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.