HechaALUMNOS PEC 2015-2016 El Enfoque de Los Modelos Mentales en El Razonamiento Probabilístico

APELLIDOS: Martnez Jareo
NOMBRE: Ana Mara D.N.I. 49245873k

CENTRO ASOCIADO: Cartagena
ORIENTACIONES y DIRECTRICES para la realizacin de la PRUEBA de EVALUACIN CONTINUA (PEC)

Tema 6: RAZONAMIENTO PROBABILSTICO.
PEC: El enfoque de los modelos mentales en el razonamiento probabilstico: inferencia bayesiana y
estimacin de probabilidades relativas.
Antes de realizar la prueba de evaluacin continua el alumno debe leer detenidamente el captulo 6 del manual
sobre razonamiento probabilstico, en concreto, los apartados 2, 3a. y 4. Debe repasarse tambin el punto 2.1 del
apartado 2 del captulo 2 (Tema 2: Psicologa del razonamiento).
La PEC est diseada 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
verificacin. En el caso de los campos sombreados se facilita algn dato a modo de pauta para la realizacin del
ejercicio. Para rellenar el formulario podr desplazarse de un campo al siguiente utilizando la tecla de tabulacin.
La actividad puede completarse de forma progresiva no olvidando guardar las versiones parciales en el
ordenador. La versin definitiva deber ser guardada para ser enviada al profesor tutor.
1
Material didctico elaborado por el equipo docente de Psicologa del Pensamiento: Snchez Balmaseda, P. y Gonzlez Labra, M.J.
No olvide poner su nombre, apellidos, centro asociado y D.N.I.

El envo debe realizarse exclusivamente a travs de la plataforma aLF: enlace Entrega de trabajos del
men de la pgina de inicio.
La PEC deber ser corregida y evaluada por el profesor tutor asignado al alumno.
Puesto que es el profesor tutor el encargado de la evaluacin de la PEC, cualquier duda de tipo formal o de
contenido en relacin a la PEC deber plantearse al profesor tutor en la tutora presencial, el foro de centro
asociado o a travs de correo electrnico. A su vez, el equipo docente de la sede acadmica habilitar un foro
especfico de coordinacin tutorial para resolver cualquier duda o aclaracin en relacin al contenido de la PEC y/o
al procedimiento de evaluacin que se le pueda plantear al profesor-tutor.
Las fechas de entrega, calificacin y cierre de la evaluacin de la PEC estn programadas en el calendario del
curso virtual y son las siguientes:
Apertura del plazo de realizacin de la PEC: 7 de marzo. La PEC podr 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 autoevaluacin) 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 correccin y evaluacin: hasta el 9 de mayo.
Periodo para pedir revisiones al profesor tutor: 9-13 mayo.
Cierre de las calificaciones de la PEC: 16 mayo.
Despus de la fecha de cierre, no podr realizarse ninguna modificacin en la evaluacin.
La realizacin de la actividad con una valoracin mnima de aprobado permite incrementar la calificacin en el
examen presencial a partir de una calificacin mnima de 5.
2
La siguiente tabla recoge la equivalencia entre la calificacin nominal y el incremento en puntos en la calificacin
del examen presencial.
PUNTUACIN NOMINAL en la PEC
Sobresaliente (9-10)
Notable (7-8)
Aprobado (5-6)
Suspenso (<5)
INCREMENTO en la CALIFICACIN
en el EXAMEN
0.9-1 punto
0.7-0.8 puntos
0.5-0.6 puntos
0 puntos
La calificacin de 0 puntos no corresponde a la calificacin literal de la actividad, sino que indica que la actividad
no incrementa la calificacin del examen.
OBJETIVOS
1. Analizar, relacionar y aplicar a diferentes problemas los trminos del modelo normativo del Teorema de Bayes
para el clculo de la probabilidad condicional inversa en el razonamiento probabilstico.
2. Ejemplificar en el marco de los problemas planteados las desviaciones del modelo normativo que definen los dos
sesgos bsicos en el razonamiento probabilstico.
3. Profundizar en la conceptualizacin del enfoque de la Teora de los Modelos Mentales en el razonamiento
probabilstico 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 Teora de los
Modelos Mentales para el clculo de la probabilidad condicional inversa, aplicando ambos a diferentes ejemplos.
3
5. Analizar en el marco de la Teora de los Modelos Mentales el sesgo que pueden producir la incorrecta aplicacin
del principio de verdad y el principio de equiprobabilidad en la estimacin de probabilidades relativas.
6. Integrar el anlisis de las tablas de verdad de determinados operadores lgicos en el marco de la estimacin de
probabilidades relativas para evitar que se produzcan los sesgos mencionados.
PRESENTACIN
El enfoque de esta prueba de evaluacin continua (PEC) es eminentemente prctico. Aborda tres grandes
ncleos conceptuales del tema sobre Razonamiento Probabilstico, el modelo normativo del Teorema de Bayes, el
concepto de sesgo y uno de los enfoques tericos del razonamiento probabilstico: la Teora de los Modelos
Mentales. El anlisis de los ncleos temticos mencionados se desarrolla en el marco de cinco problemas
planteados de los que se derivan ejercicios y actividades prcticas.
El modelo normativo del razonamiento probabilstico, el Teorema de Bayes, se trabaja en los Bloques I y IIIa. Para resolver correctamente los ejercicios planteados basados en este Teorema, el alumno debe estudiar
previamente el apartado 2 del captulo 6 y analizar con detalle el ejemplo del manual. La PEC plantea dos nuevos
problemas con datos numricos sencillos que permitirn al alumno aplicar y manejar los dos conceptos bsicos del
teorema. En concreto, la probabilidad a priori de las Hiptesis: P (H) y la diagnosticidad del Dato para las distintas
Hiptesis: P (D|H); es decir, la probabilidad del Dato supuesta cada una de las Hiptesis. El Teorema nos permitir
aplicar estos conceptos a dos nuevos ejemplos para calcular la probabilidad condicional inversa: la probabilidad de
cada una de las Hiptesis supuesto el Dato: P (H|D). Con el fin de facilitar al alumno la aproximacin a estos
conceptos y su aplicacin 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 ms habituales en el estudio del razonamiento probabilstico
contextualizados en problemas hipotticos. Para entender y realizar correctamente los ejercicios de este bloque de
4
ejercicios, el alumno debe estudiar previamente el apartado 3.a del manual. El objetivo no es slo que el alumno
identifique el tipo de sesgo que plantea el problema, sino tambin que contraste la respuesta al problema
inmediata e intuitiva, basadas en procesos heursticos, con la respuesta reflexiva y analtica, derivada del modelo
normativo.
El Bloque III-a responde a un doble objetivo. El problema planteado al alumno permitir, en primer lugar,
aplicar los principios del razonamiento probabilstico de la Teora 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
clculo de la relacin probabilstica 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 clculo de la probabilidad condicional inversa aplicando o bien el Teorema de Bayes o
calculando la relacin 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
probabilstico. Su foco es trabajar el problema planteado para la estimacin de probabilidades relativas con el fin
de analizar el sesgo que se produce como consecuencia del efecto de la incorrecta aplicacin de los principios de
verdad y equiprobabilidad que postula la Teora. Este bloque permitir al alumno, adems, repasar en el contexto
del problema planteado algunas de las tablas de verdad previamente estudiadas en el apartado 2.1 del captulo 2
del manual. Para resolver correctamente los ejercicios, el alumno deber comparar las tablas de verdad del
operador disyuncin, en su versin excluyente e incluyente. En la tabla 2.3 del captulo 2 del manual se
presenta la tabla del operador disyuncin en la modalidad incluyente o inclusiva, en la que la disyuncin es
Verdad si una o ambas proposiciones son Verdad. En la tabla de verdad de la disyuncin excluyente o exclusiva,
para que la disyuncin sea Verdad, slo una de las dos proposiciones puede ser Verdad. El razonamiento analtico,
basado en la aplicacin de las tablas de verdad que caracterizan a los distintos operadores lgicos, permitir al
alumno construir correctamente los modelos mentales explcitos relevantes para discriminar eficazmente la
solucin al problema en la estimacin de probabilidades relativas.
5
ACTIVIDADES Y EJERCICIOS
Complete los espacios sombreados o, en su caso, seleccione la casilla de verificacin.
Bloque I. Modelo normativo: el teorema de Bayes
Problema 1. Imaginemos que en un hospital geritrico se analiza la eficacia de un tratamiento de estimulacin
cognitiva paliativo en la mejora de los sntomas de una enfermedad neuropsicolgica. 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 demostr que la eficacia del tratamiento paliativo disminuy en funcin de lo avanzada que se
encontraba la enfermedad. En el grupo de pacientes en fase incipiente, la mejora de los sntomas se observ en el
70 % de los pacientes. En el grupo de paciente en fase leve, la mejora de los sntomas se observ en el 50 % de
los enfermos. En el caso de los pacientes que se encontraban en la fase moderada de la enfermedad, slo el 40 %
de los enfermos manifest mejora en su sintomatologa.
Sabiendo que un paciente extrado al azar ha mejorado: cul es la probabilidad de que hubiera sido previamente
diagnosticado en la fase incipiente de la enfermedad?
6
1. (a) Clculo de las probabilidades a priori y de la diagnosticidad del dato para las distintas hiptesis.
Probabilidad a priori de las posibles Hiptesis: 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 Hiptesis: P (D |H). Por ejemplo, P (Mejora |Incipiente).
Calcule los valores de los trminos definidos de acuerdo con el enunciado del problema.
HIPTESIS
P (H)
Incipiente (H1)
0.2
Leve (H2)
0.3
Moderada (H3)
0.5
DATOS
P (D |H)
Mejora
No mejora
Mejora
No mejora
Mejora
No mejora
0.7
0.30
0.5
0.5
0.4
0.6
Tabla 1.1. Probabilidad a priori de las posibles hiptesis y diagnosticidad del dato, supuestas las hiptesis.
1. (b) Clculo de la probabilidad conjunta de dos sucesos dependientes.

Con el producto de estos dos valores obtenemos la probabilidad conjunta de dos sucesos dependientes:
7
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) =0.14
P (Incipiente) P (No mejora |Incipiente) =0.06
P (Leve) P ( Mejora |Leve) =0.15
P (leve) P (No mejora |Leve) =0.15
P (Moderada) P ( Mejora |Moderada) =0.2
P (Moderada) P (No mejora |Moderada) =0.3
P (total) = 1
Tabla 1.2. Espacio de probabilidades conjuntas fase de la enfermedad y mejora o no despus del tratamiento.
1. (c) A partir de los valores calculados, podemos obtener la probabilidad condicional inversa o posterior, que
se enuncia como incgnita 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 extrado al azar ha mejorado: cul 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).
8
Indique en la fila superior los trminos en la formulacin del Teorema y sustituya en la fila inferior estos trminos
por los valores numricos.
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. Formulacin del Teorema de Bayes y clculo de la probabilidad condicional inversa para el problema
planteado.
Bloque II. Desviaciones del modelo normativo: sesgos en el razonamiento probabilstico.
2. (a) Imagine que formulamos el problema 1 del Bloque I a participantes en un experimento no expertos en
teora 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 informacin: Se extrae al azar un paciente de la muestra de enfermos
una vez aplicado el tratamiento de estimulacin cognitiva y se observa que el enfermo ha mejorado. Seleccione la
alternativa que considere ms probable:
9
a) El paciente haba sido diagnosticado de la enfermedad en la fase incipiente.

b) El paciente haba sido diagnosticado de la enfermedad en la fase leve.
c) El paciente haba 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 Hiptesis e incluya la solucin 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. Clculo de la probabilidad condicional inversa: mejorar (Dato), supuesta cada una de las tres posibles
Hiptesis (Incipiente, Leve y Moderada).
2. (b) De acuerdo con los clculos realizados, la respuesta del participante en el experimento fue:
Correcta
Incorrecta
10
2. (c) Si la respuesta de la mayor parte de los participantes fue incorrecta, qu tipo de sesgo presentaron?
insensibilidad a las propiedades a priori
Justifique 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
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 llev a cabo la investigacin descrita en el enunciado del Problema 1 del
Bloque I analiz la historia clnica de los pacientes diagnosticados de la enfermedad en fase incipiente y observ
que del conjunto de pacientes tratados con el entrenamiento cognitivo y que mejoraron en su sintomatologa, un
porcentaje significativo estaba siendo tratado, adems, con un frmaco especfico para la enfermedad, pero slo
efectivo en la fase incipiente, mientras que ninguno de los pacientes que no presentaron mejora haba iniciado el
11
tratamiento farmacolgico. El terapeuta se plante que la superior eficacia del tratamiento en la fase incipiente
podra ser debida, al menos en parte, al efecto del tratamiento farmacolgico. Con el fin de aislar el posible efecto
del tratamiento con estimulacin cognitiva del efecto del tratamiento farmacolgico, el terapeuta proporcion el
tratamiento con estimulacin cognitiva a 200 nuevos pacientes que se encontraban en la fase incipiente de la
enfermedad y que no haban iniciado el tratamiento farmacolgico. De los 200 pacientes tratados, observ que un
50% de los pacientes, 100 pacientes, presentaron mejora en su sintomatologa, el mismo porcentaje que los
pacientes que recibieron el tratamiento con estimulacin cognitiva en la fase leve de la enfermedad. A partir de
estos resultados el terapeuta se cuestion que el superior porcentaje de mejora 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 mejora en la fase incipiente de la
enfermedad respecto a la fase leve y la Hiptesis focal (H) es: Haber recibido el tratamiento de estimulacin
cognitiva en la fase incipiente de la enfermedad. Conociendo los resultados del problema 2, la Hiptesis
alternativa (H) sera:
2. (g) Conociendo los resultados obtenidos en el Problema 2, qu sesgo se observara en la interpretacin de los
resultados del Problema 1 si se atribuyera el superior porcentaje de mejora despus del tratamiento con
estimulacin cognitiva al hecho de haber sido diagnosticado en la fase incipiente? Justifique su respuesta.
Sesgo: Insensibilidad a la capacidad predictiva del dato
12
Justifique su respuesta: El sujeto le ha dado ms importancia al hecho de que est en la fase Incipiente, en vez
de observar que el tratamiento predice el resultado de mejora.
Bloque III-a. La Teora de los Modelos Mentales: el principio del subconjunto para el clculo de la
probabilidad condicional inversa.
Problema 3. De acuerdo con las estadsticas (datos hipotticos), 6 de cada 10 personas inscritas en 2014 en el
Instituto Nacional de Empleo (INEM) con edades comprendidas entre los 18 y los 25 aos consiguieron un contrato
de trabajo. De cada 6 personas que consiguieron un contrato de trabajo, 5 haban finalizado la educacin
secundaria. De cada 4 personas que no consiguieron un contrato de trabajo, 2 haban finalizado la educacin
secundaria. Pedro tiene 20 aos, se inscribi en el INEM en 2014 y haba finalizado la educacin secundaria. Cul
es la probabilidad de que Pedro haya conseguido un contrato de trabajo?
3. (a) Complete la denominacin de los modelos mentales en la segunda columna y los valores numricos en la
columna de frecuencias de la tabla siguiente.
13
Frecuencias
Contrato de trabajo
Educacin secundaria
Contrato de trabajo
Educacin secundaria
Contrato de trabajo
Educacin secundaria
Contrato de trabajo
Educacin secundaria
Contrato de trabajo
Educacin secundaria
Contrato de trabajo
no educacion secundaria
No contrato de trabajo
No contrato de trabajo
...
Tabla 3.1. Modelos mentales y su frecuencia asignada en el Problema 3.

3. (b) Los modelos implcitos, 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 |educacin secundaria) =
6+4
. El denominador corresponde a los casos con finalizacion de
secundaria y el subconjunto, que corresponde al numerador, corresponde a los casos

educacion secundaria
14
contratados
con
3. (d) En la representacin inclusiva de la Teora de los Modelos Mentales para conceptualizar la probabilidad
condicional inversa, el denominador es:
P (contrato de trabajo |educacin secundaria) = P (H D) / P (D)
3. (e) La figura siguiente representacin de forma grfica, con crculos 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 numricos de los trminos del Teorema de Bayes que aparecen en la cabecera de la
tabla. Redondee el resultado de la ltima columna a una dcima.
HIPTESIS
P(H)
Dato
P(D |H)
15
P(H) P(D |H)
Contrato de
trabajo
0.6
No contrato de
trabajo
0.4
Educacin secundaria
0.833
0.5
0.5
0.2
No Educacin secundaria
Educacin secundaria
No Educacin secundaria
Tabla 3.2. Probabilidad a priori de las posibles hiptesis, diagnosticidad del dato, supuestas las Hiptesis, 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 nmeros 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 |Educacin secundaria) = 0.05 /[(0.02) + (0.05)]=
Tabla 3.3. Clculo 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 Teora 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.
16
Fase incipiente:
200 pacientes
Fase leve:
300 pacientes
Fase moderada:
500 pacientes
P (Incipiente | Mejora) = P (incipiente mejora)/
70% mejoran = 140
50% mejoran = 150
P (mejora) = 140 /490 = 0.2857

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

P (Moderada | Mejora) = P (moderada mejora)/
40% mejoran = 200
P (mejora) = 200 / 490 = 0.4081
Tabla 3.4. Clculo de las probabilidades condicionales inversas con el principio del subconjunto de la Teora de los
Modelos Mentales.
Bloque III-b. La Teora de los Modelos Mentales: el principio de verdad y el principio de

equiprobabilidad en la estimacin de probabilidades relativas.
Conteste a las siguientes cuestiones basadas en el Problema 4.
Problema 4. Slo una premisa es correcta en una mano de un juego de cartas:
17
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.
Qu es ms probable, el As de copas o el Rey de bastos?
3. (i) De acuerdo con la teora de los modelos mentales, los participantes asumiran de forma tcita el principio de
equiprobabilidad de las premisas e inferiran que aquel evento que ocurre en un mayor nmero de modelos
mentales es el que tiene ms probabilidad de ocurrir. En base a este supuesto, la respuesta mayoritaria de los
sujetos sera el rey de bastos y la respuesta es: correcta
incorrecta
3. (j) La disyuncin Premisa 1 V Premisa 2 es incluyente

porque ambas premisas
no
excluyente
verdaderas.
(Nota: el trmino incluyente es equivalente a inclusivo y el trmino excluyente es equivalente a exclusivo)

La disyuncin As de copas V Rey de bastos es incluyente
porque ambas proposiciones
son
excluyente
verdaderas.
3. (k) Complete la tabla de verdad para la disyuncin 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
18
Tabla 3.5. Tabla de verdad para una disyuncin incluyente (Premisa 1).
Tres de oros
Rey de bastos
Tres de oros V Rey de bastos
Tabla 3.6. Tabla de verdad para una disyuncin incluyente (Premisa 2).
3. (l). Complete la tabla de verdad para la disyuncin excluyente Premisa 1 V Premisa 2.

Premisa 1
Premisa 2
Premisa 1 V Premisa 2
F
19
Tabla 3.7. Tabla de verdad para una disyuncin excluyente.
3. (m). La respuesta correcta a la pregunta planteada en el problema 4 se resume en la siguiente afirmacin.

Puesto que se trata de una disyuncin excluyente, ambas premisas no pueden ser simultneamente verdaderas. El
rey de bastos es el elemento comn a ambas, si una de las premisas es falsa, el rey de bastos es falso tambin
para la otra. Por tanto, el rey de bastos sera en cualquiera de los casos falso y nunca podra ser ms probable que
el as de copas.
3. (n) Complete la tabla siguiente con los modelos explcitos para el Problema 4.
Premisa 1 Falsa
Tres de oros
As de copas
20
Rey de bastos
Premisa 2 Falsa
as de copas
no tres de oros
no rey de bastos
Tabla 3.6. Modelos explcitos para el Problema 4. El operador lgico , que corresponde a la negacin, podr
sustituirse por el trmino no.
21

HechaALUMNOS PEC 2015-2016 El Enfoque de Los Modelos Mentales en El Razonamiento Probabilístico

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

HechaALUMNOS PEC 2015-2016 El Enfoque de Los Modelos Mentales en El Razonamiento Probabilístico

Transféré par

Droits d'auteur :

Formats disponibles

APELLIDOS: Martnez Jareo

NOMBRE: Ana Mara D.N.I. 49245873k

ORIENTACIONES y DIRECTRICES para la realizacin de la PRUEBA de EVALUACIN CONTINUA (PEC)

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

1. (b) Clculo de la probabilidad conjunta de dos sucesos dependientes.

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

a) El paciente haba sido diagnosticado de la enfermedad en la fase incipiente.

c) P (moderada |Mejorar) = 0.4081

2 (e) El valor de la probabilidad condicional inversa para la alternativa correcta es:

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

. El denominador corresponde a los casos con finalizacion de

secundaria y el subconjunto, que corresponde al numerador, corresponde a los casos

A: Todas las posibilidades

B: Probabilidad de que persona tenga la ESO

C: Probabilidad de que una persona encuentre trabajo

P(H) P(D |H)

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

P (Incipiente | Mejora) = P (incipiente mejora)/

70% mejoran = 140

50% mejoran = 150

P (mejora) = 140 /490 = 0.2857

P (Leve | Mejora) = P (leve mejora)/

P (mejora) = 150 / 490 = 0.3061

40% mejoran = 200

P (mejora) = 200 / 490 = 0.4081

Bloque III-b. La Teora de los Modelos Mentales: el principio de verdad y el principio de

Premisa 1: Hay un As de copas o un Rey de bastos, o ambas.

3. (j) La disyuncin Premisa 1 V Premisa 2 es incluyente

(Nota: el trmino incluyente es equivalente a inclusivo y el trmino excluyente es equivalente a exclusivo)

As de copas V Rey de bastos

Tres de oros V Rey de bastos

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

Tabla 3.7. Tabla de verdad para una disyuncin excluyente.

3. (m). La respuesta correcta a la pregunta planteada en el problema 4 se resume en la siguiente afirmacin.

Vous aimerez peut-être aussi