Estadística 101: La heurística de la Representatividad

Estadística 101: La heurística de la Representatividad

Por: Jose Pajuelo, analista de BEST

Se denomina heurística a una regla sencilla que usan las personas para tomar decisiones y realizar estimaciones de manera rápida, estas reglas son automáticas e instintivas y si bien son prácticas, también conllevan a cometer errores sistemáticos.

La heurística de representatividad se refiere al hecho de que las personas solemos tomar decisiones respecto a dos elementos o eventos (A y B) teniendo en cuenta la forma en cómo A representa  (o se parece) a B sin tomar en cuenta consideraciones estadísticas básicas, incluso cuando las personas tienen conocimientos avanzados sobre teoría de probabilidades. (Tversky & Kahneman, 1974)

Un ejemplo clásico es el experimento realizado por Tversky & Kahneman (1983)  en 88 estudiantes de pregrado. El ejercicio del estudio es el siguiente:

“Linda tiene 31 años, soltera, franca, y muy brillante. Estudió Filosofía. Como estudiante, estuvo muy preocupada en temas de discriminación  y justicia social y también participó en demostraciones antinucleares”.

Dada la siguiente descripción se pidió a los estudiantes ordenar las siguientes opciones de acuerdo a lo que ellos consideren más probable.[1]

  1. Linda es una profesora de educación primaria
  2. Linda trabaja en una tienda de libros y toma clases de yoga
  3. Linda es una empleada del banco
  4. Linda vende seguros
  5. Linda es una empleada de banco y activista feminista

En los resultados, la gran mayoría de los participantes (85%) establecieron que la opción e) es más probable que la opción c), pues dada la descripción de Linda se espera que sea una activista feminista. Sin embargo, un concepto básico de la estadística (y del sentido común) señala que dos eventos conjuntos (Ser empleada bancaria & Activista) no pueden ser más probables que solo uno (Ser empleada bancaria).

Este error tampoco es mitigado por la disponibilidad de información estadística. De hecho, las personas continuaran asignando probabilidades a través de la heurística de representatividad, incluso si se les otorga información estadística específica sobre la probabilidad real de las  opciones. (Tversky & Kahneman, 1974).

La influencia de la representatividad tampoco disminuye por el tamaño de la muestra. En otro experimento (Tversky & Kahneman, 1974) se planteó a un grupo de estudiantes un escenario con dos establecimientos de salud: Uno en el que nacen 45 bebes cada día y otro en el que nacen 15. Como se sabe por lo usual el 50% de los nacimientos suelen ser niños. Dada esta descripción se les pidió a los estudiantes que establecieran donde era más probable que haya durante un año más días en los cuales el porcentaje de nacimientos de niños fuera mayor al 60%. Los resultados  de la elección fueron los siguientes:

  • Hospital grande (21%)
  • Hospital pequeño (21%)
  • En ambos más o menos lo mismo (53%)

Como saben aquellos familiarizados con la estadística, este resultado contradice la teoría probabilística según la cual es más probable que valores extremos aparezcan en muestras con menos observaciones (para este caso el hospital pequeño). Si se tiene dos urnas, una con 2 bolas rojas y 2 blancas y otra con 50 bolas rojas y 50 blancas, al extraer el 50% de las bolas de cada urna es mucho más probable que estas sean del mismo color en la primera urna que en la segunda. Esta heurística lleva muchas a veces a establecer relaciones de causalidad donde no existen. Un hecho común son los conglomerados de cáncer, que aparecen en los medios  de comunicación ocasionalmente: una gran cantidad de casos de cáncer se concentran una pequeña extensión territorial de apenas pocas calles, lo que genera suspicacias y pedidos de atención de las autoridades (Thaler & Sunstein, 2008). La explicación, como acaba de ser descrita, recae en este sencillo concepto estadístico que  no suele considerarse.

Esta ceguera frente a los tamaños de muestra, se relaciona con lo se denomina la ley de los pequeños números  (Tversky & Kahneman, 1974), la que establece que las personas suelen otorgar un grado de validez a conjuntos grandes a partir de resultados en muestras pequeñas. Por ejemplo, si una persona obtiene 4 caras consecutivas en lanzamientos de moneda  sospechará sobre la forma de esta,  aun cuando simplemente se trata de la realización normal de un evento aleatorio, que de continuar mostraría una relación muy cercana a 50% de caras y 50% de sellos. Esta ceguera no es exclusiva de aquellos que ignoran conceptos estadísticos o tienen poca exposición a ellos, pues se ha demostrado también que los investigadores tienen excesiva fe en resultados obtenidos a partir de muestras pequeñas, lo cual conlleva a sobredimensionar los resultados de las investigaciones.

La heurística de representatividad como cualquier heurística ocurre de manera involuntaria y automática, sirviendo como un atajo del cerebro para tomar decisiones más rápidas contando incluso con información incompleta. El uso de esta heurística, sin embargo, es insensible a la presencia de mayor información que nos permita obtener mejores estimaciones y predicciones, resultando en fallos sistemáticos que pueden tener consecuencias importantes en las personas y la sociedad. Muchas veces psicólogos suele determinar el diagnóstico por la forma en como el paciente calza con el estereotipo de paciente de una enfermedad determinada (Garb, 1996), o en el imaginario colectivo; afecciones que suelen estar relacionadas con los cuadros comorbilidad son atribuidas como causa y efecto (en el caso de las úlceras, mucha gente cree que se dan debido al stress por el hecho de que suelen presentarse juntas, a pesar de que se sabe que es causada por una bacteria (Gilovich & Savitsky, 1996)). Ser consciente de esta regla permitirá estar más alerta de las decisiones de las personas, los profesionales; y a la vez cuestionarnos acerca de los conocimientos que se toman por verdaderos. Asimismo, es una herramienta potente tanto para las empresas y especialmente para los organismos públicos,  para formar marcos de decisión y divulgación que permitan disminuir errores y obtener resultados que se consideren deseables.

Referencias

Garb, H. (1996). The representativeness and past behavior heuristic in clinical judgment .

Gilovich, T., & Savitsky, K. (1996). Like Goes with Like: The Role of Representativeness in Erroneous and Pseudocientific Beliefs .

Thaler, R., & Sunstein, C. (2008). Nudge: Improving Decisions About Health, Wealth and Hapiness. Yale University Press.

Tversky, A., & Kahneman, D. (1974). El juicio bajo incertidumbre: Heurísticas y Sesgos.

Tversky, A., & Kahneman, D. (1983). Extensional Versus Intuitive Reasoning: The Conjunction Fallacy in Probably Judgment.

[1] Las opciones del estudio original han sido modificadas para efectos del artículo.

Leave a Reply

Your email address will not be published.