyeron
mCs del peso del seEor &# a su ordura Due lo Due no hicieron los sujetos Duienes solo
adivinaron su altura$
*osotros concluimos Due el aspecto de conversaci!n de los estudios del juicio se merece
una mCs cuidadosa consideraci!n Due la Due ha recibido en la investiaci!n pasada# la nuestra
incluida$ *o podemos siempre asumir Due las personas harCn ! deberan hacer las mismas
in)erencias de la observaci!n de un hecho y de hab;rsele dicho el mismo hecho# porDue las
relas de conversaci!n Due reulan la comunicaci!n entre las personas no se aplica a la
in)ormaci!n Due es obtenida por la observaci!n de la naturaleFa$ Es a menudo di)cil reDuerir
interroantes sin dar 8Atiles ! mal uiadas9 pistas con relaci!n a la respuesta correcta y sin
:30
conllevar in)ormaci!n sobre la respuesta esperada$ Una discusi!n de un asunto normativo
relacionado concerniente a la interpretaci!n de la evidencia estC incluido en Bar>Hillel y ?al(
8/6739$
*aturalmente# los )actores de prejuicio Due hemos mencionado son probables de tener
mayor impacto en situaciones de alta incertidumbre$ & las interpretaciones de los sujetos de
la actitud de conversaci!n del eGperimentador no les serCn dadas mucho peso si ellas entran
en con)licto con el conocimiento con)idente de la respuesta correcta a un asunto$ En el Crea
ris donde mCs investiaci!n del juicio es llevada a cabo$ Sin embaro# las variaciones del
conteGto de conversaci!n pueden a)ectar el proceso de raFonamiento as como a la respuesta
observada$
Errores de juicio: $n5lisis positivos y ne#ativos
Es a menudo Atil distinuir entre cuentas de errores de juicio positivos y neativos$ Un
anClisis positivo se )ocaliFa en los )actores Due produjeron una respuesta particular
incorrectaL un anClisis neativo eGplica por Du; no )ue hecha la respuesta correcta$ Por
ejemplo# el anClisis positivo de la )alla de un niEo en una tarea de conservaci!n Piaetiana
intenta especi)icar los )actores Due determinan la respuesta del niEo# tal como# la altura
relativa del Crea de la super)icie de los dos contenedores$ Un anClisis neativo del mismo
comportamiento se )ocaliFara en los obstCculos Due hacen di)cil Due hacen di)cil para el
niEo adDuirir y entender el volumen de la conservaci!n$ En la investiaci!n del juicio bajo
incertidumbre# los anClisis positivos estCn relacionados con la heurstica Due las personas
usan para hacer juicios# estimados y predicciones$ Bos anClisis neativos estCn relacionados
con las di)icultades de entendimiento y aplicaci!n de las relas elementales del
raFonamiento$ En el caso de un error de comprensi!n# el anClisis neativo se )ocaliFa en los
obstCculos Due previenen a las personas de descubrir la rela relevante por s mismos# ! de
aceptar simples eGplicaciones de el$ El anClisis neativo de un error de aplicaci!n busca
identi)icar las maneras de en las cuales la codi)icaci!n de los problemas pueden ocultar la
relevancia de una rela Due es conocida y aceptada$
En eneral# un anClisis positivo de un error es mCs Atil cuando la misma heurstica eGplica
los juicios en un variado set de problemas donde di)erentes relas normativas son violadas$
Correspondientemente# un anClisis neativo es mCs iluminante cuando las personas
consistentemente violan una rela en di)erentes problemas pero cometen errores Due no
pueden ser atribuidos a una simple heurstica$ 'ambi;n viene a ser apropiado preuntar por
Du; las personas se resisten a la rela si ellos no estCn convencidos por arumentos vClidos
simples$ Bas di)icultades de aprender los principios estadsticos de la eGperiencia diaria han
sido discutidos por varios autores# notablemente Einhorn y Hoarth 8/6279# B$ "$ Ioldber
8/647b9 y *isbett y "oss 8/6739$ ?allas del aprendiFaje son comAnmente rastreadas a la
inaccesibilidad de la codi)icaci!n necesaria de instancias relevantes# ! a la ausencia de un
reaprovechamiento correctivo por juicios err!neos$ Ba resistencia a la aceptaci!n de una rela
es normalmente atribuida a su naturaleFa contra>intuitiva$ Como un ejemplo# retornamos
ahora al anClisis de las raFones para la resistencia al principio de la predicci!n reresiva$
Estudios de predicci!n intuitiva han provedo mucha evidencia para la prevalencia de la
tendencia a hacer predicciones Due son radicales ! insu)icientemente reresivas$ 8Para una
reciente revisi!n de esta literatura vea el Captulo /19$ En artculos anteriores o)recimos un
anClisis positivo de este e)ecto como una mani)estaci!n de la representatividad heurstica
8Kahneman y 'vers(y# /620# 7L /626a# 189$ Sin embaro# como veremos# eGisten raFones
para reresar a un anClisis neativo en orden de proveer un tratamiento mCs comprensivo$
:3:
Un anClisis neativo es de especial inter;s para los errores de comprensi!n# en los cuales
las personas encuentran la rela correcta no>intuitiva ! aAn contra>intuitiva$ Ba mayora de
los pro)esores de estadstica elemental atestiuarCn# los estudiantes encuentran el concepto de
reresi!n muy di)cil de entender y aplicar a pesar de un tiempo de vida de eGperiencia en la
cual las predicciones eGtremas )ueron a menudo tambi;n eGtremas$ Bos pronosticadores de
deportes y los maestros# por ejemplo# estCn )amiliariFados con mani)estaciones de reresi!n a
la mediocridad< Boros eGcepcionales son seuidos mCs a menudo Due no por decepciones y
)allas Due son por mejoramiento$
&demCs# cuando la reresi!n de un criterio variable sobre una predicci!n es actualmente
lineal# y cuando las distribuciones condicionales del criterio 8por valores )ijados del Due
predice9 son sim;tricos# la rela de predicci!n reresiva puede ser de)endida por un
arumento obliatorio< ella es sensible a hacer la misa predicci!n para todos los casos Due
comparten el mismo valor de la variable del Due la predice# y ella es sensible a escoer esa
predicci!n de tal manera Due la media y la mediana del valor del criterio# para todos los casos
Due comparten el mismo valor predicho ,# serCn iuales a ,$ Esta rela# sin embaro# entra en
con)licto con otras intuiciones# alunas de las cuales son discutidas en los siuientes pCrra)os$
/$ NUna rela !ptima de predicci!n debera al menos permitir# si no arantiFar#
predicciones per)ectamente eGactas para el entero ensamble de los casosO$ El principio de
predicci!n reresiva viola este aparente raFonable reDuerimiento$ Ella conduce a un set de
valores predichos Due tienen menos variaci!n Due el correspondiente set de valores de
criterio actuales y de ese modo eGcluye la posibilidad de un set de predicciones precisamente
eGactas$ Ciertamente# la rela de reresi!n arantiFa Due un error serC cometido cada par de
observaciones correlacionadas< *osotros nunca podemos encontrar un hijo cuya altura
tambi;n permiti! una predicci!n eGacta de la altura del padre# eGcepto cuando ambos valores
estCn en la media de la distribuci!n de altura$ Parece eGtraEo Due una rela de predicci!n Due
arantiFa un error debera volverse !ptima$
.$ NBa relaci!n entre una observaci!n y una predicci!n basada en ella debera ser
sim;tricaO$ Parece raFonable esperar Due si B es predicho del conocimiento de &# entonces &
debera ser la predicci!n apropiada cuando B es conocida$ Bas predicciones reresivas violan
esta simetra# por supuesto# desde Due las predicciones de las dos variables de cada una no
son obernadas por la misma ecuaci!n de reresi!n$ Una simetra relacionada es encontrada
en la comparaci!n de las predicciones reresivas a los valores actuales del criterio variable$
Bas predicciones reresivas no son prejuiciadas# en el sentido de Due el valor medio del
criterio# sobre todos los casos para los cuales un valor particular de , )ue predicho# se espera
Due sea ,$ Sin embaro# si consideramos todos los casos para los cuales el valor del criterio
)ue ,# serC encontrado Due la media de sus punteos predichos descansa entre , y el rupo
promedio$ Estas simetras son enimCticas y contra>intuitivas para intelientes pero
estadsticamente personas inenuas$
Bas asimetras de predicci!n reresiva son especialmente problemCticas cuando la
observaci!n inicial y el criterio son enerados por el mismo proceso y no son distinuibles a
priori# como en el caso del muestreo repetido de la misma poblaci!n ! en el caso de )ormas
paralelas de la misma prueba $ El Anico modo de predicci!n Due satis)ace la simetra en tales
situaciones es una rela de identidad# donde el punteo sobre las seunda )orma es predicho
para ser el mismo como la observaci!n inicial$ El principio de la predicci!n reresiva
introduce una distinci!n para la cual no eGiste una raF!n obvia< C!mo es posible predecir el
sino de la di)erencia entre dos valores sacados de la misma poblaci!n# tan pronto como uno
de estos )actores es conocidoQ
0$ NCualDuier e)ecto sistemCtico debe tener una causaO$ Ba di)erencia entre las
observaciones iniciales y los valores del criterio correspondientes es un hecho# el cual puede
ser observado en cualDuier rC)ico disperso$ Sin embaro# parece ser un e)ecto sin una causa$
:31
En una situaci!n de un test duplicado# por ejemplo# el conocimiento de Due el primer punteo
)ue alto vincula la predicci!n de Due el seundo serC mCs bajo# pero la primera observaci!n
no causa Due la seunda sea baja$ Ba apariencia de un e)ecto no causado viola una predicci!n
poderosa$ Ciertamente# el entendimiento de la reresi!n es severamente ocultado por el
hecho de Due cualDuier instancia de reresi!n sobre la cual en la cual uno tropieFa por
accidente es probable de dCrsele una eGplicaci!n causal$ En el conteGto de una hCbil
ejecuci!n# por ejemplo# la reresi!n de una prueba inicial a una subsecuente es comAnmente
atribuida a intenso es)uerFo despu;s de una )alla inicial y a un eGceso de con)ianFa en seuir
un suceso inicial$ Es a menudo di)cil darse cuenta Due los ejecutores reresaran aAn sin el
conocimiento de los resultados# meramente debido a una no con)iabilidad en su ejecuci!n$ Ba
reresi!n de la primera ejecuci!n sobre la seunda es tambi;n sorprendente porDue a ella no
puede dCrsele una eGplicaci!n causal$
Hemos esboFado un anClisis neativo de las di)icultades de las personas en entender y
aplicar el concepto de la predicci!n reresiva$ *osotros proponemos Due las personas tienen
)uertes intuiciones sobre la predicci!n estadstica y Due alunos principios normativamente
correctos son contra>intuitivos precisamente porDue ellos violan intuiciones eGistentes$ En
esta opini!n# los NprincipiosO Due las personas adoptan representan creencias sini)icativas#
no meras racionaliFaciones# y ellas juean un papel sustancial en retardar el aprendiFaje de
las relas correctas$ Estas creencias# sin embaro# son a menudo contradictorias y por tanto
irrealiFables$ Por ejemplo# es imposible construir una distribuci!n no deenerativa de uni!n
de la altura de los padres y los primeros hijos de tal manera Due la altura media de un padre
serC un serC un predictor no prejuiciado de la altura de su hijo y la altura de un hijo serC un
predictor no prejuiciado de la altura de su padre$
En conclusi!n# hemos propuesto Due alunos errores y prejuicios en el juicio bajo
incertidumbre llaman a un anClisis dualL un in)orme positivo Due eGplica la escoencia de una
respuesta particular err!nea en t;rminos de heursticas y una in)orme neativo Due eGplica
por Du; la rela correcta no ha sido aprendida$ &unDue los dos anClisis no son incompatibles#
ellos tienden a destacar aspectos di)erentes del )en!meno bajo estudio$ El intento de interar
los in)ormes positivos y los neativos es probable Due enriDueFcan el anClisis te!rico del
raFonamiento inductivo$
Resumen
Diriimos en este captulo tres rupos de problemas metodol!icos y conceptuales en el
dominio del juicio bajo incertidumbre$ Primero# distinuimos entre errores de aplicaci!n y
errores de comprensi!n y discutimos di)erentes m;todos para estudiar las intuiciones
estadsticas$ Seundo# revisamos alunas limitaciones del paradima de preuntar>responder
de la investiaci!n del juicio y eGploramos los e)ectos de las suestiones tCcitas# pistas
SocrCticas y relas de conversaci!n$ 'ercero# discutimos el papel de la eGplicaciones
positivas y neativas de los errores del juicio$
Bas consideraciones suridas en este captulo complican el anClisis emprico y el te!rico
del juicio bajo incertidumbreL ellas tambi;n suieren nuevas direcciones para un )utura
investiaci!n$ Esperamos Due una mCs pro)unda apreciaci!n de los problemas conceptuales y
metodol!icos asociados con el estudio de las intuiciones estadsticas conducirCn a un mejor
entendimiento de las complejidades# las sutileFas y las limitaciones del raFonamiento
inductivo humano$
:34

19( Variantes de la incertidumbre
Bos anClisis de la incertidumbre en )iloso)a# estadstica# y la teora de la decisi!n
comAnmente tratan todas las )ormas de incertidumbre en t;rminos de una dimensi!n simple
de la probabilidad ! del rado de creencia$ "ecientes estudios psicol!icos del juicio bajo
:32
incertidumbre han a menudo seuido esta tradici!n y se han )ocaliFado en la correspondencia
de los juicios intuitivos a la l!ica estCndar de probabilidad 8Einhorn R Hoarth# /67/L
*isbett R "oss# /673L Slovic# ?ischho)) R Bichtenstein# /622L Captulo 0:9$ Una eGtensa
perspectiva psicol!ica de la incertidumbre# sin embaro# revela una variedad de procesos y
eGperiencias# los cuales incluyen tales mecanismos bCsicos como habituaci!n a la repetida
estimulaci!n en una simple neurona y tales actividades complejas como la evaluaci!n de
hip!tesis cient)icas$
En este captulo esboFamos alunas eGtensiones del rano de observaciones Due son
normalmente consideradas en los anClisis psicol!icos de los juicios bajo incertidumbre$ Dos
niveles de respuesta a la incertidumbre son discutidos$ Primero describimos alunos procesos
bCsicos de eGpectativa y sorpresa en la percepci!n# los cuales pueden ser considerados los
precursores de la probabilidad subjetiva$ Cuando retornamos a un eGamen )enomenol!ico#
en el cual distinuimos las atribuciones internas de las eGternas de la incertidumbre y
esboFamos cuatro modos de juicio Due las personas pueden adoptar en evaluar la
incertidumbre$
4ormas elementales de la probabilidad
Ba incertidumbre es un hecho con el cual todas las )ormas de vida deben estar preparadas
para contender$ & todos los niveles de la complejidad biol!ica eGiste incertidumbre sobre la
sini)icancia de los sinos ! estmulos y sobre las posibles consecuencias de las acciones$ &
todos los niveles# la acci!n debe ser tomada antes Due la incertidumbre sea resuelta# y un
apropiado balance debe ser adDuirido entre un alto nivel de buena disposici!n espec)ica
para los eventos Due son mCs probables de ocurrir y una habilidad eneral para responder
apropiadamente cuando lo inesperado sucede$ Debido a Due el )oco del presente tratamiento
es sobre la creencia mCs Due sobre la acci!n# no discutiremos los eGtraordinarios procesos por
los cuales los mCs bajos oranismos distribuyen sus es)uerFos de respuesta de acuerdo con
probabilidades de re)orFamiento 8Herrnstein# /6239$ *uestra principal preocupaci!n es esta
Este captulo oriinalmente apareci! en Cognition# /67.# //# /:0>/12$ Derechos de autor 5 /67/ por Elsvier
SeDuoia$ "eimpreso con permiso$
secci!n es con la incertidumbre de percepci!n$
)pectativas de percepcin
&ntes del evento eGisten eGpectativas$ Despu;s del evento puede haber sorpresa$ Ba sorpresa
ha sido estudiada principalmente por los m;todos psico)isiol!icos# y ha sido medido por los
varios indicadores del orientar la respuesta 8Bynn# /644L So(olov# /6469 y por el componente
P033 de los potenciales del evento relacionado 8Duncan>=ohnson R Donchin# /622L Donchin#
"itter R -cCallum# /6279$ Bas eGpectativas han sido estudiadas en muchos conteGtos y por
una amplia variedad de m;todos$
*uestra discusi!n de las eGpectativas de percepci!n serCn oraniFadas alrededor del
esDuema mostrado en la ?iura /# el cual distinue tres tipos principales de eGpectativas$ Ba
primera mayor distinci!n separa las eGpectativas activas de las pasivas< Una eGpectativa
activa ocupa la conciencia y saca de la limitada capacidad de atenci!nL en contraste# una
eGpectativa pasiva es automCtica y sin es)uerFo y estC mejor descrita como una disposici!n
Due como una actividad 8Posner# /6279$
&lunas eGpectativas son relativamente permanentes$ EGpectativas de lara duraci!n
sobre covariaciones de atributos de)inen las cateoras de percepci!n Due usamos para
:37
oraniFar y codi)icar la eGperiencia 8Broadbent# /62/9$ EGpectativas espec)icas sobre
objetos# por ejemplo# esas habitaciones y ventanas son probables Due sean rectanulares#
)uncionan como suposiciones permanentes Due ayudan a determinar la interpretaci!n de
estmulos ambiuos 8Ittelson R Kilpatric(# /61/9$ *osotros estamos cr!nicamente mejor
preparados para alunos eventos Due para otros# como es ilustrado por el robusto e)ecto de la
)recuencia pasada sobre el umbral del reconocimiento por palabras 8Broadbent# /642L
-orton# /6469$ Ciertamente# las eGpectativas alunas veces producen eGperiencias
alucinatorias Due las personas no pueden distinuir de las reales# como en el e)ecto de la
restauraci!n )on;tica$ Por tanto# toda la in)ormaci!n sensorial correspondiente a la NsO en la
palabra NleislaturaO puede ser removida de una rabaci!n del mundo y ser reemplaFada por
una tos ! por alAn otro sonido natural$ Bos sujetos Due estCn eGpuestos a esta rabaci!n
estCn absolutamente convencidos Due ellos escucharon el )onema del )antasma 8Harren#
/6239$
Bas eGpectativas pasivas y temporales median en los laros e)ectos del conteGto del
reconocimiento 8?oss R Blan(# /6739 y varias variantes de los e)ectos de primera mano
8Posner# /6279$ Por ejemplo# la inclusi!n de una letra en una seEal de prevenci!n Due
introduce una prueba Due )acilita la respuesta a esa letra en una apresurada tarea Due hace
jueo# aAn cuando las continencias estCn tan arreladas Due la seEal de prevenci!n no
conlleva ninuna in)ormaci!n vClida sobre el objetivo$ Posner 8/6279 ha documentado
alunas importantes di)erencias entre la eGpectativa pasiva Due es )ijada por una seEal no
in)ormativa de prevenci!n y la eGpectativa activa producida cuando el objetivo es de hecho
predecible# aunDue imper)ectamente# de esa seEal$ Una eGpectativa pasiva produce un
bene)icio 8v$$# una respuesta mCs rCpida9 cuando es con)irmada# pero ella no impide la
respuesta a los objetivos Due no han sido apresurados$ En contraste# una seEal Due causa al
sujeto prepararse para activamente para un objetivo particular tambi;n hace lenta la
respuesta a los objetivos no anticipados$ En el lenuaje de las teoras de probabilidad# las
eGpectativas activas obedecen a un principio de complementariedad< Un alto rado de
preparaci!n para un evento particular es adDuirido a eGpensas de una p;rdida de preparaci!n
para otros eventos$ El apresuramiento pasivo estC asociado con un patr!n no complementario
de bene)icio sin costo$
Bas eGpectativas pasivas y las anticipaciones concientes pueden entrar en con)licto# y
eGiste evidencia de Due los procesos pasivos ejercen mayor in)luencia en la interpretaci!n de
Insertar a-u* la 4i#ura ' de la p5#ina 9'' del testo ori#inal
estmulos ambiuos$ Epstein y "oc( 8/6439 opusieron los dos tipos de eGpectativas uno
contra el otro# usando un cuadro en el cual un per)il visto del lado derecho y uno visto del
lado iFDuierdo )ueron juntados para )ormar un patr!n de oraniFaci!n reversible en el campo
de la )iura$ Bos observadores del cuadro compuesto vieron solo uno de los per)iles# el cual
se apropi! del contorno comAn$ Habiendo construido dos per)iles Due podran ser juntados en
este estilo# Epstein y "oc( presentaron los per)iles separadamente en una reular alternaci!n
para un nAmero de pruebas# creando una eGpectativa conciente Due cada una siempre sera
seuida por la otra$ Ba composici!n )ue lueo presentada por la primera veF# y la cara Due los
sujetos vieron en el )ue rabada$ De acuerdo con el e)ecto de primera mano# los observadores
casi siempre vieron el per)il Due haba sido mostrado en la prueba precedente mCs Due el Due
ellos concientemente esperaban Due ocurriera$
Una demostraci!n relacionada de un con)licto entre di)erentes niveles de eGpectativa han
sido reportados# en la cual el componente P033 del electroence)alorama 8EEI9 )ue la
principal variable dependiente$ El P033 es una de)leGi!n positiva en el EEI# el cual
alrededor de 033 msec despu;s de la presentaci!n de cualDuier estmulo Due el observador
trate como sini)icante ! relevante para la tarea$ -uchos estudios cuidadosos han demostrado
:36
un cercano vnculo entre las probabilidades previas de los eventos y la manitud del P033#
suiriendo un incremento en la probabilidad subjetiva de repeticiones posteriores$ En
contraste# la eGpectativa conciente de las repeticiones decrece consistentemente durante un
laro perodo# por la )amiliar )alacia del juador$ Evidentemente# un observador puede ser
preparado# ! NpreparadoO para un evento mientras concientemente espera otro S y puede
mostrar evidencia psicol!ica de sorpresa a la ocurrencia de un evento Due )ue
concientemente predicho$ Por tanto# eGiste un sentido en el cual un individuo puede tener
probabilidades con)lictivas para el mismo evento al mismo tiempo$ Estas observaciones
suieren una imaen de la mente como una burocracia 8Dennet# /6269 en la cual las
di)erentes partes tienen acceso a di)erentes datos# les asinan di)erentes pesos# y sostener
di)erentes opiniones de la situaci!n$
La percepcin como una apuesta
Bas eGpectativas Due se han desarrollado sobre un tiempo de vida de eGperiencia visual
tienen un pro)undo e)ecto en la percepci!n y son randemente inaccesibles al conocimiento
conciente ! intenci!n$ Bas demostraciones mejor conocidas de estos hechos han sido
desarrolladas por los estudiantes transaccionalistas de la percepci!n 8Ittelson R Kilpatric(#
/64/9$ Bos observadores del )amoso sal!n distorsionado y la ventana en rotaci!n son
conducidos a tener eGperiencias visuales Due contradicen ambos su conocimiento eneral y
su espec)ico conocimiento con los objetos de las ilusiones$ Por tanto# los amios de uno
pueden ser vistos como iantes ! enanos# Duienes cambian de tamaEo mientras caminan a lo
laro de la pared del sal!n distorsionado# y una servilleta de papel puede parecer desliFarse a
trav;s de la ventana en rotaci!n$ Estos sorprendentes eventos son producidos por la
suposici!n dominante de Due los salones y las ventanas son rectanulares$ &unDue el
observador conoce muy bien Due la suposici!n no es aplicable al caso a mano# este
conocimiento no tiene un e)ecto sini)icante en la percepci!n conciente$ -odelos de la
realidad Due han sido construidos a trav;s de los aEos no pueden ser revisados en la demanda
de para una ocasi!n particular$ Estas observaciones de nuevo con)irman Due un observador
puede simultCneamente sostener opiniones con)lictivas del mismo evento$
Hemos notado Due la eGpectativas de percepci!n determinan lo Due NvemosO en un
estmulo antiuo$ Ciertamente# los transaccionalistas han interpretado la percepci!n como
una apuesta sobre la realidad 8Kilpatrc(# /64/9$ Un aspecto sini)icante de tales escoencias
de percepci!n es el )uerte compromiso a la interpretaci!n escoida$ *uestra eGperiencia no
contiene indicaci!n de la eDuivocaci!n del estmulo# y aAn cuando las interpretaciones
perceptuales )luctAan a trav;s del tiempo# como con el cubo de *ec(er# ellas tienden a ser
muy de)inidas en cualDuier momento particular$ Ba supresi!n de la incertidumbre y la
eDuivocaci!n en la percepci!n suiere Due podemos estar biol!icamente proramados para
actuar en la mejor apuesta de percepci!n# como si esta apuesta no involucr! rieso de error$
Una di)erencia sini)icante entre las eGperiencias concientes de la percepci!n y del
pensamiento es Due las Altimas pueden representar duda e incertidumbre# mientras Due las
anteriores no$
&unDue la supresi!n de la incertidumbre distinue las apuestas perceptuales de los juicios
concientes sobre eventos inciertos# el procesamiento de la incertidumbre a los dos niveles
puede ser similar en otros respectos$ Dos sorprendentes observaciones de la investiaci!n
transaccionalista suieren hip!tesis Due parecen aplicar a las creencias concientes$ Ba
primera es Due la imaen reconstruida del medio ambiente tiende a ser coherente# re)lejando
las restricciones normales y las dependencias entre los atributos de la escena y del estmulo$
Por lo tanto# cuando un objeto es presentado bajo condiciones Due hacen ambas su tamaEo y
:/3
su distancia ambiuos# la interpretaci!n de la percepci!n escoida seleccionarC un tamaEo y
una distancia Due relacionen al tamaEo de la retina en la manera estCndar< Si el objeto es
percibido de ser rande# entonces el tambi;n parece estar mCs lejos Due si el es visto como
peDueEo 8Ittelson R Kilpatrc(# /61/9$
Ba seunda observaci!n es Due la construcci!n de percepci!n parece ser un proceso de
jerarDua# en el cual las decisiones sobre las caractersticas lobales de la escena restrinen y
dominan las decisiones sobre los objetos contenidos en el$ El sal!n distorsionado provee el
mejor ejemplo$ Bo Due es visto no es un compromiso entre dos opiniones eGtremas< personas
medidas normalmente en un sal!n distorsionado# ! personas medidas eGtraEamente en un
sal!n normal$ Ba Altima opini!n simplemente domina a la primera# como si la )orma del
sal!n estuviera computada antes del procesamiento de las personas en su inicio$ Si relas
similares pueden ser mostradas para operar# por ejemplo# en la construcci!n de escenarios de
eventos )uturos es un problema Due bien merece estudio$
Fa enomenolo#*a de la incertidumbre
Ba secci!n precedente busc! mostrar Due las relas Due obiernan las eGpectativas de
percepci!n di)ieren de las relas de la teora de la probabilidad$ Ba presente secci!n eGtiende
este anClisis a las eGperiencias de duda e incertidumbre Due los juicios de la probabilidad
subjetiva son asumidos para re)lejar$ Como veremos# las noci!n de probabilidad se re)iere en
un lenuaje natural a varios distintos estados de la mente# para los cuales las relas del
cClculo estCndar de probabilidad pueden no ser iualmente aplicables$
Para apreciar la complejidad de las eGpectativas# considere una de sus mani)estaciones< la
sorpresa Due eGperimentamos cuando una eGpectativa es violada$ Imaine Due una moneda
debe ser lanFada al aire :3 veces$ Pu; nAmero de NcarasO esperara ustedQ Si usted asume Due
la moneda es limpia# usted probablemente establecera Due el resultado .3>.3 es mCs
probable Due cualDuier otro# aAn usted estara mCs sorprendido por este resultado Due por un
resultado de .. NcarasO y /7 NcrucesO$ EstC la NverdaderaO probabilidad subjetiva de los dos
eventos indicados por el juicio considerado de su probabilidad relativa ! por la reacci!n
involuntaria de la sorpresa Due ellos produciranQ
Una posible interpretaci!n es Due ejemplo ilustra un con)licto entre dos aproGimaciones
al juicio de la probabilidad< El juicio Due el mCs probable resultado es .3>.3 se deriva del
conocimiento de las relas de la posibilidad# pero los resultados tales como el ..>/7 ! el /2>
.0 son mCs probables a otro nivel# donde la probabilidad estC determinada por la
representatividad$ Un resultado lieramente desiual representa ambas la limpieFa de la
moneda y la aleatoriedad del lanFamiento# el cual no es del todo representado eGactamente
por el resultado iual$$ En esta visi!n# la mayor realidad psicol!ica de las eGpectativas
basada en la representatividad se mani)iesta a s misma en la reacci!n de sorpresa$
Una interpretaci!n lieramente di)erente# la cual se )ocaliFa en la codi)icaci!n de los
posibles resultados# es posible$ Como veremos# ella es )recuentemente apropiada en la
conversaci!n para eGtender la de)inici!n de un evento M a NM ! alo parecido a ellaO$ Si la
codi)icaci!n espontCnea de los eventos siuen relas similares# los resultados tales como ..>
/7 ! /2>.0 serCn espontCneamente codi)icados como Ndivididos iualesO$ Una persona Due
intenta juFar la relativa probabilidad de los eventos considerarC la declaraci!n eGplcita de
los resultados# y notarC Due el .3>.3 es mCs probable Due# diamos# ..>/7$ Pero la reacci!n
de sorpresa puede estar determinada por la codi)icaci!n natural de los eventos$ El evento ..>
/7 serC entonces relativamente no sorprendente debido a Due estC codi)icado como un
resultado aproGimadamente iual# el cual es ciertamente mCs probable Due uno precisamente
iual$
://
El papel de la codi)icaci!n de un evento es mani)iesto en la interpretaci!n de
aseveraciones inciertas# tal como N,o estimo Due $ $ $O ! alunas veces N,o pienso Due $ $ $O
Bas aseveraciones inciertas son una clase de actos de discurso# los cuales estCn caracteriFados
por condiciones de sinceridad espec)ica y pruebas de valideF$ Considere# por ejemplo# la
predicci!n< N,o pienso Due el precio del oro estarC mCs alto en un 13W en seis meses de lo
Due estC hoyO$ 'omado literalmente# ;sta es un punto de predicci!n# al cual debera
asinCrsele una probabilidad muy peDueEa de con)irmaci!n$ Pero la predicci!n no tiene el
prop!sito de ser tomada literalmente$ Bos puntos de las predicciones son normalmente
entendidos como declaraciones comparativas# ! como declaraciones del rano en el cual un
resultado se espera Due caia# por ejemplo# N,o pienso Due el incremento en el precio del oro
estarC mCs cerca al 13W Due al MW ! ,WO$ El Due lo dice y el Due lo escucha normalmente
esperan estar de acuerdo en los valores tCcitamente implcitos de M y ,$ Por ejemplo# el
pronosticador citado arriba serC considerado eGtraordinariamente eGacto si el precio del oro
actualmente se eleva en 10W en los siuientes seis meses# aunDue el pronosticador no estuvo
estrictamente cierto$ Por tanto# una persona Due hable Duien acierta a una predicci!n
num;rica estC comprometido a un rano mCs Due a un punto$ Ba persona Due habla estC
tambi;n comprometida con la proposici!n Due el valor es casi iualmente probable Due est;
arriba del estimado como debajo de el# eGcepto cuando la naturaleFa de la predicci!n hace
esto imposible$ Por lo tanto# una persona Due dice# N,o pienso Due el precio del oro se elevarC
en un 13W en los pr!Gimos seis mesesO# estarC considerado de ser deliberadamente un mal
conductor si ;l ! ella tambi;n pensaron # pero no lo comunicaron# Due el valor actual era
mucho mCs probable Due estuviera arriba del estimado Due debajo de el$
Es sini)icante Due las condiciones de sinceridad asociadas con una predicci!n no
reDuieran Due el valor predicho 8! rano9 de una variable sea considerado mCs probable Due
los valores comparables 8! ranos9$ Por ejemplo# un hombre Due asevera# N,o pienso Due Bill
=ohn anarC la medalla de oro en el salto alto en la siuiente %limpadaO# no serC considerado
un mentiroso si el pre)iere apostar contra esta proposici!n mCs Due en ella# pero a ;l le estC
prohibido aEadir# Ny las probabilidades de =ac( Small son aAn mejoresO$ Por lo tanto# el
lenuaje natural permite un privileiado papel a la mejor adivinaci!n# y la identi)icaci!n de la
adivinaci!n )avorecida conlleva in)ormaci!n sobre las alternativas a la cual ella puede
justamente ser comparada$ Ba menci!n de un atleta )avorito indica Due el va a ser comparado
a otros atletas individuales mCs Due a una separaci!n de posibles anadores$ Una
consecuencia de esta rela es Due ella es a veces posible de NpredecirO un evento Due es
considerado menos probable Due su complemento si el complemento es naturalmente
codi)icado como una separaci!n$
Una restricci!n relacionada se aplica a eGpresiones de con)ianFa$ Una declaraci!n de
con)ianFa eGpresa la incertidumbre de uno en una predicci!n# estimado ! in)erencia a la cual
uno ya estC comprometido$ Por lo tanto# es natural preuntar# NCuCnta con)iado estC usted en
Due usted estC correctoQO pero es an!malo preuntar# NCuCn con)iado estC usted en Due usted
estC eDuivocadoQO Ba con)ianFa es la probabilidad subjetiva ! rado de creencia asociada
con Due lo Due NpensamosO sucederC$
El lenuaje comAn tambi;n provee un ran nAmero de eGpresiones para hablar de los
eventos Due pueden ocurrir# aunDue nosotros no necesariamente NpensemosO Due sucederCn$
Por lo tanto# las personas evalAan las posibilidades de los candidatos# estiman los riesos de
di)erentes actividades# dan probabilidades para los jueos de )ootball y entienden las
declaraciones de los pronosticadores sobre la probabilidad de lluvia$ "etornamos ahora a un
anClisis mCs detallado de los estados de incertidumbre Due tales declaraciones pueden
eGpresar# siuiendo el esDuema mostrado en la ?iura .$ Bos dos niveles de la )iura#
atribuciones de incertidumbre y variantes de incertidumbre# son discutidos en las siuientes
secciones$
:/.
6tribuciones de la incertidumbre
Ba principal distinci!n mostrada en la ?iura . se re)iere a dos sitios a los cuales la
incertidumbre puede ser atribuida< el mundo eGterno de nuestro estado de conocimiento$ Por
ejemplo# atribuimos a sistemas causales en el mundo real la incertidumbre asociada con el
lanFamiento de una moneda# la sacar de una mano de cartas de una baraja# el resultado de un
jueo de )ootball y el comportamiento del volcCn Saint Helens$ Estos sistemas causales
tienen disposiciones para producir di)erentes eventos# y nosotros juFar las probabilidades de
;stos eventos evaluando la )ortaleFa relativa de las disposiciones de competici!n$ En
contraste# tales declaraciones como# N,o pienso Due el -ont Blanc es la montaEa mCs alta en
EuropaO# !# N,o espero deletrear su nombre correctamenteO# re)lejan una incertidumbre Due
es atribuida a la mente de uno mCs Due a una montaEa ! una mujer 8Ho+ell R Burnett# /627#
han aplicado los t;rminos incertidumbre interna e incertidumbre eterna# respectivamente#
para los eventos Due los sujetos pueden ! no pueden controlar9$
*uestra distinci!n entre inorancia e incertidumbre eGterna estC cercanamente
relacionada a una mCs eneral distinci!n entre atribuciones de eGperiencia interna y eGterna$
El color# tamaEo y teGtura# por ejemplo# son normalmente eGperimentados como propiedades
Due pertenecen a objetos eGternos# pero dolores# sentimientos y memorias son atribuidos al
eGperimentar de los sujetos mCs Due a la provocaci!n del objeto$
Ba atribuci!n de incertidumbre puede alunas veces ser in)erida de una simple prueba
linestica< Es apropiado describir la evaluaci!n de la incertidumbre como Nla probabilidad
es $ $ $ QO } debera uno decir Nmi probabilidad es $ $ $ QO En contraste a la opini!n Bayesiana#
la cual trata todas las probabilidades como subjetivas y personales# el lenuaje natural marca
la distinci!n entre la incertidumbre interna y eGterna$ Por lo tanto es letimo hablar de Nel
mejor estimado de la probabilidad de un cambio del r;imen de &rabia Saudita dentro del
pr!Gimo aEoO# pero es an!malo decir Nel mejor estimado de la probabilidad Due el *ilo sea el
ro mCs laro del mundo es $ $ $O Bos mejores estimados de la probabilidad pertenecen al
dominio pAblico$ Bas eGpresiones de inorancia privada no$
Esta prueba no siempre distinue la incertidumbre interna de la eGterna$ Por ejemplo# uno
puede hablar de la probabilidad Due -arlo+e escribi! Camlet# aunDue esta incertidumbre sea
Insertar a-u* la 4i#ura + de la p5#ina 9'A del texto ori#inal(
atribuida a nuestra inorancia mCs Due a la )ortaleFa de la propensi!n de -arlo+e a escribir
obras de teatro$ El uso de Nla probabilidadO en este ejemplo estC justi)icado por la eGistencia
de un cuerpo pAblico del conocimiento# el cual reduce pero no elimina la incertidumbre sobre
la autora de Camlet$ *o todos necesitan tener acceso a este conocimiento# pero el estimado
de probabilidad se re)iere a una raFonable ! consensual in)erencia de la evidencia disponible$
En el ejemplo del *ilo# sin embaro# el cuerpo pAblico de la evidencia naturalmente incluye
la respuesta correcta pAblico de la evidencia naturalmente incluye la respuesta correcta
puede solo ser privada$
Ba atribuci!n de incertidumbre sobre un evento para disposiciones ! para inorancia
depende# entre otras cosas# en la reulaci!n$ Ba incertidumbre sobre eventos pasados es
probable de ser eGperimentada como inorancia# especialmente si la verdad es conocida para
aluien mCs# mientras Due la incertidumbre sobre el )uturo es mCs naturalmente atribuida a
las disposiciones del sistema relevante$ Ciertamente# ha sido notado Due la ente eGhibe
di)erentes actitudes al resultado de una moneda lanFada al aire# dependiendo en si ! no la
moneda ha sido ya lanFada 8"othbart R Snyder# /6269$
7ariantes de la incertidumbre
:/0
El seundo nivel de la ?iura . distinue cuatro variantes prototpicas de la incertidumbre#
identi)icadas por la naturaleFa de los datos Due el jueF podra considerar en la evaluaci!n de
la probabilidad$ Ba incertidumbre eGterna puede ser evaluada en dos maneras< 8i9 un modo de
distribuci!n# donde el caso en cuesti!n es visto como una instancia de una clase de casos
similares# para los cuales las )recuencias relativas de los resultados son conocidas ! pueden
ser estimadasL 8ii9 un modo sinular# en el cual las probabilidades son evaluadas por las
propensiones del caso particular a mano$ Bos dos modos de juicio son ilustrados por la
siuiente historia verdadera$
Un eDuipo Due estuvo relacionado con el desarrollo de un curriculum de una escuela
secundaria sobre el pensar bajo incertidumbre )ue conducir una sesi!n de planeamiento$ Ba
cuesti!n )ue elevada al tiempo Due sera reDuerido para completar la primera versi!n de un
libro de teGto$ Bos participantes en la discusi!n )ueron reDueridos a estimar este valor tan
realisticamente como )uera posibleL los siete estimados estuvieron en un rano de /7 meses a
0 aEos$ El lder del eDuipo entonces se dirii! a uno de los participantes# un educador con
considerable competencia en los problemas de desarrollo del curriculum# con la siuiente
interroante< NCuCl ha sido la eGperiencia de otros eDuipos Due han tratado de escribir un
libro de teGto y desarrollar un curriculum en una nueva Crea# sonde ninAn curso previo de
estudi! eGisti!Q CuCnto tiempo les tom! completar un libro de teGto# de una etapa
comparable al estado presente de nuestro proyectoQO Bas )ras implicaciones de la respuesta
parecieron sorprender al eGperto Dui;n dio a ellas# tanto como ellas sorprendieron a los otros
participantes< NBa mayora de eDuipos Due yo podra pensar )allaron y nunca completaron un
libro de teGto$ Para aDuellos Due tuvieron ;Gito# el tiempo de terminaci!n tuvo un rano de
cinco a nueve aEos# con una media de sieteO$
Subsecuentes sondeos revelaron Due todos los participantes haban producido sus
estimados iniciales en el modo sinular# construyendo planes y escenarios#
con alunas ayudas de los mCrenes de seuridad para continencias imprevistas$ Debido a
los e)ectos de anclaje 8'vers(y R Kahneman# /62:# '9 un estimado obtenido por arear
mCrenes de seuridad a los planes corrientes es probable Due sean altamente optimistas$ Un
notable aspecto de esta an;cdota es Due la in)ormaci!n de distribuci!n relevante no )ue
espontCneamente usada# aunDue estuvo disponible para un eGperto del conocimiento personal
y podra haber sido estimado por varios otros participantes$
*uestro ejemplo ilustr! la aplicaci!n de los modos de raFonamiento sinular y de
distribuci!n para la predicci!n de una variable continua< el tiempo reDuerido para completar
un proyecto$ Ba in)ormaci!n de distribuci!n consisti! en este caso del conocimiento sobre las
)recuencias relativas de di)erentes tiempos de terminaci!n$ Por supuesto# un raFonamiento
similar puede ser aplicado para evaluar la probabilidad de un discreto resultado# tal como la
)alla del proyecto$ Ba )recuencia relativa de ese resultado en una clase relevante provee la
base para una evaluaci!n de distribuci!n de la probabilidad# y otra in)ormaci!n sobre el caso
particular# usado en el modo sinular# puede producir una impresi!n de propensi!n a la )alla
! al ;Gito$ EGisten muchas instancias en las cuales la misma interroante puede ser
aproGimada en ya sea el modo sinular ! el de distribuci!n$
Compare los siuientes ejemplos<
/$ NPosibilidades son Due usted encontrarC a =ohn en casa si usted llama maEana por la maEana$
El dijo Due pre)iere trabajar en casaO$
.$ NPosibilidades son Due usted encontrarC a =ohn en casa si usted llama maEana por la maEana$
El a menudo ha estado all cuando yo lo he llamadoO$
:/:
Ba declaraci!n / permite solo un juicio sinular de la probabilidad de Due =ohn estarC en
casa$ Ba declaraci!n . podra soportar ambas una evaluaci!n de distribuci!n y una sinular$
Ba )recuencia relativa de las maEanas similares en las cuales =ohn ha estado en casa proveen
un estimado natural de la probabilidad de encontrar a ;l maEana# pero la declaraci!n tiene
tambi;n dotado a =ohn con una propensi!n a emplear las maEanas en casa# tanto como lo hiFo
la declaraci!n /$
Hemos conjeturado 8Kahneman R 'vers(y# /626a# 189 Due las personas eneralmente
pre)ieren el modo sinular# en el cual ellas toman una Nvisi!n interiorO del sistema causal Due
la mayora produce inmediatamente el resultado# sobre una visi!n NeGteriorO# la cual
relaciona el caso a mano con un esDuema de muestreo$ *uestro ejemplo de plani)icaci!n
ilustra esta pre)erencia para el modo sinular$ El tambi;n ilustra otro e)ecto# el cual
sospechamos ser muy eneral< El modo de juicio de distribuci!n es mCs probable Due el
sinular para producir estimados eGactos de los valores y raFonables evaluaciones de la
probabilidad$
&hora volvemos a una distinci!n entre los modos de evaluaci!n de la incertidumbre
interna# los cuales estCn ilustrados por los siuientes ejemplos<
0$ N,o reo Due *ueva ,or( estC al norte de "oma# pero no estoy seuroO$
:$ N,o pienso Due su nombre es Doris# pero no estoy seuroO$
Ba incertidumbre eGpresada en estas declaraciones es claramente interna< las
declaraciones re)lejan inorancia 8parcial9 mCs Due disposiciones de objetos eGternos$ Es
seuramente inverosmil hablar de la propensi!n de Due *ueva ,or( est; al norte de "oma
8incidentalmente# no es ! de Binda de ser recordada como Doris$
Bas dos declaraciones di)ieren en la naturaleFa de la evidencia sobre la cual ellos estCn
prejuiciados$ Ba declaraci!n 0 podra re)lejar un proceso de eGaminar y pesar
cuidadosamente la evidencia y los arumentos 8v$$# *ueva ,or( es mucho mCs )ro Due
"omaL "oma estC en la mitad de Italia# etc$9$ Ba declaraci!n : tiene un di)erente carCcter$ Ba
con)ianFa Due ella eGpresa estC basada en un juicio introspectivo de la )ortaleFa de una
asociaci!n$ Como sucede a menudo cuando cheDueamos el deletreo de una palabra#
eGaminando si Nluce correctaO# la con)ianFa descansa en una eGperiencia no analiFada$ En
estudios de psico)sica y memoria# la con)ianFa asociada con juicios estC sini)icantemente
correlacionada con la eGactitud$ Bas personas son mCs probables de tener con)ianFa cuando
ellos estCn correctos Due cuando no# aunDue sus evaluaciones de la probabilidad de Due ellos
est;n correctos sean pobremente calibrados 8vea el Captulo ..9$
Como en el caso de la incertidumbre eGterna# la incertidumbre interna asociada con una
cuesti!n dada puede alunas veces ser evaluada en ambos modos el raFonado y el
introspectivo$ Por ejemplo# una cuesti!n concerniente a la edad de una estrella del cine puede
aproGimada introspectivamente# buscando por una respuesta Due suene )amiliar ! en un modo
raFonado# tratando de inducir la respuesta de otro conocimiento$
*o deseamos suerir Due cualDuier eGperiencia de incertidumbre pueda ser asinada a
una de las cuatro variantes de la ?iura .$ EGisten indudablemente muchos casos meFclados e
indeterminados$ Hemos visto Due la incertidumbre en un problema dado puede ser atribuida a
disposiciones eGternas# a la inorancia de uno# ! a la combinaci!n de las dos y Due ella puede
ser evaluada en un modo sinular# en un modo de distribuci!n# ! en una miGtura de modos$
El prop!sito de nuestro tratado )ue destacar alunas dimensiones sini)icantes de la variaci!n
en eGperiencias de incertidumbre# no o)recer una eGhaustiva y mutuamente eGclusiva
clasi)icaci!n de estas eGperiencias$ Por un intento de clasi)icar las operaciones
eGperimentales en la medida de probabilidades subjetivas# vea Ho+ell y Burnett 8/6279$
:/1
%iscusin
&unDue el lenuaje de probabilidad puede ser usado para eGpresar cualDuier )orma de
incertidumbre# las leyes de la teora de la probabilidad no aplican a todas las variantes de
incertidumbre con iual )uerFa$ Estas leyes son mCs probables de ser aceptadas# y satis)echas
en los juicios intuitivos# cuando una incertidumbre eGterna es evaluada en un modo de
distribuci!n ! de )recuencia$ Por ejemplo# la complementariedad de la probabilidad subjetiva
es muy vinculante cuando consultamos las estadsticas del clima en orden de evaluar la
probabilidad Due lloverC el pr!Gimo aEo el /. de abril< El set relevante de los pasados das de
abril es claramente separable dentro de los das en los cuales hubo lluvia y das en los cuales
no hubo$
Ba complementariedad es menos vinculante en otras variantes$ Cuando la incertidumbre
es evaluada en t;rminos de propensiones# arumentos# ! con)ianFa# es menos obvio Due las
probabilidades se arearan a la unidad S aAn si ella es conocida con certeFa Due una de las
alternativas es correcta$ Por ejemplo# uno puede cuestionar por Du; el rado de creencia en la
aseveraci!n Due *ueva ,or( estC al norte de "oma y el rado de creencia en la aseveraci!n
Due *ueva ,or( estC al Sur de "oma debera sumarse al mismo valor como los rados de
creencia para cualDuier otro par de declaraciones complementarias$ Ciertamente# varios
autores 8v$$# B$ =$ Cohen# /622L Sha)er# /6249 han propuesto Due la complementariedad no
debera aplicarse al rado de creencia$ En particular# Sha)er ha areido contra la
complementariedad de la creencia en los campos Due eGisten situaciones en las cuales dos
hip!tesis mutuamente eGclusivas y eGhaustivas# ambas tienen un soporte sustancial y otras
situaciones en las cuales ni las hip!tesis tienen mucho soporte$ Similares interroantes
podran surir sobre la necesidad de la complementariedad en impresiones de con)ianFa y en
evaluaciones de propensiones con)lictivas$
Bas variantes de la incertidumbre pueden di)erir en la con)ianFa con la cual ellas son
evaluadas$ Imaine Due una tachuela ha sido lanFada al aire cuatro veces y ha aterriFado dos
veces sobre su punta y dos veces sobre su cabeFa$ Dados estos datos# la mayora de
observadores asinarCn una probabilidad de $1 al evento Due la tachuela aterriFarC sobre su
cabeFa en el siuiente lanFamiento$ Ellos tambi;n asinarCn una probabilidad de 3$1 al
evento Due una moneda lanFada al aire mostrarC NcrucesO# pero ellos eGpresan mucha mayor
con)ianFa en sus juicios sobre la moneda Due sobre la tachuela$ Como este ejemplo ilustra# es
muy posible asinar di)erentes rados de con)ianFa al mismo juicio de propensi!n$ Ba
con)ianFa sobre las probabilidades es importante porDue controla las decisiones$ EGiste
evidencia 8Ellsber# /64/L "ai))a# /64/9 Due las personas pre)ieren apostar en eventos Due
tienen probabilidades conocidas# tal como el lanFamiento al aire de una moneda# mCs Due en
eventos Due estCn asociados con una combinaci!n de incertidumbre eGterna e inorancia# tal
como el lanFamiento de una tachuela$
EGisten vnculos naturales entre las concepciones de la probabilidad avanFada por
di)erentes escuelas del pensamiento sobre este t!pico y los modos de incertidumbre Due
hemos discutido$ Por lo tanto# la interpretaci!n )recuentista A objetiva de la probabilidad
restrine el concepto de la incertidumbre eGterna enerada por un proceso de muestreo$ En
contraste# la escuela Bayesiana ! personal trata toda la incertidumbre como inorancia$ En la
escuela Bayesiana# las pre)erencias son la base de las creencias# y las probabilidades son
derivadas de las pre)erencias entre apuestas$ Desde un punto de vista psicol!ico# sin
embaro# este apostar heurstico parece irreal$ Ba controversia ha sido a menudo de)inida en
este dominio# debido a Due la eGistencia de Due son individualmente obliatorias y
mutuamente incompatibles# y debido a Due no eGisten acuerdos sobre un criterio para
establecer disputas normativas cuando las intuiciones entran en con)licto$ Un anClisis
:/4
psicol!ico podra talveF contribuir a la discusi!n normativa# proveyendo una adecuada
descripci!n de las intuiciones de las cuales las varias posiciones sacan su inter;s$
K K K K K K K K K K K K K K K K

Reerencias
Consultar las p5#inas 9+'-99' del Hexto Iri#inal
:/2
:/7

Juicio Bajo Incertidumbre

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Juicio Bajo Incertidumbre

Enviado por

Direitos autorais:

Formatos disponíveis

Juicio bajo incertidumbre:

L esta es mayor Due 8ry9T8- l -

[ promedio de ri$ Debido a Due cada uno de los modelos

Você também pode gostar