¿Por qué nos fiamos más de la información específica que de las estadísticas?

Base Rate Fallacy

, explained.
Bias

¿Qué es la falacia del tipo de interés básico?

Cuando disponemos tanto de información individualizada, específica de una persona o un acontecimiento, como de información de base, objetiva y estadística, tendemos a dar más valor a la información específica y, a menudo, ignoramos por completo la información de base. Es lo que se conoce como falacia de la tasa base o descuido de la tasa base.

Base rate fallacy illustration

Dónde se produce este sesgo

Si alguna vez has sido estudiante universitario, probablemente sepas que hay ciertos estereotipos asociados a las distintas carreras. Por ejemplo, los estudiantes de ingeniería suelen ser considerados trabajadores pero engreídos, los de empresariales son estereotípicamente pijos y distantes, y los de letras son activistas con un sentido de la moda vanguardista. Estos estereotipos son generalizaciones que a menudo no se ajustan a la realidad. Sin embargo, se utilizan a menudo para hacer proyecciones sobre cómo podrían actuar los individuos.

Los prestigiosos científicos del comportamiento Daniel Kahneman y Amos Tversky realizaron en su día un estudio en el que se presentaba a los participantes un retrato robot de la personalidad de un estudiante de posgrado ficticio llamado Tom W. Se les daba una lista de nueve áreas de estudios de posgrado y se les pedía que las clasificaran por orden de probabilidad de que Tom W. estuviera cursando estudios en ese campo. En aquel momento, había muchos más estudiantes matriculados en educación y humanidades que en informática. Sin embargo, el 95% de los participantes dijo que era más probable que Tom W. estuviera estudiando informática que educación o humanidades. Sus predicciones se basaban exclusivamente en el esbozo de personalidad -la información individualizadora-, sin tener en cuenta en absoluto la información sobre el índice base.1

Por mucho que esa persona de tu curso optativo de historia se parezca y actúe como el estereotipo de estudiante de medicina, las probabilidades de que realmente esté estudiando medicina son muy bajas. Normalmente sólo hay un centenar de personas en ese programa, en comparación con los miles de estudiantes matriculados en otras facultades como administración o ciencias. Es fácil hacer este tipo de juicios precipitados sobre las personas, ya que la información específica suele eclipsar la información sobre el índice base.

Efectos individuales

La falacia de la tasa base puede llevarnos a hacer juicios de probabilidad inexactos en muchos aspectos diferentes de nuestras vidas. Como demostraron Kahneman y Tversky en el ejemplo anterior, este sesgo nos hace sacar conclusiones precipitadas sobre las personas basándonos en nuestras impresiones iniciales sobre ellas.2 A su vez, esto puede llevarnos a desarrollar nociones preconcebidas sobre las personas y perpetuar estereotipos potencialmente dañinos.

Esta falacia también puede afectar a nuestras decisiones financieras, al inducirnos a reaccionar de forma exagerada ante cambios transitorios en nuestras inversiones. Si las estadísticas del tipo básico muestran un crecimiento constante, es probable que cualquier contratiempo sea sólo temporal y que las cosas vuelvan a su cauce. Sin embargo, si ignoramos la información sobre los tipos básicos, podemos sentirnos inclinados a vender, ya que podemos predecir que el valor de nuestras acciones seguirá bajando3.

Efectos sistémicos

Los efectos individuales de la falacia de la tasa de base pueden acumularse en desafíos significativos cuando se hacen juicios de probabilidad sobre otros, como cuando un médico diagnostica a un paciente. En su libro de 1982, Judgment Under Uncertainty: Heuristics and Biases4, Kahneman y Tversky citaban un estudio en el que se planteaba a los participantes la siguiente situación: "Si una prueba para detectar una enfermedad cuya prevalencia es de 1/1000 tiene una tasa de falsos positivos del 5%, ¿cuál es la probabilidad de que una persona cuyo resultado sea positivo padezca realmente la enfermedad, suponiendo que usted no sepa nada sobre los síntomas o signos de la persona?".

La mitad de los participantes respondió un 95%, la respuesta media fue del 56% y sólo un puñado de participantes dio la respuesta correcta: 2%. Aunque los participantes en este estudio no eran médicos, este ejemplo demuestra lo importante que es que los profesionales de la medicina entiendan las tasas básicas y no cometan esta falacia. Olvidarse de tener en cuenta la información sobre la tasa base puede tener un efecto importante en el bienestar mental del paciente y puede impedir que los médicos examinen otras posibles causas, ya que las probabilidades del 95% parecen bastante seguras.

Cómo afecta al producto

La falacia de la tasa base entra en juego durante las compras en línea. Podemos estar más inclinados a comprar un producto basándonos en una reseña detallada que nos resuene, que en sus valoraciones generales.

Imagina que estás navegando por las redes sociales y encuentras a tu influencer favorito promocionando un producto para el cuidado de la piel. Podríamos confiar en su publicación como prueba de que el producto funciona; después de todo, los ingredientes son "totalmente naturales" y su rostro está resplandeciente. Mientras tanto, podríamos ignorar la reseña de dos estrellas del producto en Amazon o el hecho de que tuvo una caída repentina en las ventas poco después de su lanzamiento. Sencillamente, esa reseña se nos queda grabada porque es información individualizada. Pero las opiniones generales se nos escapan de la mente porque son información individualizada de base, lo que induce a error a la hora de comprar.

La falacia del tipo básico y la IA

A medida que aumenta la popularidad de la IA, es imposible escapar a los apasionados debates sobre su utilidad. Es posible que decidamos aceptar o rechazar el aprendizaje automático basándonos en los testimonios de otras personas, independientemente de las pruebas estadísticas sobre el rendimiento real del software. Por ejemplo, escuchar a un compañero de trabajo hablar maravillas de cómo ChatGPT le ayudó a redactar una propuesta de proyecto puede hacer que lo consideremos una gran herramienta de redacción, aunque la información de la tasa base revele que esto no siempre es cierto. Mientras tanto, un pariente mayor y escéptico que despotrique sobre los problemas éticos de la IA puede hacer que ignoremos el conjunto de pruebas que demuestran lo contrario.

Por qué ocurre

Se han propuesto varias explicaciones de por qué se produce la falacia del tipo base, pero hay dos teorías que destacan sobre las demás. La primera sostiene que se trata de una cuestión de relevancia: ignoramos la información sobre el tipo base porque la consideramos trivial y, por tanto, creemos que debe ser ignorada. La segunda teoría sugiere que la falacia del porcentaje base es el resultado del heurístico de la representatividad.

Relevancia

El artículo de Maya Bar-Hillel de 1980, "The base-rate fallacy in probability judgments",5 aborda las limitaciones de las teorías anteriores y presenta una explicación alternativa: la relevancia. En concreto, ignoramos la información de la tasa base porque creemos que es irrelevante para el juicio que estamos haciendo.

Bar-Hillel sostiene que, antes de emitir un juicio, clasificamos la información que recibimos en distintos niveles de relevancia. Si algo se considera irrelevante, lo descartamos y no lo tenemos en cuenta en nuestra conclusión. No es que seamos incapaces de integrar la información, sino que la confundimos con algo que no es lo bastante valioso como para integrarla. Esta tendencia nos lleva a ignorar información vital, a valorar cierta información más de lo debido o a centrarnos sólo en una fuente de información cuando deberíamos integrar varias.

Además, Bar-Hillel explica que parte de lo que nos hace ver ciertas informaciones como más relevantes que otras es la especificidad. Cuanto más específica es la información para la situación en cuestión, más relevante nos parece. La información individual es, por naturaleza, increíblemente específica. Por ello, la calificamos de muy pertinente. En cambio, la información sobre el tipo básico es muy general. Por esta razón, la clasificamos como poco relevante. Juntos, estos distintos niveles de especificidad hacen que sólo tengamos en cuenta la información individualizada a la hora de tomar decisiones. De lo que no nos damos cuenta es de que la información sobre el índice base suele ser un mejor indicador de la probabilidad, lo que compromete la exactitud de nuestros juicios.

Representatividad

Bar-Hillel sostiene que la representatividad por sí sola es insuficiente para explicar por qué se produce la falacia del tipo base, ya que no puede dar cuenta de todos los contextos.6 Dicho esto, la representatividad sigue siendo un factor que contribuye a la falacia del tipo base, concretamente en casos como el estudio de Tom W. descrito por Kahneman y Tversky.7

Los heurísticos son atajos mentales que utilizamos para facilitar los juicios a la hora de tomar decisiones. En concreto, la heurística de la representatividad, introducida por Kahneman y Tversky, describe nuestra tendencia a juzgar la probabilidad basándonos en la medida en que algo se parece al ejemplar prototípico de la categoría en la que se encuentra.

Veamos cómo funciona esto. En general, categorizamos mentalmente los objetos y acontecimientos, agrupándolos en función de características similares. Cada categoría tiene un prototipo: el ejemplo medio de todos los miembros que pertenecen a esa categoría. Cuanto más se parece algo a ese prototipo, más representativo de esa categoría juzgamos que es, incluida su probabilidad.8 La heurística de la representatividad da lugar a la falacia de la tasa base cuando consideramos que un suceso u objeto es extremadamente representativo y emitimos un juicio de probabilidad basándonos únicamente en ello, sin pararnos a considerar los valores de la tasa base.

Volviendo al ejemplo de Tom W., los participantes sólo dedujeron su campo de estudio por la apariencia de la viñeta. Al considerarlo representativo de un estudiante de postgrado en informática, los participantes lo clasificaron como más probable que estuviera estudiando ese campo, en lugar de en programas con tasas de matriculación mucho mayores. Dado que en aquel momento había muchos más estudiantes de educación y humanidades, era mucho más probable que estuviera en uno de esos campos. Sin embargo, la representatividad hizo que los participantes pasaran por alto la información sobre la tasa de base, lo que dio lugar a predicciones de probabilidad inexactas.

Por qué es importante

Hay casos en los que basarse únicamente en la información individualizada nos ayuda a comprender los valores atípicos, es decir, las anomalías fuera del ámbito de la probabilidad. Pero la inmensa mayoría de las veces, ignorar por completo la información sobre el índice de base conduce a juicios erróneos. Al fin y al cabo, basamos nuestras predicciones en estereotipos y no en estadísticas.

Por supuesto, esto no es un gran problema cuando adivinamos mal la especialidad o la profesión de alguien. Sin embargo, la falacia de la tasa base conduce a suposiciones infundadas sobre las personas que pueden tener consecuencias reales. Por ejemplo, podemos sospechar que nuestro colega tiene más probabilidades de cometer un delito por su raza o religión, aunque las estadísticas revelen que eso es todo menos cierto. Para contrarrestar los prejuicios y garantizar un trato justo a todos, debemos aprender a combatir de una vez por todas la falacia de la tasa de base.

Cómo evitarlo

Para evitar cometer la falacia de la tasa base, tenemos que trabajar para prestar más atención a la información de la tasa base de que disponemos, así como reconocer que la información individualizada no es un predictor muy fiable del comportamiento futuro. Ambas cosas nos obligan a ser más intencionados a la hora de evaluar la probabilidad de que se produzca un acontecimiento determinado. Es más fácil recurrir a procesos automáticos y sin esfuerzo, que facilitan mucho la toma de decisiones. Sin embargo, esto aumenta sustancialmente el riesgo de error. Si somos conscientes de esta falacia y la combatimos activamente, podremos reducir la frecuencia con que la cometemos y comprender mejor el mundo que nos rodea.

Cómo empezó todo

Es imposible hablar de la falacia de la tasa base sin mencionar a Kahneman y Tversky. Su artículo de 1973 "On the Psychology of Prediction "9 describe cómo el heurístico de la representatividad puede llevarnos a cometer la falacia de la tasa base. Lo ilustran con el estudio de Tom W. antes mencionado, en el que los participantes hicieron sus predicciones basándose en el esbozo de personalidad y olvidaron tener en cuenta el número de estudiantes de posgrado matriculados en cada programa.

Otra de las primeras explicaciones de la falacia de la tasa base es el artículo de Maya Bar-Hillel de 1980, "The base-rate fallacy in probability judgments".10 Describe la falacia como "la tendencia de las personas a ignorar las tasas base en favor de, por ejemplo, la información de individuación (cuando se dispone de ella), en lugar de integrar ambas". El artículo señala las limitaciones de la explicación de la representatividad de Kahneman y Tversky, y ofrece una teoría alternativa que explica la falacia de la tasa base.

En concreto, Bar-Hillel señala la relevancia percibida como el factor subyacente. Sugiere que cuanto más específica es la información, más relevancia le asignamos. Así, prestamos atención a la información individualizadora porque es específica y, por tanto, se considera relevante. Por otro lado, ignoramos la información sobre el tipo de base porque es general y, por tanto, se considera menos relevante.

Ejemplo 1 - El problema del taxi

Este ejemplo clásico de la falacia de la tarifa base procede del documento fundacional de Bar-Hillel.11 En primer lugar, los participantes aprenden la siguiente información sobre la tarifa base. En una ciudad ficticia hay dos compañías de taxis que se llaman como el color de sus taxis: la compañía "Verde" y la compañía "Azul". De todos los taxis de la ciudad, el 85% son azules y el 15% verdes.

A continuación, los investigadores explicaron a los participantes un escenario hipotético en el que un testigo identifica como verde un taxi implicado en un atropello. Para evaluar su fiabilidad, el tribunal pone a prueba la capacidad del testigo para discriminar entre taxis azules y verdes. Los resultados revelan que el testigo puede distinguir con precisión los colores el 80% de las veces, pero los confunde el 20%. Tras escuchar este escenario, los participantes predijeron la probabilidad de que el taxi implicado en el atropello fuera realmente verde.

La mayoría de los participantes adivinaron que la probabilidad de que el testigo identificara correctamente un taxi verde es del 80%. Sin embargo, todos los que dan esa respuesta están sujetos a la falacia de la tasa base. Recuerde que la información sobre la tasa base revela que sólo el 15% de los taxis de la ciudad son verdes, por lo que la probabilidad real de que el testigo acertara es del 41%. Esta probabilidad debe calcularse utilizando estadística inferencial, que considera tanto el porcentaje de taxis de cada color en la ciudad como la probabilidad de que el testigo discriminara correctamente entre los colores por la noche.

Ejemplo 2 - ¿Cuánto va a donar?

En su artículo del año 2000, "Feeling 'holier than thou': are self-serving assessments produced by errors in self- or social prediction?",12 Nicholas Epley y David Dunning descubrieron que tenemos tendencia a cometer la falacia de la tasa base al predecir nuestro propio comportamiento porque tenemos acceso a amplia información individualizadora sobre nosotros mismos. Durante su investigación, entregaron a estudiantes universitarios cinco dólares y les pidieron que predijeran cuánto de ese dinero donarían a obras benéficas, así como cuánto donaría la persona media. Tras sus predicciones iniciales, los participantes conocieron las donaciones de 13 de sus compañeros, uno por uno. Los participantes podían revisar sus predicciones después de que se revelaran las donaciones de tres de sus compañeros, después de que se revelaran las de siete y una vez más después de que se revelara la de trece.

En general, los participantes valoraron su propia generosidad como superior a la de sus compañeros. Al principio del estudio, la predicción media de la donación propia era de unos 2,75 dólares, mientras que la predicción media de sus compañeros era de unos 2,25 dólares. La cantidad media real donada fue de 1,50 dólares. En los tres momentos en los que se les dio la oportunidad de revisar sus predicciones, los participantes ajustaron sus predicciones de las donaciones de sus compañeros para que coincidieran con la información de la tasa base que habían adquirido. Después de ver las 13 donaciones realizadas por sus compañeros, la predicción media de las donaciones de sus compañeros se asemejaba mucho a la cantidad media real de donación de 1,50 dólares. Pero, curiosamente, las predicciones de los participantes sobre sí mismos no cambiaron, aunque obtuvieran más información sobre el tipo base.

La razón por la que los participantes tuvieron en cuenta la información sobre el índice base a la hora de hacer predicciones sobre sus compañeros es que no tenían acceso a información individualizada sobre ninguna de estas personas. En consecuencia, tuvieron que basarse únicamente en la información sobre el tipo base. Sin embargo, no ocurría lo mismo cuando hacían predicciones sobre sí mismos. Los participantes utilizaron su propia personalidad y comportamientos anteriores como información individualizada para predecir cuánto dinero donarían. Como tendemos a valorar más la información individualizada que la información básica, no ajustaron sus predicciones sobre sí mismos cuando tuvieron acceso a más información básica.13

Esto demuestra que, cuando no disponemos de información específica, utilizamos la información básica para hacer predicciones. Sin embargo, en cuanto tenemos acceso a esa información individualizadora, nos aferramos a ella y la utilizamos en su lugar.

Resumen

Qué es

La falacia de la tasa base se refiere a cómo tendemos a fiarnos más de la información específica que de la estadística a la hora de hacer juicios de probabilidad.

Por qué ocurre

Hay dos factores principales que contribuyen a que se produzca la falacia de la tasa base. Uno es la heurística de la representatividad, que afirma que el grado en que un suceso u objeto es representativo de su categoría influye en nuestros juicios de probabilidad, sin tener apenas en cuenta las tasas básicas. Otra es la relevancia, que sugiere que consideramos que la información específica es más relevante que la información general y, por tanto, atendemos selectivamente a la información individualizadora en lugar de a la información de la tasa base.

Ejemplo 1 - El problema del taxi

Una explicación clásica de la falacia de la tasa base implica un escenario en el que el 85% de los taxis de una ciudad son azules y el resto verdes. Cuando un taxi se ve implicado en un atropello, un testigo afirma que el taxi era verde, pero pruebas posteriores demuestran que sólo identifica correctamente el color del taxi por la noche el 80% de las veces.

Cuando se pregunta cuál es la probabilidad de que el taxi implicado en el atropello fuera verde, la gente tiende a responder que es del 80%. Sin embargo, no se tiene en cuenta que sólo el 15% de los taxis de la ciudad son verdes. Si se tiene en cuenta toda la información, los números muestran que la probabilidad de que el testigo tuviera razón es en realidad del 41%.

Ejemplo 2 - ¿Cuánto va a donar?

En otro estudio, se preguntó a los participantes qué cantidad de los cinco dólares que les habían dado donarían a una determinada organización benéfica. Se les pidió que hicieran la misma predicción sobre la media de sus compañeros. A continuación, se presentaron a los participantes las donaciones reales de otros 13 compañeros y se les dio la oportunidad de ajustar sus predicciones. Cambiaron sus predicciones sobre sus compañeros para que coincidieran con la información sobre el porcentaje base, pero no cambiaron sus predicciones sobre sí mismos debido a su excesiva confianza en la información individualizadora.

Cómo evitarlo

Para evitar cometer la falacia de la tasa base, debemos adoptar un enfoque más activo a la hora de evaluar la probabilidad, prestando más atención a la información sobre la tasa base de que disponemos y reconociendo que la información individualizada no es un factor de predicción muy fiable.

Artículos relacionados con TDL

¿Por qué utilizamos la similitud para medir la probabilidad estadística?

Como ya hemos dicho, Kahneman y Tversky plantearon la hipótesis de que la falacia de la tasa base se debe a la heurística de la representatividad, según la cual evaluamos la probabilidad de un acontecimiento en función de su similitud con un prototipo mental existente. Lee este artículo para saber más sobre el heurístico de la representatividad y otros tipos de predicciones erróneas que puede llevarnos a hacer.

¿Por qué confiamos demasiado en nuestras predicciones?

La falacia de la tasa base es uno de los principales factores causantes de la ilusión de validez, que es nuestra tendencia a confiar demasiado en la exactitud de nuestros juicios, concretamente en nuestras predicciones. Lee este artículo para descubrir más sobre en qué tipo de situaciones nos afecta la ilusión de validez, así como qué podemos hacer para evitarla.

Referencias

  1. Kahneman D. y Tversky, A. (1973). Sobre la psicología de la predicción. Psychology Review. 80(4), 237-251. doi: 10.1037/h0034747
  2. Ver 1
  3. Chen, J. (2020). Base Rate Fallacy. Investopedia. https://www.investopedia.com/terms/b/base-rate-fallacy.asp
  4. Kahneman, Daniel; Amos Tversky (1985). "Evidential impact of base rates". En Daniel Kahneman, Paul Slovic & Amos Tversky (ed.). Judgment under uncertainty: Heuristics and biases. Cambridge University Press. pp. 153-160.
  5. Bar-Hillel, M. (1980). The base-rate fallacy in probability judgments. Acta Psychologica, 44(3), 211-233. doi: 10.1016/0001-6918(80)90046-3
  6. Ver 5
  7. Ver 1
  8. Kahneman, D., y Tversky, A. (1972). Probabilidad subjetiva: un juicio de representatividad. Cognitive Psychology, 3(3), 430-454. doi: 10.1016/0010-0285(72)90016-3
  9. Ver1
  10. Ver 5
  11. Ver 5
  12. Epley, N., y Dunning, D. (2000). Feeling "holier than thou": Are self-serving assessments produced by errors in self- or social prediction? Journal of Personality and Social Psychology, 79(6), 861-75. doi: 10.1037/0022-3514.79.6.861
  13. Ver 12
Notes illustration

Eager to learn about how behavioral science can help your organization?