Heurística de representatividade - Representativeness heuristic

A heurística de representatividade é usada para fazer julgamentos sobre a probabilidade de um evento sob incerteza. É parte de um grupo de heurísticas (regras simples que regem o julgamento ou a tomada de decisão) propostas pelos psicólogos Amos Tversky e Daniel Kahneman no início dos anos 1970 como "o grau em que [um evento] (i) é semelhante em características essenciais às suas população parental, e (ii) reflete as características salientes do processo pelo qual é gerado ". As heurísticas são descritas como "atalhos de julgamento que geralmente nos levam aonde precisamos ir - e rapidamente - mas ao custo de ocasionalmente nos desviar do curso". As heurísticas são úteis porque usam a redução do esforço e a simplificação na tomada de decisões.

Quando as pessoas confiam na representatividade para fazer julgamentos, é provável que julguem erroneamente porque o fato de algo ser mais representativo não o torna realmente mais provável. A heurística de representatividade é simplesmente descrita como avaliando a similaridade de objetos e organizando-os com base no protótipo de categoria (por exemplo, semelhante vai com semelhante, e as causas e os efeitos devem ser semelhantes). Essa heurística é usada porque é um cálculo fácil. O problema é que as pessoas superestimam sua capacidade de prever com precisão a probabilidade de um evento. Assim, pode resultar na negligência de taxas de base relevantes e outros vieses cognitivos .

Determinantes de representatividade

A heurística de representatividade é mais provável de ser usada quando o julgamento ou decisão a ser feito tem certos fatores.

Semelhança

Julgamento instantâneo se o novo objeto se encaixa em uma categoria existente

Ao julgar a representatividade de um novo estímulo / evento, as pessoas geralmente prestam atenção ao grau de semelhança entre o estímulo / evento e um padrão / processo. Também é importante que essas características sejam salientes. Nilsson, Juslin e Olsson (2008) descobriram que isso foi influenciado pelo relato exemplar da memória (exemplos concretos de uma categoria são armazenados na memória), de modo que novas instâncias foram classificadas como representativas se altamente semelhantes a uma categoria, bem como se frequentemente encontrados. Vários exemplos de similaridade foram descritos na literatura sobre heurística de representatividade. Esta pesquisa enfocou as crenças médicas. As pessoas costumam acreditar que os sintomas médicos devem ser semelhantes às suas causas ou tratamentos. Por exemplo, há muito as pessoas acreditaram que as úlceras eram causadas por estresse, devido à heurística de representatividade, quando na verdade as bactérias causam úlceras. Em uma linha de pensamento semelhante, em algumas crenças da medicina alternativa, os pacientes foram encorajados a comer carne de órgão que corresponda ao seu distúrbio médico. O uso da heurística de representatividade pode ser visto em crenças ainda mais simples, como a crença de que comer alimentos gordurosos engorda. Mesmo os médicos podem ser influenciados pela heurística da representatividade ao julgar semelhanças , em diagnósticos, por exemplo. O pesquisador descobriu que os médicos usam a heurística de representatividade ao fazer diagnósticos, julgando o quão semelhantes os pacientes são ao paciente estereotipado ou prototípico com aquele transtorno.

Aleatoriedade

A irregularidade e a representatividade local afetam os julgamentos de aleatoriedade. Coisas que não parecem ter qualquer sequência lógica são consideradas representativas da aleatoriedade e, portanto, mais prováveis ​​de ocorrer. Por exemplo, THTHTH como uma série de lançamentos de moeda não seria considerado representativo de lançamentos de moeda gerados aleatoriamente, pois é muito bem ordenado.

A representatividade local é uma suposição em que as pessoas se baseiam na lei dos pequenos números, segundo a qual pequenas amostras são percebidas como representando sua população na mesma medida que grandes amostras ( Tversky & Kahneman 1971 ). Uma pequena amostra que aparece distribuída aleatoriamente reforçaria a crença, sob o pressuposto da representatividade local, de que a população está distribuída aleatoriamente. Por outro lado, uma pequena amostra com uma distribuição distorcida enfraqueceria essa crença. Se o lançamento da moeda for repetido várias vezes e a maioria dos resultados consistir em "cara", a suposição de representatividade local fará com que o observador acredite que a moeda está enviesada para "cara".

Os estudos clássicos de Tversky e Kahneman

Tom W.

Em um estudo feito em 1973, Kahneman e Tversky dividiram seus participantes em três grupos:

• "Grupo de taxa básica", que recebeu as instruções: "Considere todos os alunos de pós-graduação do primeiro ano nos EUA hoje. Por favor, escreva suas melhores estimativas sobre a porcentagem de alunos que estão matriculados nas nove áreas de especialização a seguir. " Os nove campos dados foram administração de empresas, ciência da computação, engenharia, humanidades e educação, direito, biblioteconomia, medicina, ciências físicas e da vida e ciências sociais e serviço social.
• "Grupo de semelhança", a quem foi dado um esboço de personalidade. "Tom W. é de grande inteligência, embora carente de verdadeira criatividade. Ele tem necessidade de ordem e clareza e de sistemas organizados e organizados em que cada detalhe encontre seu lugar apropriado. Sua escrita é um tanto monótona e mecânica, ocasionalmente animada por trocadilhos um tanto cafonas e por lampejos de imaginação do tipo ficção científica. Ele tem um forte impulso para a competência. Parece ter pouca simpatia pelas outras pessoas e não gosta de interagir com outras pessoas. Centrado em si mesmo, ele tem uma moral profunda senso." Os participantes desse grupo foram solicitados a classificar as nove áreas listadas na parte 1 em termos de quão semelhante Tom W. é ao aluno de pós-graduação prototípico de cada área.
• "Grupo de previsão", que recebeu o esboço de personalidade descrito em 2, mas também recebeu a informação "O esboço de personalidade anterior de Tom W. foi escrito durante o último ano de Tom no colégio por um psicólogo, com base em testes projetivos. Tom W. é atualmente um aluno de pós-graduação. Classifique os nove campos de especialização de pós-graduação a seguir em ordem de probabilidade de que Tom W. agora seja um aluno de pós-graduação em cada um desses campos. "

Os julgamentos de probabilidade foram muito mais próximos para os julgamentos de similaridade do que para as taxas básicas estimadas. Os resultados apoiaram as previsões dos autores de que as pessoas fazem previsões com base em quão representativo algo é (semelhante), em vez de com base em informações de taxa de base relativa. Por exemplo, mais de 95% dos participantes disseram que Tom teria mais probabilidade de estudar ciência da computação do que educação ou humanidades, quando havia estimativas de taxas básicas muito mais altas para educação e humanidades do que ciência da computação.

O problema do táxi

Em outro estudo feito por Tversky e Kahneman, os sujeitos receberam o seguinte problema:

Um táxi se envolveu em um atropelamento durante a noite. Duas empresas de táxi, a Green e a Blue, operam na cidade. 85% dos táxis da cidade são verdes e 15% são azuis.

Uma testemunha identificou o táxi como Azul. O tribunal testou a confiabilidade da testemunha nas mesmas circunstâncias que existiam na noite do acidente e concluiu que a testemunha identificou corretamente cada uma das duas cores 80% das vezes e falhou 20% das vezes.

Qual é a probabilidade de o táxi envolvido no acidente ser Azul, e não Verde, sabendo que essa testemunha o identificou como Azul?

A maioria dos sujeitos deu probabilidades de mais de 50% e alguns deram respostas de mais de 80%. A resposta correta, encontrada usando o teorema de Bayes , é inferior a essas estimativas:

• Há uma chance de 12% (15% vezes 80%) da testemunha identificar corretamente um táxi azul.
• Há uma chance de 17% (85% vezes 20%) de a testemunha identificar incorretamente um táxi verde como azul.
• Portanto, há uma chance de 29% (12% mais 17%) de que a testemunha identifique o táxi como azul.
• Isso resulta em uma chance de 41% (12% dividido por 29%) de que a cabine identificada como azul seja realmente azul.

A representatividade é citada no efeito semelhante da falácia do jogador, a falácia da regressão e a falácia da conjunção .

Vieses atribuídos à heurística de representatividade

Negligência da taxa básica e falácia da taxa básica

O uso da heurística de representatividade provavelmente levará a violações do Teorema de Bayes . O Teorema de Bayes afirma:

${\ displaystyle P (H | D) = {\ frac {P (D | H) \, P (H)} {P (D)}}.}$

No entanto, os julgamentos por representatividade olham apenas para a semelhança entre a hipótese e os dados, portanto, as probabilidades inversas são equiparadas:

${\ displaystyle P (H | D) = P (D | H)}$

Como pode ser visto, a taxa básica P (H) é ignorada nesta equação, levando à falácia da taxa básica . Uma taxa básica é a taxa básica de incidência de um fenômeno. A falácia da taxa básica descreve como as pessoas não levam em consideração a taxa básica de um evento ao resolver problemas de probabilidade. Isso foi testado explicitamente por Dawes, Mirels, Gold e Donahue (1993), que fizeram as pessoas julgarem a taxa básica de pessoas que tinham um traço de personalidade específico e a probabilidade de que uma pessoa que tinha um determinado traço de personalidade tivesse outro. Por exemplo, os participantes foram questionados sobre quantas pessoas em 100 responderam verdadeiras à pergunta "Eu sou uma pessoa conscienciosa" e também, dado que uma pessoa respondeu verdadeiras a esta pergunta, quantas responderiam verdadeiras a uma pergunta de personalidade diferente. Eles descobriram que os participantes igualaram as probabilidades inversas (por exemplo, ) mesmo quando era óbvio que eles não eram os mesmos (as duas perguntas foram respondidas imediatamente uma após a outra). ${\ displaystyle P (consciencioso | neurótico) = P (neurótico | consciencioso)}$

Um exemplo médico é descrito por Axelsson. Digamos que um médico faça um teste com 99% de precisão e você dê positivo para a doença. No entanto, a incidência da doença é de 1 / 10.000. Sua chance real de ter a doença é de 1%, porque a população de pessoas saudáveis ​​é muito maior do que a doença. Essa estatística costuma surpreender as pessoas, devido à falácia da taxa básica, já que muitas pessoas não levam em consideração a incidência básica ao julgar a probabilidade. A pesquisa de Maya Bar-Hillel (1980) sugere que a percepção da relevância da informação é vital para a negligência da taxa básica: as taxas básicas só são incluídas nos julgamentos se parecerem igualmente relevantes para as outras informações.

Algumas pesquisas exploraram a negligência da taxa básica em crianças, pois havia uma falta de compreensão sobre como essas heurísticas de julgamento se desenvolvem. Os autores de um desses estudos queriam entender o desenvolvimento da heurística, se ela difere entre julgamentos sociais e outros julgamentos, e se as crianças usam taxas básicas quando não estão usando a heurística de representatividade. Os autores descobriram que o uso da heurística de representatividade como estratégia começa cedo e é consistente. Os autores também descobriram que as crianças usam estratégias idiossincráticas para fazer julgamentos sociais inicialmente e usam taxas básicas mais à medida que envelhecem, mas o uso da heurística de representatividade na área social também aumenta à medida que envelhecem. Os autores descobriram que, entre as crianças pesquisadas, as taxas básicas eram mais prontamente usadas em julgamentos sobre objetos do que em julgamentos sociais. Depois que essa pesquisa foi conduzida, Davidson (1995) se interessou em explorar como a heurística de representatividade e a falácia da conjunção em crianças se relacionavam com os estereótipos infantis. Consistente com pesquisas anteriores, as crianças basearam suas respostas aos problemas fora das taxas básicas quando os problemas continham informações não estereotípicas ou quando as crianças eram mais velhas. Também houve evidências de que as crianças cometem a falácia da conjunção. Finalmente, à medida que os alunos envelhecem, eles usaram a heurística de representatividade em problemas estereotipados e, assim, fizeram julgamentos consistentes com os estereótipos. Há evidências de que mesmo crianças usam a heurística da representatividade, cometem a falácia da conjunção e desconsideram as taxas básicas.

A pesquisa sugere que o uso ou a negligência das taxas básicas podem ser influenciados pela forma como o problema é apresentado, o que nos lembra que a heurística de representatividade não é uma "heurística geral, para todos os fins", mas pode ter muitos fatores contribuintes. As taxas básicas podem ser negligenciadas com mais frequência quando as informações apresentadas não são causais. As taxas básicas são menos usadas se houver informações individualizantes relevantes. Descobriu-se que os grupos negligenciam a taxa básica mais do que os indivíduos. O uso de taxas básicas difere com base no contexto. A pesquisa sobre o uso de taxas básicas tem sido inconsistente, com alguns autores sugerindo que um novo modelo é necessário.

Conjunção falácia

Um grupo de graduandos recebeu uma descrição de Linda, modelada para ser representativa de uma feminista ativa. Em seguida, as participantes foram solicitadas a avaliar a probabilidade de ela ser uma feminista, a probabilidade de ela ser uma caixa de banco ou a probabilidade de ser uma caixa de banco e feminista. A teoria da probabilidade determina que a probabilidade de ser caixa de banco e feminista (a conjunção de dois conjuntos) deve ser menor ou igual à probabilidade de ser feminista ou caixa de banco. . Uma conjunção não pode ser mais provável do que um de seus constituintes. No entanto, as participantes avaliaram a conjunção (caixa de banco e feminista) como sendo mais provável do que ser caixa de banco sozinha. Algumas pesquisas sugerem que o erro de conjunção pode ser parcialmente devido a fatores lingüísticos sutis, como palavras inexplicáveis ​​ou interpretação semântica de "probabilidade". Os autores argumentam que tanto a lógica quanto o uso da linguagem podem estar relacionados ao erro e devem ser investigados de forma mais completa.

Falácia de disjunção

Pela teoria da probabilidade, a disjunção de dois eventos é pelo menos tão provável quanto qualquer um dos eventos individualmente. Por exemplo, a probabilidade de ser um graduado em física ou biologia é pelo menos tão provável quanto ser um graduado em física, se não mais provável. No entanto, quando uma descrição de personalidade (dados) parece ser muito representativa de um curso de física (por exemplo, protetor de bolso) em vez de biologia, as pessoas julgam que é mais provável que essa pessoa seja um especialista em física do que em ciências naturais ( que é um superconjunto da física).

A evidência de que a heurística de representatividade pode causar a falácia da disjunção vem de Bar-Hillel e Neter (1993). Eles descobriram que as pessoas julgam uma pessoa que é altamente representativa de ser um especialista em estatística (por exemplo, altamente inteligente, faz competições de matemática) como tendo mais probabilidade de ser um especialista em estatística do que em ciências sociais (superconjunto de estatísticas), mas eles não acho que é mais provável que ele seja formado em hebraico do que em humanidades (superconjunto da língua hebraica). Assim, apenas quando a pessoa parece altamente representativa de uma categoria, essa categoria é julgada como mais provável do que sua categoria superior. Essas avaliações incorretas permaneceram mesmo em face da perda de dinheiro real em apostas em probabilidades.

Insensibilidade ao tamanho da amostra

A heurística de representatividade também é empregada quando os sujeitos estimam a probabilidade de um parâmetro específico de uma amostra. Se o parâmetro representa altamente a população, o parâmetro geralmente é dado uma alta probabilidade. Este processo de estimativa geralmente ignora o impacto do tamanho da amostra.

Um conceito proposto por Tversky e Kahneman fornece um exemplo desse viés;

O exemplo é de dois hospitais de tamanhos diferentes. Aproximadamente 45 bebês nascem no grande hospital, enquanto 15 bebês nascem no pequeno hospital. Metade (50%) de todos os bebês nascidos em geral são meninos. No entanto, a porcentagem muda de 1 dia para outro. Por um período de 1 ano, cada hospital registrou os dias em que> 60% dos bebês nascidos eram meninos. A questão que se coloca é: qual hospital você acha que registrou mais dias assim?

• O hospital maior (21)
• O hospital menor (21)
• Quase o mesmo (ou seja, dentro de 5% um do outro) (53)

Os valores mostrados entre parênteses são o número de alunos que escolheram cada resposta.

Os resultados mostram que mais da metade dos respondentes selecionou a resposta errada (terceira opção). Isso se deve ao fato de os respondentes ignorarem o efeito do tamanho da amostra. Os entrevistados selecionaram a terceira opção provavelmente porque a mesma estatística representa os hospitais grandes e pequenos. De acordo com a teoria estatística, um tamanho de amostra pequeno permite que o parâmetro estatístico desvie consideravelmente em comparação com uma amostra grande. Portanto, o hospital de grande porte teria maior probabilidade de permanecer próximo ao valor nominal de 50%.

Veja mais sobre esse viés no artigo abaixo.

Equívocos de chance e falácia do jogador

Falácia de regressão

Veja também

• Afetar heurística
• Substituição de atributo
• Heurística de disponibilidade
• Lista de vieses no julgamento e tomada de decisão
• Negligência de extensão

Referências

Obras de Kahneman e Tversky

• Tversky, Amos; Kahneman, Daniel (1971). “Crença na lei dos pequenos números”. Boletim psicológico . 76 (2): 105-110. CiteSeerX  10.1.1.592.3838 . doi : 10.1037 / h0031322 .
• Kahneman, Daniel; Tversky, Amos (1972). "Probabilidade subjetiva: um julgamento de representatividade" (PDF) . Psicologia Cognitiva . 3 (3): 430–454. doi : 10.1016 / 0010-0285 (72) 90016-3 .
• Kahneman, Daniel; Tversky, Amos (1973). "Sobre a psicologia da previsão". Revisão psicológica . 80 (4): 237–251. doi : 10.1037 / h0034747 .
• Tversky, Amos; Kahneman, Daniel (1974). "Julgamento sob Incerteza: Heurísticas e Vieses" (PDF) . Ciência . 185 (4157): 1124–1131. Bibcode : 1974Sci ... 185.1124T . doi : 10.1126 / science.185.4157.1124 . PMID  17835457 . S2CID  143452957 .
• Tversky, Amos ; Kahneman, Daniel (1982). “Impacto Evidencial das Taxas Básicas” . Em Kahneman, Daniel; Slovic, Paul; Tversky, Amos (eds.). Julgamento sob incerteza: heurísticas e vieses . Ciência . 185 . Cambridge University Press. pp. 1124–1131. doi : 10.1126 / science.185.4157.1124 . ISBN 978-0-521-28414-1. PMID  17835457 . S2CID  143452957 .
• Tversky, Amos; Kahneman, Daniel (1983). "Raciocínio extensional versus raciocínio intuitivo: a falácia da conjunção no julgamento de probabilidade". Revisão psicológica . 90 (4): 293–315. doi : 10.1037 / 0033-295X.90.4.293 .

Referências gerais

• Baron, Jonathan (2000). Pensando e decidindo (3ª ed.). Cambridge University Press. ISBN 978-0-521-65972-7.
• Plous, Scott (1993). A psicologia do julgamento e tomada de decisão . McGraw-Hill Education. ISBN 978-0-07-050477-6.

links externos

• Apresentação em PowerPoint sobre a heurística de representatividade (com mais links para apresentações de experimentos clássicos)