A ver, he recibido una traducción de un alumno muy generoso, me ha
enviado la traducción de la PEC y yo os propongo que si estáis
interesados el próximo día veamos el capítulo 9 y aprovechemos para
verla ¿Os parece bien a los presentes? Yo hablo a mi público que es el
que viene los que no vienen no sé lo que quieren pero como estamos dos o
seis personas aquí yo pienso que podíais decidir si hacemos en vez del
capítulo 7 el capítulo 9 y de paso miramos cómo se puede responder la
PEC ¿Os parece bien? Sí. Vale, queda un mes. Bueno, claro, queda poco
tiempo. O sea, quiero decir, 9, 9 y 7, 26, el 1, la siguiente clase el 1,
la siguiente, abril está ahí a las puertas. Entonces yo creo que es
interesante que dejemos la programación que tenemos hecha y pasemos a la
P. ¿Os parece bien? Sí, eh. El próximo martes hablar del tema 9 y hablar
de la P. Si nos da tiempo, bueno, quiero decir, el tema 9 es un poco
biológico, o sea, quiero decir, va a ser neurológica, neurofisiológica.
¿Algún problema? ¿En esta hora? Ah, ¿y no vais a venir? Bueno, pues
entonces no. Ya, ya, ya. Bueno, como ustedes quieran. Entonces el próximo
día no va a venir nadie, pues vamos al tema 7. Bueno, nadie de los que
tengan percepción. No, no, si ya está programado yo cambio. Lo mío no
está programado. Si ustedes tienen programado algo el próximo martes, yo
no programo el tema nuevo para el próximo martes. Así de claro. O sea, yo
no lo voy a hacer, no lo vamos a pisar. Entre bomberos no se pisan las
mangueras, ¿no? Pues lo mismo. Yo, ¿para qué voy a hacer el próximo
día el tema nueve si ustedes no van a estar? ¿Para quién doy la clase?
Aquí no tengo a nadie conectado. ¿Para mí también? ¿Con una grabación
que haga? No, yo lo hago si a ustedes les interesa. Si no les interesa, por
lo tanto, el siguiente martes, de aquí en 15 días, hacemos el tema nueve.
Y así igual, fíjate, hasta me ahorro el tema siete. No sé si prepararme,
ya que no va a venir nadie. Ah, sí, vale, perfecto, entonces me lo
preparo. Por uno sí me lo preparo. ¿Por nadie? No. No, yo me preparo las
clases, acabo de dar una clase yo solo, para los que estaban conectados.
Pero por lo menos sabías personas conectadas. Sabías que estabas llegando
a alguien. Otra cosa es que lo grabe para que quede en tecla. Yo hago mi
lectura del tema. Pero no, no, perfectamente, perfectamente. Ya hablaré yo
con Manuel que programa actividades en mi hora. Entiéndeme, poco, ¿no?
Igual, yo qué sé, o sea, igual podría ser un poco más tarde, ¿no?
Igual para él es más cómodo, pero está bien, está bien. Vamos a hablar
del tema 6, razonamiento probabilístico. Aquí vamos a hablar de problemas
abiertos, ¿no? Tenemos un papel parecido a las leyes de la lógica en el
deductivo, que es un modelo normativo prescriptivo sobre cómo deben
realizarse las inferencias probabilísticas. Ya les digo que les va a
recordar análisis de datos. ¿Se acuerdan del teorema de Bayes en el
análisis de datos? Cálculos de las probabilidades, de qué ocurrieron las
cosas... Pues es un poco el sistema normativo que vamos a ver aquí, ¿no?
Teorema de Bayes. Y vamos a ver que una probabilidad, según el
razonamiento probabilístico, que es inductivo, va a oscilar entre 0 y 1,
¿no? como con la frecuencia relativa, que siempre iba de 0 a 1, ¿no? Y
dos sucesos pueden ser mutuamente excluyentes, o sea, pueden ocurrir
independientemente, o sea, los sucesos se excluyen mutuamente unos a otros,
o son sucesos independientes que no se excluyen. Luego vamos a ver la
probabilidad condicionada. No me voy a meter con matemáticas, simplemente
vamos a hacer una lectura un poco del tema, ¿no? ¿No? Respecto a las
estimaciones subjetivas de la probabilidad, aquí no conocemos todos los
casos posibles, ¿no? ¿Qué es la interpretación subjetiva de
probabilidad? La probabilidad es la asignación de un valor de probabilidad
a un suceso o a un evento que refleja una evaluación basada tanto en
aspectos subjetivos como en toda la evidencia que dispone un individuo,
¿no? ¿Y de dónde vienen esas estimaciones subjetivas? De las teorías
previas, de la experiencia del sujeto, de las opiniones y creencias. El
teorema de Bayes es un enfoque subjetivo, habla de la probabilidad
condicionada de un suceso, para que se dé la hipótesis de que se dé el
suceso. Después de haberse producido otro suceso, que es el dato con el
que él mismo se encuentra relacionado en cierto grado. Y podemos calcular
las probabilidades a priori, la probabilidad inicial de que se dé un
suceso H antes de la aparición de un suceso D, o la probabilidad inicial
contraria a la que se dé el suceso H. Y están los axiomas de la teoría
de la probabilidad, ¿no? Por ejemplo, ¿cuál es la probabilidad de
curarse teniendo depresión? Pues lo calculamos. La probabilidad de
depresión es 0,30, me dan unos datos. La probabilidad de tener fobia,
0,20. La probabilidad de ansiedad, 0,50. Y luego llegamos, hacemos un
árbol en análisis de datos. Esto es análisis de datos. Simplemente es un
poco para saber cómo funciona el teorema de Bayes. Hay unos axiomas. La
probabilidad de suceso está entre 0 y 1. Y la suma de probabilidades de
todos los sucesos posibles es igual a 1. Esto es un poco con las
matemáticas. Estamos hablando de matemáticas. Pero al final vamos a ver
que vamos a verlo como los temas de deductivos, que vamos a ver los sesgos,
cómo razonan inductivamente los sujetos. Razonamiento probabilístico.
Cometemos muchísimos errores, como venimos diciendo. Son cálculos sobre
números. Axioma cuarto. Si dos sucesos son dependientes, su probabilidad
conjunta es el producto de la probabilidad del primero por la del segundo.
Un valor numérico. Entonces luego hablamos de las probabilidades a priori.
Es la probabilidad de una variable cuando no se cuenta con una información
adicional. Por ejemplo, si tenemos un sujeto al azar de esos que tienen
cáncer o que han sufrido ansiedad, etc., calculamos la probabilidad de que
se cure, ¿no? Y esas son las probabilidades a priori. La probabilidad
condicionada es lo que hemos dicho, que ocurre un evento A conociendo que
también sucede, ha ocurrido otro evento. Tiene ansiedad, vamos a ver la
probabilidad de que se cure o de que no se cure. Simplemente estamos
hablando del tema 6 o 7 de análisis de datos, donde sale el teorema de
Bayer. Y es este, el teorema de Bayer es el modelo, la norma que se ha
tomado como referencia para estudiar los juicios probabilísticos y permite
hallar la probabilidad a posteriori o probabilidad condicional inversa de
un suceso a partir de las probabilidades a priori que hemos hablado y de
las probabilidades condicionadas. Por ejemplo, si de los 100 pacientes que
vinieron a consulta se extrae uno al azar y encontramos que se ha curado,
¿cuál es la probabilidad de que puede ser diagnosticado? Como teníamos
allí una lista de opresión, ansiedad, no sé qué. En este caso
depresivo, porque lo calculamos con el teorema de Bayes, con la fórmula
que viene del teorema de Bayes. No se la tienen que aprender. Ya les dije,
de esto lo que más sale son los sesgos, los errores que se cometen en el
razonamiento, tanto en el delictivo como en el... Por ejemplo, ¿no? Otro.
1.000 alumnos universarios de primer curso, 320 en ingeniería, 500 en
derecho, 180 en ciencia. El derecho un 34% y un 77% aprobaron ciencias
políticas. Seleccionamos un alumno al azar y ¿qué encontramos? ¿Qué es
más probable? Que esté matriculado en el derecho o que esté matriculado
en ciencias políticas. Bueno, ¿qué razonamiento inductivo hacemos ahí?
Pues los humanos ninguno. Si no tenemos la fórmula del teorema de Bayes
para hacer el cálculo numérico, porque es un cálculo numérico, no lo
podemos hacer. Se ignora una cosa y se atiende a otra, etcétera, para
calcular. Vamos a ver mecanismos de cálculo. Lo de Bayes es un algoritmo,
es algo que te lleva a la solución correcta. Sin embargo, nosotros
utilizamos normalmente heurísticos, aproximaciones. Algo que... En este
caso, de Tersky y Kahneman, sigue principios psicológicos y son modelos
descriptivos. No prescriptivos, como decía Valles, por el algoritmo. Que
son principios estadísticos. Aquí son principios psicológicos. ¿Qué
heurísticos utilizamos los humanos para hacer este cálculo inductivo de
la probabilidad? Representatividad. La accesibilidad de ajuste al traje.
Aquí ya entramos en algo que tiene más chicha. Ya es que es más
psicológico. Dejamos las matemáticas de un lado. En los modelos de
racionalidad restringida, soy un modelo de racionalidad restringida como
todos. No podemos hacer esa racionalidad de Bayes. Son simplificados,
económicos, con alta efectividad y producen sesgo. Porque, claro, como
utilizas heurísticos, aproximaciones... Un algoritmo garantiza la
solución de un problema porque considera todas las alternativas posibles
sin Bayes. Tú dices, vale, calculamos esto. ¿Quién hizo derecho? ¿Cuál
es la mayor probabilidad de que haga derecho? Ciencias políticas. Muy
bien. El 0,7. Muy bien. Vale. Es un heurístico. Los heurísticos, de
representatividad, ya los veremos ahora con detalle, exploran todas las
mejores alternativas, la mejor, a que a mí se me ocurre que es la mejor,
en el menor tiempo posible, pero no garantiza la solución correcta del
problema. Además, es un proceso tan general que podemos aplicarlo a un
gran número de situaciones. heurísticos de representatividad de
accesibilidad lo que más pronto me llega o de anclaje y ajuste si me han
anclado un número eso ya lo veremos, me dice el 50, pues tú te anclas en
el 50 y das respuestas cercanas al 50 igual no es la solución correcta del
problema, ahora los veremos con detenimiento el heurístico de
representatividad vale, que es ignorar el tamaño ignoramos el tamaño de
la muestra lo más representativo para el problema de los taxis, o sea
quiere decir, si un taxi amarillo pues dice lo más conocido es ver un taxi
amarillo pues para ti había un taxi amarillo allí, considerar más
probable la ocurrencia de sujeces independientes conjuntos que la del
suceso por separado sí, según las matemáticas, según Bayes, es menor la
probabilidad de que ocurran dos cosas a la vez ¿Vale? Que alguien sea
calvo y lleve gafas, que independientemente. Eso es la falacia de la
conjunción. Va contrario, es un sesgo, es una falacia. ¿Por qué? Porque
las matemáticas dicen que ocurran dos eventos, dos sucesos conjuntamente,
que es menor la probabilidad que ocurra a cada uno por separado. ¿Vale? El
axioma dice que la probabilidad conjunta de los sucesos independientes es
siempre menor o igual, como mucho igual, a la probabilidad de cada uno por
separado. Sin embargo, nosotros con nuestro heurístico de
representatividad lo consideramos que es más factible que ocurran dos
sucesos conjuntamente a la vez. Pero es contra antimatemática,
antiestadística, etc. ¿Y qué dice? Lo más parecido o lo más conocido
es lo más probable en la representatividad. Lo que mejor yo tengo que se
me representa, que es lo más parecido a lo que conozco, es lo más
probable. Confundimos, por lo tanto, la frecuencia real con la frecuencia
relativa. En el ejemplo, la probabilidad de obtener cara o cruz al lanzar
una moneda al aire es 0,5 para cada una, 50%. Y pregunta, ¿cuál de las
siguientes frecuencias de resultados es más probable al lanzar una moneda
cinco veces al aire? Pues bien, la... Dice que la persona espera que la
frecuencia relativa se manifieste en pocos ensayos, que ya pronto le dé la
falacia del jugador. El jugador intenta acertar, los jugadores intentan ir
con su representatividad, con este heurístico, intentan ganar, apostar. En
León, en Semana Santa, está el juego de las monedas, no me acuerdo cómo
es, tirar tres monedas y hay un montón de apostar. Dos o tres monedas
apuestan a caras o a cruces, etc. Entonces ves que ahí cada uno dice ahora
van a salir caras. Entonces en ese momento es cuando apuestan. Para que
veáis, es un ejemplo, es un jugador. sensibilidad, insensibilidad a las
probabilidades previas en médicos, por ejemplo dice que la probabilidad de
cáncer de mama en mujeres de 50 años es del 1% si una mujer padece
cáncer de mama la probabilidad de que la mamografía resulte positiva es
del 80% si padece cáncer de mama la probabilidad de que una mujer que no
padece cáncer de mama tenga un resultado positivo en una mamografía es un
9,6% una mujer de 40 años obtiene un resultado positivo en la mamografía
en un control rutinario ¿cuál es la probabilidad de que la mujer padezca
de hecho cáncer de mama? vamos a calcularlo al final llega a ser 0,078
¿vale? según el algoritmo de Bayes y todas las fórmulas La fórmula que
hemos dicho aquí es bien. ¿Me he pasado? Esto ya lo hemos dicho. El
conjunto de dos sucesos independientes es siempre menor o igual a la
probabilidad de cada uno por separado. Eso era el algoritmo. Vale. No sé
para qué puse. Aquí está. Modelo de la frecuentista. Dice que nuestro
sistema cognitivo no está, es cierto, no está diseñado para operar
calculando probabilidades. Por lo tanto, cometemos errores. Modelo
frecuentista. A ver. Probabilidad de falacia en conjunción. Eh... A ver.
No. Espera un momento, a ver si la siguiente diapositiva lo explica. No
viene ahí en el resumen. Yo creo que sí, ¿no? La tradición y
evaluación. Estamos en el heurístico de representatividad. La falacia de
conjunción. A ver si en los otros resúmenes, ¿de dónde es aquello?
¿Dónde dice yo este resumen? Falacia de conjunción, heurístico de
accesibilidad. Ah, vale. Luego vamos a la... Pues se me ha colado.
Estábamos en falacia de conjunción, la representatividad, ¿no? Sí. Sí.
Vale. Luego pasamos al de accesibilidad y luego a sesgo debido a la
facilidad de recuperación. Así es lo que tengo yo, pues se me ha colado.
Modelo frecuentista. Un ejemplo que debería ir... Ya lo revisaré. No, no,
seguramente estará. Yo entiendo que sí. Hombre, ¿no lo has visto? No,
no, sí, pues a mí tampoco. Porque no sé ni cómo explicarlo. No sé ni
cómo explicarlo. Modelo frecuentista, pues igual es una diapositiva de
otro tema. O, perdonad, ¿eh? Vamos a pasar a lo de insensibilidad a la
capacidad predictiva del dato. Supongamos que, bueno, el ejemplo que viene
ahí. Un estudiante recién llegado a un instituto ha sido descrito por el
orientador como inteligente, con buena base, trabajador. Vale. Dos tipos de
preguntas que podríamos plantear para esta descripción. La evaluación.
¿Qué impresión te produce esta descripción en relación a la habilidad
académica del estudiante? Y la predicción. ¿Cuál estimarías que sería
la calificación media que el estudiante obtendrá al terminar el curso?
Pues la hipótesis de representatividad dice que tendrá que coincidir,
coincidirán las dos, la evaluación y la predicción. Eso era la capacidad
predictiva, la insensibilidad a la capacidad predictiva del dato. Lo de las
concepciones estadísticas inexactas, bueno, con el ejemplo de los
hospitales, ¿no? Y dice, ¿en qué hospital crees que sucedió esto más
veces? Más veces que en niños. Habla de que los bebés, etcétera. ¿En
qué hospital? Pues más o menos igual en el hospital grande que en el
pequeño, dicen las personas. Por lo tanto, desestimación del tamaño de
la muestra. Este tema me parece que lo tengo un poco liado porque me vuelve
a salir la falacia del jugador. Luego viene la falacia de conjunción. Sí,
sí, este tema lo tengo un poco... La falacia de conjunción ya lo hemos
dicho. Es más difícil que ocurran dos sucesos. A la misma tiempo que
individualmente. Bueno, ahí viene el ejemplo de Linda que da una
descripción y luego pregunta ¿qué es más probable? ¿que Linda sea
cajera de un banco, cajera de un banco y sea feminista o que esté asociada
al modelo feminista? Bueno, el 88% de las personas consideran que la C, que
sea las dos cosas, conjunción, la falacia y conjunción, que es más
probable. Se da en los prototipos de grupos marginales y generalización de
conductas negativas. En su edad somos más proclives a generalizar una
conducta negativa la amplias a otras conductas de negativa. pasamos al
heurístico de accesibilidad la información que tengo más accesible para
mí, por lo que sea, porque soy médico porque, ¿sabes? está más
disponible y es más fácil de recuperar la tiene más frecuencia y se
suele aquí hay cuatro sesgos en este heurístico de accesibilidad, sesgo
de facilidad de recuperación, de construir ejemplos más fácil de
construir ejemplos sobre algo que tengo accesible, que conozco más sesgo
de facilidad para imaginar situaciones o sesgo debido a la correlación
ilusora a ver qué dicen estos sesgos por ejemplo, en la facilidad de
recuperación tenemos listas de nombres famosos La saliencia, lo más
llamativo, la información más impactante. Un accidente de avión, parece
que hay accidentes de coche, le damos más importancia, es más accesible.
Facilidad de construir ejemplos. ¿Qué es más probable? Palabras que
empiezan con R, etc. Sesgo debido a la facilidad para imaginar situaciones.
Todo lo que tenga accesible me va a hacer que yo tenga un sesgo sobre eso,
cuando evalúe algo a nivel inductivo. Sesgo egocéntrico, si recuerdo más
opiniones personales que de otro. Sesgo retrospectivo, cuando conocemos los
resultados. Aumenta la probabilidad de que un suceso... ocurra cuando hemos
conocido los resultados. Se le llama sesgo retrospectivo. Correlación
ilusoria, ¿no? Por ejemplo, como resultado de sobreestimar la correlación
entre dos acontecimientos distintos. Es un poco lo que dijimos antes, ¿no?
Esto da origen, esta correlación ilusoria, a las supersticiones, las
creencias mágicas, el efecto halo y los estereotipos sociales. Por
ejemplo, sobreestimar la correlación entre cometer delitos y pertenecer a
un grupo minoritario. Y también genera estereotipos negativos sobre los
grupos. La ilusión de control, por ejemplo, es sobreestimar la
correlación entre la conducta y sus consecuencias. Esto también se da con
la falacia del jugador en los juegos de azar, ¿no? Ilusión, yo controlo,
yo controlo. Yo sé que la máquina me va a dar el resultado enseguida. Los
sesgos, hemos dicho, facilidad de recuperación. ¿Por qué? Es más fácil
recuperar, imaginaros los programas estos de palabras, ¿no? Cuando les
ponen que faltan muchas letras y no está la inicial, aquí dice que es
más fácil recuperar una palabra por su letra inicial que por las letras
intermedia. Oye, el programa ese se les tira por el hoyo, ¿no? Que les va
poniendo palabras al principio con muchas letras y sobre todo al principio,
pero luego ya más difíciles, quizás por la definición no lo sabes, si
no te dan una pista. Esto es más fácil teniendo la inicial que las letras
intermedia. Sesgo de la construcción de ejemplos. Es más fácil generar
ejemplos que comiencen con una letra, generar ejemplos en que la dicha
letra ocupe la tercera posición. Es riesgo debido a la facilidad de
imaginar situaciones. Por ejemplo, cuando estimamos la probabilidad de
riesgo que implica un viaje, está relacionado con la facilidad que
tengamos para imaginar situaciones peligrosas posibles. O la correlación
es ilusoria, ¿no? Sobreestimar la frecuencia de cometer delitos y
pertenecer a grupos minoritarios. Aquí tengo cosas repetidas. Vamos al
heurístico del prototipo, que intenta explicar, de Kahneman y Frederick,
la representatividad y la accesibilidad. Y es una doble sustitución.
Sustituimos la categoría por el prototipo. Y la probabilidad de pertenecer
a esa categoría por la propiedad semejanza con el prototipo. Por ejemplo,
bueno, este es un rollo, el ejemplo este es un rollo. Es que en esta
diapositiva se han puesto muchas cosas repetidas, ¿no? Aquí está viendo
el ejemplo del prototipo, decimos que sustituimos la categoría por el
prototipo que yo tengo. En este caso de ingenieros, o en este caso la
categoría sería, hay un 30% de ingenieros en el ejemplo anterior. Y
hacemos la semejanza a la descripción con el prototipo que tenemos de
ingeniero. Hay muchos o pocos ingenieros. El heurístico del prototipo dice
que la información más accesible depende de esa evaluación que hacemos a
posterior retrospectiva de una experiencia con valor afectivo. ¿Vale?
Continuamos con el heurístico de accesibilidad, ¿no? Pero ese valor
afectivo, esa evaluación retrospectiva con valor afectivo, ilustra el
proceso de sustitución basado en la accesibilidad de la información.
Aquí pone el ejemplo de pacientes sometidos a exploración dolorosa. Este
ejemplo sí me pareció interesante. Por ejemplo, si termina, si los picos
de dolor finales son moderados, en el paciente B tenéis ahí, aunque haya
más dolor en general... Entonces el paciente decía que había sido menos
doloroso. Comparado con el otro que los picos de dolor finales fueron
altos. Dijo que había sentido más dolor. Porque eso es valor afectivo. Y
sustituimos la categoría, el dolor que produce en la experiencia global,
por el promedio del dolor más alto al final de la experiencia. Y la
intensidad la sustituimos por la accesibilidad que tengo yo. Si los finales
no fueron muy altos, tengo poco accesible esa categoría de dolor. Siento
menos dolor. Recuerdo haber sentido menos dolor si al final tenía poco
dolor. Heurístico de anclaje y ajuste. vamos a emitir un juicio
basándonos en el valor inicial posteriormente ya lo ajustamos se ajusta el
valor inicial para dar una respuesta final y estarás, pero esa respuesta
final, estarás sesgada al valor inicial, ¿está correcto o no? por eso
anclaje y ajuste, el valor inicial el valor que me dan al principio hace de
centro de gravedad, tira de mí para la respuesta que voy a dar
posteriormente ¿qué pidieron a los sujetos? que estimaran porcentajes de
países africanos de Naciones Unidas el valor inicial era al azar de 0 a
100 Había dos fases. Primero comparativo y luego juicio absoluto. Los
resultados que para valores de 10, iniciales de 10, el sujeto estimaba en
25 países. Para valores de 65, el sujeto estimaba en 45 los países
africanos que hay en Naciones Unidas. ¿Qué hacía en la fase de juicio
comparativo? El sujeto generaba una estimación independiente al valor del
anclaje y comparaba el valor del anclaje con su propia estimación. Y en la
fase de juicio absoluto, el sujeto, si consideraba alta su estimación, la
reducía. Si la consideraba baja, la aumentaba. Hacía un común, es decir,
bueno, creo que va un poco por aquí. Hoy los juicios son aproximativos.
Hablamos de Eurista. La teoría del apoyo dice que la estimación de una
probabilidad subjetiva de un evento depende del grado en que se explica su
descripción. En los juicios evaluativos de una categoría dice que juega
un papel más importante la facilidad con que recuperamos elementos
constituyentes que la cantidad total de elementos que podemos recuperar. Y
esa facilidad para recuperar información y construir ejemplos o imaginar
situaciones son estrategias derivadas de aplicar el heurístico de
accesibilidad que explica el sesgo en la estimación de frecuencias
relativas de ejemplares de una categoría. La teoría de los modelos
mentales, como veis, también aparece en el razonamiento inductivo y
explica tanto la deducción como la inducción y dice que estas
conclusiones probabilísticas son tantas de razonamiento deductivo como
inductivo, de los dos tipos de inferencias ¿Qué hacen los individuos? Lo
mismo que en el deductivo Razonan construyendo modelos mentales de la
situación descrita en las premisas Y una conclusión, es posible si se
mantiene al menos en un modelo de las premisas Es probable si aparece en la
mayor parte de los modelos y si se da en todos, es necesario Esto lo
hablábamos en el razonamiento inductivo Los principios que sigue la
teoría de los modelos mentales El principio de verdad principio de
equiprobabilidad por defecto, principio de proporcionalidad, principio
numérico y principio del subconjunto. Bueno, aquí tenemos unos ejemplos
donde combina también el teorema de Bayes, en este caso una enfermedad o
los síntomas, y dice que si los modelos se etiquetan con sus frecuencias
absolutas, la probabilidad condicional será igual a los modelos mentales
que contengan A y B, dividido por la suma de todos los modelos que
contienen AB. Bueno, aquí va relatando un poco el principio del
subconjunto, que es matemático. Por lo tanto, según la teoría de los
modelos, hipótesis de los conjuntos, si seguimos con la hipótesis de los
conjuntos anidados, El principio del subconjunto es más fácil de aplicar
cuando los datos se plantean en términos numéricos sencillos en lugar de
en términos probabilísticos. Pero según la hipótesis de los conjuntos
anidados, esa facilidad se debe a que al presentar los datos en frecuencias
facilita el establecimiento de relaciones inclusivas de las categorías
relevantes. Vale, es una hipótesis donde vas metiendo dentro las personas
con la enfermedad y el síntoma, solo fuera, solo las del síntoma, luego
todas las posibilidades. Bueno, juicio probabilístico y calibración.
Bueno, calibración es un poco preguntarle al final qué tanto por ciento
piensa que ha acertado en su respuesta. Como si después de hacer un examen
test te preguntan qué probabilidad de acertar tantas respuestas tienes.
Calibración se basa en eso. ¿Cuál es tu confianza? ¿Cuál es la capital
de Australia? Canberra o Sidney. Entre un 50 y un 100%. Dime en qué
porcentaje tu confianza que la respuesta que has dado es correcta. Eso es
calibración. Y se han encontrado los efectos de exceso de confianza. sesgo
de sobreconfianza porque tenemos más confianza en la eficacia en mi
rendimiento de lo que dicen los datos objetivos y es más acusado en el
caso de los expertos porque los expertos son más resistentes a admitir que
se han equivocado también está el efecto fácil-difícil que esa
sobreconfianza aumenta todavía más con el grado de dificultad de las
preguntas por lo tanto aquí hay peor calibración a medida que aumenta la
dificultad de la pregunta y a mayor dificultad mayor certeza tiene el
sujeto de que la respuesta que ha dado es 100% correcta ¿y qué más? Pues
vamos a pasar al enfoque de los modelos mentales probabilísticos, que es
un marco teórico que integra todo esto, que permite explicar el exceso de
confianza y el efecto fácil-difícil. ¿Qué hacían la tarea para ver
juicios de confianza? Preguntas de cultura general con dos alternativas de
respuesta. Y un modelo mental probabilístico es un procedimiento inductivo
que se utiliza cuando el conocimiento es limitado y permite hacer
inferencias rápidas. Vamos a ver ahora el sesgo predictivo y
retrospectivo. La sobreconfianza, ese sesgo es más acusado en expertos.
que tienen más resistencia a reconocer sus errores. Y esa persistencia en
las propias creencias obedece a la ilusión de validez, que Kahneman
establecía un paralelismo entre la ilusión cognitiva y la ilusión
perceptiva de Müller-Layer, de percepción. Mirad, está conectado con la
asignatura anterior. No me acuerdo cuál era la ilusión perceptiva. La
confianza subjetiva está en la falacia narrativa, que se basa en el
intento de buscar un sentido al mundo que nos rodea y una coherencia a los
hechos que se suceden. Por eso tenemos como hemos dicho, luego de predecir
lo que va a ocurrir, queremos dar sentido al mundo que nos rodea
prediciendo. Supuestamente lo que ocurrirá. Y el sesgo retrospectivo,
buscamos sobre un hecho pasado y ese sesgo revisa nuestra concepción sobre
un hecho si la evidencia lo contradice y es muy robusto, está demostrado
en todas las etapas evolutivas de la vida. Por ejemplo, en el experimento
de Blahnik y Fischer le pedimos a un grupo de sujetos que predijeran el
porcentaje de votos que obtendrían los partidos políticos en las
elecciones al Parlamento Alemán, que las recordaran. Se les preguntó
también si les sorprendían los resultados reales y en caso de que no,
dijeran que no, ¿por qué no les sorprendían? Los resultados encontraron
que los participantes... recordaron unos porcentajes que diferían
significativamente de los que posteriormente tuvieron lugar. La mitad de
los participantes no sorprendidos con el resultado afirmaron que
coincidían con su predicción inicial. La otra mitad de los no
sorprendidos decían que los resultados no podían haber sido de otra
manera y argumentaban la necesidad del resultado. Por lo tanto, aquí hay
en el sesgo retrospectivo tres componentes. Impresiones de necesidad, o
sea, grado en que los resultados de un acontecimiento se perciben como
determinantes causales. Impresión de predictibilidad, que asumen la propia
percepción en los juicios coherentes con el hecho de que los resultados se
podrían haber anticipado, siempre supe que esto iba a ocurrir. y
distorsiones de memoria. Por lo tanto, tiene un recuerdo erróneo de que
sus predicciones estuvieron más cerca de los resultados de lo que, de
hecho, estuvieron. Ya piensan que han acertado, ¿no? Kahneman acuñó el
término ilusión de validez porque esa confianza en los juicios no se ve
afectada por estadísticos objetivos ni por el conocimiento de la escasa
veracidad de las predicciones. Cuando una impresión comienza a entrar en
conflicto con nuestro conocimiento, la impresión generalmente prevalece.
Si tenemos una impresión, si estamos convencidos de ella, entra en
conflicto con un conocimiento que tenemos, prevalece la impresión en el
sujeto. Pues se ha acabado. El inductivo ya, por fin.