EL SESGO DE REPRESENTATIVIDAD

El sesgo de representatividad es un fenómeno cognitivo identificado por Daniel Kahneman y Amos Tversky que describe la tendencia de las personas a juzgar la probabilidad de un evento basándose en la similitud o "representatividad" que dicho evento tiene con respecto a un estereotipo o categoría preexistente, en lugar de considerar su probabilidad objetiva. Este sesgo puede llevar a errores sistemáticos en la toma de decisiones, ya que los individuos suelen ignorar información estadística relevante (como las tasas base) al guiarse por patrones que parecen familiares.

Un ejemplo clásico es el problema de Linda: A una persona se le describe a Linda como alguien muy activa en movimientos sociales, con estudios en filosofía y preocupada por temas de justicia social. Luego, se pregunta qué es más probable: (1) que Linda sea una cajera de banco o (2) que sea una cajera de banco y activista feminista. A pesar de que la primera opción es más probable (por la regla estadística de conjunción), la mayoría de las personas elige la segunda opción porque encaja mejor con la descripción previa. Este error surge porque el juicio se basa en la representatividad de Linda como feminista, ignorando que un evento más específico (ser cajera y activista) tiene siempre menor probabilidad que uno más general (ser solo cajera).

Este sesgo también tiene repercusiones en áreas como las finanzas y la inversión. Por ejemplo, los inversores pueden pensar que una empresa que tuvo un rendimiento exitoso en el pasado seguirá teniendo éxito en el futuro, basándose en una narrativa representativa de "empresa ganadora", sin considerar adecuadamente las probabilidades estadísticas de reversiones a la media. De manera similar, en mercados financieros, los inversores pueden ver patrones donde no los hay, como suponer que una serie de eventos positivos implica necesariamente que continuará la tendencia, lo que lleva a decisiones sesgadas.

Además, el sesgo de representatividad afecta la vida cotidiana y las evaluaciones de riesgo. Por ejemplo, las personas pueden sobreestimar la probabilidad de accidentes aéreos si se les recuerda un reciente accidente que recibiera mucha cobertura mediática, aunque los viajes aéreos sigan siendo estadísticamente más seguros que los viajes por carretera. Esto refleja cómo la mente humana tiende a simplificar la evaluación de probabilidades mediante atajos mentales, pero a menudo a costa de precisión.

BIBLIOGRAFÍA

1.     Tversky, A., & Kahneman, D. (1974).
Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124-1131.

• En este artículo clásico, los autores introducen varios sesgos cognitivos, incluyendo el de representatividad, mostrando cómo las personas recurren a atajos mentales para hacer juicios bajo incertidumbre, lo que puede llevar a errores sistemáticos.

2.     Grether, D. M. (1980).
Bayes Rule as a Descriptive Model: The Representativeness Heuristic. The Quarterly Journal of Economics, 95(3), 537-557.

• Este trabajo explora cómo las decisiones humanas se desvían del razonamiento bayesiano clásico debido al uso de la heurística de representatividad, demostrando que los individuos no siempre procesan correctamente la información estadística.