hechaalumnos pec 2015-2016 el enfoque de los modelos mentales en el razonamiento probabilístico

APELLIDOS: Martínez Jareño

NOMBRE: Ana María D.N.I. 49245873k

CENTRO ASOCIADO: Cartagena

ORIENTACIONES y DIRECTRICES para la realización de la PRUEBA de EVALUACIÓN CONTINUA (PEC)

Tema 6: RAZONAMIENTO PROBABILÍSTICO.

PEC: El enfoque de los modelos mentales en el razonamiento probabilístico: inferencia bayesiana y estimación de probabilidades relativas.

Antes de realizar la prueba de evaluación continua el alumno debe leer detenidamente el capítulo 6 del manual sobre razonamiento probabilístico, en concreto, los apartados 2, 3a. y 4. Debe repasarse también el punto 2.1 del apartado 2 del capítulo 2 (Tema 2: Psicología del razonamiento).

La PEC está diseñada en un formulario Word 2007. Para responder a las preguntas se debe contestar directamente en el formulario rellenando los campos sombreados o, en su caso, seleccionando la casilla de verificación. En el caso de los campos sombreados se facilita algún dato a modo de pauta para la realización del ejercicio. Para rellenar el formulario podrá desplazarse de un campo al siguiente utilizando la tecla de tabulación.

La actividad puede completarse de forma progresiva no olvidando guardar las versiones parciales en el ordenador. La versión definitiva deberá ser guardada para ser enviada al profesor tutor.

No olvide poner su nombre, apellidos, centro asociado y D.N.I.

1Material didáctico elaborado por el equipo docente de Psicología del Pensamiento: Sánchez Balmaseda, P. y González Labra, M.J.

El envío debe realizarse exclusivamente a través de la plataforma aLF: enlace “Entrega de trabajos” del menú de la página de inicio.

La PEC deberá ser corregida y evaluada por el profesor tutor asignado al alumno.

Puesto que es el profesor tutor el encargado de la evaluación de la PEC, cualquier duda de tipo formal o de contenido en relación a la PEC deberá plantearse al profesor tutor en la tutoría presencial, el foro de centro asociado o a través de correo electrónico. A su vez, el equipo docente de la sede académica habilitará un foro específico de coordinación tutorial para resolver cualquier duda o aclaración en relación al contenido de la PEC y/o al procedimiento de evaluación que se le pueda plantear al profesor-tutor.

Las fechas de entrega, calificación y cierre de la evaluación de la PEC están programadas en el calendario del curso virtual y son las siguientes:

Apertura del plazo de realización de la PEC: 7 de marzo. La PEC podrá descargarse pinchando en el icono “Tareas” del Plan de trabajo o bien desde el apartado del plan de trabajo donde se ubican los recursos de apoyo (foro y preguntas de autoevaluación) del tema 6.

Entrega de la PEC: del 14 de marzo al 18 de abril (18 de abril a las 23:55 horas). Fecha de corrección y evaluación: hasta el 9 de mayo. Periodo para pedir revisiones al profesor tutor: 9-13 mayo. Cierre de las calificaciones de la PEC: 16 mayo.

Después de la fecha de cierre, no podrá realizarse ninguna modificación en la evaluación.

La realización de la actividad con una valoración mínima de “aprobado” permite incrementar la calificación en el examen presencial a partir de una calificación mínima de 5.

La siguiente tabla recoge la equivalencia entre la calificación nominal y el incremento en puntos en la calificación del examen presencial.


PUNTUACIÓN NOMINAL en la PEC INCREMENTO en la CALIFICACIÓN en el EXAMEN

Sobresaliente (9-10) 0.9-1 puntoNotable (7-8) 0.7-0.8 puntos

Aprobado (5-6) 0.5-0.6 puntosSuspenso (<5) 0 puntos

La calificación de 0 puntos no corresponde a la calificación literal de la actividad, sino que indica que “la actividad no incrementa la calificación del examen”.

OBJETIVOS

1. Analizar, relacionar y aplicar a diferentes problemas los términos del modelo normativo del Teorema de Bayes para el cálculo de la probabilidad condicional inversa en el razonamiento probabilístico.

2. Ejemplificar en el marco de los problemas planteados las desviaciones del modelo normativo que definen los dos sesgos básicos en el razonamiento probabilístico.

3. Profundizar en la conceptualización del enfoque de la Teoría de los Modelos Mentales en el razonamiento probabilístico aplicando el principio del subconjunto a diferentes problemas planteados para calcular la probabilidad condicional inversa.

4. Comparar el modelo normativo del Teorema de Bayes con el principio del subconjunto de la Teoría de los Modelos Mentales para el cálculo de la probabilidad condicional inversa, aplicando ambos a diferentes ejemplos.

5. Analizar en el marco de la Teoría de los Modelos Mentales el sesgo que pueden producir la incorrecta aplicación del principio de verdad y el principio de equiprobabilidad en la estimación de probabilidades relativas.


6. Integrar el análisis de las tablas de verdad de determinados operadores lógicos en el marco de la estimación de probabilidades relativas para evitar que se produzcan los sesgos mencionados.

PRESENTACIÓN

El enfoque de esta prueba de evaluación continua (PEC) es eminentemente práctico. Aborda tres grandes núcleos conceptuales del tema sobre “Razonamiento Probabilístico”, el modelo normativo del Teorema de Bayes, el concepto de sesgo y uno de los enfoques teóricos del razonamiento probabilístico: la Teoría de los Modelos Mentales. El análisis de los núcleos temáticos mencionados se desarrolla en el marco de cinco problemas planteados de los que se derivan ejercicios y actividades prácticas.

El modelo normativo del razonamiento probabilístico, el Teorema de Bayes, se trabaja en los Bloques I y III-a. Para resolver correctamente los ejercicios planteados basados en este Teorema, el alumno debe estudiar previamente el apartado 2 del capítulo 6 y analizar con detalle el ejemplo del manual. La PEC plantea dos nuevos problemas con datos numéricos sencillos que permitirán al alumno aplicar y manejar los dos conceptos básicos del teorema. En concreto, la probabilidad a priori de las Hipótesis: P (H) y la diagnosticidad del Dato para las distintas Hipótesis: P (D|H); es decir, la probabilidad del Dato supuesta cada una de las Hipótesis. El Teorema nos permitirá aplicar estos conceptos a dos nuevos ejemplos para calcular la probabilidad condicional inversa: la probabilidad de cada una de las Hipótesis supuesto el Dato: P (H|D). Con el fin de facilitar al alumno la aproximación a estos conceptos y su aplicación a nuevos ejercicios, el problema planteado en el Bloque I presenta un paralelismo mayor con el que ofrece el manual de la asignatura, mientras que el problema planteado en el Bloque III-a presenta un enunciado con un contenido cualitativamente distinto.

En el Bloque II se analizan dos de los sesgos más habituales en el estudio del razonamiento probabilístico contextualizados en problemas hipotéticos. Para entender y realizar correctamente los ejercicios de este bloque de ejercicios, el alumno debe estudiar previamente el apartado 3.a del manual. El objetivo no es sólo que el alumno identifique el tipo de sesgo que plantea el problema, sino también que contraste la respuesta al problema inmediata e intuitiva, basadas en procesos heurísticos, con la respuesta reflexiva y analítica, derivada del modelo normativo.


El Bloque III-a responde a un doble objetivo. El problema planteado al alumno permitirá, en primer lugar, aplicar los principios del razonamiento probabilístico de la Teoría de los Modelos Mentales para definir los modelos mentales y su frecuencia asignada, con el fin de aplicar el principio del subconjunto e inferir deductivamente el cálculo de la relación probabilística adecuada para calcular la probabilidad condicional inversa. Es, por tanto, fundamental que el alumno previamente estudie y analice en profundidad el apartado 4 del manual, dedicado al enfoque de los Modelos Mentales. El segundo objetivo de este bloque de ejercicios es que el alumno ejercite la reversibilidad en el cálculo de la probabilidad condicional inversa aplicando o bien el Teorema de Bayes o calculando la relación inclusiva relevante basada en el principio del subconjunto.

Finalmente, el Bloque III-b completa el estudio del enfoque de los Modelos Mentales en el razonamiento probabilístico. Su foco es trabajar el problema planteado para la estimación de probabilidades relativas con el fin de analizar el sesgo que se produce como consecuencia del efecto de la incorrecta aplicación de los principios de verdad y equiprobabilidad que postula la Teoría. Este bloque permitirá al alumno, además, repasar en el contexto del problema planteado algunas de las tablas de verdad previamente estudiadas en el apartado 2.1 del capítulo 2 del manual. Para resolver correctamente los ejercicios, el alumno deberá comparar las tablas de verdad del operador “disyunción”, en su versión “excluyente” e “incluyente”. En la tabla 2.3 del capítulo 2 del manual se presenta la tabla del operador “disyunción” en la modalidad “incluyente” o inclusiva, en la que la disyunción es Verdad si una o ambas proposiciones son Verdad. En la tabla de verdad de la disyunción “excluyente” o exclusiva, para que la disyunción sea Verdad, sólo una de las dos proposiciones puede ser Verdad. El razonamiento analítico, basado en la aplicación de las tablas de verdad que caracterizan a los distintos operadores lógicos, permitirá al alumno construir correctamente los modelos mentales explícitos relevantes para discriminar eficazmente la solución al problema en la estimación de probabilidades relativas.


ACTIVIDADES Y EJERCICIOS

Complete los espacios sombreados o, en su caso, seleccione la casilla de verificación.

Bloque I. Modelo normativo: el teorema de BayesProblema 1. “Imaginemos que en un hospital geriátrico se analiza la eficacia de un tratamiento de estimulación cognitiva paliativo en la mejora de los síntomas de una enfermedad neuropsicológica. Se analiza una muestra de 1000 pacientes. De los 1000 pacientes diagnosticados, 200 pacientes se encontraban en la fase incipiente de la enfermedad, 300 pacientes se encontraban en la fase leve y los 500 pacientes restantes se encontraban en la fase moderada. Se demostró que la eficacia del tratamiento paliativo disminuyó en función de lo avanzada que se encontraba la enfermedad. En el grupo de pacientes en fase incipiente, la mejora de los síntomas se observó en el 70 % de los pacientes. En el grupo de paciente en fase leve, la mejora de los síntomas se observó en el 50 % de los enfermos. En el caso de los pacientes que se encontraban en la fase moderada de la enfermedad, sólo el 40 % de los enfermos manifestó mejoría en su sintomatología”. Sabiendo que un paciente extraído al azar ha mejorado: ¿cuál es la probabilidad de que hubiera sido previamente diagnosticado en la fase incipiente de la enfermedad?

1. (a) Cálculo de las probabilidades a priori y de la diagnosticidad del dato para las distintas hipótesis.


Probabilidad a priori de las posibles Hipótesis: P (H). Por ejemplo, la probabilidad de haber sido diagnosticado en la fase incipiente de la enfermedad: P (Incipiente).

Diagnosticidad del Dato para las distintas Hipótesis: P (D |H). Por ejemplo, P (Mejora |Incipiente).

Calcule los valores de los términos definidos de acuerdo con el enunciado del problema.

HIPÓTESIS P (H) DATOS P (D |H)

Incipiente (H1) 0.2 Mejora 0.7

No mejora 0.30

Leve (H2) 0.3Mejora 0.5

No mejora 0.5

Moderada (H3) 0.5Mejora 0.4

No mejora 0.6

Tabla 1.1. Probabilidad a priori de las posibles hipótesis y diagnosticidad del dato, supuestas las hipótesis.

1. (b) Cálculo de la probabilidad conjunta de dos sucesos dependientes.Con el producto de estos dos valores obtenemos la probabilidad conjunta de dos sucesos dependientes:


P (H) P (D |H). Por ejemplo, haber sido diagnosticado en la fase incipiente de la enfermedad y mejorar con el tratamiento: P (Incipiente) P (Mejorar |Incipiente).

Calcule los valores de las distintas probabilidades conjuntas de acuerdo con el enunciado del problema. P(H) P(D |H)

P (Incipiente) P ( Mejora |Incipiente) =0.14P (Incipiente) P (No mejora |Incipiente) =0.06P (Leve) P ( Mejora |Leve) =0.15P (leve) P (No mejora |Leve) =0.15P (Moderada) P ( Mejora |Moderada) =0.2P (Moderada) P (No mejora |Moderada) =0.3P (total) = 1 Tabla 1.2. Espacio de probabilidades conjuntas “fase de la enfermedad” y “mejora o no” después del tratamiento.

1. (c) A partir de los valores calculados, podemos obtener la probabilidad condicional inversa o posterior, que se enuncia como incógnita en el problema planteado. En el punto previo, punto 1. (a), hemos empezado definiendo la probabilidad condicional de mejorar habiendo sido diagnosticado en la fase incipiente de la enfermedad: P (Mejorar |Incipiente). El problema que nos planteamos ahora es precisamente el inverso. Sabiendo que un


paciente extraído al azar ha mejorado: ¿cuál es la probabilidad de que hubiera sido previamente diagnosticado en la fase incipiente de la enfermedad? En concreto, debemos calcular P (H |D) o P (Incipiente |Mejora).

Indique en la fila superior los términos en la formulación del Teorema y sustituya en la fila inferior estos términos por los valores numéricos.

P (Incipiente |Mejora) = p(mejora/incipiente)/[p(m/i)] + [p(m/l)] + [p(m/m)]

P (Incipiente |Mejora) = 0.14 /(0.14) + (0.15) + (0.2) = 0.2857

Tabla 1.3. Formulación del Teorema de Bayes y cálculo de la probabilidad condicional inversa para el problema planteado.

Bloque II. Desviaciones del modelo normativo: sesgos en el razonamiento probabilístico.

2. (a) Imagine que formulamos el problema 1 del Bloque I a participantes en un experimento no expertos en teoría de la probabilidad. El experimentador lee en voz alta el enunciado del problema que aparece entrecomillado en el Bloque I y continua con la siguiente información: “Se extrae al azar un paciente de la muestra de enfermos


una vez aplicado el tratamiento de estimulación cognitiva y se observa que el enfermo ha mejorado. Seleccione la alternativa que considere más probable”:

a) El paciente había sido diagnosticado de la enfermedad en la fase incipiente.b) El paciente había sido diagnosticado de la enfermedad en la fase leve.c) El paciente había sido diagnosticado de la enfermedad en la fase moderada.

La mayor parte de los participantes seleccionaron la alternativa a).

Con los datos de la tabla 1.2 del apartado 1(b), calcule la probabilidad condicional inversa para el Dato “mejorar” supuesta cada una de las tres posible Hipótesis e incluya la solución en la tabla 2.1. Exprese los resultados con cuatro decimales.

a) P (Incipiente |Mejorar) = 0.2857

b) P (leve |Mejorar) = 0.3061

c) P (moderada |Mejorar) = 0.4081

Tabla 2.1. Cálculo de la probabilidad condicional inversa: mejorar (Dato), supuesta cada una de las tres posibles Hipótesis (Incipiente, Leve y Moderada).

2. (b) De acuerdo con los cálculos realizados, la respuesta del participante en el experimento fue:


Correcta Incorrecta

2. (c) Si la respuesta de la mayor parte de los participantes fue incorrecta, ¿qué tipo de sesgo presentaron?insensibilidad a las propiedades a prioriJustifique su respuesta los sujetos prestaron atencion a que el grupo con mas participantes mejorados fue el incipiente(70%) sin tener en cuenta que era el grupo menos numeroso de participantes.

2. (d) La respuesta correcta es:La alternativa a b c

2 (e) El valor de la probabilidad condicional inversa para la alternativa correcta es: P (moderada |Mejorar) = 0.4081

2. (f) Problema 2. El terapeuta que llevó a cabo la investigación descrita en el enunciado del Problema 1 del Bloque I analizó la historia clínica de los pacientes diagnosticados de la enfermedad en fase incipiente y observó que del conjunto de pacientes tratados con el entrenamiento cognitivo y que mejoraron en su sintomatología, un porcentaje significativo estaba siendo tratado, además, con un fármaco específico para la enfermedad, pero sólo


efectivo en la fase incipiente, mientras que ninguno de los pacientes que no presentaron mejoría había iniciado el tratamiento farmacológico. El terapeuta se planteó que la superior eficacia del tratamiento en la fase incipiente podría ser debida, al menos en parte, al efecto del tratamiento farmacológico. Con el fin de aislar el posible efecto del tratamiento con estimulación cognitiva del efecto del tratamiento farmacológico, el terapeuta proporcionó el tratamiento con estimulación cognitiva a 200 nuevos pacientes que se encontraban en la fase incipiente de la enfermedad y que no habían iniciado el tratamiento farmacológico. De los 200 pacientes tratados, observó que un 50% de los pacientes, 100 pacientes, presentaron mejoría en su sintomatología, el mismo porcentaje que los pacientes que recibieron el tratamiento con estimulación cognitiva en la fase leve de la enfermedad. A partir de estos resultados el terapeuta se cuestionó que el superior porcentaje de mejoría que revela el problema 1 en los pacientes diagnosticados en la fase incipiente respecto a la fase leve fuera consecuencia de haber suministrado el tratamiento en dicha fase.Si el Dato en los resultados del problema 1 es: “Superior porcentaje de mejoría en la fase incipiente de la enfermedad respecto a la fase leve” y la Hipótesis focal (H) es: “Haber recibido el tratamiento de estimulación cognitiva en la fase incipiente de la enfermedad”. Conociendo los resultados del problema 2, la Hipótesis alternativa (H’) sería:

2. (g) Conociendo los resultados obtenidos en el Problema 2, ¿qué sesgo se observaría en la interpretación de los resultados del Problema 1 si se atribuyera el superior porcentaje de mejoría después del tratamiento con estimulación cognitiva al hecho de haber sido diagnosticado en la fase incipiente? Justifique su respuesta.Sesgo: Insensibilidad a la capacidad predictiva del dato


Justifique su respuesta: El sujeto le ha dado más importancia al hecho de que está en la fase Incipiente, en vez de observar que el tratamiento predice el resultado de mejora.

Bloque III-a. La Teoría de los Modelos Mentales: el principio del subconjunto para el cálculo de la probabilidad condicional inversa.

Problema 3. De acuerdo con las estadísticas (datos hipotéticos), 6 de cada 10 personas inscritas en 2014 en el Instituto Nacional de Empleo (INEM) con edades comprendidas entre los 18 y los 25 años consiguieron un contrato de trabajo. De cada 6 personas que consiguieron un contrato de trabajo, 5 habían finalizado la educación secundaria. De cada 4 personas que no consiguieron un contrato de trabajo, 2 habían finalizado la educación secundaria. Pedro tiene 20 años, se inscribió en el INEM en 2014 y había finalizado la educación secundaria. ¿Cuál es la probabilidad de que Pedro haya conseguido un contrato de trabajo?

3. (a) Complete la denominación de los modelos mentales en la segunda columna y los valores numéricos en la columna de frecuencias de la tabla siguiente.


Frecuencias

Contrato de trabajo Educación secundaria

5


Contrato de trabajo Educación secundariaContrato de trabajo Educación secundaria


Contrato de trabajo no educacion secundaria 1No contrato de trabajo no educacion secundaria 2No contrato de trabajo no educacion secundaria

... 2 Tabla 3.1. Modelos mentales y su frecuencia asignada en el Problema 3.

3. (b) Los modelos implícitos, indicados en la tabla 3.1 con tres puntos suspensivos, corresponden a los casos con educacion secundaria y sin contrato

3. (c) De acuerdo con el principio del subconjunto, la probabilidad que se pide en el Problema 3 es: P (contrato de trabajo |educación secundaria) = 6 / 6+4 . El denominador corresponde a los casos con finalizacion de secundaria y el subconjunto, que corresponde al numerador, corresponde a los casos contratados y con educacion secundaria


3. (d) En la representación inclusiva de la Teoría de los Modelos Mentales para conceptualizar la probabilidad condicional inversa, el denominador es:P (contrato de trabajo |educación secundaria) = P (H D) / P (D)3. (e) La figura siguiente representación de forma gráfica, con círculos de Euler, las relaciones inclusivas relevantes en el Problema 3. A: Todas las posibilidades B: Probabilidad de que persona tenga la ESO C: Probabilidad de que una persona encuentre trabajo

3. (f) Complete los datos numéricos de los términos del Teorema de Bayes que aparecen en la cabecera de la tabla. Redondee el resultado de la última columna a una décima.

HIPÓTESIS P(H) Dato P(D |H) P(H) P(D |H)

Contrato de 0.6 Educación secundaria 0.833 0.5


A B

C

trabajo No Educación secundariaNo contrato de

trabajo 0.4 Educación secundaria 0.5 0.2

No Educación secundariaTabla 3.2. Probabilidad a priori de las posibles hipótesis, diagnosticidad del dato, supuestas las Hipótesis, y probabilidades conjuntas.

3. (g) Calcule la probabilidad condicional inversa aplicando el Teorema de Bayes, completando la tabla siguiente con los valores de la tabla 3.2. Exprese el resultado en números enteros, multiplicando por 0.10 el numerador y el denominador. Compare el resultado con el obtenido aplicando el Teorema de Bayes con el obtenido en el ejercicio 3 (c) aplicando el principio del subconjunto.

P (Contrato de trabajo |Educación secundaria) = 0.05 /[(0.02) + (0.05)]= 5 / 7

Tabla 3.3. Cálculo de la probabilidad condicional inversa con el Teorema de Bayes.

3. (h) Retomando los datos del Problema 1, calcule las probabilidades condicionales inversas aplicando el principio del subconjunto de la Teoría de los Modelos Mentales. Compare los resultados obtenidos en el ejercicio 2 (a), aplicando el Teorema de Bayes, con el calculado aplicando el principio del subconjunto. Exprese los resultados con cuatro decimales.


Fase incipiente: 200 pacientes

70% mejoran = 140

Total pacientes mejoran= 490

P (Incipiente | Mejora) = P (incipiente mejora)/ P (mejora) = 140 /490 = 0.2857

Fase leve:300 pacientes 50% mejoran = 150

P (Leve | Mejora) = P (leve mejora)/P (mejora) = 150 / 490 = 0.3061

Fase moderada: 500 pacientes 40% mejoran = 200

P (Moderada | Mejora) = P (moderada mejora)/ P (mejora) = 200 / 490 = 0.4081

Tabla 3.4. Cálculo de las probabilidades condicionales inversas con el principio del subconjunto de la Teoría de los Modelos Mentales.

Bloque III-b. La Teoría de los Modelos Mentales: el principio de verdad y el principio de equiprobabilidad en la estimación de probabilidades relativas. Conteste a las siguientes cuestiones basadas en el Problema 4. Problema 4. Sólo una premisa es correcta en una mano de un juego de cartas:Premisa 1: Hay un As de copas o un Rey de bastos, o ambas.Premisa 2: Hay un Tres de oros o un Rey de bastos, o ambas.


¿Qué es más probable, el As de copas o el Rey de bastos?

3. (i) De acuerdo con la teoría de los modelos mentales, los participantes asumirían de forma tácita el principio de equiprobabilidad de las premisas e inferirían que aquel evento que ocurre en un mayor número de modelos mentales es el que tiene más probabilidad de ocurrir. En base a este supuesto, la respuesta mayoritaria de los sujetos sería el rey de bastos y la respuesta es: correcta incorrecta .

3. (j) La disyunción “Premisa 1” V “Premisa 2” es incluyente excluyente porque ambas premisas no verdaderas. (Nota: el término “incluyente” es equivalente a “inclusivo” y el término “excluyente” es equivalente a “exclusivo”)La disyunción “As de copas” V “Rey de bastos” es incluyente excluyente porque ambas proposiciones son verdaderas.

3. (k) Complete la tabla de verdad para la disyunción incluida en la Premisa 1 “Hay un As de copas o un Rey de bastos, o ambas” (tabla 3.5) y para la Premisa 2 “Hay un Tres de oros o un Rey de bastos, o ambas” (tabla 3.6).

“As de copas” “Rey de bastos” “As de copas” V “ Rey de bastos”V V vV F vF V vF F f


Tabla 3.5. Tabla de verdad para una disyunción incluyente (Premisa 1).

“Tres de oros” “Rey de bastos” “Tres de oros” V “ Rey de bastos”V V VV F VF V VF F F

Tabla 3.6. Tabla de verdad para una disyunción incluyente (Premisa 2).

3. (l). Complete la tabla de verdad para la disyunción excluyente “Premisa 1” V “Premisa 2”.“Premisa 1” “Premisa 2” “Premisa 1” V “ Premisa 2”

V V FV F VF V VF F F


Tabla 3.7. Tabla de verdad para una disyunción excluyente.

3. (m). La respuesta correcta a la pregunta planteada en el problema 4 se resume en la siguiente afirmación.Puesto que se trata de una disyunción excluyente, ambas premisas no pueden ser simultáneamente verdaderas. El rey de bastos es el elemento común a ambas, si una de las premisas es falsa, el rey de bastos es falso también para la otra. Por tanto, el rey de bastos sería en cualquiera de los casos falso y nunca podría ser más probable que el as de copas.

3. (n) Complete la tabla siguiente con los modelos explícitos para el Problema 4.

Premisa 1 Falsa Tres de oros ¬ As de copas ¬ Rey de bastos

Premisa 2 Falsa as de copas no tres de oros no rey de bastos

Tabla 3.6. Modelos explícitos para el Problema 4. El operador lógico “¬”, que corresponde a la negación, podrá sustituirse por el término “no”.


hechaalumnos pec 2015-2016 el enfoque de los modelos mentales en el razonamiento probabilístico

Documents