1. Falacia por generalización precipitada
a. Historias sobre falacias por generalización precipitada
- El pavo inductivista de B. Russell
E n una de sus obras, el filósofo inglés B. Russell expresa las limitaciones del razonamiento inductivo, basadas en que la experiencia que hayamos tenido en el pasado, por muchos ejemplos similares que se hayan repetido, no sirve para apoyar una conclusión referida a los acontecimientos del presente. Para explicar esta idea recurre al ejemplo del pavo inductivista, un pavo que confiaba en la experiencia acumulada para establecer una conclusión sobre el dueño de la granja. Había acumulado una amplia muestra de datos acerca de la hora en que recibía el alimento. Cada mañana, a las 9 en punto, el granjero americano entraba y le daba de comer. Se fijó también en que el dueño de la granja lo alimentaba a la misma hora en diferentes épocas del año, con independencia del tiempo que hacía o de si era un día festivo o un día laboral. A partir de estas observaciones de lo que había ocurrido en el pasado, extrajo la conclusión "Todos los días, a las 9 en punto, me dan el alimento". Pero un día, el granjero entró y no fue a darle el alimento, sino que lo sacrificó para celebrar el día de Acción de Gracias.
Es una expresión que se utiliza cuando encontramos un caso que contradice lo que ocurre la mayoría de las veces. Por eso decimos que ese caso encontrado sería la excepción que confirma la regla.
Pero hay que tener en cuenta que:1
"La excepción que confirma la regla" es una de las expresiones que menos me gustan. Como científico, tiendo a pensar que una regla es una regla, y si tiene excepciones lo que hacen es invalidar la regla, no confirmarla. Según mi humilde opinión, si digo "los coches Ford son azules" y de repente un Ford rojo cruza la calle, mi hipótesis queda para la papelera. Ni siquiera una interpretación estricta podría salvar mi norma, porque aun admitiendo la existencia de un Ford rojo, nada impide que haya más Ford rojos, o amarillos. Mejor descartar la norma y buscar otra, que aceptar una regla con tantos contraejemplos caprichosos /.../ recuerde: "la excepción confirma la regla" solamente pone de manifiesto la existencia de una regla. Ni sabemos qué regla es, ni se confirma la validez o no de una regla determinada. Lo único honrado sería decir algo así como "la excepción confirma que hay una regla." Cuál sea esa regla es harina de otro costal. Y por supuesto, no cuela como argumentación seria. Siguiendo el ejemplo con el que he comenzado, afirmar que un Ford rojo es una excepción a la regla de que todos los Ford son azules solamente "demuestra" que hay coches Ford de colores."
- La elección de Roosevelt
Un ejemplo clásico de un razonamiento inductivo que falló porque la muestra utilizada, aunque muy amplia, no era representativa se produce en 1936, cuando la revista estadounidense "Literary Digest" fracasó estrepitosamente al determinar el ganador de las elecciones presidenciales. Hizo una encuesta a gran escala, utilizando una muestra superior a los 2 millones de votantes, para determinar si el ganador de las elecciones sería Alf Landon, del partido Republicano, o Franklin D. Roosevelt, del partido Demócrata. Los nombres de las personas encuestadas se extrajeron, en todo el país, del listín telefónico y del registro de la propiedad de automóviles. A partir de los resultados de la encuesta se predijo la victoria de Landon. Sin embargo, el ganador de las elecciones fue Roosevelt. ¿Por qué falló la encuesta, siendo tan amplía la muestra? El problema era que no se utilizó una muestra representativa de las diferentes clases sociales del país. En aquella época, el teléfono y el automóvil no eran accesibles a todas las capas sociales, sino sólo a los votantes urbanos y ricos (es decir, a una minoría dentro de la población estadounidense del momento). La encuesta había olvidado a otros grupos sociales mayoritarios: los habitantes de las zonas rurales y los de las clases empobrecidas por la crisis del 29, cuyos efectos continuaron hasta años después. Sin embargo, el científico social George Gallup hizo una encuesta mucho más pequeña, pero utilizando muestras representativas, y acertó en su predicción de que el ganador de las elecciones sería, por amplia mayoría, Roosevelt. Este inició su política, conocida como New Deal, que consistió en estimular el gasto público invirtiendo en infraestructura para terminar con las secuelas de la Depresión del 29.
b. Definición
La falacia por generalización precipitada es aquel error en la argumentación que se produce cuando se establece una conclusión a partir de de una base insuficiente de datos. A partir de una serie insuficiente de casos que son similares, establecemos una conclusión general para todos los casos.
Por ejemplo: "Este curso, he visto a Juan leer cuatro libros y los cuatro eran novelas de ciencia ficción. Por tanto, todos los libros que ha leído Juan este curso son novelas de ciencia ficción". La conclusión general que he establecido puede resultar precipitada, ya que podría ocurrir, sin embargo, que Juan haya leído algunos libros sin que yo lo haya visto, y que algunos de esos libros sean novelas policíacas, u obras de teatro o de poesía. También podría darse el caso de que hubiese leído algún libro que no sea de literatura.
Otro ejemplo: "En la encuesta que se ha hecho en la ciudad de Murcia se ha encontrado que un 30% de su población activa son funcionarios. Por tanto, en España hay un número excesivo de funcionarios, pues un 30% de la población activa española está formada por funcionarios". La conclusión general (para el conjunto de España) que establecemos, a partir de la encuesta realizada en una sola ciudad española (Murcia), resulta precipitada, pues no tiene en cuenta lo que ocurre en otras ciudades de España ni tiene en cuenta que, en el mundo rural, no hay tanta proporción de funcionarios.
Este tipo de falacia está relacionada con el razonamiento inductivo, en el que la conclusión que se establece no se sigue necesariamente de las premisas (como en el caso del razonamiento deductivo); en la inducción, las premisas sólo sirven para apoyar la conclusión con un cierto grado de probabilidad. Así, por ejemplo, en el siguiente razonamiento inductivo:
"Durante todo el mes el autobús ha llegado a la parada a las 8 en punto "
"Hoy he llegado a la parada del autobús a las 8 y tres minutos y el autobús no está",
Por tanto, "el autobús ya ha pasado"
lo que puedo establecer, con bastante probabilidad, es la conclusión de que el autobús ya ha pasado y lo he perdido. Pero esto no tiene por qué ser necesariamente así. Podría ocurrir que hubiese un atasco, que el autobús haya sufrido una avería o, simplemente, que se haya retrasado el conductor.
En el razonamiento inductivo, por tanto, pasamos de una muestra de datos (de un número particular de casos) al establecimiento de una conclusión referida a todos los casos (como en el ejemplo de los libros leídos por Juan) o al conjunto total de una población (como en el ejemplo de los funcionarios que hay en la población española).
Para evitar este tipo de falacia debemos tener en cuenta:
a) Que la muestra utilizada sea suficiente: que tengamos en cuenta más de unos pocos datos o ejemplos (si a mis tres amigos y a mí no nos gusta la música rap, esto no es suficiente para decir que la música rap no es del gusto de la mayoría de las personas de nuestra edad). Si se trata de un conjunto pequeño de casos, entonces es conveniente analizar cada uno de ellos. (Así, por ejemplo, si estamos analizando la evolución del paro por meses, conviene tener en cuenta los datos de cada uno de los 12 meses).
b) Que la muestra sea representativa: que los datos que utilicemos sean datos que tengan en cuenta al conjunto de la población y no a un grupo (o unos pocos grupos) de la misma. (Por ejemplo, si queremos establecer una conclusión sobre la matriculación de alumnos en centros públicos o centros concentrados, tendremos que tener en cuenta a las familias rurales, a las familias de pequeñas ciudades y a las familias de grandes ciudades. También habremos de tener en cuenta a las familias de clase alta, de clase media y de clase baja. Teniendo en cuenta muestras de los diferentes subgrupos representativos de una población, la conclusión será más adecuada).
c) Hay que tener en cuenta la existencia de contraejemplos:
Una generalización es precipitada si no hemos tenido en cuenta ejemplos en contrario. Los contra-ejemplos impiden que puedan hacerse algunas generalizaciones. Así, por ejemplo, si, a partir de la genialidad del pintor Van Gogh o de la genialidad del filósofo alemán Nietzsche, ambos con problemas de salud mental, decimos que "todos los genios sufren trastorno mental", entonces alguien puede poner bastantes contraejemplos: genios de la pintura (Picasso, Velázquez, etc.) o genios del conocimiento (Newton, Aristóteles, etc.) no tenían problemas de salud mental.
Medicina contra esta falacia: Es conveniente tener en cuenta el tamaño de la muestra, cuando esta es pequeña, para indicar que es una muestra insuficiente. También conviene que nos fijemos en el tamaño de la población, pues si la población es grande y la muestra es pequeña en relación a ella, resultará insuficiente. Por último, se tendrá en cuenta si la muestra es o no representativa, pues si no lo es, se producirá la falacia.
c. Para seguir reflexionando sobre las generalizaciones, tópicos y estereotipos:
Recomendar el libro del filósofo Aurelio Arteta “Tantos tontos tópicos”, como generalizaciones o monedas comunes sin fundamento:
1. Fragmento tomado de http://fisicadepelicula.blogspot.com.es
