Home

Sobre arp-sapc
Documentos
Material para docentes
Webs alojadas
Publicaciones
Buscador
Listas de correo
Enlaces
Lecturas recomendadas
Red Internacional
Área para socios

Correo: arp@arp-sapc.org


Falacias inductivas

--------------------------------------------------------------------------------

El razonamiento inductivo se basa en la inferencia, a partir de las propiedades de una muestra, de las propiedades de la población como un todo. Por ejemplo, supongamos que tenemos un barril con 1000 judías. Algunas judías son negras, otras son blancas. Supongamos que tomamos una muestra de 100 judías del barril, y que 50 son blancas y 50 son negras. Podemos inferir de forma inductiva que la mitad de las judías en el barril (en otras palabras, 500) son negras y la otra mitad blancas. Todo razonamiento inductivo depende de la similaridad entre la muestra y la población. Cuanto más se asemeje la muestra a la población como un todo, más fiable será la inferencia inductiva. Por otro lado, si la muestra es relevantemente diferente de la población entonces la inferencia inductiva no será fiable. Ninguna inferencia inductiva es perfecta. Esto significa que puede fallar; aún cuando las premisas sean ciertas, la conclusión podría ser falsa. Sin embargo, una buena inferencia inductiva nos da buenas razones para pensar que una conclusión probablemente es cierta.

--------------------------------------------------------------------------------

1. Generalización precipitada
Definición:

El tamaño de la muestra es demasiado pequeña para apoyar la conclusión.

Ejemplos:


Un australiano me robó la cartera, por lo tanto todos los australianos son ladrones (por supuesto, no podemos juzgar a todos los australianos basándonos en un solo ejemplo).
Pregunté a seis de mis amigos qué pensaban de las nuevas limitaciones y estuvieron de acuerdo en que eran una buena idea. Por lo tanto, las nuevas limitaciones son muy populares.
Prueba:
Identifique el tamaño de la muestra y el de la población. Demuestre que la muestra es demasiado pequeña. Nota: una demostración formal requeriría cálculos matemáticos. Este tema se estudia en teoría de la probabilidad. Por ahora deberá depender del sentido común.


--------------------------------------------------------------------------------


2. Muestra no representativa

Definición:

La muestra es relevantemente diferente de la población como un todo.

Ejemplos:


Para saber cómo votarán los canadienses en las próximas elecciones hemos encuestado a cien personas en Calgary. Esto muestra de forma definitiva que el Partido Reformista barrerá. (La gente de Calgary tiende a ser más conservadora y, por lo tanto, se inclina más a votar por los Reformistas que el resto del país.)
Las manzanas de la parte de arriba de la caja parecen buenas. Por lo tanto todas las manzanas de la caja deben de ser buenas. (Las manzanas podridas podrían estar escondidas debajo de la superficie.)

Prueba:

Muestre como la composición de la muestra es relevantemente diferentede la de la población como un todo, y luego demuestre que si la muestra es diferente, la conclusión probablemente es diferente.


--------------------------------------------------------------------------------


3. Falsa analogía:
Definición:

En una analogía se demuestra que dos objetos (o sucesos) A y B son similares. Luego se argumenta que si A tiene la propiedad P, B también debería tener la propiedad P. Una analogía falla cuando los objetos A y B son diferentes en algo que afecta que ambos tengan la propiedad P.

Ejemplos:


Los empleados son como clavos. Al igual que éstos hay que golpearles en la cabeza para que trabajen.
El gobierno es como un negocio. Al igual que un negocio debe tener en cuenta las ganancias. (Pero los objetivos de un gobierno y de un negocio son completamente diferentes, así que probablemente deberán seguir criterios diferentes.)

Prueba:

Identifique los dos objetos o sucesos que se comparan, así como la propiedad que se dice que ambos poseen. Demuestre que los dos objetos son diferentes de una forma tal que afecta el que ambos tenga la misma propiedad.


--------------------------------------------------------------------------------


4. Inducción despreciada
La conclusión obtenida apropiadamente a partir de un argumento inductivo se niega a pesar de la evidencia.

Ejemplos:


Hugo ha tenido doce accidentes en los últimos seis meses, pero insiste que solo es una coincidencia y que no fueron culpa suya. (Desde un punto de vista inductivo la evidencia de que sí fueron su culpa es abrumadora.)
Encuesta tras encuesta se muestra que el N.D.P. obtendrá menos de diez escaños en el parlamento. Sin embargo el líder insiste en que el partido está mucho mejor de lo que las encuestas sugieren. (Al final el N.D.P. obtuvo nueve escaños.)

Prueba:

En estos casos lo único que puede hacer es recalcar la fuerza de la inferencia.


--------------------------------------------------------------------------------


5. Falacia de exclusión

Definición:

Se excluye cierta evidencia importante que arrojaría dudas sobre un argumento inductivo. El requisito de que se incluya toda la evidencia relevante se conoce como "principio de la evidencia total".

Ejemplos:


Jones es de Alberta, y la mayoría de los de Alberta votarán por Tory, por lo que Jones probablemente votara porTory (se omite el dato de que Jones vive en Edmonton y queahí la mayoría vota por los Liberales o el N.D.P.).
Los "Leafs" probablemente ganaran el próximo juego, ya que han ganado nueve de los diez últimos. (No se dice que ocho de las victorias de los "Leafs" fueron contra equipos en la parte baja de la tabla, y hoy juegan contra el primer puesto del campeonato)

Prueba:

Presente la evidencia que falta y demuestre que ésta cambia la conclusión del argumento inductivo. Nótese que no es suficiente mostrar que no se incluyó toda la evidencia, hay que demostrar que la parte que falta modificará la conclusión.

--------------------------------------------------------------------------------

Traducción de Jaime Wilson jwilson@bytecr.com a partir de: Stephen's Guide to the Logical Fallacies. Copyright 1995-1998 Stephen Downes. Brandon, Manitoba, Canada. http://www.assiniboinec.mb.ca/user/downes/fallacy
Texto retocado por Miguel A. Lerma, mlerma@math.northwestern.ed