Sesgo de Representatividad

El sesgo de representatividad es un atajo mental o heurístico, identificado dentro del campo de la psicología cognitiva y la economía conductual por los pioneros Amos Tversky y Daniel Kahneman.

 

Que describe la tendencia de las personas a juzgar la probabilidad de que un evento pertenezca a una categoría determinada, basándose únicamente en qué tan similar parece ser a prototipos o estereotipos mentales que tenemos de esa categoría. 

Mientras se ignoran por completo otras informaciónes estadísticamente relevantes, como las probabilidades base, el tamaño de la muestra o la regresión a la media. 

En esencia, nuestro cerebro prefiere una buena historia que "se parezca" a lo que esperamos, antes que los datos fríos y abstractos de la estadística.

El mecanismo de este sesgo opera sustituyando una pregunta difícil "¿Cuál es la probabilidad objetiva de que A pertenezca a B?" por una pregunta mucho más intuitiva "¿Qué tan similar es A al prototipo que tengo de B?". 

Este proceso conduce a una serie de errores sistemáticos y predecibles en nuestro juicio. Uno de los más comunes es ignorar las probabilidades base, que es la frecuencia general con la que algo ocurre en la población. 

Por ejemplo, si al conocer a una persona tímida, meticulosa y amante de los libros, inmediatamente se asume que es bibliotecario y no vendedor, se está cometiendo este error, ya que se ignora el hecho simple de que hay muchos más vendedores que bibliotecarios en la población, por lo que estadísticamente es más probable que sea un vendedor con esa personalidad.

Otro error frecuente es la falacia de la conjunción, brillantemente ilustrada por el "problema de Linda" de Tversky y Kahneman. 

Si se describe a una mujer ficticia llamada Linda como joven, brillante, soltera y muy preocupada por la justicia social y la discriminación, la mayoría de la gente juzga que es más probable que "Linda sea cajera de banco y activista feminista" que solo que "Linda sea cajera de banco". 

Esto es lógicamente imposible, ya la probabilidad de que dos eventos ocurran conjuntamente (A y B) siempre es menor o igual a la probabilidad de uno solo de ellos (A). 

Sin embargo, la descripción de Linda es tan representativa del estereotipo de una activista feminista, que la historia conjunta parece más coherente y, por lo tanto, más probable, violando las leyes básicas de la probabilidad.

Este sesgo también nos hace despreciar el tamaño de la muestra. Tendemos a creer que una muestra pequeña y no representativa reflejará inmediatamente las propiedades de la población general. 

Un ejemplo clásico es el de los hospitales: si un hospital pequeño registra un día con un 60% de nacimientos de niños, y un hospital grande registra el mismo porcentaje, la gente suele pensar que es igual de probable en ambos casos. 

Sin considerar que una muestra pequeña (pocos nacimientos al día) es mucho más susceptible a desviaciones estadísticas extremas que una muestra grande, donde la ley de los grandes números asegura que el resultado se acercará al 50%.

Las consecuencias del sesgo de representatividad se extienden a numerosos ámbitos de la vida diaria y profesional. En las finanzas, los inversores pueden apostar por una empresa simplemente porque su modelo de negocio "se parece" al de otra empresa exitosa, ignorando sus fundamentos financieros reales. 

En los tribunales, un jurado puede condenar a un acusado porque su apariencia o comportamiento "encaja" con el estereotipo de criminal, haciendo caso omiso de pruebas exculpatorias. 

En la medicina, un diagnóstico puede sesgarse porque los síntomas del paciente son muy representativos de una enfermedad famosa, pasando por alto otras posibilidades menos prototípicas pero más probables.

En resumen, el sesgo de representatividad es una de las heurísticas más poderosas y omnipresentes que afectan nuestro pensamiento. Nos revela que la coherencia narrativa y la similitud superficial ejercen una influencia mucho mayor en nuestros juicios que la lógica probabilística. 

Reconocer su existencia es el primer paso para combatirlo, forzándonos a preguntar de manera activa por las probabilidades base, el tamaño de la muestra y la información estadística que nuestra mente, seducida por una buena historia, prefiere ignorar.