Hispanopedia Wiki
Articulo de referencia

Estadísticas intuitivas

La estadística intuitiva , o estadística popular , es el fenómeno cognitivo mediante el cual los organismos utilizan datos para generalizar y hacer predicciones sobre el mundo. ...

Hispanopedia WikiContenido en espanolLectura gratuita

La estadística intuitiva , o estadística popular , es el fenómeno cognitivo mediante el cual los organismos utilizan datos para generalizar y hacer predicciones sobre el mundo. Esto puede consistir en una pequeña cantidad de datos de muestra o ejemplos de entrenamiento, que a su vez contribuyen a inferencias inductivas sobre propiedades a nivel poblacional, datos futuros o ambos. Las inferencias pueden implicar la revisión de hipótesis o creencias a la luz de datos probabilísticos que informan y motivan predicciones futuras. La tendencia informal de los animales cognitivos a generar intuitivamente inferencias estadísticas , cuando se formaliza con ciertos axiomas de la teoría de la probabilidad, constituye la estadística como disciplina académica.

Debido a que esta capacidad puede abarcar una amplia gama de dominios de información, el tema es igualmente amplio y se superpone sustancialmente con otros fenómenos cognitivos. De hecho, algunos han argumentado que la "cognición como estadístico intuitivo" es una metáfora complementaria apropiada a la metáfora computacional de la cognición. [ 1 ] Otros apelan a una variedad de mecanismos estadísticos y probabilísticos detrás de la construcción de teorías [ 2 ] [ 3 ] y la estructuración de categorías. [ 4 ] [ 5 ] La investigación en este dominio comúnmente se centra en generalizaciones relacionadas con el número, la frecuencia relativa, el riesgo y cualquier firma sistemática en la capacidad inferencial que un organismo (por ejemplo, humanos o primates no humanos) pueda tener. [ 1 ] [ 6 ]

Antecedentes y teoría

Las inferencias intuitivas pueden implicar la generación de hipótesis a partir de datos sensoriales entrantes , como la categorización y la estructuración de conceptos . Los datos suelen ser probabilísticos y la incertidumbre es la regla, en lugar de la excepción, en el aprendizaje, la percepción, el lenguaje y el pensamiento. [ 7 ] [ 8 ] Recientemente, los investigadores han recurrido a ideas de la teoría de la probabilidad , la filosofía de la mente , la informática y la psicología para modelar la cognición como un sistema predictivo y generativo de representaciones probabilísticas , lo que permite que las estructuras de información respalden múltiples inferencias en una variedad de contextos y combinaciones. [ 8 ] Este enfoque se ha denominado lenguaje probabilístico del pensamiento porque construye representaciones de forma probabilística, a partir de conceptos preexistentes para predecir un estado posible y probable del mundo. [ 5 ]

Probabilidad

Los estadísticos y los teóricos de la probabilidad han debatido durante mucho tiempo sobre el uso de diversas herramientas, supuestos y problemas relacionados con la inferencia inductiva en particular. [ 1 ] David Hume consideró el problema de la inducción , cuestionando los fundamentos lógicos de cómo y por qué las personas pueden llegar a conclusiones que se extienden más allá de las experiencias pasadas, tanto espaciotemporal como epistemológicamente . [ 9 ] Más recientemente, los teóricos han considerado el problema enfatizando las técnicas para llegar de los datos a la hipótesis utilizando procedimientos formales independientes del contenido, o, por el contrario, considerando herramientas informales, dependientes del contenido, para la inferencia inductiva. [ 10 ] [ 11 ] La búsqueda de procedimientos formales ha llevado a diferentes desarrollos en la inferencia estadística y la teoría de la probabilidad con diferentes supuestos, incluyendo la estadística frecuentista de Fisher , la inferencia bayesiana y la estadística de Neyman-Pearson . [ 1 ]

Gerd Gigerenzer and David Murray argue that twentieth century psychology as a discipline adopted probabilistic inference as a unified set of ideas and ignored the controversies among probability theorists. They claim that a normative but incorrect view of how humans "ought to think rationally" follows from this acceptance. They also maintain, however, that the intuitive statistician metaphor of cognition is promising, and should consider different formal tools or heuristics as specialized for different problem domains, rather than a content- or context-free toolkit. Signal detection theorists and object detection models, for example, often use a Neyman-Pearson approach, whereas Fisherian frequentist statistics might aid cause-effect inferences.[1]

Frequentist inference

Frequentist inference focuses on the relative proportions or frequencies of occurrences to draw probabilistic conclusions. It is defined by its closely related concept, frequentist probability. This entails a view that "probability" is nonsensical in the absence of pre-existing data, because it is understood as a relative frequency that long-run samples would approach given large amounts of data.[12]Leda Cosmides and John Tooby have argued that it is not possible to derive a probability without reference to some frequency of previous outcomes, and this likely has evolutionary origins: Single-event probabilities, they claim, are not observable because organisms evolved to intuitively understand and make statistical inferences from frequencies of prior events, rather than to "see" probability as an intrinsic property of an event.[13]

Bayesian inference

Bayesian inference generally emphasizes the subjective probability of a hypothesis, which is computed as a posterior probability using Bayes' Theorem. It requires a "starting point" called a prior probability, which has been contentious for some frequentists who claim that frequency data are required to develop a prior probability, in contrast to taking a probability as an a priori assumption.[1][12]

Los modelos bayesianos han sido bastante populares entre los psicólogos, particularmente entre los teóricos del aprendizaje, porque parecen emular el proceso iterativo y predictivo mediante el cual las personas aprenden y desarrollan expectativas a partir de nuevas observaciones, al tiempo que otorgan el peso apropiado a las observaciones previas. [ 14 ] Andy Clark , científico cognitivo y filósofo, escribió recientemente un argumento detallado en apoyo de la comprensión del cerebro como un motor bayesiano constructivo que es fundamentalmente orientado a la acción y predictivo , en lugar de pasivo o reactivo. [ 15 ] Las líneas de evidencia más clásicas citadas entre los partidarios de la inferencia bayesiana incluyen el conservadurismo, o el fenómeno por el cual las personas modifican creencias previas hacia , pero no hasta llegar completamente a, una conclusión implícita en observaciones previas. [ 6 ] Este patrón de comportamiento es similar al patrón de distribuciones de probabilidad posterior cuando un modelo bayesiano se condiciona a los datos, aunque los críticos argumentaron que esta evidencia había sido exagerada y carecía de rigor matemático. [ 16 ]

Más recientemente, Alison Gopnik abordó el problema abogando por el uso de redes bayesianas , o representaciones gráficas dirigidas de dependencias condicionales. En una red bayesiana, los pesos de las aristas son intensidades de dependencia condicional que se actualizan en función de nuevos datos, y los nodos son variables observadas. La representación gráfica en sí misma constituye un modelo, o hipótesis, sobre el mundo y está sujeta a cambios, dados los nuevos datos. [ 2 ]

teoría de la gestión de errores

La teoría de la gestión de errores (TGE) es una aplicación de la estadística de Neyman-Pearson a la psicología cognitiva y evolutiva . Sostiene que los posibles costos y beneficios para la aptitud biológica de los errores de tipo I (falso positivo) y tipo II (falso negativo) son relevantes para las inferencias adaptativamente racionales, hacia las cuales se espera que un organismo esté sesgado debido a la selección natural . La TGE fue desarrollada originalmente por Martie Haselton y David Buss , y su investigación inicial se centró en su posible papel en el sesgo de sobrepercepción sexual en hombres y el sesgo de subpercepción sexual en mujeres. [ 17 ]

This is closely related to a concept called the "smoke detector principle" in evolutionary theory. It is defined by the tendency for immune, affective, and behavioral defenses to be hypersensitive and overreactive, rather than insensitive or weakly expressed. Randolph Nesse maintains that this is a consequence of a typical payoff structure in signal detection: In a system that is invariantly structured with a relatively low cost of false positives and high cost of false negatives, naturally selected defenses are expected to err on the side of hyperactivity in response to potential threat cues.[18] This general idea has been applied to hypotheses about the apparent tendency for humans to apply agency to non-agents based on uncertain or agent-like cues.[19] In particular, some claim that it is adaptive for potential prey to assume agency by default if it is even slightly suspected, because potential predator threats typically involve cheap false positives and lethal false negatives.[20]

Heuristics and biases

Heuristics are efficient rules, or computational shortcuts, for producing a judgment or decision. The intuitive statistician metaphor of cognition[1] led to a shift in focus for many psychologists, away from emotional or motivational principles and toward computational or inferential principles.[21] Empirical studies investigating these principles have led some to conclude that human cognition, for example, has built-in and systematic errors in inference, or cognitive biases. As a result, cognitive psychologists have largely adopted the view that intuitive judgments, generalizations, and numerical or probabilistic calculations are systematically biased. The result is commonly an error in judgment, including (but not limited to) recurrent logical fallacies (e.g., the conjunction fallacy), innumeracy, and emotionally motivated shortcuts in reasoning.[22][23][24][25] Social and cognitive psychologists have thus considered it "paradoxical" that humans can outperform powerful computers at complex tasks, yet be deeply flawed and error-prone in simple, everyday judgments.[26]

Gran parte de esta investigación fue llevada a cabo por Amos Tversky y Daniel Kahneman como una ampliación del trabajo de Herbert Simon sobre racionalidad limitada y satisfacción . [ 27 ] Tversky y Kahneman argumentan que las personas suelen estar sesgadas en sus juicios bajo incertidumbre, porque en una compensación entre velocidad y precisión, a menudo recurren a heurísticas rápidas e intuitivas con amplios márgenes de error en lugar de cálculos lentos basados ​​en principios estadísticos. [ 28 ] Estos errores se denominan "ilusiones cognitivas" porque implican divergencias sistemáticas entre los juicios y las reglas normativas aceptadas en la predicción estadística. [ 29 ]

Gigerenzer ha criticado esta visión, argumentando que se basa en la suposición errónea de que existe una "teoría normativa" unificada de predicción estadística y probabilidad. Su argumento es que los psicólogos cognitivos descuidan la diversidad de ideas y supuestos en la teoría de la probabilidad y, en algunos casos, su incompatibilidad mutua. [ 30 ] [ 13 ] En consecuencia, Gigerenzer argumenta que muchas ilusiones cognitivas no son violaciones de la teoría de la probabilidad per se , sino que implican algún tipo de confusión del experimentador entre probabilidades subjetivas con grados de confianza y frecuencias de resultados a largo plazo. [ 21 ] Cosmides y Tooby afirman de manera similar que diferentes supuestos probabilísticos pueden ser más o menos normativos y racionales en diferentes tipos de situaciones, y que no existe un conjunto de herramientas estadísticas de propósito general para hacer inferencias en todos los dominios de información. En una revisión de varios experimentos concluyen, en apoyo de Gigerenzer, [ 21 ] que los experimentos previos sobre heurísticas y sesgos no representaban los problemas de una manera ecológicamente válida , y que volver a representar los problemas en términos de frecuencias en lugar de probabilidades de eventos individuales puede hacer que las ilusiones cognitivas desaparezcan en gran medida. [ 13 ]

Tversky y Kahneman refutaron esta afirmación, argumentando que hacer desaparecer las ilusiones manipulándolas, ya sean cognitivas o visuales, no socava la ilusión inicialmente descubierta. También señalan que Gigerenzer ignora las ilusiones cognitivas resultantes de datos de frecuencia, por ejemplo, correlaciones ilusorias como la racha de aciertos en baloncesto. [ 25 ] Esto, señalan, es un ejemplo de una autocorrelación positiva ilusoria que no puede corregirse convirtiendo los datos a frecuencias naturales. [ 31 ]

Para los adaptacionistas , la EMT puede aplicarse a la inferencia en cualquier dominio informativo donde exista riesgo o incertidumbre, como la evasión de depredadores, la detección de agentes o la búsqueda de alimento . Los investigadores que defienden esta visión de la racionalidad adaptativa argumentan que la teoría evolutiva presenta las heurísticas y los sesgos bajo una nueva luz, a saber, como atajos computacionalmente eficientes y ecológicamente racionales , o instancias de gestión adaptativa de errores. [ 32 ]

negligencia de la tasa base

Las personas a menudo descuidan las tasas base , o hechos actuariales verdaderos sobre la probabilidad o tasa de un fenómeno, y en su lugar dan cantidades inapropiadas de peso a observaciones específicas. [ 33 ] [ 34 ] En un modelo bayesiano de inferencia, esto equivaldría a una subestimación de la probabilidad previa, [ 6 ] lo que se ha citado como evidencia en contra de la idoneidad de un marco bayesiano normativo para modelar la cognición. [ 1 ] [ 21 ] Las representaciones de frecuencia pueden resolver el descuido de la tasa base, y algunos consideran que el fenómeno es un artefacto experimental, es decir, un resultado de probabilidades o tasas representadas como abstracciones matemáticas, que son difíciles de pensar intuitivamente. [ 13 ] Gigerenzer especula una razón ecológica para esto, señalando que los individuos aprenden frecuencias a través de ensayos sucesivos en la naturaleza. [ 35 ] Tversky y Kahneman refutan la afirmación de Gigerenzer, señalando experimentos donde los sujetos predijeron una enfermedad basándose en la presencia o ausencia de síntomas preespecificados a lo largo de 250 ensayos, con retroalimentación después de cada ensayo. [ 36 ] Observan que aún se encontró negligencia de la tasa base, a pesar de la formulación de frecuencia de los ensayos de los sujetos en el experimento. [ 31 ]

falacia de la conjunción

Otro ejemplo popular de una supuesta ilusión cognitiva es la falacia de la conjunción , descrita en un experimento de Tversky y Kahneman conocido como el "problema de Linda". En este experimento, se presenta a los participantes una breve descripción de una persona llamada Linda, de 31 años, soltera, inteligente, franca, que estudió filosofía en la universidad, estaba preocupada por la discriminación y la justicia social, y participaba en protestas antinucleares. Cuando se les preguntó a los participantes si era más probable que Linda fuera (1) cajera de banco o (2) cajera de banco y feminista, el 85% respondió con la opción 2, aunque la opción 1 no puede ser menos probable que la opción 2. Concluyeron que esto era producto de una heurística de representatividad , o una tendencia a extraer inferencias probabilísticas basadas en similitudes de propiedades entre instancias de un concepto, en lugar de una inferencia estructurada estadísticamente. [ 24 ]

Gigerenzer argumentó que la falacia de la conjunción se basa en la probabilidad de un solo evento y se disolvería bajo un enfoque frecuentista. Él y otros investigadores demuestran que las conclusiones derivadas de la falacia de la conjunción resultan de un lenguaje ambiguo, en lugar de errores estadísticos robustos o ilusiones cognitivas. [ 37 ] En una versión alternativa del problema de Linda, se les dice a los participantes que 100 personas se ajustan a la descripción de Linda y se les pregunta cuántas son (1) cajeros de banco y (2) cajeros de banco y feministas. Experimentalmente, esta versión de la tarea parece eliminar o mitigar la falacia de la conjunción. [ 21 ] [ 37 ]

Modelos computacionales

Se ha cuestionado cómo se puede comprender la estructuración y generalización de conceptos en términos de arquitectura y procesos cerebrales. Esta cuestión se ve influenciada por un debate paralelo entre teóricos sobre la naturaleza del pensamiento, específicamente entre los modelos conexionistas y los del lenguaje del pensamiento . La generalización y clasificación de conceptos se han modelado en diversos modelos conexionistas, o redes neuronales , en particular en ámbitos como el aprendizaje de idiomas y la categorización. [ 38 ] [ 39 ] Algunos enfatizan las limitaciones de los modelos conexionistas puros cuando se espera que generalicen instancias futuras tras el entrenamiento con instancias previas. Gary Marcus , por ejemplo, afirma que los datos de entrenamiento tendrían que ser completamente exhaustivos para que se produjeran generalizaciones en los modelos conexionistas existentes, y que, como resultado, no manejan bien las observaciones novedosas. Además, defiende una perspectiva integracionista entre un lenguaje del pensamiento, que consiste en representaciones y operaciones simbólicas, y los modelos conexionistas que conservan el procesamiento distribuido que probablemente utilizan las redes neuronales en el cerebro. [ 40 ]

Evidencia en humanos

En la práctica, los humanos realizan rutinariamente generalizaciones conceptuales, lingüísticas y probabilísticas a partir de pequeñas cantidades de datos. [ 4 ] [ 41 ] [ 8 ] [ 42 ] Existe cierto debate sobre la utilidad de varias herramientas de inferencia estadística para comprender la mente, pero se acepta comúnmente que la mente humana es de alguna manera una máquina de predicción excepcionalmente apta, y que los procesos orientados a la acción que subyacen a este fenómeno, cualesquiera que sean, están en el núcleo de la cognición. [ 15 ] [ 43 ] Las inferencias probabilísticas y la generalización desempeñan papeles centrales en los conceptos y categorías y el aprendizaje del lenguaje, [ 44 ] y los estudios sobre bebés se utilizan comúnmente para comprender la trayectoria de desarrollo del conjunto de herramientas estadísticas intuitivas de los humanos.

Estudios sobre bebés

Los psicólogos del desarrollo, como Jean Piaget, han sostenido tradicionalmente que los niños no desarrollan las capacidades cognitivas generales para la inferencia probabilística y la comprobación de hipótesis hasta las etapas de operaciones concretas (7-11 años) y operaciones formales (12 años-adultez) , respectivamente. [ 45 ] [ 46 ]

Esto a veces se contrasta con una creciente preponderancia de evidencia empírica que sugiere que los humanos son capaces de generalizar en la infancia. Por ejemplo, experimentos de tiempo de observación que utilizaron resultados esperados de proporciones de pelotas de ping-pong rojas y blancas encontraron que los bebés de 8 meses parecen hacer inferencias sobre las características de la población de la que provino la muestra, y viceversa cuando se les proporcionan datos a nivel poblacional. [ 47 ] Otros experimentos han respaldado de manera similar una capacidad de inferencia probabilística con bebés de 6 y 11 meses, [ 48 ] pero no con bebés de 4,5 meses. [ 49 ]

El paradigma de la bola de color en estos experimentos no distinguió las posibilidades de inferencias de los bebés basadas en cantidad versus proporción, lo cual se abordó en investigaciones posteriores donde los bebés de 12 meses parecían comprender las proporciones, basando juicios probabilísticos —motivados por preferencias por los resultados más probables— en evidencia inicial de las proporciones en sus opciones disponibles. [ 50 ] Los críticos de la efectividad de las tareas de tiempo de mirada permitieron a los bebés buscar objetos preferidos en tareas de probabilidad de muestra única, apoyando la noción de que los bebés pueden inferir probabilidades de eventos únicos cuando se les da un tamaño de muestra inicial pequeño o grande. [ 51 ] Los investigadores involucrados en estos hallazgos han argumentado que los humanos poseen algún sistema inferencial estadísticamente estructurado durante las etapas preverbales del desarrollo y antes de la educación formal. [ 47 ] [ 50 ]

Sin embargo, no está tan claro cómo y por qué se observa la generalización en los bebés: podría derivarse directamente de la detección y el almacenamiento de similitudes y diferencias en los datos entrantes, o de representaciones de frecuencia. Por el contrario, podría ser producida por algo como la inferencia bayesiana de propósito general, partiendo de una base de conocimiento que se condiciona iterativamente a los datos para actualizar probabilidades subjetivas o creencias. [ 52 ] [ 53 ] Esto vincula las preguntas sobre las herramientas estadísticas que podrían estar involucradas en el aprendizaje y cómo se aplican específicamente al aprendizaje infantil.

Gopnik defiende la hipótesis de que el aprendizaje infantil y en la niñez son ejemplos de inferencia inductiva, un mecanismo de propósito general para la generalización, que actúa sobre estructuras de información especializadas (" teorías ") en el cerebro. [ 54 ] Desde esta perspectiva, los bebés y los niños son esencialmente protocientíficos porque utilizan regularmente una especie de método científico, desarrollando hipótesis, realizando experimentos a través del juego y actualizando modelos sobre el mundo basados ​​en sus resultados. [ 55 ] Para Gopnik, este uso del pensamiento científico y la categorización en el desarrollo y la vida cotidiana puede formalizarse como modelos de inferencia bayesiana. [ 56 ] Una aplicación de esta perspectiva es la "hipótesis del muestreo", o la visión de que la variación individual en las inferencias causales y probabilísticas de los niños es un artefacto del muestreo aleatorio de un conjunto diverso de hipótesis, y generalizaciones flexibles basadas en el comportamiento de muestreo y el contexto. [ 57 ] [ 58 ] Estas perspectivas, en particular las que abogan por la actualización bayesiana general a partir de teorías especializadas, se consideran sucesoras de la teoría de Piaget en lugar de refutaciones totales porque mantienen su generalidad de dominio, considerando a los niños como seres que consideran de forma aleatoria y asistemática una gama de modelos antes de seleccionar una conclusión probable. [ 59 ]

En contraste con la visión mecanicista de propósito general, algunos investigadores defienden tanto estructuras de información específicas de dominio como mecanismos inferenciales igualmente especializados. [ 60 ] [ 61 ] Por ejemplo, si bien los humanos no suelen sobresalir en cálculos de probabilidad condicional , el uso de estos cálculos es fundamental para analizar los sonidos del habla en sílabas comprensibles, una habilidad relativamente sencilla e intuitiva que surge a partir de los 8 meses. [ 62 ] Los bebés también parecen ser buenos para rastrear no solo los estados espaciotemporales de los objetos, sino también sus propiedades, y estos sistemas cognitivos parecen ser evolutivamente distintos. Esto se ha interpretado como conjuntos de herramientas de inferencia específicos de dominio, cada uno de los cuales corresponde a distintos tipos de información y tiene aplicaciones en el aprendizaje de conceptos . [ 60 ] [ 63 ]

Formación de conceptos

Los bebés utilizan similitudes y diferencias de forma para desarrollar conceptos relacionados con objetos, y esto se basa en múltiples ensayos con múltiples patrones, exhibiendo algún tipo de propiedad común entre ensayos. [ 64 ] Los bebés parecen volverse competentes en esta habilidad en particular a los 12 meses, [ 65 ] pero diferentes conceptos y propiedades emplean diferentes principios relevantes de la psicología de la Gestalt , muchos de los cuales pueden surgir en diferentes etapas del desarrollo. [ 66 ] Específicamente, la categorización infantil tan pronto como a los 4.5 meses implica procesos iterativos e interdependientes por los cuales los ejemplares (datos) y sus similitudes y diferencias son cruciales para trazar límites alrededor de las categorías. [ 67 ] Estas reglas abstractas son de naturaleza estadística porque pueden implicar coocurrencias comunes de ciertas propiedades percibidas en instancias pasadas y facilitar inferencias sobre su estructura en instancias futuras. [ 68 ] [ 69 ] Esta idea ha sido extrapolada por Douglas Hofstadter y Emmanuel Sander, quienes argumentan que, dado que la analogía es un proceso de inferencia que se basa en similitudes y diferencias entre propiedades conceptuales, la analogía y la categorización son fundamentalmente el mismo proceso utilizado para organizar conceptos a partir de datos entrantes. [ 4 ]

Aprendizaje de idiomas

Los bebés y los niños pequeños no solo son capaces de generalizar la cantidad y proporción de rasgos, sino también sistemas abstractos basados ​​en reglas como el lenguaje y la música . [ 70 ] [ 71 ] Estas reglas pueden denominarse "reglas algebraicas" de estructura informacional abstracta y son representaciones de sistemas de reglas o gramáticas . [ 72 ] Para el lenguaje, los investigadores han defendido la creación de generalizaciones con inferencia bayesiana y detección de similitud como un caso especial de formación de conceptos. [ 73 ] [ 74 ] Los bebés parecen ser competentes para inferir reglas abstractas y estructurales a partir de secuencias de sonidos lingüísticos producidos en sus entornos de desarrollo, [ 75 ] y para generar predicciones más amplias basadas en esas reglas. [ 76 ]

Por ejemplo, los bebés de 9 meses son capaces de actualizar sus expectativas de manera más rápida y drástica cuando las secuencias de sílabas repetidas contienen características sorprendentes, como fonemas raros . [ 77 ] En general, los bebés preverbales parecen ser capaces de discriminar entre gramáticas con las que han sido entrenados con la experiencia y gramáticas nuevas. [ 78 ] [ 79 ] En tareas de tiempo de mirada con bebés de 7 meses, los bebés parecían prestar más atención a las estructuras gramaticales desconocidas que a las familiares, [ 72 ] y en un estudio separado que utilizó secuencias de 3 sílabas, los bebés parecían tener expectativas generalizadas similares basadas en la estructura silábica abstracta presentada previamente, lo que sugiere que utilizaron ocurrencias superficiales, o datos, para inferir una estructura abstracta más profunda. Esto se tomó para apoyar la visión de las "múltiples hipótesis [o modelos]" por parte de los investigadores involucrados. [ 80 ] [ 81 ]

Evidencia en animales no humanos

loros grises

Múltiples estudios realizados por Irene Pepperberg y sus colegas sugirieron que los loros grises ( Psittacus erithacus ) tienen cierta capacidad para reconocer números o conceptos similares a números, y parecen comprender la ordinalidad y la cardinalidad de los numerales. [ 82 ] [ 83 ] [ 84 ] Experimentos recientes también indicaron que, con cierto entrenamiento lingüístico y capacidad para hacer referencia a objetos reconocidos, también tienen cierta habilidad para hacer inferencias sobre probabilidades y proporciones ocultas de tipos de objetos. [ 85 ]

primates no humanos

Los experimentos encontraron que al razonar sobre proporciones de alimentos preferidos frente a no preferidos, los monos capuchinos fueron capaces de hacer inferencias sobre proporciones inferidas a partir de datos muestreados secuencialmente. [ 86 ] Los monos rhesus fueron igualmente capaces de usar datos probabilísticos y muestreados secuencialmente para hacer inferencias sobre resultados gratificantes, y la actividad neuronal en la corteza parietal pareció estar involucrada en el proceso de toma de decisiones cuando hicieron inferencias. [ 87 ] En una serie de 7 experimentos que utilizaron una variedad de diferencias de frecuencia relativa entre gránulos de plátano y zanahorias, los orangutanes , chimpancés y gorilas también parecieron guiar sus decisiones basándose en las proporciones que favorecían los gránulos de plátano después de que este se estableció como su alimento preferido. [ 88 ]

Aplicaciones

Razonamiento en medicina

La investigación sobre el razonamiento en medicina, o razonamiento clínico, generalmente se centra en los procesos cognitivos y/o los resultados de la toma de decisiones entre médicos y pacientes. Las consideraciones incluyen evaluaciones de riesgo, preferencias del paciente y conocimiento médico basado en la evidencia . [ 89 ] A nivel cognitivo, la inferencia clínica depende en gran medida de la interacción entre abstracción , abducción , deducción e inducción . [ 90 ] Las "teorías" intuitivas, o el conocimiento en medicina, pueden entenderse como prototipos en espacios conceptuales, o alternativamente, como redes semánticas . [ 91 ] [ 92 ] Dichos modelos sirven como punto de partida para generalizaciones intuitivas que se realizan a partir de un pequeño número de indicios, lo que resulta en la compensación del médico entre el "arte y la ciencia" del juicio médico. [ 93 ] Esta compensación se capturó en un programa de inteligencia artificial (IA) llamado MYCIN, que superó a los estudiantes de medicina, pero no a los médicos experimentados con amplia práctica en el reconocimiento de síntomas. [ 93 ] [ 94 ] [ 95 ] [ 89 ] Algunos investigadores sostienen que, a pesar de esto, los médicos son propensos a sesgos sistemáticos o ilusiones cognitivas en su juicio (por ejemplo, la satisfacción para realizar diagnósticos prematuros, el sesgo de confirmación cuando los diagnósticos se sospechan a priori ). [ 89 ]

Comunicación del riesgo del paciente

La alfabetización estadística y los juicios de riesgo se han descrito como problemáticos para la comunicación médico-paciente. [ 96 ] Por ejemplo, los médicos frecuentemente exageran el riesgo percibido de no recibir tratamiento, [ 97 ] alteran las percepciones de riesgo de los pacientes al presentar estadísticas individuales de forma positiva o negativa (p. ej., tasa de supervivencia del 97 % frente a tasa de mortalidad del 3 %), y/o no comunican suficientemente las "clases de referencia" de las declaraciones de probabilidad a los pacientes. [ 98 ] La clase de referencia es el objeto de una declaración de probabilidad: si un psiquiatra dice, por ejemplo, "este medicamento puede provocar una probabilidad del 30-50 % de un problema sexual", es ambiguo si esto significa que el 30-50 % de los pacientes desarrollarán un problema sexual en algún momento, o si todos los pacientes tendrán problemas en el 30-50 % de sus encuentros sexuales. [ 99 ]

Tasas base en el juicio clínico

En los estudios de negligencia de la tasa base , los problemas que se les plantean a los participantes suelen utilizar tasas base de prevalencia de enfermedades. En estos experimentos, tanto los médicos como los no médicos son igualmente susceptibles a la negligencia de la tasa base, o errores en el cálculo de la probabilidad condicional. He aquí un ejemplo de un problema de una encuesta empírica planteado a médicos experimentados: Supongamos que un cáncer hipotético tiene una prevalencia del 0,3 % en la población, y la tasa de verdaderos positivos de una prueba de detección es del 50 % con una tasa de falsos positivos del 3 %. Dado un paciente con un resultado positivo en la prueba, ¿cuál es la probabilidad de que el paciente tenga cáncer? Cuando se les hizo esta pregunta, los médicos con un promedio de 14 años de experiencia en la práctica médica dieron respuestas que oscilaron entre el 1 % y el 99 %, siendo la mayoría de las respuestas del 47 % o el 50 %. (La respuesta correcta es el 5 %). [ 98 ] Esta observación de negligencia de la tasa base clínica y error de probabilidad condicional se ha replicado en múltiples estudios empíricos. [ 96 ] [ 100 ] Sin embargo, los juicios de los médicos en problemas similares mejoraron sustancialmente cuando las tasas se reformularon como frecuencias naturales. [ 101 ]

Referencias

  1. 1 2 3 4 5 6 7 8 Gigerenzer, Gerd; Murray, David J. (2015). La cognición como estadística intuitiva . Londres: Psychology Press. ISBN 978-1-138-95022-1OCLC 918941179​​ 
  2. 1 2 Gopnik, Alison; Tenenbaum, Joshua B. (mayo de 2007). "Redes bayesianas, aprendizaje bayesiano y desarrollo cognitivo". Developmental Science . 10 (3): 281– 287. doi : 10.1111/j.1467-7687.2007.00584.x . ISSN 1363-755X . PMID 17444969 .  
  3. ↑ Gopnik, Alison (agosto de 2011). "La teoría 2.0: modelos probabilísticos y desarrollo cognitivo". Child Development Perspectives . 5 (3): 161– 163. doi : 10.1111/j.1750-8606.2011.00179.x . ISSN 1750-8592 . 
  4. 1 2 3 Hofstadter, Douglas R.; Sander, Emmanuel (2012). Superficies y esencias: La analogía como combustible y fuego del pensamiento . Nueva York: Basic Books. ISBN 978-0-465-01847-5OCLC 841172513​​ 
  5. 1 2 Goodman, ND; Tenenbaum, JB; Gerstenberg, T. (15 de febrero de 2014). "Conceptos en un lenguaje probabilístico del pensamiento" (PDF) . Archivado (PDF) del original el 27 de abril de 2017. Recuperado el 24 de julio de 2018 .
  6. 1 2 3 Nickerson, Raymond S. (2004). Cognición y azar: la psicología del razonamiento probabilístico . Mahwah, NJ: Lawrence Erlbaum Associates. ISBN 978-0-8058-4899-1OCLC 56115142​​ 
  7. ↑ Neisser, Ulric, ed. (1987). «Conceptos y desarrollo conceptual: factores ecológicos e intelectuales en la categorización». Conceptos y desarrollo conceptual : factores ecológicos e intelectuales en la categorización . Primera Conferencia del Proyecto de Cognición de Emory, 11-12 de octubre de 1984, Universidad de Emory. Cambridge: Cambridge University Press. ISBN  0-521-32219-7OCLC 14905937​​ 
  8. 1 2 3 Goodman, ND; Tenenbaum, JB (2016). Modelos probabilísticos de la cognición (2.ª ed.). Archivado del original el 11 de mayo de 2018. Recuperado el 24 de abril de 2018 . {{cite book}}: |website=ignorado ( ayuda )
  9. ↑ Hume, David; Levine, Michael P. (2005). Tratado de la naturaleza humana . Nueva York, NY: Barnes & Noble. ISBN 0-7607-7172-3OCLC 404025944​​ 
  10. ↑ Hacking, Ian (2001). Introducción a la probabilidad y la lógica inductiva . Cambridge, Reino Unido: Cambridge University Press. ISBN 0-521-77287-7OCLC 44969631​​ 
  11. ↑ Savage, Leonard J. (1954). Los fundamentos de la estadística . Nueva York: Wiley.
  12. 1 2 Von Mises, Richard (1981). Probabilidad, estadística y verdad (2.ª ed.). Nueva York: Dover Publications. ISBN  0-486-24214-5OCLC 8320292​​ 
  13. 1 2 3 4 Cosmides, L; Tooby, J (enero de 1996). "¿Son los humanos buenos estadísticos intuitivos después de todo? Repensando algunas conclusiones de la literatura sobre el juicio bajo incertidumbre". Cognition . 58 (1): 1– 73. doi : 10.1016/0010-0277(95)00664-8 . S2CID 18631755 . 
  14. ↑ Pearl, Judea (2000). Causalidad: modelos, razonamiento e inferencia . Cambridge, Reino Unido: Cambridge University Press. ISBN 978-1-139-64936-0OCLC 834142635​​ 
  15. 1 2 Clark, Andy (junio de 2013). "¿Qué sigue? Cerebros predictivos, agentes situados y el futuro de la ciencia cognitiva" . Behavioral and Brain Sciences . 36 (3): 181–204 . doi : 10.1017/s0140525x12000477 . ISSN 0140-525X . PMID 23663408 .  
  16. ↑ Edwards W (1968). "Conservadurismo en el procesamiento de la información humana". En Kleinmuntz B (ed.). Representación formal del juicio humano . Simposio sobre cognición. Nueva York: Wiley.
  17. ↑ Haselton, Martie G.; Buss, David M. (2000). "Teoría de la gestión de errores: una nueva perspectiva sobre los sesgos en la lectura de la mente entre sexos". Journal of Personality and Social Psychology . 78 (1): 81– 91. doi : 10.1037/0022-3514.78.1.81 . PMID 10653507 . 
  18. ↑ Nesse, RM (mayo de 2001). "El principio del detector de humo. Selección natural y regulación de las respuestas defensivas". Anales de la Academia de Ciencias de Nueva York . 935 : 75–85 . doi : 10.1111/j.1749-6632.2001.tb03472.x . hdl : 2027.42/75092 . PMID 11411177. S2CID 20128143 .  
  19. ↑ Barrett, Justin L.; Johnson, Amanda Hankes (agosto de 2003). "El papel del control en la atribución de agencia intencional a objetos inanimados" (PDF) . Journal of Cognition and Culture . 3 (3): 208– 217. doi : 10.1163/156853703322336634 .
  20. ↑ Gray, Kurt; Wegner, Daniel M. (febrero de 2010). "Culpar a Dios por nuestro dolor: el sufrimiento humano y la mente divina". Personality and Social Psychology Review . 14 (1): 7– 16. doi : 10.1177/1088868309350299 . PMID 19926831. S2CID 18463294 .  
  21. 1 2 3 4 5 Gigerenzer, G (1991). "Cómo hacer desaparecer las ilusiones cognitivas: Más allá de las heurísticas y los sesgos"". Revista Europea de Psicología Social . 2 (1): 83– 115. doi : 10.1080/14792779143000033 . hdl : 21.11116/0000-0000-BD7A-3 .
  22. ↑ Gilovich, Thomas; Griffin, Dale W.; Kahneman, Daniel (2002). Heurísticas y sesgos: la psicología del juicio intuitivo . Cambridge, Reino Unido: Cambridge University Press. ISBN 978-0-521-79679-8OCLC 47364085​​ 
  23. ↑ Kahneman, Daniel; Tversky, Amos (1979). "Teoría de la perspectiva: un análisis de la toma de decisiones bajo riesgo". Econometrica . 47 (2): 263– 291. doi : 10.2307/1914185 . JSTOR 1914185 . 
  24. 1 2 Tversky, Amos; Kahneman, Daniel (1983). "Razonamiento extensional versus intuitivo: La falacia de la conjunción en el juicio de probabilidad". Psychological Review . 90 (4): 293– 315. doi : 10.1037/0033-295x.90.4.293 .
  25. 1 2 Gilovich, Thomas; Vallone, Robert; Tversky, Amos (julio de 1985). "La racha ganadora en el baloncesto: Sobre la percepción errónea de secuencias aleatorias". Psicología Cognitiva . 17 (3): 295– 314. doi : 10.1016/0010-0285(85)90010-6 . ISSN 0010-0285 . S2CID 317235 .  
  26. ↑ Nisbett, Richard E.; Ross, Lee (1980). Inferencia humana: estrategias y deficiencias del juicio social . Englewood Cliffs, NJ: Prentice-Hall. ISBN 0-13-445130-9OCLC 5411525​​ 
  27. ↑ Simon, HA (marzo de 1956). " Elección racional y la estructura del entorno". Psychological Review . 63 (2): 129– 138. doi : 10.1037/h0042769 . PMID 13310708. S2CID 8503301 .  
  28. ↑ Kahneman, Daniel; Tversky, Amos (1973). "Sobre la psicología de la predicción". Psychological Review . 80 (4): 237– 251. doi : 10.1037/h0034747 .
  29. ↑ Ajzen, Icek (1977). "Teorías intuitivas de los eventos y los efectos de la información de la tasa base en la predicción". Journal of Personality and Social Psychology . 35 (5): 303– 314. doi : 10.1037/0022-3514.35.5.303 .
  30. ↑ Hacking (1965). Lógica de la inferencia estadística . Cambridge University Press. ISBN 978-0-521-05165-1OCLC 704034945​​ 
  31. 1 2 Kahneman, Daniel; Tversky, Amos (1996). "Sobre la realidad de las ilusiones cognitivas". Psychological Review . 103 (3): 582– 591. doi : 10.1037/0033-295x.103.3.582 . PMID 8759048 . 
  32. ↑ Haselton, Martie; Bryant, Gregory A.; Wilke, Andreas; Frederick, David; Galperin, Andrew; Frankenhuis, Willem E.; Moore, Tyler (2009). "Racionalidad adaptativa: una perspectiva evolutiva sobre el sesgo cognitivo" . Cognición social . 27 (5): 733– 763. doi : 10.1521/soco.2009.27.5.733 .
  33. ↑ Kahneman, Daniel; Tversky, Amos (1973). "Sobre la psicología de la predicción". Psychological Review . 80 (4): 237– 251. doi : 10.1037/h0034747 .
  34. ↑ Bar-Hillel, Maya (mayo de 1980). "La falacia de la tasa base en los juicios de probabilidad" (PDF) . Acta Psychologica . 44 (3): 211– 233. doi : 10.1016/0001-6918(80)90046-3 . ISSN 0001-6918 . 
  35. ↑ Gigerenzer, G. (1994). Por qué la distinción entre probabilidades y frecuencias de eventos únicos es importante para la psicología (y viceversa). En G. Wright y P. Ayton (Eds.), Probabilidad subjetiva (pp. 129-161). Oxford, Inglaterra: John Wiley & Sons.
  36. ↑ Gluck, M., & Bower, GH (1988). Del condicionamiento al aprendizaje de categorías: Un modelo de red adaptativa. Journal of Experimental Psychology: General. 117. 227-247
  37. 1 2 Fiedler, Klaus (septiembre de 1988). "La dependencia de la falacia de la conjunción en factores lingüísticos sutiles". Psychological Research . 50 (2): 123– 129. doi : 10.1007/bf00309212 . S2CID 144369350 . 
  38. ↑ Elman, Jeffrey L. (1996). Repensando la innatividad: una perspectiva conexionista sobre el desarrollo . Cambridge, Mass.: MIT Press. ISBN 0-585-02034-5OCLC 42854159​​ 
  39. ↑ O'Reilly, Randall C.; Munakata, Yuko (2000). Exploraciones computacionales en neurociencia cognitiva: comprender la mente mediante la simulación del cerebro . Cambridge, Mass.: MIT Press. ISBN 0-262-65054-1OCLC 43083232​​ 
  40. ↑ Marcus, Gary F. (2001). La mente algebraica: integrando el conexionismo y la ciencia cognitiva . Cambridge, Mass.: MIT Press. ISBN 0-262-13379-2OCLC 43954048​​ 
  41. ↑ Lakoff, George (1987). Mujeres, fuego y cosas peligrosas: qué revelan las categorías sobre la mente . Chicago: University of Chicago Press. ISBN 978-0-226-46804-4OCLC 14001013​​ 
  42. ↑ Griffiths, Thomas L.; Tenenbaum, Joshua B. (septiembre de 2006). "Predicciones óptimas en la cognición cotidiana". Psychological Science . 17 (9): 767– 773. doi : 10.1111/j.1467-9280.2006.01780.x . ISSN 0956-7976 . PMID 16984293. S2CID 12834830 .   
  43. ↑ Clark, Andy (enero de 2015). Predicción encarnada . Fráncfort del Meno, Alemania: MIND Group. doi : 10.15502/9783958570115 . ISBN 978-3-95857-011-5.{{cite book}}: |journal=ignorado ( ayuda )
  44. ↑ Goodman, Noah; Tenenbaum, Joshua; Feldman, Jacob; Griffiths, Thomas (enero de 2008). "Un análisis racional del aprendizaje de conceptos basado en reglas" . Cognitive Science . 32 (1): 108– 154. doi : 10.1080/03640210701802071 . ISSN 0364-0213 . PMID 21635333 .  
  45. ↑ Piaget, Jean; Inhelder, Bärbel (1976). El origen de la idea de azar en los niños . Nueva York: WW Norton & Co. ISBN 978-0-393-00803-6OCLC 753479728​​ 
  46. ↑ Piaget, J. (1983). "La teoría de Piaget". En P. Mussen (ed.). Manual de psicología infantil . Vol. 1: Historia, teoría y métodos. W. Kessen (ed. del vol.) (4.ª ed.). Nueva York: John Wiley. OCLC 863228206 .   
  47. 1 2 Xu, Fei ; Garcia, Vashti (1 de abril de 2008). "Estadística intuitiva en bebés de 8 meses" . Actas de la Academia Nacional de Ciencias . 105 (13): 5012– 5015. doi : 10.1073/pnas.0704450105 . PMC 2278207. PMID 18378901 .  
  48. ↑ Denison, Stephanie; Xu, Fei (julio de 2010). "Integración de restricciones físicas en la inferencia estadística por parte de bebés de 11 meses" . Cognitive Science . 34 (5): 885–908 . doi : 10.1111/j.1551-6709.2010.01111.x . ISSN 1551-6709 . PMID 21564238 .  
  49. ↑ Denison, Stephanie; Reed, Christie; Xu, Fei (febrero de 2013). "El surgimiento del razonamiento probabilístico en bebés muy pequeños: evidencia de niños de 4,5 y 6 meses". Psicología del Desarrollo . 49 (2): 243– 249. doi : 10.1037/a0028278 . PMID 22545837 . 
  50. 1 2 Denison, Stephanie; Xu, Fei (marzo de 2014). "Los orígenes de la inferencia probabilística en bebés humanos". Cognition . 130 (3): 335– 347. doi : 10.1016/j.cognition.2013.12.001 . PMID 24384147 . S2CID 14917596 .  
  51. ↑ Denison, Stephanie; Xu, Fei (septiembre de 2010). "Los bebés de doce a catorce meses pueden predecir la probabilidad de un solo evento con conjuntos de gran tamaño" . Developmental Science . 13 (5): 798–803 . doi : 10.1111/j.1467-7687.2009.00943.x . PMID 20712746 . 
  52. ↑ Gerken, LouAnn (mayo de 2010). "Los bebés usan criterios de decisión racionales para elegir entre modelos de su información" . Cognition . 115 ( 2): 362– 366. doi : 10.1016/j.cognition.2010.01.006 . PMC 2835817. PMID 20144828 .  
  53. ↑ Gopnik, A.; Meltzoff, AN (1997). Palabras, pensamientos y teorías . Cambridge, MA: MIT Press. ISBN 978-0-262-57126-5OCLC 438680292​​ 
  54. ↑ Gopnik, A. y Wellman, H. (1994). «La teoría de la teoría». En A. Hirschfeld y SA Gelman (eds.). Mapeando la mente: especificidad de dominio en la cognición y la cultura . Nueva York: Cambridge University Press. pp. 257-293 . ISBN  0-521-41966-2OCLC 27937150​​ 
  55. ↑ Gopnik, Alison; Meltzoff, Andrew N.; Kuhl, Patricia K. (2001). El científico en la cuna: lo que el aprendizaje temprano nos dice sobre la mente (1.ª ed.). Nueva York: HarperPerennial. ISBN  978-0-688-17788-1OCLC 46453058​​ 
  56. ↑ Gopnik, Alison (28 de septiembre de 2012). "Pensamiento científico en niños pequeños: avances teóricos, investigación empírica e implicaciones políticas". Science . 337 ( 6102): 1623– 1627. Bibcode : 2012Sci...337.1623G . doi : 10.1126/science.1223416 . PMID 23019643. S2CID 12773717 .  
  57. ↑ Denison, Stephanie; Bonawitz, Elizabeth; Gopnik, Alison; Griffiths, Thomas L. (febrero de 2013). "Variabilidad racional en las inferencias causales de los niños: la hipótesis del muestreo" . Cognition . 126 ( 2): 285– 300. doi : 10.1016/j.cognition.2012.10.010 . PMID 23200511. S2CID 10826483 .  
  58. ↑ Gweon, Hyowon; Tenenbaum, Joshua B. ; Schulz, Laura E. (mayo de 2010). "Los bebés consideran tanto la muestra como el proceso de muestreo en la generalización inductiva" . Actas de la Academia Nacional de Ciencias . 107 (20): 9066– 9071. Bibcode : 2010PNAS..107.9066G . doi : 10.1073/pnas.1003095107 . PMC 2889113. PMID 20435914 .  
  59. ↑ Siegler, Robert S. (enero de 2000). "El renacimiento del aprendizaje infantil". Child Development . 71 (1): 26– 35. doi : 10.1111/1467-8624.00115 . PMID 10836555 . 
  60. 1 2 Barrett, H. Clark (2015). La forma del pensamiento: cómo evolucionan las adaptaciones mentales . Nueva York. ISBN 978-0-19-934831-2OCLC 881386175​​ {{cite book}}: CS1 mantenimiento: falta el editor de ubicación ( enlace )
  61. ↑ Sperber, D. (1994). "La modularidad del pensamiento y la epidemiología de las representaciones". En Hirschfeld, L.; Gelman, S. (eds.). Mapeando la mente . Cambridge University Press.
  62. ↑ Tataru, Paula; Hobolth, Asger (5 de diciembre de 2011). "Comparación de métodos para calcular expectativas condicionales de estadísticas suficientes para cadenas de Markov de tiempo continuo" . BMC Bioinformatics . 12 : 465. doi : 10.1186/1471-2105-12-465 . PMC 3329461. PMID 22142146 .  
  63. ↑ Xu, Fei (septiembre de 1999). "Individuación e identidad del objeto en la infancia: el papel de la información espaciotemporal, la información sobre las propiedades del objeto y el lenguaje". Acta Psychologica . 102 ( 2–3 ): 113–136 . doi : 10.1016/s0001-6918(99)00029-3 . PMID 10504878 . 
  64. ↑ Quinn, Paul C.; Bhatt, Ramesh S. (julio de 2005). "Aprendizaje de la organización perceptiva en la infancia". Psychological Science . 16 (7): 511– 515. doi : 10.1111/j.0956-7976.2005.01567.x . ISSN 0956-7976 . PMID 16008781. S2CID 11886384 .   
  65. ↑ Gomez, Rebecca L.; Lakusta, Laura (noviembre de 2004). "Un primer paso en la abstracción de categorías basada en la forma por parte de bebés de 12 meses". Developmental Science . 7 (5): 567– 580. doi : 10.1111/j.1467-7687.2004.00381.x . PMID 15603290 . 
  66. ↑ Quinn, Paul C.; Bhatt, Ramesh S.; Brush, Diana; Grimes, Autumn; Sharpnack, Heather (julio de 2002). "Desarrollo de la similitud de formas como principio de agrupación de la Gestalt en la infancia". Psychological Science . 13 (4): 320– 328. doi : 10.1111/1467-9280.00459 . ISSN 0956-7976 . PMID 12137134. S2CID 8068752 .   
  67. ↑ Needham, Amy; Dueker, Gwenden; Lockhead, Gregory (enero de 2005). "Formación y uso de categorías por parte de los bebés para segregar objetos". Cognition . 94 ( 3): 215– 240. doi : 10.1016/j.cognition.2004.02.002 . PMID 15617672. S2CID 2674246 .  
  68. ↑ Gómez, Rebecca L. (septiembre de 2002). "Variabilidad y detección de estructura invariante". Psychological Science . 13 (5): 431– 436. doi : 10.1111/1467-9280.00476 . ISSN 0956-7976 . PMID 12219809. S2CID 9058661 .   
  69. ↑ Thiessen, Erik D. (5 de enero de 2017). "¿Qué hay de estadístico en el aprendizaje? Perspectivas a partir del modelado del aprendizaje estadístico como un conjunto de procesos de memoria" . Phil . Trans. R. Soc. B. 372 ( 1711) 20160056. doi : 10.1098/rstb.2016.0056 . PMC 5124081. PMID 27872374. 20160056.  
  70. ↑ Marcus, Gary F.; Fernandes, Keith J.; Johnson, Scott P. (mayo de 2007). "Aprendizaje de reglas infantiles facilitado por el habla". Psychological Science . 18 (5): 387– 391. doi : 10.1111/j.1467-9280.2007.01910.x . PMID 17576276. S2CID 8261527 .  
  71. ↑ Gerken, LouAnn; Wilson, Rachel; Lewis, William (mayo de 2005). "Los bebés pueden usar pistas distributivas para formar categorías sintácticas". Journal of Child Language . 32 (2): 249– 268. doi : 10.1017/S0305000904006786 . PMID 16045250. S2CID 15679161 .  
  72. 1 2 Marcus, GF; Vijayan, S.; Rao, S. Bandi; Vishton, PM (1 de enero de 1999). "Aprendizaje de reglas en bebés de siete meses". Science . 283 (5398): 77– 80. Bibcode : 1999Sci...283...77M . doi : 10.1126/science.283.5398.77 . PMID 9872745 . S2CID 6261323 .  
  73. ↑ Tenenbaum, JB; Griffiths, TL (agosto de 2001). "Generalización, similitud e inferencia bayesiana". The Behavioral and Brain Sciences . 24 (4): 629– 640, discusión 652–791. doi : 10.1017/s0140525x01000061 . ISSN 0140-525X . PMID 12048947 .  
  74. ↑ Xu, Fei ; Tenenbaum, Joshua B. (abril de 2007). "Aprendizaje de palabras como inferencia bayesiana" . Psychological Review . 114 (2): 245–272 . doi : 10.1037/0033-295X.114.2.245 . PMID 17500627 . 
  75. ↑ Gerken, L. (octubre de 2004). "Los bebés de nueve meses extraen los principios estructurales necesarios para el lenguaje natural". Cognition . 93 (3): B89– B96. doi : 10.1016/j.cognition.2003.11.005 . ISSN 0010-0277 . PMID 15178379. S2CID 5939461 .   
  76. ↑ Gerken, L.; Bollt, A. (2008). "Tres ejemplos permiten al menos algunas generalizaciones lingüísticas: implicaciones para los mecanismos y restricciones de generalización". Language Learning and Development . 4 (3): 228– 248. doi : 10.1080/15475440802143117 . S2CID 8068917 . 
  77. ↑ Gerken, LouAnn; Dawson, Colin; Chatila, Razanne; Tenenbaum, Joshua (abril de 2014). "¡Sorpresa! Los bebés consideran posibles bases de generalización para un solo ejemplo de entrada" . Developmental Science . 18 (1): 80–89 . doi : 10.1111/desc.12183 . PMC 4188806. PMID 24703007 .  
  78. ↑ Gomez, Rebecca L.; Gerken, LouAnn (marzo de 1999). "El aprendizaje de la gramática artificial en niños de 1 año conduce a conocimientos específicos y abstractos". Cognition . 70 ( 2): 109– 135. doi : 10.1016/s0010-0277(99)00003-7 . PMID 10349760. S2CID 7447597 .  
  79. ↑ Chambers, Kyle E.; Onishi, Kristine H.; Fisher, Cynthia (marzo de 2003). "Los bebés aprenden regularidades fonotácticas a partir de una breve experiencia auditiva". Cognition . 87 ( 2): B69– B77. doi : 10.1016/s0010-0277(02)00233-0 . ISSN 0010-0277 . PMID 12590043. S2CID 15757428 .   
  80. ↑ Gerken, LouAnn (mayo de 2010). "Los bebés usan criterios de decisión racionales para elegir entre modelos de su información" . Cognition . 115 ( 2): 362– 366. doi : 10.1016/j.cognition.2010.01.006 . PMC 2835817. PMID 20144828 .  
  81. ↑ Gerken, LouAnn (enero de 2006). "Decisiones, decisiones: aprendizaje del lenguaje infantil cuando son posibles múltiples generalizaciones". Cognition . 98 (3): B67– B74. doi : 10.1016/j.cognition.2005.03.003 . PMID 15992791. S2CID 14889642 .  
  82. ↑ Pepperberg, Irene M.; Carey, Susan (noviembre de 2012). "Adquisición de números en loros grises: la inferencia del valor cardinal a partir de la posición ordinal en la lista de numerales" . Cognition . 125 ( 2): 219– 232. doi : 10.1016/j.cognition.2012.07.003 . PMC 3434310. PMID 22878117 .  
  83. ↑ Pepperberg, Irene M. (febrero de 2013). "Conceptos abstractos: datos de un loro gris". Behavioural Processes . 93 : 82–90 . doi : 10.1016/j.beproc.2012.09.016 . PMID 23089384. S2CID 33278680 .  
  84. ↑ Pepperberg, Irene M.; Gordon, Jesse D. (mayo de 2005). "Comprensión numérica por un loro gris ( Psittacus erithacus ), incluyendo un concepto similar al cero" . Journal of Comparative Psychology . 119 (2): 197– 209. doi : 10.1037/0735-7036.119.2.197 . PMID 15982163 . 
  85. ↑ Clements, Katherine A.; Gray, Suzanne L.; Gross, Brya; Pepperberg, Irene M. (mayo de 2018). "Evidencia inicial de razonamiento probabilístico en un loro gris ( Psittacus erithacus ) " . Journal of Comparative Psychology . 132 (2): 166– 177. doi : 10.1037/com0000106 . PMID 29528667. S2CID 42149969 .  
  86. ↑ Tecwyn, Emma C.; Denison, Stephanie; Messer, Emily JE; Buchsbaum, Daphna (marzo de 2017). "Inferencia probabilística intuitiva en monos capuchinos" . Animal Cognition . 20 (2): 243– 256. doi : 10.1007/s10071-016-1043-9 . PMID 27744528. S2CID 12347189 .  
  87. ↑ Yang, Tianming; Shadlen, Michael N. (28 de junio de 2007). " Razonamiento probabilístico por neuronas". Nature . 447 (7148): 1075– 1080. Bibcode : 2007Natur.447.1075Y . doi : 10.1038/nature05852 . ISSN 0028-0836 . PMID 17546027. S2CID 4343931 .   
  88. ↑ Rakoczy, Hannes; Clüver, Annette; Saucke, Liane; Stoffregen, Nicole; Gräbener, Alice; Migura, Judith; Llamada, Josep (abril de 2014). "Los simios son estadísticos intuitivos". Cognición . 131 (1): 60– 68. doi : 10.1016/j.cognition.2013.12.011 . ISSN 0010-0277 . PMID 24440657 . S2CID 10393347 .   
  89. 1 2 3 ten Cate, Olle; Custers, Eugène JFM; Durning, Steven J., eds. (2011). Principios y práctica de la educación en razonamiento clínico basado en casos: un método para estudiantes preclínicos . Cham: Springer International. ISBN 978-3-319-64828-6OCLC 1017833633 .​ 
  90. ↑ Holyoak, Keith James; Morrison, Robert G., eds. (2005). The Cambridge handbook of thinking and reasoning . Nueva York: Cambridge University Press. ISBN 978-0-521-82417-0OCLC 56011371​​ 
  91. ↑ Custers, Eugène JFM (mayo de 2015). "Treinta años de guiones de enfermedad: orígenes teóricos y aplicaciones prácticas". Medical Teacher . 37 (5): 457– 462. doi : 10.3109/0142159X.2014.956052 . PMID 25180878. S2CID 207432268 .  
  92. ↑ Custers, EJ; Regehr, G.; Norman, GR (octubre de 1996). "Representaciones mentales del conocimiento diagnóstico médico: una revisión" . Academic Medicine . 71 (10 Suppl): S55–561. doi : 10.1097/00001888-199610000-00044 . PMID 8940935 . 
  93. 1 2 Shortliffe, Edward H.; Buchanan, Bruce G. (abril de 1975). "Un modelo de razonamiento inexacto en medicina". Mathematical Biosciences . 23 ( 3–4 ): 351–379 . doi : 10.1016/0025-5564(75)90047-4 . S2CID 118063112 . 
  94. ↑ Heckerman, David E.; Shortliffe, Edward H. (febrero de 1992). "De los factores de certeza a las redes de creencias". Inteligencia artificial en medicina . 4 (1): 35– 52. doi : 10.1016/0933-3657(92)90036-o .
  95. ↑ Milofsky, Carl; Elstein, Arthur S.; Shulman, Lee S.; Sprafka, Sarah A. (noviembre de 1979). "Resolución de problemas médicos: un análisis del razonamiento clínico". American Journal of Sociology . 85 (3): 703– 705. doi : 10.1086/227074 . ISSN 0002-9602 . 
  96. 1 2 Gigerenzer, Gerd; Gray, JA Muir, eds. (2011). Mejores médicos, mejores pacientes, mejores decisiones : una visión de la atención médica para 2020. Ernst Strüngmann Forum 2009: Frankfurt am Main, Alemania. Cambridge, Mass.: MIT Press. ISBN  978-0-262-29895-7OCLC 733263173​​ 
  97. ↑ Wegwarth, Odette; Wagner, Gert G.; Gigerenzer, Gerd (23 de agosto de 2017). "¿Pueden los hechos superar la confianza incondicional? La información basada en la evidencia reduce a la mitad la influencia de las recomendaciones de los médicos sobre la detección del cáncer que no se basan en la evidencia" . PLOS ONE . 12 (8) e0183024. Bibcode : 2017PLoSO..1283024W . doi : 10.1371/journal.pone.0183024 . PMC 5568103. PMID 28832633. e0183024.  
  98. 1 2 Gigerenzer, Gerd; Edwards, Adrian (septiembre de 2003). "Herramientas sencillas para comprender los riesgos: de la falta de conocimientos numéricos a la comprensión" . BMJ . 327 ( 7417): 741– 744. doi : 10.1136/bmj.327.7417.741 . ISSN 0959-8138 . PMC 200816. PMID 14512488 .   
  99. ↑ Gigerenzer, Gerd (2008). Racionalidad para los mortales: cómo las personas afrontan la incertidumbre . Oxford; Nueva York: Oxford University Press. ISBN 978-0-19-974709-2OCLC 156902311​​ 
  100. ↑ Casscells, W.; Schoenberger, A.; Graboys, TB (noviembre de 1978). "Interpretación de los resultados de laboratorio clínico por parte de los médicos". The New England Journal of Medicine . 299 (18): 999– 1001. doi : 10.1056/NEJM197811022991808 . ISSN 0028-4793 . PMID 692627 .  
  101. ↑ Hoffrage, U.; Gigerenzer, G. (mayo de 1998). "Uso de frecuencias naturales para mejorar las inferencias diagnósticas" . Academic Medicine . 73 (5): 538– 540. doi : 10.1097/00001888-199805000-00024 . hdl : 11858 / 00-001M-0000-0025-A092-2 . PMID 9609869. S2CID 15957015 .