Resumen. Kahneman.el Juicio Bajo Incertidumbre.heuristicas y Sesgos.

Resumen Kahneman.

El juicio bajo incertidumbre: Heurísticas y sesgos. Amos Tversky y Kahneman. ¿Cómo estiman los individuos la probabilidad probabilidad de un evento incierto o el valor de una cantidad incierta? “El presente artculo demuestra !ue los individuos con"an en un n#mero ilimitado de principios heursticos !ue reducen las tareas comple$as de estimación de probabilidades y valores predictivos a operaciones  $udicativas  $udicativas m%s simples. Estas heursticas heursticas son& en 'eneral& bastante #tiles& pero a veces conducen a errores serios y sistem%ticos(. Estimar sub$etivamente la probabilidad es parecido a cuanto estimamos sub$etivamente cantidades "sicas& como distancia o tama)o. *or e$emplo& mientras m%s cerca un ob$eto lo vemos m%s ntido& y hacemos esa correlación. +in embar'o& esta re'la nos puede llevar a errores. Esa es una re'la “heurstica(. El c%lculo de proba probabil bilida idades des tambi, tambi,n n tiene tiene heurs heurstic ticas as.. El artic articulo ulo descri describe be tres tres de ellas ellas utiliutili-ada adas s para para estima estimarr probabilidades& discutiendo las implicaciones pr%cticas y teóricas de esas observaciones. 1. Presentativid Present atividad. ad. *re'unta tipo ¿Cu%l es la probabilidad de !ue el ob$eto A pertene-ca a la clase /? *ara responder a tales tipos de pre'unta& utili-amos la heurstica de la representatividad& en la cual las probabilidades probabilidades son evaluadas por el 'rado en !ue A es representativo de /& es decir& por el 'rado en !ue A se aseme$a a /. E$.0 Caso del bibliotecario. Conocemos a un tipo “tmido& retrado& retrado& siempre servicial pero poco interesado interesado por la 'ente o por el mundo real. 1etódico& disciplinario& disciplinario& necesita ordenarlo y or'ani-arlo or'ani-arlo todo. ¿Cu%l es la probabilidad probabilidad para cada una de las posibles pro"esiones pro"esiones de tal tipo? tipo? 2e$. A'ricultor& A'ricultor& vendedor& vendedor& piloto piloto de aerolne aerolnea& a& bibliotec bibliotecari ario o o medico3. En la heurstica de la representatividad& la probabilidad de !ue tal persona sea& por e$. /ibliotecario& se estima por cuan seme$ante 2o representativo3 sea del estereotipo de bibliotecario. +in embar'o& hay ciertas consideraciones !ue hacen "allar& com#nmente& a este tipo de ra-onamiento ra-onamiento 4. 5nsensib 5nsensibilid ilidad ad a resulta resultados dos probabil probabilstic sticos os previos previos ¿6u, pasa si en las sociedades sociedades e7isten e7isten muchos m%s a'ricultores& por e$.& !ue bibliotecarios? Esta "recuencia base no es tomada al solo considerar la cercana al estereotipo& de$ando las probabilidades probabilidades previas "uera. *A8. 9:9 es el e7perimento en concreto de tal hipótesis. ;. 5nsensibilidad 5nsensibilidad al tama)o de de la muestra +e'#n e7perimentos& e7perimentos& no se toma en consideración como el tama)o de la muestra puede a"ectar ciertos datos estadsticos. estadsticos. *or e$.&  en hechos !ue tienen i'ual probabilidad 2sea ni)o o ni)a& lan-ar una moneda al aire3. E7perimento. *%'. 9:@. 9. Concepci Concepciones ones errónea erróneas s del a-ar. a-ar. a 'ente 'ente espera !ue una secuencia secuencia de eventos eventos 'enerados 'enerados por un proceso aleatorio represente las caractersticas esenciales de dicho proceso& aun!ue la secuencia sea breve. En lan-amiento de una moneda para obtener cara 2c3 o cru- 2r3& por e$.& la 'ente considera !ue la secuencia CBRBCBR CBRBCBRBRBC BRBC es m%s probable !ue CBCBCBRBRBR CBCBCBRBRBR.. Ellos esperan !ue las caractersticas esenciales del proceso estar%n representadas no solo 'lobalmente en la secuencia entera& sino tambi,n localmente en cada una de sus partes. tro aspecto de esta limitante es la “"alacia del $u'ador( +i sale mucho ro$o en la ruleta& la mayora de la 'ente cree erróneamente !ue el ne'ro ne'ro tiene tiene !ue salir salir por necesi necesidad dad.. El probl problema ema es !ue las desvia desviacio ciones nes&& en un proce proceso so aleatoria& no son “corre'idas(& sino meramente diluidas. Esta “concepción errónea( se encontró incluso en psicólo'os e7pertos investi'adores& !uienes creyeron tambi,n !ue muestras pe!ue)as pueden ser altamente representativas.

@. 5nsensibilidad a la previsibilidad En teora normativa estadstica& si la predictibilidad de un hecho es > 2es decir& cuando los elementos de in"ormación relevante no se encuentran disponibles3& se debe reali-ar la misma predicción para todos los casos. +in embar'o& predicciones intuitivas no toman en cuenta tal "actor 2p%'. 9:D =. a ilusión de valide- a conFan-a en la predicción se basa del 'rado de representatividad 2es decir& de la plausibilidad de la correspondencia entre el resultado seleccionado y el dato inicial3 con la poca o nin'una atención a los "actores !ue limitan el acierto de la predicción. E$. a 'ente da 'ran importancia a la predicción hecha con el estereotipo de bibliotecario& dependiendo de cuanto se parece a el “ideal(. 2e$. Entrevistas de traba$o y la conFan-a de los psicólo'os3. D. Concepciones erróneas de la re'resión. as personas no suelen tener concepciones intuitivas correctas. a re'resión a la media !uiere decir !ue& si un valor es e7tremo en su primera medición& tendera a la media en la si'uiente. +in embar'o& las personas tienden a pensar !ue& por al'o !ue hicieron 2e7plicación causal espuria3 provocan ello. o !ue subyace a este "enómeno& se'#n el autor& es la creencia de !ue el primer dato debe ser totalmente representativo. Go entender la re'resión puede tener consecuencias a nivel de incentivos. 2E$. *ro"esores de aviación ellos siempre observaban !ue despu,s de un buen aterri-a$e de sus alumnos& si los "elicitaban& vendra uno peor. He este modo& concluyeron& !ue no "elicitar 2e incluso dar amonestaciones verbales3 era per$udicial& pensando !ue la penali-ación es m%s e"ectiva !ue la recompensa. Go entender el e"ecto de la re'resión lleva a sobrestimar la eFcacia dela penali-ación y subestimar la eFcacia de la recompensa.

2. Disponibilidad. as personas tienden a estimar la "recuencia de una clase& o probabilidad de un evento& dependiendo de la "acilidad con !ue e$emplos o sucesos acuden a su mente. E$. Al'uien puede estimar el ries'o de ata!ue cardiaco entre las personas de mediana edad recordando a las personas conocidas !ue lo han su"rido. +in embar'o& hay ciertas consideraciones !ue hacen "allar& com#nmente& a este tipo de ra-onamiento a. +es'os debido a e$emplos recuperables.
3. Ajuste y anclaje.

En muchas situaciones& la 'ente hace estimaciones a partir de un valor inicial a$ustado para producir la respuesta Fnal. El valor inicial& o punto de partida& puede haber sido su'erido por la "ormulación del problema& o bien puede ser el resultado de un calculo parcial. Esto si'niFca !ue puntos de partida di"erentes 'eneran estimaciones di"erentes !ue est%n ses'adas hacia los valores iniciales. Este "enómeno es denominado ancla$e. os ses'os relacionados !ue 'enera este m,todo heurstico son los si'uientes a. A$uste insuFciente Aun cuando se le da valores “al a-ar( sobre un tema& ese valor inicial se)alado 'enera di"erentes $uicios de los participantes. Este e"ecto no solo se produce al inicio& sino tambi,n cuando basa su estimación de un resultado de un c%lculo incompleto. *or e$.& se se)aló a dos 'rupos di"erentes la si'uiente e7presión 8rupo 4 I7:7D7=7@797;74. 8rupo ; 47;797@7=7D7:7I. a estimación media del 'rupo 4 "ue ;.;=>& mientras !ue la del 'rupo ; "ue =4;. El resultado correcto es @>.9;>. b. +es'os en la evaluación de eventos con$untivos y dis$untivos 2e$. *a' 9I>3. Jrente a $ue'os de a-ar !ue ten'an elementos dis$untivos& las personas tienden a pre"erir los con$untivos& pese a ser menos probables !ue al'unos simples. “Este patrón de elecciones ilustra un halla-'o 'eneral. Estudios sobre elecciones entre $ue'os y de $uicios de probabilidad indican !ue la 'ente tiende a sobreestimar la probabilidad de eventos con$untivos y subestimar la probabilidad de eventos dis$untivos. Esto es esencial pues los ses'os en la evaluación de eventos compuestos son importantes en el conte7to de la planiFcación 2!ue son con$untivos& donde la probabilidad de hacer con ,7ito un numero 'rande de eventos es muy ba$a3. *or otro lado& los eventos dis$untivos 2como mantener un sistema comple$o en "uncionamiento3 hace !ue& por e$& si un sistema posee varios componentes donde la probabilidad de uno de ellos de "allar sea relativamente ba$a& la probabilidad de "allar sistem%ticamente sea alta& sobre todo si cada uno de estos sistemas es necesario para sobrevivir. “a estructura de cadena de las con$unciones conduce a la sobre estimación y la estructura de embudo de las dis$unciones conduce a la subestimación(. Gota Este ses'o es& esencialmente& lo !ue proponen *ressman y ildasky& en el sentido de !ue la con$unción de muchas decisiones o hechos puede hacer muy improbable !ue cierta implementación resulte e7itosa& pese a !ue cada uno de ellos& por separado& puedan tener alta probabilidad. c. Ancla$e en la estimación de distribuciones de probabilidad sub$etiva os su$etos establecen intervalos de conFan-a demasiado estrechos !ue reLe$an m%s certe-a de la !ue $ustiFca su conocimiento de las cantidades estimadas. Parte dos: Argumentacin. El artculo se ha encar'ado de anali-ar los ses'os co'nitivos de la conFan-a en la heurstica $udicativa. Ellos no son atribuibles a la motivación& pues ocurrieron incluso cuando "ueron motivados para ser minuciosos y recompensados por las respuestas correctas. Estos ses'os no solo ocurren a los le'os& sino tambi,n con investi'adores caliFcados 2aun!ue no comete errores como la "alacia del $u'ador& si los hace con otro tipo de an%lisis intrincados3. “os principios estadsticos no se aprenden de la e7periencia cotidiana por!ue los e$emplos relevantes no est%n codiFcados de manera apropiada(. Esto hace !ue& aun!ue los datos “est,n ah(& no sean cuantiFcados. Resumen.

En el presente artculo se han descrito tres heursticas !ue se emplean en $uicios hechos ba$o incertidumbre 243 representatividad& !ue suele emplearse cuando se pide $u-'ar la probabilidad de !ue un ob$eto o evento A pertene-ca a la clase o al proceso /0 2;3 Hisponibilidad de e$emplos o escenarios& !ue se emplea a menudo cuando se pide estimar la "recuencia de una clase o la plausibilidad de un desarrollo particular0 y 2iii3 a$uste a partir de un ancla& !ue suele emplearse en la predicción num,rica cuando se dispone de un valor relevante. Estas heursticas son muy económicas y& por lo 'eneral e"ectivas& pero conducen a errores sistem%ticos y predecibles.