Raciocínio Humano e Falhas
de Racionalidade
Para a Semana da Páscoa
Chequem o site do projeto Ockham: http://www.projetoockham.org/index.php Material a ser postado no COL (cursos
online -
http://col.redealuno.usp.br/portal/ ) este fim de semana.
Material de aula
O curso vai ser baseado nas notas de
aula e uma apostila que logo será colocada no COL, após algumas atualizações.
Além disso, há alguns livros
interessantes que vocês podem utilizar de forma complementar.
Bibliografia para a primeira
parte do curso
Um excelente texto (apesar do título) é
Baron, J., Thinking and Deciding.
Uma indicação do Prof. Camilo como
bom livro em português é Navega, S., Pensamento Crítico e Argumentação Sólida.
A Biblioteca tem alguns textos muito
interessantes:
Gauch, H., Scientific method in practice
O que é racionalidade?
Como podemos definir comportamento
racional?
Existem regras que dizem que nosso
raciocínio é falho? Se houver, quem tem razão, as regras ou nosso bom senso? Por quê?
A racionalidade é entendida como uma
série de regras que qualquer raciocínio deve seguir para poder ser
considerado correto.
Estas regras podem lidar com
situações de certeza (dedutivas) ou incerteza (indutivas).
Raciocínio Lógico
Suponha que cada uma das cartas
abaixo tenha uma letra de um lado e um número do outro e alguém diga: “Se
uma carta tem uma vogal em um lado, ela tem um número par do outro lado.” Quais das cartas precisariam ser
viradas para decidir se a pessoa está mentindo?
Tversky e Kahneman, 1982
Linda tem 31 anos, é solteira, franca e muito
inteligente. Ele se formou em filosofia e, durante a faculdade, preocupava-se
profundamente com os problemas de discriminação e justiça social, tendo, também, participado de manifestações
antinucleares. Qual das alternativas abaixo é mais provável?
1. Linda é caixa de um banco
2. Linda é caixa de um banco e participa ativamente do movimento feminista.
Exemplo 2
(Nisbett & Ross, 1980)
Suponha que um estudo com 250 pacientes
neurológicos encontrou as seguintes freqüências para tontura e tumor cerebral:
Qual (quais) das células é (são) necessária(s) para se
determinar se tumor cerebral está associado à tontura nesta amostra? De acordo com a tabela, a incidência de tumor parece estar associada a observação de
tontura nos pacientes?
Tumor Cerebral
Presente Ausente Presente 160 40
Imagine que o país está se preparando para o
aparecimento de uma epidemia de uma rara doença asiática que, estima-se, irá matar 600 pessoas. Dois programas alternativos para se combater a doença foram propostos. Assuma que as estimativas científicas exatas para o resultado de cada programa sejam os dados abaixo:
Se o Programa A for adotado, 200 pessoas serão
salvas.
Se o Programa B for adotado, existe um terço de
chance de que todas as 600 pessoas sejam salvas e dois terços de que todas morram.
Imagine que o país está se preparando para o
aparecimento de uma epidemia de uma rara doença asiática que, estima-se, irá matar 600 pessoas. Dois programas alternativos para se combater a doença foram propostos. Assuma que as estimativas científicas exatas para o resultado de cada programa sejam os dados abaixo:
Se o Programa C for adotado, 400 pessoas morrerão.
Se o Programa D for adotado, há um terço de chance de
que ninguém morra e dois terços de chance de que todos morram.
Você sabe que uma determinada doença é observada
em 1 a cada 1000 pessoas.
Um teste para tentar determinar se uma pessoa possui
esta doença é sujeito a erros. Para simplificar, vamos assumir que a chance de se obter um resultado errado é de 2%. Ou seja
Se você estiver doente, há 2% de chance de que o teste
indique que você está saudável.
Se você estiver saudável, há 2% de chance do teste
dizer que você está doente.
Você faz o teste e obtém um resultado positivo,
indicando que você deve estar doente. Dado que há a chance de o teste estar errado, qual é a chance real de você estar doente?
Você sabe que uma determinada doença é observada
em 1 a cada 1000 pessoas.
Um teste para tentar determinar se uma pessoa possui
esta doença é sujeito a erros. Para simplificar, vamos assumir que a chance de se obter um resultado errado é de 2%. Ou seja
Se você estiver doente, há 2% de chance de que o
teste indique que você está saudável.
Se você estiver saudável, há 2% de chance do teste
dizer que você está doente.
Você faz o teste e obtém um resultado positivo,
indicando que você deve estar doente. Dado que há a chance de o teste estar errado, qual é a chance real de você estar doente?
Como saber o que é certo?
Em cada um dos casos anteriores,
conseguimos entender o erro que cometemos.
Mas como garantir no futuro que
nossas análises não serão vítimas de problemas semelhantes?
Ferramentas úteis
Lógica Dedutiva – quando aplicável,
demonstra a veracidade de
proposições, a partir de outras que consideramos verdadeiras.
Lógica Indutiva – lida com graus de
certeza – é mais geral, mas não fornece demonstrações.
Falácias
Existem muitas falácias comuns já
identificadas.
Há outros exemplos mais sofisticados
de falha no raciocínio humano.
São falhas no sentido de não
concordarem com as normas da Teoria da Decisão
“Teoria” da Decisão
A definição do que significa
comportamento racional em um contexto de tomada de decisão com incerteza foi desenvolvida por von Neumann e
Morgenstern (1947).
Savage (1954) expandiu o conceito,
introduzindo a idéia de que a
maximização de utilidade seria feita a partir de probabilidades subjetivas.
Bases da Decisão
Probabilística
Diferentes pontos de partida levam à
mesma formulação da racionalidade obtida por Savage:
Plausibilidade e lógicas indutivas “Dutch Books” - apostas
Decisões Humanas
Seres humanos possuem formas de
mudar de opinião e tomar decisões que não necessariamente seguem as regras que definem a racionalidade.
Formas de raciocínio diferentes levam a
conclusões diferentes.
Paradoxos?
Paradoxos de Allais (1953) e Ellsberg
(1961) - primeiras observações de não concordância entre o comportamento humano e as previsões da teoria da decisão
Escolha entre diferentes apostas mostra
que pessoas não possuem uma função utilidade como definida por von
Pessoas e Probabilidades
Kahneman & Tversky
(1979,1992)
sugeriram que, ao tomar suas decisões as pessoas podem estar alterando os
valores associados a cada possível
retorno, assim como os valores das
probabildades
(funções peso, como na figura ao lado,
Dominância Estocástica
Qual das duas apostas abaixo você
preferiria? 1) 90% de chance de ganhar R$96,00 10 % de chance de ganhar R$12,00 ou 2) 90% de chance de ganhar R$96,00 5 % de chance de ganhar R$14,00 5 % de chance de ganhar R$12,00
Detectando Relações
Quando parece haver relação entre
variáveis, as pessoas detectam
relações mesmo quando elas não
existem (Chapman & Chapman, 1967 – pares de palavras relacionadas).
Da mesma forma, quando nenhuma
relação é esperada, pessoas falham em notar até mesmo relações bem fortes
Fazendo Análises e Previsões
Um resultado bastante consistenteobservado na literatura é o de que pessoas, mesmo especialistas,
costumam tomar decisões em análise de dados menos precisas do que
simples regras provenientes de uma regressão (Bishop & Trout, 2005).
Outros Efeitos
Qual sequência abaixo parece mais
com o que você esperaria de resultado para um lançamento de uma moeda
(H=cara, T=coroa)?
1) HTHHHTTTTHTHHTTTHHHTH
Conservadorismo
Quando recebem novos dados, em
geral, as pessoas mudam suas opiniões menos do que deveriam, ou seja, tem
uma tendência a conservar opiniões anteriores (Phillips & Edwards, 1966).
Efeitos de Ordem
A ordem em que uma questão é
apresentada pode alterar
significativamente os resultados de uma pesquisa (Plous,1993).
Calibração
Excesso/falta de confiança – ao pedir
para que pessoas estimem a chance de elas terem acertado uma questão, em geral, elas fornecem chances maiores que as reais.
Este efeito se inverte quando a chance
de acerto é muito grande – neste caso, elas fornecem chances menores.
Heurísticas
Nosso bom senso, em vários casos,
parece utilizar regras simples que resolvam os problemas de forma
correta em boa parte dos casos, mas não sempre:
Pequenas amostras e detecção de
variáveis relacionadas (Kareev, 1997).
Existência de heurísticas eficientes para
tomada de decisão - “Take the best”, minimalista (Martignon, 2001).
Boa parte dos erros que vimos podem
ser explicados desta forma.
Alguns pesquisadores sugeriram que
nossos cérebros são bem equipados para resolver problemas específicos; em situações diferentes, é natural que nossas análises forneçam resultados errados.
Tendo sido um aluno dedicado, você
consegue um emprego pagando um
bom salário e decide comprar um carro. Como você escolheria qual o carro você vai comprar?
Adaptação
Nosso cérebro parece ser bem adaptado
para resolver problemas complexos de forma rápida e razoavelmente eficiente.
Evolução – custos x benefícios de uma
análise mais precisa.
Apesar de eficiente, nossas heurísticas não
são perfeitas – necessidade de métodos de checagem das conclusões a que chegamos.
Racionalidade Limitada
Temos uma racionalidade limitada. Ela
é eficiente para a maior parte dos problemas práticos, mas falha em várias circunstâncias.
De forma a construir um raciocínio
sólido, precisamos aprender o que faz com que ele seja sólido, assim como conhecer os erros que seres humanos cometem rotineiramente.
Bibliografia
Allais, Maurice. (1953). The behavior of rational man in risky situations - A critique of the axioms and postulates of the American School. Econometrica, 21, 503-546.
Bishop, M. A. & Trout, J. D. (2005) Epistemology and the Psychology of Human Judgment. Oxford, Oxford University Press.
Chapman, L. J., & Chapman, J. P. (1967) Genesis of popular but erroneous psychodiagnostic observations. Journal of Abnormal Psychology, 72, 193-204. Ellsberg, Daniel. (1961). Risk, ambiguity and the Savage axioms. Quart. J. of
Economics, 75, 643-669.
Hamilton, D. L., & Rose, T. L. (1980) Illusory correlation and the maintenance of stereotypic beliefs. Journal of Personality and Social Psychology, 39, 832-845. Kahneman, Daniel, & Tversky, Amos. (1979). Prospect theory: An analysis of
decision under risk. Econometrica, 47, 263-291
Kahneman, Daniel, & Tversky, Amos. (1992). Advances in prospect theory: Cumulative representation of uncertainty. J. of Risk and Uncertainty, 5, 297-324.
Kareev, Yaakov, Lieberman, Iris, & Lev, Miri. (1997). Through a narrow window: Sample size and the perception of correlation. J. of Exp. Psych.: General, 126, 278-287.
Martignon, Laura. (2001). Comparing fast and frugal heuristics and optimal models in Gerd Gigerenzer, & Reinhard Selten (eds.), Bounded rationality: The adaptive toolbox. Dahlem Workshop Report, 147-171. Cambridge: Mass, MIT Press.
Martins, A. C. R. (2005). Adaptive Probability Theory: Human Biases as an Adaptation. Cogprint preprint at http://cogprints.org/4377/
Martins, A. C. R. (2006) Probability Biases as Bayesian Inference. Judgment and Decision Making, v.1, n. 2, 108-117.
Nisbett, R. E. & Ross, L. (1980) Human inference: Strategies and shortcomings of social judgment. Englewood Cliffs, Prentice Hall.
Philips, L. D., & Edwards, W. (1966). Conservatism in a simple probability inference task. Journal of Experimental Psychology, 72, 346-354.
Plous, S. (1993) The Psychology of Judgment and Decision Making. New York, Mc-Graw Hill.
Savage, Leonard J. (1954). The Foundations of Statistics. New York: Wiley. Tversky, A. & Kahneman, D. (1982) Judgement of and by representativeness.
Em D. Kahneman, P. Slovic & A. Tversky,Judgement under uncertainty: heuristics and biases. Cambridge, Cambridge Unviersity Press.
von Neumann, John, & Morgenstern, Oskar. (1947). Theory of Games and Economic Behavior. Princeton: Princeton University Press.
