Razonamiento Probabilístico

RAZONAMIENTO PROBABILÍSTICO

El razonamiento es un proceso que permite a las personas extraer conclusiones a partir de premisas dadas previamente. Dentro de las teorías acerca del razonamiento humano, el razonamiento probabilístico es considerado un tipo de razonamiento que se apoya en los modelos de la teoría de probabilidades. La probabilidad es un concepto matemático que tiene que ver con las leyes del azar: es la frecuencia esperada o teórica cuando entran en función las leyes de la casualidad.

Los valores de probabilidad varían entre 0 y 1, donde el valor 1 equivale a la certeza absoluta y el valor 0 equivale a la ausencia de probabilidad. Por ejemplo, la probabilidad de que "Juan muera algún día" es 1 (100 % de certeza de que ocurrirá), mientras que la probabilidad de que "María viva 270 años" es 0 (100 % de certeza de que el evento no ocurrirá). Sin embargo, en la vida cotidiana los eventos rara vez tienen una probabilidad de 1 ó 0, sino que las probabilidades se ubican en un número intermedio entre estos dos extremos.

Además de la probabilidad matemática o teórica, existe un segundo tipo de probabilidad basada en las observaciones y que históricamente se ha llamado probabilidad empírica (Downie & Heath, 1986) ó probabilidad subjetiva (Cohen, 1974), la cual se expresa a sí misma en el razonamiento que realizan los individuos a partir de eventos que ocurren en la vida cotidiana. Hacer esta diferencia entre probabilidad matemática y probabilidad empírica es importante, pues aunque sepa o no algo sobre el cálculo formal o teórico de probabilidades (probabilidad matemática), todo ser humano participa del pensamiento probabilístico (probabilidad subjetiva). Esto quiere decir que no se necesita estar entrenado formalmente en el cálculo de probabilidades: la capacidad de pensar en términos de probabilidades es inherente a nuestra condición de seres humanos.

Nociones básicas de probabilidad

El modelo normativo que sirve de referencia a estos juicios es la Teoría de la probabilidad y, más concretamente, su desarrollo bayesiano.

La probabilidad de un suceso (probabilidad objetiva) puede calcularse según la teoría clásica de dos formas:

1. Atendiendo al nº de resultados favorables frente al total de resultados posibles (Probabilidad de ocurrencia de un evento del que se conocen todos sus resultados posibles = nº de resultados a favor/nº total de resultados)

2. Atendiendo a la frecuencia relativa del suceso en un nº elevado de observaciones. (Probabilidad de ocurrencia de un evento tras repetir un gran nº de veces el experimento = nº de ocurrencias del evento / nº total de ocurrencias)

Sin embargo, estos modos tradicionales de calcular la probabilidad de un suceso no son válidos para la mayoría de las situaciones reales (se postularon para los juegos de azar)

En la vida diaria, normalmente no se pueden asignar esta clase de probabilidades objetivas porque desconocemos la frecuencia de los sucesos (no disponemos de un nº elevado de observaciones) y las alternativas no son equiprobables (los resultados posibles no se producen con igual probabilidad).

Para dar solución a todos estos problemas la TEORÍA BAYESIANA tiene en cuenta las probabilidades subjetivas de los sucesos. En resumen, dicha teoría:

1. Tiene en cuenta todos los axiomas de la Teoría de la Probabilidad.

2. Contempla las probabilidades subjetivas (a diferencia de la teoría clásica que parte sólo de datos empíricos)

3. Permite estimar la probabilidad de un suceso nuevo a partir de las probabilidades a priori y las probabilidades condicionales de los nuevos datos (diagnosticidad del dato).

Por todo ello, la teoría bayesiana es especialmente adecuada para estudiar los juicios humanos en situaciones de incertidumbre. En síntesis, el teorema de Bayes sirve para calcular la probabilidad a posteriori de un suceso aplicando la fórmula:

P(H/D)= Prob. a priori a favor de la hipótesis P(H) x prob. condicionada del dato P(D/H)

Prob. a favor P(D/H)x P(H) + prob. en contra P(D/H’)xP(H’)

Siguiendo el ejemplo de la Pág. 326.

P(H/D)=probabilidad de la hipótesis supuesto un dato: Prob de obtener plaza, habiendo sacado un 8,6 en el examen. Es una prob. estimada o prob. a posteriori.

P(H)=probabilidad a priori a favor de al hipótesis: Prob. a priori de conseguir el puesto de trabajo sin tener experiencia práctica (0.05). Es una prob. Objetiva a favor

P(D/H)=probabilidad del dato cuando se cumple la hipótesis: prob. de obtener buena nota en el examen y conseguir el trabajo (0.98). Es una prob. a favor (igual que la anterior) pero condicionada al dato. Depende de la fiabilidad del dato (diagnosticidad del dato).

P(H’)=Probabilidad de la hipótesis alternativa: Prob. a priori de no conseguir el puesto de trabajo sin tener experiencia previa (0.95). Es una Prob. objetiva en contra.

P(D/H’)= probabilidad del dato cuando se cumple la hipótesis alternativa: prob. de obtener buena nota en el examen y no conseguir el trabajo (0.10). Es una prob. condicionada al dato pero en contra de la hipótesis. No tiene porque ser complementaria de la P(D/H) porque ambas son probabilidades subjetivas.

Enfoque de los heurísticos de razonamiento

Son muchos los resultados experimentales que demuestran que el razonamiento humano no emite sus juicios siguiendo las normas estadísticas. Al contrario, se observa una tendencia conservadora que lleva a menudo a equiparar las probabilidades estimadas a las probabilidades a priori.

Para explicar estos errores sistemáticos la investigación se reorienta dentro del marco de la Teoría de La Racionalidad Restringida (Simon. 1983). Según la misma, debido a las limitaciones en el sistema de procesamiento, las personas no buscan emitir juicios exactos sino alcanzar cierta satisfacción en sus decisiones.

Por ello razonan a partir de modelos simplificados sin necesidad de procesar todos los datos.

Estas estrategias simplificadas son los llamados heurísticos, reglas de andar por casa o atajos que utilizan los sujetos de forma espontánea.

Tversky y Kahneman defienden el uso de estos heurísticos en lugar de las leyes de la probabilidad en el juicio de los eventos cotidianos.

Tres heurísticos son, en concreto los más utilizados:

Heurístico de representatividad

Consiste en asignarle probabilidad a un suceso en función de su pertenencia a una clase. Es decir, se trata de juzgar la probabilidad de que A pertenezca a un conjunto B, fijándose en la semejanza entre A y los miembros de B.

El juicio, por tanto, se basa en determinar si el suceso u objeto en cuestión es representativo de una clase (juicio de representatividad).

...