Heurística de representatividad

Al juzgar la representatividad de un nuevo estímulo/evento, las personas suelen prestar atención al grado de similitud entre el estímulo/evento y un estándar/proceso. ^{[ 1 ]} También es importante que esas características sean prominentes. ^{[ 1 ]} Nilsson, Juslin y Olsson (2008) encontraron que esto está influenciado por la explicación de la memoria basada en ejemplos (los ejemplos concretos de una categoría se almacenan en la memoria) de modo que las nuevas instancias se clasificaron como representativas si eran muy similares a una categoría, así como si se encontraban con frecuencia. ^{[ 8 ]} Se han descrito varios ejemplos de similitud en la literatura sobre la heurística de la representatividad. Esta investigación se ha centrado en las creencias médicas. ^{[ 2 ]} Las personas a menudo creen que los síntomas médicos deben parecerse a sus causas o tratamientos. Por ejemplo, durante mucho tiempo se ha creído que las úlceras eran causadas por el estrés, debido a la heurística de la representatividad, cuando en realidad las bacterias causan úlceras. ^{[ 2 ]} En una línea de pensamiento similar, en algunas creencias de la medicina alternativa se ha animado a los pacientes a comer carne de órganos que corresponda a su trastorno médico. El uso de la heurística de representatividad se puede observar incluso en creencias más simples, como la creencia de que comer alimentos grasos engorda. ^{[ 2 ]} Incluso los médicos pueden verse influenciados por la heurística de representatividad al juzgar la similitud , por ejemplo, en los diagnósticos. ^{[ 9 ]} El investigador descubrió que los clínicos utilizan la heurística de representatividad al realizar diagnósticos, juzgando cuán similares son los pacientes al paciente estereotípico o prototípico con ese trastorno. ^{[ 9 ]}

La irregularidad y la representatividad local afectan los juicios sobre la aleatoriedad. Los sucesos que no parecen tener una secuencia lógica se consideran representativos de la aleatoriedad y, por lo tanto, más probables de ocurrir. Por ejemplo, la serie de lanzamientos de moneda THTHTH no se consideraría representativa de lanzamientos de moneda generados aleatoriamente, ya que está demasiado ordenada. ^{[ 1 ]}

La representatividad local es una suposición en la que las personas se basan en la ley de los números pequeños, según la cual las muestras pequeñas se perciben como representativas de la población en la misma medida que las muestras grandes ( Tversky y Kahneman, 1971 ) . Una muestra pequeña que parece distribuida aleatoriamente reforzaría la creencia, bajo la suposición de representatividad local, de que la población está distribuida aleatoriamente. Por el contrario, una muestra pequeña con una distribución asimétrica debilitaría esta creencia. Si se lanza una moneda varias veces y la mayoría de los resultados son caras, la suposición de representatividad local hará que el observador crea que la moneda está sesgada hacia las caras. ^{[ 1 ]}

En un estudio realizado en 1973, ^{[ 10 ]} Kahneman y Tversky dividieron a sus participantes en tres grupos:

• El grupo de referencia recibió las siguientes instrucciones: «Consideren a todos los estudiantes de posgrado de primer año en los EE. UU. en la actualidad. Por favor, escriban sus mejores estimaciones sobre el porcentaje de estudiantes matriculados en las siguientes nueve áreas de especialización». Las nueve áreas mencionadas fueron administración de empresas, informática, ingeniería, humanidades y educación, derecho, biblioteconomía, medicina, ciencias físicas y biológicas, y ciencias sociales y trabajo social. ^{[ 10 ]}
• A los participantes del grupo de "similitud" se les proporcionó una descripción de su personalidad. "Tom W. es muy inteligente, aunque carece de verdadera creatividad. Tiene una necesidad de orden y claridad, y de sistemas pulcros y ordenados en los que cada detalle encuentra su lugar apropiado. Su escritura es bastante aburrida y mecánica, animada ocasionalmente por juegos de palabras algo cursis y destellos de imaginación de tipo ciencia ficción. Tiene una fuerte ambición por la competencia. Parece sentir poca empatía por los demás y no disfruta interactuando con ellos. Egocéntrico, no obstante, posee un profundo sentido moral". Se pidió a los participantes de este grupo que clasificaran las nueve áreas enumeradas en la parte 1 en términos de cuán similar es Tom W. al estudiante de posgrado prototípico de cada área. ^{[ 10 ]}
• El "grupo de predicción", al que se le entregó el perfil de personalidad descrito en el punto 2, recibió además la siguiente información: "El perfil de personalidad anterior de Tom W. fue escrito durante su último año de bachillerato por un psicólogo, basándose en pruebas proyectivas . Actualmente, Tom W. es estudiante de posgrado. Por favor, clasifique los siguientes nueve campos de especialización de posgrado según la probabilidad de que Tom W. sea actualmente estudiante de posgrado en cada uno de ellos". ^{[ 10 ]}

Los juicios de probabilidad fueron mucho más cercanos para los juicios de similitud que para las tasas base estimadas. Los hallazgos respaldaron las predicciones de los autores de que las personas hacen predicciones basándose en cuán representativo es algo (similar), en lugar de basarse en información sobre tasas base relativas. Por ejemplo, más del 95 % de los participantes dijeron que Tom tendría más probabilidades de estudiar informática que educación o humanidades, cuando las estimaciones de tasas base para educación y humanidades eran mucho más altas que para informática. ^{[ 10 ]}

En otro estudio realizado por Tversky y Kahneman, a los sujetos se les presentó el siguiente problema: ^{[ 4 ]}

Un taxi se vio involucrado en un accidente con fuga durante la noche. Dos compañías de taxis, la Verde y la Azul, operan en la ciudad. El 85% de los taxis en la ciudad son Verdes y el 15% son Azules. ^{[ 4 ]}

Un testigo identificó el taxi como azul. El tribunal evaluó la fiabilidad del testigo en las mismas circunstancias que existían la noche del accidente y concluyó que el testigo identificó correctamente cada uno de los dos colores el 80% de las veces y falló el 20% de las veces. ^{[ 4 ]}

¿Cuál es la probabilidad de que el taxi involucrado en el accidente fuera azul en lugar de verde sabiendo que este testigo lo identificó como azul? ^{[ 4 ]}

La mayoría de los sujetos dieron probabilidades superiores al 50%, y algunos dieron respuestas superiores al 80%. La respuesta correcta, hallada mediante el teorema de Bayes , es inferior a estas estimaciones: ^{[ 4 ]}

• Existe una probabilidad del 12% (0,12 = 0,15 × 0,80) de que el testigo identifique (correctamente) el taxi azul como azul.
• Existe una probabilidad del 17% (0,17 = 0,85 × 0,20) de que el testigo identifique (incorrectamente) el taxi verde como azul.
• Por lo tanto, existe una probabilidad del 29% (0,29 = 0,12 + 0,17) de que el testigo identifique el taxi como azul.
• Esto da como resultado una probabilidad del 41% (0,41 ≈ 0,12 ÷ 0,29) de que el taxi identificado como azul fuera realmente azul.

Este resultado se puede obtener mediante el teorema de Bayes, que establece:

${\displaystyle P(B|I)={\frac {P(I|B)\,P(B)}{P(I)}}.}$

dónde:

P(x) - una probabilidad de x,

B - el taxi era azul,

Yo - el taxi es identificado por el testigo como azul,

B | I - el taxi que se identifica como azul, era azul,

I | B - el taxi que era azul, es identificado por el testigo como azul.

La representatividad se cita en el efecto similar de la falacia del jugador , la falacia de regresión y la falacia de conjunción . ^{[ 4 ]}

Es probable que el uso de la heurística de representatividad conduzca a violaciones del teorema de Bayes : ^{[ 11 ]}

${\displaystyle P(H|D)={\frac {P(D|H)\,P(H)}{P(D)}}.}$

Sin embargo, los juicios por representatividad solo consideran la semejanza entre la hipótesis y los datos, por lo que se igualan las probabilidades inversas: ^{[ 11 ]}

${\displaystyle P(H|D)=P(D|H)}$

Como se puede ver, la tasa base P(H) se ignora en esta ecuación, lo que lleva a la falacia de la tasa base . Una tasa base es la tasa básica de incidencia de un fenómeno. La falacia de la tasa base describe cómo las personas no toman en cuenta la tasa base de un evento al resolver problemas de probabilidad. ^{[ 12 ]} Esto fue probado explícitamente por Dawes, Mirels, Gold y Donahue (1993) quienes hicieron que las personas juzgaran tanto la tasa base de personas que tenían un rasgo de personalidad particular como la probabilidad de que una persona que tenía un rasgo de personalidad dado tuviera otro. Por ejemplo, se preguntó a los participantes cuántas personas de 100 respondieron verdadero a la pregunta "Soy una persona concienzuda" y también, dado que una persona respondió verdadero a esta pregunta, cuántas responderían verdadero a una pregunta de personalidad diferente. Encontraron que los participantes igualaban probabilidades inversas (por ejemplo,${\displaystyle P(consciente|neurótico)=P(neurótico|consciente)}$) incluso cuando era obvio que no eran lo mismo (las dos preguntas se respondieron inmediatamente una tras otra). ^{[ 11 ]}

Axelsson describe un ejemplo médico. Supongamos que un médico realiza una prueba con una precisión del 99% y el paciente da positivo para la enfermedad. Sin embargo, la incidencia de la enfermedad es de 1/10 000. El riesgo real del paciente de padecer la enfermedad es del 1%, porque la población de personas sanas es mucho mayor que la de personas con la enfermedad. Esta estadística suele sorprender a la gente, debido a la falacia de la tasa base, ya que muchas personas no tienen en cuenta la incidencia básica al juzgar la probabilidad. ^{[ 12 ]} La investigación de Maya Bar-Hillel (1980) sugiere que la relevancia percibida de la información es vital para evitar la negligencia de la tasa base: las tasas base solo se incluyen en los juicios si parecen igualmente relevantes para la demás información. ^{[ 13 ]}

Algunas investigaciones han explorado la negligencia de la tasa base en niños, ya que había una falta de comprensión sobre cómo se desarrollan estas heurísticas de juicio. ^{[ 14 ] [ 15 ]} Los autores de uno de estos estudios querían comprender el desarrollo de la heurística, si difiere entre juicios sociales y otros juicios, y si los niños usan tasas base cuando no están usando la heurística de representatividad. Los autores encontraron que el uso de la heurística de representatividad como estrategia comienza temprano y es consistente. Los autores también encontraron que los niños usan estrategias idiosincrásicas para hacer juicios sociales inicialmente, y usan tasas base más a medida que crecen, pero el uso de la heurística de representatividad en el ámbito social también aumenta a medida que crecen. Los autores encontraron que, entre los niños encuestados, las tasas base se usaban más fácilmente en juicios sobre objetos que en juicios sociales. ^{[ 15 ]} Después de que se realizó esa investigación, Davidson (1995) se interesó en explorar cómo la heurística de representatividad y la falacia de conjunción en niños se relacionaban con los estereotipos infantiles. De acuerdo con investigaciones previas, los niños basaban sus respuestas a los problemas en tasas base cuando estos contenían información no estereotipada o cuando eran mayores. También se observó que los niños cometían la falacia de la conjunción. Finalmente, a medida que los estudiantes crecían, utilizaban la heurística de la representatividad en problemas estereotipados y, por lo tanto, emitían juicios coherentes con los estereotipos. Existe evidencia de que incluso los niños utilizan la heurística de la representatividad, cometen la falacia de la conjunción e ignoran las tasas base. ^{[ 14 ]}

La investigación sugiere que el uso o la omisión de las tasas base puede verse influenciado por la forma en que se presenta el problema, lo que nos recuerda que la heurística de representatividad no es una "heurística general para todos los propósitos", sino que puede tener muchos factores contribuyentes. ^{[ 16 ]} Las tasas base pueden omitirse con mayor frecuencia cuando la información presentada no es causal. ^{[ 17 ]} Las tasas base se utilizan menos si hay información individualizadora relevante. ^{[ 18 ]} Se ha encontrado que los grupos omiten la tasa base más que los individuos. ^{[ 19 ]} El uso de las tasas base difiere según el contexto. ^{[ 20 ]} La investigación sobre el uso de las tasas base ha sido inconsistente, y algunos autores sugieren que es necesario un nuevo modelo. ^{[ 21 ]}

A un grupo de estudiantes universitarios se les proporcionó una descripción de Linda, modelada como representante de una feminista activa. Luego se les pidió a los participantes que evaluaran la probabilidad de que fuera feminista, la probabilidad de que fuera cajera de banco o la probabilidad de que fuera ambas. La teoría de la probabilidad dicta que la probabilidad de ser cajera de banco y feminista (la conjunción de dos conjuntos) debe ser menor o igual que la probabilidad de ser feminista o cajera de banco. Una conjunción no puede ser más probable que uno de sus componentes. Sin embargo, los participantes juzgaron la conjunción (cajera de banco y feminista) como más probable que ser solo cajera de banco. ^{[ 22 ]} Algunas investigaciones sugieren que el error de conjunción puede deberse parcialmente a factores lingüísticos sutiles, como la redacción implícita o la interpretación semántica de "probabilidad". ^{[ 23 ] [ 24 ]} Los autores argumentan que tanto la lógica como el uso del lenguaje pueden estar relacionados con el error, y que debería investigarse más a fondo. ^{[ 24 ]}

Según la teoría de la probabilidad, la disyunción de dos eventos es al menos tan probable como la ocurrencia de cualquiera de ellos por separado. Por ejemplo, la probabilidad de estudiar física o biología es al menos tan probable como la de estudiar física, si no más. Sin embargo, cuando una descripción de la personalidad (datos) parece ser muy representativa de un estudiante de física (por ejemplo, usar un protector de bolsillo ) en lugar de uno de biología, se suele considerar que es más probable que esta persona estudie física que ciencias naturales (que es un superconjunto de la física). ^{[ 22 ]}

La evidencia de que la heurística de representatividad puede causar la falacia de disyunción proviene de Bar-Hillel y Neter (1993). Descubrieron que las personas juzgan a una persona que es altamente representativa de ser estudiante de estadística (por ejemplo, muy inteligente, participa en competencias de matemáticas) como más probable que sea estudiante de estadística que de ciencias sociales (superconjunto de estadística), pero no piensan que sea más probable que sea estudiante de lengua hebrea que de humanidades (superconjunto de lengua hebrea). Por lo tanto, solo cuando la persona parece altamente representativa de una categoría, esa categoría se juzga como más probable que su categoría superior. Estas evaluaciones incorrectas persistieron incluso ante la pérdida de dinero real en apuestas sobre probabilidades. ^{[ 22 ]}

La heurística de representatividad también se emplea cuando los sujetos estiman la probabilidad de un parámetro específico de una muestra. Si el parámetro representa fielmente a la población, se le suele asignar una alta probabilidad. Este proceso de estimación generalmente ignora el impacto del tamaño de la muestra.

Un concepto propuesto por Tversky y Kahneman proporciona un ejemplo de este sesgo en un problema sobre dos hospitales de diferente tamaño. ^{[ 25 ]}

Aproximadamente 45 bebés nacen en el hospital grande y 15 en el pequeño. En general, la mitad (50%) de los bebés nacidos son varones. Sin embargo, este porcentaje varía de un día a otro. Durante un año, cada hospital registró los días en que más del 60% de los bebés nacidos fueron varones. La pregunta es: ¿Qué hospital cree que registró más días con esta característica?

• El hospital más grande (21)
• El hospital más pequeño (21)
• Aproximadamente iguales (es decir, con una diferencia de menos del 5%) (53)

Los valores que aparecen entre paréntesis son el número de estudiantes que eligieron cada respuesta. ^{[ 25 ]}

Los resultados muestran que más de la mitad de los encuestados seleccionaron la respuesta incorrecta (tercera opción). Esto se debe a que ignoraron el efecto del tamaño de la muestra. Probablemente, eligieron la tercera opción porque la misma estadística representa tanto a los hospitales grandes como a los pequeños. Según la teoría estadística , un tamaño de muestra pequeño permite que el parámetro estadístico se desvíe considerablemente en comparación con una muestra grande. ^{[ 25 ]} Por lo tanto, el hospital grande tendría una mayor probabilidad de mantenerse cerca del valor nominal del 50 %.

• Tversky, Amos; Kahneman, Daniel (1971). "Creencia en la ley de los números pequeños". Psychological Bulletin . 76 (2): 105– 110. Bibcode : 1971PsycB..76..105T . CiteSeerX 10.1.1.592.3838 . doi : 10.1037/h0031322 . S2CID 5883140 .  
• Kahneman, Daniel; Tversky, Amos (1972). "Probabilidad subjetiva: Un juicio de representatividad" (PDF) . Psicología cognitiva . 3 (3): 430– 454. doi : 10.1016/0010-0285(72)90016-3 . Archivado del original (PDF) el 14 de diciembre de 2019. Recuperado el 24 de febrero de 2015 .
• Kahneman, Daniel; Tversky, Amos (1973). "Sobre la psicología de la predicción". Psychological Review . 80 (4): 237– 251. doi : 10.1037/h0034747 .
• Tversky, Amos; Kahneman, Daniel (1974). " Juicio bajo incertidumbre: heurísticas y sesgos" (PDF) . Science . 185 (4157): 1124– 1131. Bibcode : 1974Sci...185.1124T . doi : 10.1126/science.185.4157.1124 . PMID 17835457. S2CID 143452957. Archivado del original (PDF) el 28 de mayo de 2019. Recuperado el 12 de noviembre de 2014 .  
• Tversky, Amos ; Kahneman, Daniel (1982). «Impacto probatorio de las tasas base» . En Kahneman, Daniel; Slovic, Paul; Tversky, Amos (eds.). Juicio bajo incertidumbre: heurísticas y sesgos . Vol.  185. Cambridge University Press. pp. 1124–31 . doi : 10.1126/science.185.4157.1124 . ISBN  978-0-521-28414-1. PMID 17835457 . S2CID 143452957 .  {{cite book}}: |journal=ignorado ( ayuda )
• 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 .

• Baron, Jonathan (2000). Pensar y decidir (3.ª  ed.). Cambridge University Press. ISBN 978-0-521-65972-7.
• Plous, Scott (1993). La psicología del juicio y la toma de decisiones . McGraw-Hill Education. ISBN 978-0-07-050477-6.