Saltar al contenido principal

Razonamiento inductivo

Conceptualización​

La inducción se basa en suposiciones. Johnson-Laird (1994)1 define la inducción como un proceso de pensamiento cuya conclusión supone un incremento de la información semántica contenida en las premisas iniciales. El razonamiento inductivo se basa en la generalización de experiencias concretas. La persona trata de extraer conclusiones posibles, aunque no necesariamente válidas desde el punto de vista de la lógica.

Este tipo de razonamiento es esencial para la formación de teorías y la toma de decisiones en situaciones de incertidumbre. Sin embargo, presenta un problema. Propuesto por David Hume (1739/1740)2, el problema de la inducción es que asume la regularidad de los fenómenos observados con el fin de poder explicar hechos ya conocidos o intentar predecir hechos aún por conocer.

Por eso, el pensamiento inductivo no garantiza la verdad de sus conclusiones, ya que siempre existe la posibilidad de que nuevas observaciones contradigan las generalizaciones previas.

La fiabilidad del pensamiento inductivo depende de la probabilidad epistémica de las conclusiones derivadas de las premisas, y no de su validez lógica. La probabilidad epistémica se refiere a la medida en que una premisa y una conclusión son probables o plausibles, dado el conocimiento disponible.

A diferencia del razonamiento deductivo, que parte de premisas generales para llegar a conclusiones específicas, el razonamiento inductivo se basa en la acumulación de evidencia empírica para formular hipótesis o teorías. Este tipo de razonamiento es fundamental en la ciencia y en la vida cotidiana, ya que permite a las personas aprender y adaptarse a nuevas situaciones basándose en experiencias previas.

Pregunta

El razonamiento inductivo parte de datos particulares para llegar a una conclusión general.

Teorema de Bayes (1763)3​

El teorema de Bayes es una fórmula matemática que describe cómo actualizar las probabilidades de una hipótesis en función de nueva evidencia. Fue publicado póstumamente en 1763 por el matemático y clérigo inglés Thomas Bayes.

P(H∣E)=P(E∣H)×P(H)P(E)P(H|E) = \frac{P(E|H) \times P(H)}{P(E)}

Donde:

  • P(H∣E)P(H|E) = probabilidad posterior: probabilidad de la hipótesis dado el dato observado.
  • P(E∣H)P(E|H) = verosimilitud: probabilidad de observar el dato si la hipótesis fuera cierta.
  • P(H)P(H) = probabilidad a priori: probabilidad inicial de la hipótesis antes de observar el dato.
  • P(E)P(E) = evidencia: probabilidad total del dato.

Relevancia en psicología del razonamiento​

El teorema de Bayes constituye el modelo normativo del razonamiento inductivo: representa cómo debería actualizarse racionalmente una creencia ante nueva evidencia. Sin embargo, la investigación ha demostrado sistemáticamente que las personas no razonan de forma bayesiana. En particular:

  • Negligencia de tasas base: las personas ignoran la probabilidad a priori P(H)P(H) y se centran solo en la verosimilitud P(E∣H)P(E|H).
  • Sobreconfianza: ajustan insuficientemente sus creencias ante evidencia contradictoria.

Esta discrepancia entre el modelo normativo y el comportamiento real es precisamente lo que llevó a Kahneman y Tversky a investigar los heurísticos y sesgos.

Heurísticos​

En el razonamiento inductivo se utilizan estrategias no formales, rápidas y espontáneas, o atajos cognitivos denominados heurísticos, que a veces llevarán a cometer errores y a veces a razonar correctamente.

Kahneman y Tversky (1972)4 identificaron varios heurísticos comunes en el razonamiento inductivo:

  • Representatividad: evalúa la probabilidad de que un elemento pertenezca a una categoría según cuánto se parece a un prototipo de esa categoría. Sesgos asociados:
    • Falacia de la conjunción: creer que dos eventos simultáneos son más probables que uno solo (p. ej., problema de Linda).
    • Falacia del jugador: creer que eventos aleatorios pasados afectan a los futuros (p. ej., «ya tocaba que saliera cara»).
    • Insensibilidad al tamaño muestral: ignorar que muestras pequeñas son menos representativas.
    • Negligencia de tasas base: ignorar la probabilidad general de un evento al juzgar casos específicos.
  • Disponibilidad o accesibilidad: evalúa la probabilidad de un evento según la facilidad con que acuden ejemplos a la memoria. Sesgos asociados:
    • Sesgo de facilidad de recuperación: sobreestimar la frecuencia de eventos fáciles de recordar (p. ej., muertes por avión frente a coche).
    • Correlación ilusoria (Chapman y Chapman, 1969)5: sobreestimar la frecuencia con la que dos acontecimientos concurren en la realidad.

Pregunta

¿Qué tipo de sesgo implica sobrestimar la probabilidad de eventos por su facilidad para recordarlos?

  • Anclaje y ajuste: las estimaciones parten de un valor inicial (ancla) y se ajustan insuficientemente. Sesgos asociados:
    • Ajuste insuficiente: quedarse demasiado cerca del valor inicial, incluso cuando este es arbitrario.
    • Efecto de anclaje: dejarse influir por números irrelevantes presentados previamente.

Pregunta

El heurístico de anclaje se caracteriza por...

Kahneman y Tversky utilizaron varios experimentos, entre los que destacan el problema de Linda (Tversky y Kahneman, 1983)6 y el experimento de los médicos y las enfermedades raras, para ilustrar cómo estos heurísticos pueden llevar a errores sistemáticos en el razonamiento inductivo.

El problema de Linda

Linda tiene 31 años, está soltera y es una chica abierta y muy alegre. Se licenció en Filosofía. Cuando era estudiante, estaba muy comprometida con la discriminación y con la justicia social, y solía participar en las manifestaciones antinucleares.

Ordena las siguientes afirmaciones de acuerdo con su grado de probabilidad usando el 1 para señalar la más probable y el 8 para la menos probable.

  1. Linda es una profesora de enseñanza básica.
  2. Linda trabaja en una librería y va a clases de yoga.
  3. Linda está asociada al movimiento feminista.
  4. Linda trabaja en un centro de salud como psiquiatra.
  5. Linda es un miembro del partido feminista.
  6. Linda es cajera de banco.
  7. Linda es agente de seguros.
  8. Linda es cajera de banco y está asociada al movimiento feminista.

Los participantes marcaron mayoritariamente las afirmaciones 2 y 3 como las más probables. Por el contrario, marcaron las afirmaciones 6 y 8 como las menos probables. Estadísticamente hablando, esto tiene poco sentido: ser cajera de banco es más probable que ser al mismo tiempo librera e ir a clases de yoga. Esto viola la regla de la conjunción, ya que es mucho menos probable que dos afirmaciones sean ciertas al mismo tiempo que una sola de ellas.

Solo con el dato de la edad, sin incluir rasgos de su personalidad, los participantes no cometían la falacia, ya que no juzgaban en función del heurístico.

Referencias​

Footnotes​

  1. Johnson-Laird, P. N. (1994). A model theory of induction. International Studies in the Philosophy of Science, 8(1), 5-29. https://doi.org/10.1080/02698599408573474 ↩

  2. Hume, D. (1739-1740). A Treatise of Human Nature. John Noon. ↩

  3. Bayes, T. (1763). An essay towards solving a problem in the doctrine of chances. Philosophical Transactions of the Royal Society of London, 53, 370-418. https://doi.org/10.1098/rstl.1763.0053 ↩

  4. Kahneman, D. y Tversky, A. (1972). Subjective probability: A judgment of representativeness. Cognitive Psychology, 3(3), 430-454. https://doi.org/10.1016/0010-0285(72)90016-3 ↩

  5. Chapman, L. J. y Chapman, J. P. (1969). Illusory correlation as an obstacle to the use of valid psychodiagnostic signs. Journal of Abnormal Psychology, 74(3), 271-280. https://doi.org/10.1037/h0027592 ↩

  6. Tversky, A. y Kahneman, D. (1983). Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment. Psychological Review, 90(4), 293-315. https://doi.org/10.1037/0033-295X.90.4.293 ↩