Buenas tardes, mi Felipe 1. Vamos a ver. Razonamiento probabilístico,
razonamiento inductivo. ¿Os acordáis cómo va el esquema del temario? El
tema 2 es la presentación de psicología del pensamiento, de razonamiento,
razonamiento deductivo, razonamiento inductivo. Ahí tenemos una pequeña
parte. El tema 3 era inductivo, el tema 4 y 5, sí, razonamiento
categórico transitivo y el tema 5 condicional. Son todos deductivos. Ahora
vamos a ver que el razonamiento inductivo es razonamiento probabilístico.
Vamos a ver las leyes de probabilidad en razonamiento probabilístico
tienen un papel como la lógica en el razonamiento deductivo. En el
razonamiento deductivo íbamos a la lógica. ¿De qué? En el razonamiento
deductivo. Y es, en este caso, el razonamiento probabilístico es el modelo
normativo y prescriptivo para cómo realizar inferencias probabilísticas.
Muy bien. Pues bien, las leyes de la probabilidad hay que verlas un poco.
¿Qué es la probabilidad? La probabilidad de un suceso es entre 0 y 1. Tú
hablando es como la probabilidad, la frecuencia relativa, ¿no? Va entre 0
y 1. Tú divides. Si tenemos dos con fobia, dos con esquizofrenia y uno con
ansiedad, pues 1 entre 5. Esa es la probabilidad de todos esos de tener una
fobia, etcétera. Son 2, 2 entre 5. Una probabilidad. La probabilidad de
dos sucesos es la suma, independientemente, justamente excluyentes. Cara,
cruz, son justamente excluyentes. La probabilidad de 1, 0,50 más la
probabilidad de 2. Sucesos independientes se multiplican. Probabilidad de 1
multiplicada por la probabilidad de 2. La probabilidad condicionada es,
imaginaros, vamos a poner ejemplos. La probabilidad de A, la probabilidad
de tener ansiedad y curarse. La probabilidad de que teniendo ansiedad, pues
te hayas curado con una terapia determinada. Es igual a la probabilidad de
A y la probabilidad de B. A y B dividido por la probabilidad de 2. B. O
sea, la probabilidad de estos dos. Ahora lo veremos. ¿Vale? ¿Qué ocurre
en la probabilidad, en las estimaciones subjetivas de probabilidad? No
conozco todos los casos posibles, ¿no? Hay una interpretación subjetiva
de la probabilidad y que le damos un valor de probabilidad a un suceso y
que es una evaluación que hago en aspectos subjetivos con la evidencia que
tengo, ¿no? ¿De dónde viene la estimación subjetiva? De las teorías
previas que haya. De la experiencia que tengo del sujeto y de mis opiniones
y creencias. ¿Vale? Ya sabemos que la probabilidad que vimos antes viene
del teorema de Bayes. Es el enfoque subjetivo, la probabilidad de la
hipótesis después de producirse un dato, un suceso relacionado con el
mismo, es la probabilidad del dato ocurriendo la hipótesis multiplicado
por la probabilidad de la hipótesis. La probabilidad de H son
probabilidades a priori. La probabilidad del dato habiéndose producido la
hipótesis es la veronosimilitud y la probabilidad del contrario, la
probabilidad de H' es la probabilidad contraria que se dé del suceso A.
Bueno, vamos a ver un poco Bayes, el teorema de Bayes que lo estudiasteis
en análisis de datos, básicamente, aunque igual no en profundidad, pero
estaba la probabilidad condicionada. Este es el teorema de la probabilidad
total. Por ejemplo, axiomas. Axiomas son verdades que no necesitan
demostración. Un axioma es decir, no tienes que estar ahí comprobándolo
todo el tiempo, ¿no? ¿Cuál es la probabilidad de curarse teniendo
depresión? Pues hay que aplicar el teorema de Bayes en el numerador.
Probabilidad de depresión, ahí ya tenemos 0,30, 0,20 y 0,50. Y luego,
probabilidad de curarse 0,50 en depresión. Pues vamos a utilizar eso.
Depresión, probabilidad de curación, 0,50 por 0,30. En el denominador, la
probabilidad de, vale, 0,30 por 0,50 más la probabilidad de su contrario.
Probabilidad de no curarse teniendo depresión y la probabilidad de H' que
era no curarse. Pues al final da 0,30. Todo esto para decir, todos estos
axiomas para decir. Normalmente, esto es muy difícil. Los sujetos no nos
basamos para nuestra inferencia en cálculos de probabilidades, sino lo que
es más frecuente. La frecuencia, ¿vale? He puesto varios ejemplos para
que comprobéis el axioma, otro axioma, si los excesos son dependientes, su
probabilidad conjunta es igual a la suma de las probabilidades del segundo
lado asumiendo el primero. O sea, quiero decir, hay unos axiomas que son
unas reglas del cálculo de probabilidades que no la vamos a repasar aquí.
Están las probabilidades a priori, probabilidad de una variable cuando se
cuenta con información, no se cuenta con información adicional y la
probabilidad condicionada. Probabilidad de que ocurra un evento sabiendo
que ocurrió otro evento. Probabilidad de curarse de tener una depresión
baja. O etcétera, ¿no? Entonces, Valles es el modelo normativo y es con
el que se compara, se compara para hacer estudios, juicios
probabilísticos. Es decir, vamos a comparar los juicios que hacen los
sujetos con lo que tendría que ser realmente correcto, que es el teorema
de Valles. Y permite hallar probabilidades a posteriori, probabilidad
condicional inversa y las probabilidades condicionadas. Para curarse
teniendo depresión, etcétera. Tenemos unos ejemplos con su teorema de
Valles que no varía de uno a otro. Entonces, imagínate que te preguntan,
¿cuál es la probabilidad de un sujeto tener depresión? Pues es de
curarse por la probabilidad de depresión. Por la probabilidad de
depresión y curarse, todo ello dividido, entonces, total 0,30. ¿Vale? Por
lo que dije antes, ¿no? Entonces, si tenemos las frecuencias absolutas, o
sea, las marginales, lo podemos hacer más fácil. 49, los que se curaron,
partido por 100. Eso es la probabilidad de curarse. La probabilidad de que
ocurra un evento sabiendo que ocurre otro evento de depresión ya es 0,3,
ya son, tenemos que es 30, 0,3, si lo divides entre 100, 0,3, multiplicado
por 0,5. Curarse, 0,5, ¿dónde estaba? Depresión y 0,5 debería de estar,
bueno, 0,30. Vale. Vamos a seguir. Hay ejemplos, ¿no? Le vamos a poner los
sujetos de 1.000 alumnos, 300, 500 en Derecho. Sabiendo que de los
matriculados aprobaron el 13% de los derechos, 34 en Ciencias Políticas y
77 en Ciencias Políticas. Cogido un alumno al azar, aprobó. ¿Qué es
más probable? Que estuviera de Derecho o en Ciencias Políticas. Bueno,
pues la gente no va a utilizar esas probabilidades. Se atiende, habría que
atender a esta información, ignorar esta información y atender a esta.
¿Vale? Sin embargo, ¿ves? Nosotros lo estamos haciendo por algoritmos.
Los sujetos que utilizamos heurísticos. ¿Qué es un algoritmo y un
heurístico? ¿Vale? Un algoritmo garantiza la solución porque tengo todas
las alternativas. Vale, un algoritmo heurístico. Exploro la mejor
alternativa en el menor tiempo posible y no me garantiza la solución
correcta. Además, es un proceso tan general que se puede aplicar a muchas
situaciones. Esto es lo que vamos a ver nosotros. ¿Qué tipos de
heurísticos de razonamiento utilizamos? Heurístico de representatividad,
sesgo de representatividad. Heurístico de accesibilidad, lo más
accesible, otro sesgo. Anclaje y ajuste. Dime, uy, me dice, empezas por 10,
tiraré para abajo. Me empiezas por 90 y tiraré para arriba. Anclaje. A lo
que tú me das y luego voy ajustando. Pero es un heurístico. ¿Vale? Ah,
perdón. Entonces vamos a ver eso. ¿Qué heurístico de representatividad?
Un heurístico que es una concepción estadística inexacta. Es decir, en
este ejemplo que vimos, ignoramos el tamaño de la muestra, por ejemplo.
Pensamos que es más probable que ocurran sucesos independientes conjuntos
que cada sujeto por separado. Bueno, sabemos que dos sujetos, dos sucesos
independientes que ocurran conjuntamente es mucho más difícil que cada
sujeto por separado, que cada suceso por separado. Según los axiomas de
probabilidad. Entonces, un axioma dice que la probabilidad conjunta de dos
sucesos independientes es menor o igual que la probabilidad de cada uno por
separado. Pero normalmente cada uno dice, no, pues seguro que era un
tasivo. Un tasivo interde, etcétera, conducido por un no sé qué cuando
eso es menos probable. Algo conjunto, ¿no? Los sucesos independientes
conjuntos, ¿no? Lo más parecido o lo más conocido es lo más probable,
lo más representativo, lo más parecido, lo más conocido, ¿no? Entonces,
confundimos la frecuencia real con la frecuencia relativa. ¿Cuál es la
probabilidad de obtener una cara o cruz al lanzar una moneda al aire? La
persona espera que la frecuencia relativa se manifieste en pocos ensayos.
La probabilidad siempre es la misma. Cero cincuenta para la cara, cero
cincuenta para la cruz. Sea el ensayo uno o sea el ensayo cincuenta. Es la
misma. No tiene que ver con que en el anterior ensayo haya salido cara o
haya salido cruz. Están los juegos, ahora en Semana Santa, en la zona de
León, se utiliza la cruz, ¿cómo se llama? De las monedas, de jugarse los
trapos de Cristo. A caras o cruces, ¿no? Ahí tienes la falacia de los
jugadores y tres. La probabilidad es independiente del anterior, no está
relacionada con... Vale. Continuamos. Un grupo de psicólogos ha
entrevistado... A ver, no os lo leo todo, ¿eh? Porque, además, me
gustaría llegar al final del tema, cosa que no me ocurre en el programa.
¿Vale? ¿Vale? Normalmente. Sí, porque el tema anterior... La frase
anterior la he dejado un poco en medio. Vale. Bueno, si no sepa que ha sido
esto. Sí, este ejemplo de los psicólogos ya lo hemos visto, ¿no? Las
personas dan la misma probabilidad de que Jack fuera ingeniero en ambos
problemas y le hemos dicho que hay 30% de ingenieros en el caso uno, en el
grupo uno. Al grupo le dijimos que hay 30% de ingenieros en el caso uno. Al
grupo le dijimos que hay 30% de ingenieros. Y al otro por ciento que hay
70% de ingenieros. Y a los dos les preguntamos cuánto... Si Jack, ¿cuál
es la probabilidad de que Jack fuera ingeniero? Pues los sujetos ignoraban
las probabilidades anteriores de los dos. Por ejemplo, si esto, este
heurístico de representatividad, de lo conocido, lo más parecido, lo más
conocido, lo más probable, sensibilidad a probabilidades previas en
médico. Ponemos este mismo. La probabilidad de tener cáncer en cualquiera
de los dos. La probabilidad de tener cáncer en cualquier persona pri dalla
mamma a 40 años es uno por ciento. Si una mujer padece cáncer de mama la
probabilidad de que la mamografía sea positiva el ochenta por ciento. Pues
esa probabilidad de que una mujer que no padece cáncer, tenga un resultado
positivo en la mamografía es 4.6. Una mujer de 40 años tiene un resultado
positivo en el control rutinario. ¿Cual es la probabilidad de que la mujer
padezca, de hecho, cáncer de mama? Si utilizamos aquí el teorema de Bayes
sale la probabilidad 0.06%. Bueno...�imoniere 0,78. Pero sin embargo, los
sujetos no daban esa, la daban mucho más alta. Es 0,0 algo, es muy poco.
Los sujetos igual se dejaban llevar por lo que vimos antes. Atienden una
información o otra, pero no a la representativa que le estamos dando.
Atiende a su información, lo que le parece más representativo. Modelo de
frecuencia. Nuestro sistema cognitivo no está diseñado para operar con
cálculo de probabilidad. Por eso hay errores. Sino con frecuencia. ¿Qué
es frecuencia? ¿Qué es lo más frecuente? ¿Qué es lo que yo percibo con
más veces? Lo más frecuente es lo que yo digo, ah, pues esto yo lo he
visto mil veces, esto es así. Pues para mí será así. Otra. Bueno,
seguimos con lo mismo. Insensibilidad a la capacidad predictiva del dato.
Llega un estudiante al instituto. Que el orientador ha dicho que es
inteligente, buena base, trabajador. Le vamos a hacer dos preguntas. ¿Qué
impresión te produce esta descripción? Una evaluación. En relación a la
habilidad académica del estudiante. Evalúa al estudiante. Predicción.
¿Cuál estimas qué notas sacará el estudiante cuando termine el curso?
Pues la hipótesis de representatividad dice que coincidirán la
evaluación y la predicción. Lo mismo en lo de los hospitales. Aunque le
demos los datos. Cada año registro los días en que más de un 60% de los
nacidos eran niños. Si hay... Vale. No, es que ni lo he hecho. Vale, pero
vamos a ver la representatividad. La falacia del jugador, lo de la moneda.
Han salido todo caras. ¿Qué probabilidad hay que salga cara en la
próxima tirada? Pues hay más, seguramente dirá. Hay más probabilidad de
que salga crudo. Pues sabemos que la falacia del jugador no lo sabemos. A
ver, a lo mejor es la misma. Se mantiene constante la probabilidad. Pueden
salir 50 caras y 51. Vamos, aquí lo mismo, pero tenemos a Linda. Y hemos
puesto todo esto. Pero es la falacia de conjunción. Porque todos pensaban
que era H. Cajera en un banco y feminista. Le hemos dado una información.
Licenciada en filosofía. Comprometida. Participada en manifestaciones
antinucleares, etc. Y me tienes que decir... Dar un valor del 1 al 8.
¿Cuál te parece más probable de todas esas letras? Y era poco probable
que fuera cajera de banco. Y era más probable que fuera feminista. Pero la
más probable, cajera de banco y feminista. A ver, no sabemos si Linda era
cajera o no. Nos da igual, ¿no? Heurístico de accesibilidad. Lo más
accesible. Lo que me viene a la mente. ¿Vale? Se suele utilizar para
estimar frecuencias. La información más frecuente está más disponible.
Y la puedo recuperar más fácilmente. Se dan aquí en este heurístico 4.
Facilidad de recuperación. Me acuerdo fácilmente. Me viene a la mente.
Puedo construir ejemplos fácilmente. Imaginar situaciones. Puedo imaginar
situaciones porque es muy accesible. Y correlación ilusional. ¿Cómo me
viene accesiblemente una persona, por ejemplo, inmigrante y he oído que
los inmigrantes cometen más delitos? Hay una correlación ilusoria más
probable que esta persona. Por ejemplo, es exactamente lo más accesible la
información que tienen, las actitudes que tienen sobre algo se manifiestan
en todo. Entonces. Accesibilidad o disponibilidad. Lo que es más
llamativo, más saliente, o mejor recordado, es más probable. Porque lo
recuerdo mejor. Listas de nombres famosos. Coño, pues todos los que dicen,
no dice Pepe, Manuel, Juan, no. Dicen Ronaldo, Messi, no sé qué.
Saliencia. Una información impactante. ¿Ha habido un accidente de avión?
Se acuerdan más del accidente de avión. Hay más accidentes en coches que
en aviones. Hay más gente diariamente en coches que en aviones. Pero.
Sesgo debido a la facilidad de construir ejemplos. ¿Qué es más
frecuente, más probable? ¿Palabras que empiezan con R o palabras que
tienen la R como tercera letra? Tú te acordarás, pondrás ejemplos que
empiezan con R más fácilmente que con la R en la tercera letra. Pondrás,
construirás ejemplos más accesibles, más disponibles para ti. Poneros a
buscar una palabra con un R en la tercera letra renegado no me sale de
régimen. Sesgo debido a la facilidad para imaginar situaciones. Si no se
es accesible, imaginaré situaciones. Te recuerdo. Sesgo egocéntrico. Mis
opiniones personales. Sesgo retrospectivo. ¿Conozco el resultado? La
probabilidad de un suceso aumenta cuando se conoce el resultado.
Correlación ilusoria. Se produce como resultado de la sobreestimación de
la correlación entre dos... Acontecimientos o elementos distintos. Es
origen de supersticiones, creencias mágicas, efecto de halo. Tiene algo
negativo, le pongo más. Tiene algo positivo, le pongo más. Ese es el
efecto halo. ¿Vale? Halos famosos y estos que no tienen algo positivo, le
pongo más. Halos tal... Por ejemplo, sobreestimar la correlación entre
cometer delitos y pertenecer a un grupo minoritario. Contribuye a gestión.
Contribuye a generar estereotipos negativos sobre los grupos. Básicamente,
¿veis? Ilusión de control. Se sobreestima la correlación entre la
conducta y sus consecuencias. En los juegos de azar. Yo controlo esto. No,
no. He hecho cinco monedas y ya está. Perfecto. No pasa nada. Todo lo
llevo... Yo sé que esta máquina... Está caliente la máquina. Está
caliente. Le doy... Ahí el sesgo de humanizar a los objetos, a las
máquinas. Anda guapa. Hablas con ella. No hablas con tu mujer y hablas con
ella. Vale. Heurística de accesibilidad. ¿Vale? Sesgos. Sesgo debido a la
facilidad de recuperación. Estamos en lo mismo, ¿eh? Aquí yo soy
machacón. Como recuperamos palabras mejor por su letra inicial, ya
tengo... Sesgo debido a facilidad de construir ejemplos. De imaginar
situaciones. Correlación ilusoria. Son los mismos. No pasa nada.
Repetimos. Ya, heurísticos del protótipo. Aquí ya entramos con una...
Una teoría que integra o... O sea, intenta explicar los dos heurísticos.
La representatividad y la accesibilidad. Sustituimos la categoría por un
ejemplar prototípico. Y la probabilidad de pertenencia a la categoría por
semejanza con el protótipo. Canemán y Frederick. Jack. Volvemos a Jack.
Queríamos decir una condición. Si era por 70% de ingeniería. Si era por
70% de ingenieros y 70% de abogados. Le preguntamos que... Que cuál... Que
le dieran una probabilidad. Pues sí, ignoraron las probabilidades a priori
dadas en el enunciado. A ver qué dicen estos señores. Esta teoría dice
que estimar la probabilidad de pertenencia a una categoría varía con las
probabilidades a priori de la categoría. En este ejemplo. Bien.
Sustituimos la categoría por el prototipo. A los ingenieros por el
prototipo. El prototipo de ingenieros. Y a los ingenieros. El 30% de los
ingenieros semejanza de la descripción con el prototipo. Heurístico de
accesibilidad. Lo que hemos visto. Heurístico del prototipo. La
información más accesible depende de la evaluación que hacemos a
posteriori y retrospectiva de una experiencia que tiene valor afectivo.
¿Qué ocurre cuando la experiencia tiene valor afectivo? Es decir, me ha
dolido. En el ejemplo. Una situación. Una situación de accesibilidad de
la información. Unos pacientes que le hacemos una exploración dolorosa.
Los picos de dolor. Si son los moderados. El paciente B. El pico de dolor
fue moderado. Fue bajando. Aunque globalmente el dolor informado fue mayor.
El paciente decía que había sido menos doloroso. Si lo último que ha
ocurrido es menos doloroso. Yo lo valoro todo como menos doloroso. Si lo
último que ha ocurrido ha sido en el pico más alto. Lo doy más al valor
que se tiene. Por ejemplo, con el dolor sustituimos la categoría por el
prototipo. El dolor, el global, el promedio del dolor más alto al final de
la experiencia y le atributo intensidad, esa accesibilidad del prototipo en
la memoria. ¿Cómo me acuerdo del dolor? La intensidad. ¿Cómo era? Como
lo último era poca. No me acuerdo de antes que era mayor. Si no. No me
acuerdo de la accesibilidad del último recuerdo que tengo, ¿no? Pasamos a
otro heurístico. Lo último era valor afectivo. Sustituimos según Canama
la categoría por el prototipo en los dos cuestiones. Heurístico de
anclaje y ajuste. Emitir un juicio basándonos en un valor inicial.
Aplamos. Posteriormente se va ajustando el valor inicial hasta que da una
respuesta final. Está sesgada hacia el valor. El valor inicial, sea
correcto o no, y ese valor inicial que hace de centro de gravedad, anclaje,
que sea al principio o al final. A ver el ejemplo. Le pidemos a los sujetos
que estiman el porcentaje de países africanos en Naciones Unidas. El valor
inicial se establecía al azar. Vamos a ver lo que ocurría. Primero tienen
que hacer un juicio comparativo. Es decir, si el porcentaje de países es
superior o inferior y luego un porcentaje concreto, ¿no? Resultados. Para
valores inicial de 10, bajo, los sujetos lo estimaban en 25 países. Para
valor inicial de 65, el sujeto estimaba en 45. Y el sujeto generaba una
estimación... Bueno, en la fase del juicio absoluto, si el sujeto veía
que consideraba alta su estimación, la reducía o baja, la incrementaba,
¿no? Anclaje y ajuste. Pero siempre, si le dabas un valor bajo al
principio, el sujeto bajaba. Si le dabas un valor más alto, el sujeto
aumentaba ese valor de anclaje. Pues bien, la teoría del apoyo dice que si
A es algo específico... Si B es un acontecimiento que está dentro de A,
que es específico de A, su probabilidad de ocurrencia no puede ser mayor
que A. Pues la teoría del apoyo dice que, al estimar la probabilidad... La
perspectiva de un apéndice depende del grado D en que se explica su
descripción. Vamos a ver con un ejemplo. La probabilidad de tener una...
La hipótesis general, tener accidentes de avión. ¿Qué apoyo tiene?
Accidentes de avión por casos naturales, por terrorismo o por fallo
humano. Estas son hipótesis elementales, ¿no? Dice que en un juicio
evaluativo de una categoría... Es importante, con un buen papel, la
facilidad con la que se recuperan elementos constituyentes. Los elementos
constituyentes, que es la cantidad total de elementos que pueden
recuperarse. Aquí entra la facilidad de recuperar información, de
construir ejemplos, de imaginar situaciones... Que son derivadas de la
aplicación del heurístico de accesibilidad. Que explica el sesgo en el
estudio de las frecuencias relativas de ejemplares de una categoría. En la
estimación de frecuencias de ejemplares de una categoría. Y entramos a la
teoría de los modelos mentales. La teoría de los modelos mentales da un
más explicativo unitario. Tanto para la deducción como la inducción.
Esta teoría la vimos en el juicio de razonamiento condicional, de
esteroidelectivo... También tenía forma de explicar. La teoría de los
modelos mentales viene a decir que depende de los modelos mentales que te
hagas... El razonamiento será más difícil o más... Más sencillo. Pero
aquí dice que... Ahí incluimos la deducción y la inducción. Dice que
las conclusiones probabilísticas son el resultado de inferencia deductiva
e inductiva. Ambos. Los individuos razonan construyendo un modelo de la
situación descrita de las premisas. Una conclusión. Es posible si al
menos puedo construir un modelo de la premisa. Es probable si aparece en la
mayor parte de los modelos... Y es necesaria si se da en todos los modelos.
¿Os acordáis de las condiciones necesarias y suficientes? Que hablábamos
cuando hablábamos de los métodos de inductivo, del tema 2. Alguna cosa
era el razonamiento deductivo, pero en el inductivo hay que darse las
condiciones necesarias y suficientes para el razonamiento. Pues ahí... Es
posible, es probable y es necesaria. ¿Vale? Necesarias por las condiciones
necesarias. Para que se produzca un fenómeno. ¿Vale? Pues bien, los
principios de la teoría de los modelos mentales son... Principio de
verdad. Probabilidad. Igualdad por defecto. Sensible a la información.
Proporcionalidad. Principio numérico. Y principio del subconjunto.
Volvemos a analizar... De acuerdo con las estadísticas... Cuál es la
probabilidad de que Paz sufra una enfermedad. De acuerdo al teorema de
Bayes... Tenemos que la probabilidad es 3 quintos. A ver como dice... Si
los modelos se quiten... La suma de los modelos que tienen en A. Bueno.
Principio del subconjunto. ¿Qué principios teníamos ahí arriba?
¿Recordáis? A ver qué principios estamos haciendo. Principio del
subconjunto. Vamos a aplicar todos. La teoría de los modelos mentales
está viendo a ver... Cuál de estos principios vamos a aplicar. El
principio del subconjunto dice que... La probabilidad de A condicionada a
B... Es igual a la suma de los modelos de A... Que contengan a... De los
modelos que contengan a A y a B. 3. Y dividido por todos los modelos que
contengan a B. 5. 3 quintos. Sería 3 quintos. Vale. Pues según la teoría
de los modelos mentales... El principio del subconjunto es más fácil de
aplicar... Cuando los problemas... Se plantean en términos numéricos
sencillos. Secuencias. Que en términos probables. Según la hipótesis...
De los conjuntos anidados. Esa facilitación... Se debe a que al
presentar... Los datos... En frecuencias. Facilita el establecimiento... De
las relaciones inclusivas. Números sencillos. Frecuencias. No en
probabilidades. O sea, si te lo planteo en probabilidades... Yo no sé
calcular en probabilidades. Frecuencias sencillas sí. Porque vas con
una... Con los conjuntos anidados. Si las personas que están en la
enfermedad... Son aquí. Las personas que tienen el síntoma. Y todas las
otras posibilidades están fuera. La probabilidad es más pequeña. Pumann.
De ahí dice hombre y mujer. Pumann. 6 partido por 11. De los hombres. 6 y
5, 11. Pumann. 0,335. Según la hipótesis de los conjuntos anidados. Ya
pasamos al juicio... Probabilístico y calibración. Es decir... Te voy a
preguntar... Un juicio probabilístico... Y tu confianza. ¿Qué calibres?
¿Qué confianza tienes del 0 al 100? En la respuesta que me has dado. Pues
se encuentran... Dos efectos relacionados con... La calibración. El efecto
de exceso de confianza sobre confianza. Y el efecto... Fácil, difícil. El
efecto del sesgo de sobre confianza. Las personas tenemos más confianza...
En la eficacia de nuestro propio... Rendimiento... De lo que valen los
datos objetivos. Suelo tener sobre confianza... Exceso de confianza en mi
calibración. Entonces te dan unas preguntas y dices... ¿Qué confianza
tienes? Y le has dado la respuesta correcta. 80. Y ese sesgo... De sobre
confianza es más acusado en expertos. Y los expertos son... Más
resistentes a la hora de... Que se han equivocado. Efecto fácil, difícil.
La sobre confianza aumenta con el grado de dificultad de las preguntas.
Más difíciles son las preguntas... Más me empeño en que... Estoy seguro
de que... He dado la respuesta correcta. Más difícil. Dijimos... La sobre
confianza aumenta con el grado... De dificultad de las preguntas. Debe
ser... La humildad de decir... Uy, las fáciles sí, tengo buenas... Pero
aumenta con el grado de dificultad. Estamos diciendo... Todo lo contrario.
Más difícil es la pregunta, más confianza. Es una forma de... Pues, peor
calibración a medida que... Aumenta la dificultad de la pregunta. A mayor
dificultad, mayor certeza. Y que la respuesta es 100% correcta. Y se sabe
que de las preguntas... Con una confianza del 100%. Ha habido un... Un 80%
de respuestas correctas. Mala calibración. Pues bien, el enfoque de los
modelos mentales... Probabiliza. Propone un marco teórico... Integrador
que permita explicar el efecto... De exceso de confianza y el efecto... De
fácil a difícil. Modelos mentales probabilísticos. Pusieron una tarea
prototípica... En juicios de confianza. Y de un conjunto de preguntas de
cultura general... Con dos alternativas de respuesta. Escuela de la
Deportación Capital de España, Madrid, Colipoa, etc. Un modelo mental
probabilístico... Es un procedimiento inductivo... Que se utiliza
cuando... El conocimiento es limitado... Y puede hacer, permite hacer...
Evaluaciones rápidas. Se da el sesgo predictivo... Y el sesgo...
Retrospectivo. Sesgo predictivo. Bueno, esto ya lo he dicho allí, ¿no?
Espera a ver... Sesgo retrospectivo. Sesgo predictivo. Claro, es un juicio
de calibración. Estoy prediciendo... ¿Qué confianza tienes en tu esposa?
Estoy prediciendo, ¿no? Pues es más acusada en experto... Y... La
ilusión de validez... Que es como... Un paralelismo entre la ilusión
cognitiva... Y la ilusión perceptiva de Müller-Lier. Percepción... No
recuerdo qué era esto... La ilusión perceptiva de Müller-Lier... La
confianza subjetiva se sustenta en la palacia narrativa... Buscar un
sentido al mundo que nos rodea... Y una coherencia en los hechos que se
circulan. Bien... Pues el sesgo retrospectivo... Revisar y reestructurar
nuestra comprensión... Es una percepción sobre unos hechos del pasado...
Si la evidencia disponible la contradice... Es un sesgo muy robusto...
Demostrado en todas las etapas de la vida... Tan niños también... Ehh...
Experimento de Blayne y Fischer... Les pidió a un grupo de sujetos que
predijeran... El porcentaje de votos... Que obtendrían los distintos
partidos políticos... A las elecciones... Al parlamento alemán... Y que
recordaran dichas predicciones... Y se les preguntó a los participantes
que si les sorprendían los resultados reales y en caso negativo, que
dijeran por qué. Resultados. Los participantes recordaron unos porcentajes
que diferían significativamente con los que posteriormente tuvieron lugar.
La mitad de los participantes no sorprendidos con el resultado afirmaban
que coincidía con su predicción inicial. La otra mitad de los no
sorprendidos afirmaron que los resultados podían haber sido de otra manera
y argumentaban la necesidad del resultado. Siempre justificamos nuestra
forma de ver. ¿Qué componentes hay aquí en este sesgo retrospectivo?
Impresión de necesidad. El grado en que el resultado de un acontecimiento
se percibe como determinante causalmente. No podría haber pasado de otra
manera. Mirad para atrás la guerra del Golfo. Impresión de
predicibilidad. Se sabía yo que asume las percepciones y juicios
coherentes con el hecho de que los resultados podrían haberse anticipado o
podríamos haber predicho. Siempre sube qué hubiera ocurrido. Estamos en
un sesgo retrospectivo, ¿no? Distorsiones de la memoria. El recuerdo
erróneo de que sus predicciones tuvieran más separación. La memoria era
la única característica del resultado de lo que ellos tuvieron. El sujeto
había predicho una cosa, que he dicho que pasaría una cosa, pero... Eso
no. Y Kahneman acuñó el término de ilusión de validez. ¿Por qué?
Porque la confianza de los juicios no se afecta por la estadística ni por
el infinito de la poca vericidad que tienen las predicciones. Cuando hay
una impresión convincente que trae conflicto con nuestro conocimiento, la
impresión general... Pero vale, ¿me he dado mucha presa o queréis mirar
algo en concreto? Me he salido mucho del guión. O he dejado algo sin
explicar. ¿Quieres utilizar los de NET? Sí. Está muy bien, ¿no? No, yo
el año pasado los imprimí cuando traía papel. Ahora, acomodados todavía
y... Sí. Me echan un ajo. ¿Quieres hablar de algo más? Lo de la
distinción simpatética entre los distintos, lo bien de la polla y su
perspectiva para la distinción científica y la distinción científica.
Lo que es... Pero esto es como por encima. No tienes el blog. Te digo que
la polla... Lo de desembarcar una distinción científica y explorar en el
nuevo descubrimiento. Sí. Teoría de la polla. ¿Eh? Tendré unas tres o
cinco preguntas. Mira, esto que dice... Una axioma. El juicio probabilista
humano es que el todo es menor que la suma de sus partes. Eso no entiendo.
¿En la teoría del apoyo? Sí. ¿El todo... ...es menor que la suma de sus
partes? La teoría del apoyo. Si A... Si B es un acontecimiento específico
de A, B es menor que A. Su probabilidad de ocurrencia no puede ser mayor
que A. Esa es la teoría del apoyo. El principio de extensión. El ser
humano se desvía sistemáticamente de este principio de extensión. Del
todo. O sea, A... Si B está dentro de A, no podemos sumar ahí. B
pertenece. Está dentro. Está incluido en A. Yo no traje aquí el libro
para hablar de esto, pero... La teoría del apoyo continúa diciendo que...
...al evaluar una categoría... ...la categoría de probabilidad de tener
un accidente de avión. En general, ¿no? En ese juicio evaluativo...
...hay un papel más importante en la facilidad con que recuperamos
elementos constituyentes. ¿Qué elementos tienes? Pues que hay accidentes
de avión por causas naturales, por terrorismo, por fallo humano...
...etcétera, ¿no? Que la cantidad total de elementos que pueden
recuperarse. ¿Cuántos? ¿Qué total? Estamos hablando de probabilidades.
Muchas más el coche que la gente. Se sube al coche con alegría. Eso, pero
dices, ¿sube para un avión? Dices, ¡ah! Lo que tú... Con lo que tú
apoyas. Lo que tú vas sin entiendo, ¿no? Oh, sí. Estimativa, no sé
qué. No sé cuánto. ¿En el examen se hacen más dudas con los
estudiantes? No. No, ¿no? Tratan de entender. Te van a preguntar por
sesgos. O sea, ¿sesgo? O sea, es que... ¿Sesgos de destitución? ¿Sesgos
inductivos? Hoy hemos visto los inductivos. No te van a preguntar, Valle.
Te lo preguntarán en análisis de datos. De datos que están disponiendo
los axiomas para decir, vamos a comparar el rendimiento del sujeto que
reacciona por frecuencias con el cálculo de probabilidades del Teorema de
Valle. Que lo puedes saber o no lo puedes saber. Sabemos que la
probabilidad condicionada será menor que la probabilidad de cada suceso
por... Claramente. O sea, la probabilidad de curarse padeciendo una
enfermedad, etcétera, será menor que la probabilidad de padecer esa
enfermedad, de que toda la probabilidad de curarse en ese hospital,
etcétera. ¿No? Entonces a ti te... Tú tendrás que distinguir si hay una
teoría que apoya función de un sesgo. Pues yo repito, la teoría de los
modelos mentales está en deductivo, está en inductivo. No tenéis que
decir, ostia, otra vez. No, no. Es que es de las pocas. Es de las pocas que
estaba diciendo ahí. Que es, utiliza la deducción y la inducción. Dice,
para el razonamiento, dice, las conclusiones probabilísticas es deducción
e inducción. ¿No? Que construimos un modelo de la situación. Es decir,
ese probabilístico construimos según lo hace el sujeto que supone que
son... Comparado con un razonador lógico, nosotros no somos razonadores.
La accesibilidad, o la representatividad, o la frecuencia, el anclaje y
ajuste en que ¿Por qué? Porque, supongo, creo que es más barato hoy.
Noventa. Seguro que es rarísimo. ¿Entiendes? Me dan un dato. Igual, un
dato adicto o aleatorio. Cogido por ahí. Pero no es accesible. Lo
recuerdo. A mí me dijeron que era... El tiempo del sol es muy caro. No sé
qué. No sé. Pues no voy. Pues ah, me han dicho que es muy barato. Ah,
pues dígame las entradas. ¿Entiendes? O sea... ¿Cómo juzgamos? O sea,
hacemos... Esta teoría dice que hacemos un modelo mental. En el deductivo
decíamos... A ver. ¿Cómo vemos? ¿Cómo se lo complica el sujeto? Si
hace más de dos modelos mentales va a ser muy complicado para el sujeto.
Imagínate que te digo. Juan es más alto que María. María es más alta
que Raquel. Por lo tanto... Pero luego ahora te lo complico. Más... Juan
es más alta que María. Raquel es más baja que Juan. ¿Cuántos modelos
mentales tengo que hacer ahí? Mogollón. Lo agarró la vuelta en mi
cabeza. No es. Lo estudiamos en el razonamiento transitivo. ¿Vale?
Deductivo-transitivo. O sea, quiero decir. Hay... En realidad, ¿qué hay
que hacer para esta asignatura? Estructurarla bien. O sea, hay razonamiento
deductivo y inductivo. Los siguientes temas al final os resultarán más
fáciles. Y hasta aquí estamos cogiendo. Razonamiento condicional.
Razonamiento del fin condicional. Razonamiento categórico. Transicional.
Condicional. Ahora estamos cogiendo los dos. ¿Qué teorías van con uno y
que van con otro? Distribúyelo. No, no, no hace falta que te hagan una
crítica. La recaída de forma. De los axiomas. Son axiomas. Entonces
trabajamos con los bíblicos. Los bíblicos provocan sesgos. Sesgos porque
no van. No razonas como el razonador lógico. Ni Bayes ni Ostres ni nadie.
O sea, quiero decir. Ni en el inductivo ni en el deductivo. ¿Entiendes?
Las dos. Bayes como el razonador lógico. O sea, el razonador lógico ha
tocado hoy. Igual que el año pasado me traía el formulario de ganancias
de datos para decirle, ojo señores, estamos comparando el razonamiento
humano con esto. Cómo se razona numéricamente para ya recalcular una
probabilidad condicionada, una probabilidad total, una probabilidad de tal
si ocurre esto, de tal si son independientes, si son dependientes. Para
examinar de eso lo estudio. Pero luego si no, necesitas uno. Si no te has
interesado en tu vida diaria, fantástico que hayas ganancias de datos.
Cuando hagas psicometría tendrás que recordar algunas cositas, algunas
cositas. O sea, quiero decir, eso es lo que voy a hacer mañana. ¿Y si me
permitís? Cierro la... Mi fili, me voy, ¿eh? ¿Me han dado permiso? ¿Me
das permiso? Lo estoy grabando, ¿no? Pues en cuanto digas que sí, se ha
dormido. Seguro que se ha dormido. Micelli, ¿te has dormido? Que no me
extraña. Se ha ido por un café. Ah, sí, no se ha dormido. Viva, viva. Le
voy a hacer la ola. Nos vemos después de Semana Santa. Gracias, Micelli.
Mira, no tengo un beso desde San Boy. Sí, cuando esté programado, ¿no?
No me acuerdo, no sé si es el 12. La próxima semana no hay clase. No. No
lo puedo jurar.