La Falacia Narrativa: Cuando la Historia Domina a la Verdad

Nuestra mente  es una máquina de fabricar coherencia. Allí donde hay hechos dispersos, construimos relatos. Y donde hay incertidumbre, fabricamos explicaciones. Esta tendencia es adaptativa: las historias nos permiten recordar, anticipar y actuar. Pero también tiene un lado oscuro. Esa necesidad de cerrar el mundo en un relato consistente es lo que Nassim Taleb llamó la falacia narrativa: nuestra vulnerabilidad a preferir relatos compactos antes que verdades incómodas; a sacrificar precisión por sentido; a confundir comprensión con la ilusión de comprender.

Taleb advierte que este sesgo se vuelve especialmente peligroso ante sucesos raros: justo cuando más necesitamos la estadística, más buscamos historias. Y cuando lo hacemos, distorsionamos nuestra representación mental del mundo.

Las falacias son argumentos que parecen válidos, pero no lo son, brillan con esta seducción narrativa. Las escuchamos y nos parecen razonables; incluso inevitables. Su poder no está en la lógica, sino en que hablan el idioma de nuestra intuición. De allí que los ejemplos sean innumerables. Algunos, además, han tenido consecuencias devastadoras. Entre ellos destacan dos que muestran cómo la narrativa, cuando suplanta a la lógica bayesiana, puede torcer la justicia: O. J. Simpson y Sally Clark.

 

O. J. Simpson: Un relato seductor contra la lógica bayesiana

 

Durante el juicio por el asesinato de Nicole Brown Simpson, el matemático John Allen Paulos analizó en el Philadelphia Inquirer cómo el abogado defensor manipuló las estadísticas.  Su razonamiento fue el siguiente: "Menos del 1 por mil de las mujeres maltratadas son asesinadas por sus parejas; por lo tanto, los malos tratos previos en el matrimonio Simpson no tienen relevancia". El dato era correcto, pero la conclusión era un engaño.  El abogado estaba usando una estadística irrelevante (la probabilidad de ser asesinada dentro del universo de todas las mujeres maltratadas).

 

La pregunta era estadísticamente correcta, pero la pregunta que de verdad importaba para el caso, era otra muy distinta: "dado que una mujer maltratada ha sido asesinada, ¿cuál es la probabilidad de que el asesino sea su abusador?".

 

La diferencia es abismal con solo cambiar la pregunta. Al aplicar un razonamiento bayesiano, que considera la evidencia disponible (la mujer fue asesinada) y la probabilidad previa (fue maltratada), el resultado se invierte de forma dramática: Aplicando el teorema de Bayes —que considera la probabilidad previa y la evidencia disponible— se obtiene que:

Sí una mujer ha sido maltratada, y luego aparece asesinada, más del 80% de las veces el homicida es su abusador.

El jurado no razonó bayesianamente. Razonó con la narrativa del defensor —clara, emocional, nítida— venció a los números. El relato suplió a la estadística. Recuerdo este caso por la trascendencia y la forma que fue perseguido cuando huía en una camioneta  .Años después asalto a mano armada en Las Vegas y fue preso. Importancia de probabilidad previa y formulación de la pregunta.

Sally Clark: cuando un número mal multiplicado destruye una vida

El caso de Sally Clark revela la misma estructura cognitiva, pero con un desenlace infinitamente más trágico. En 1999, Sally fue acusada de asesinar a sus dos hijos, muertos en 1996 y 1998. Ocho de los diez jurados razonaron así: la muerte súbita del lactante ocurre en 1 de 8500 nacidos , por lo tanto, dos muertes en la misma familia equivalen a 1/8500²: 1 en 73 millones. Concluyeron que la madre debía ser culpable. Él prestigioso pediatra Sir Roy Meadow avaló ese cálculo. Pero contenía dos errores fundamentales.

Error 1: asumir independencia donde no la hay

Las probabilidades sólo pueden multiplicarse si los sucesos son independientes. La regla de la multiplicación directa es válida porque la probabilidad del evento B no se condiciona a la ocurrencia del evento A. En un evento tan raro como la muerte súbita, es razonable pensar en una causa común —probabilidad previa ; genética, fisiológica o ambiental— que aumente la probabilidad del segundo caso si ya ocurrió el primero.

Error 2: la falacia del fiscal

Este es el error más sutil y crucial. El jurado confundió dos preguntas fundamentalmente distintas:  1.-"¿Cuál es la probabilidad de que dos bebés mueran de forma natural?" con 2.-"Dado que dos bebés han muerto, ¿cuál es la probabilidad de que la madre sea inocente?". Es el mismo error que pensar que, como la probabilidad de ganar la lotería es bajísima, cualquiera que gane debe haber hecho trampa. La confusión era entre P(dos muertes | inocencia) y P(inocencia | dos muertes). Un razonamiento absurdo, pero trágicamente aplicado.

La Royal Statistical Society denunció el error en 2001. El caso se revisó. Sally fue liberada. Pero el daño ya estaba hecho: la persecución social, la presión judicial y el deterioro emocional culminaron en su suicidio.

Un mecanismo común: primero la conclusión, después la evidencia

Los dos casos comparten una estructura idéntica:

1.      Los abogados partieron de la conclusión que, aunque diferente querían obtener.

o   El defensor de Simpson: “mi cliente es inocente”.

o   El fiscal en el caso Clark: “la madre es culpable”.

2.      Luego buscaron, recortaron o manipularon los datos para sostener esa conclusión.

En ninguno de los dos procesos hubo pensamiento bayesiano. No se consideraron probabilidades previas, ni probabilidades condicionales relevantes, ni relaciones de dependencia entre eventos. En ambos juicios, la narrativa precedió al análisis. Y cuando la narrativa da el primer paso, la razón llega tarde o no llega.

Adenda

La importancia de la probabilidad previa a la cual  se le suma la evidencia En todo razonamiento bayesiano, la probabilidad previa (el “prior”) es el punto de partida ineludible. No es un lujo ni un adorno matemático: es la condición de posibilidad del pensamiento mismo.

La estructura es sencilla y poderosa:

1.      Probabilidad previa (prior)
Es lo que ya creemos —explícita o tácitamente— antes de observar nuevos datos. Es nuestro mapa inicial.

2.      Evidencia nueva Es lo que el mundo nos muestra ahora.

3.      Actualización posterior Es la integración racional entre lo que pensábamos y lo que acaba de ocurrir. Es nuestro nuevo mapa, más ajustado a la realidad.

El cerebro humano rescata de la  RND (Red Neuronal por Defecto) probabilidad previa , cuando imagina, predice o anticipa y, lo hace el sentido común cuando decide rápido y. hace la ciencia cuando acumula evidencia. “La probabilidad previa es el ancla silenciosa del pensamiento: sin ella, no hay inferencia; con ella, la evidencia adquiere sentido. La importancia de la probabilidad previa radica en que es el punto de partida al cual se le suma —y se le contrasta— toda nueva evidencia, la cual adquiere sentido permitiendo que la mente, cotidiana o científica, actualice sus creencias de manera coherente.

 

La justicia y el cerebro humano: un problema profundo

El juramento de decir la verdad rige para los testigos, no para abogados, fiscales o jurados. La interpretación de los hechos, los números y los relatos queda librada a seres humanos vulnerables a sus propios sesgos. Así, las estadísticas pueden ser estiradas o recortadas para que encajen en la cama de Procusto: si el hecho no entra en la historia, se deforma hasta que entre. El peligro no reside en la matemática, sino en la psicología. Somos narrativos antes que estadísticos. Somos intuitivos antes que lógicos. Somos amantes de la coherencia antes que buscadores de la verdad.

Lo que domina no es la estadística, sino la Red Neuronal por Defecto: el modo automático de funcionamiento del cerebro que llena huecos, conecta puntos sueltos y construye causalidades inmediatas. Por eso la falacia narrativa no es un error superficial, sino una característica profunda del modo humano de pensar. RND es un termino que llama a confusión  en neurociencias hoy existen otros nombres más apropiados, por ejemplo uno de ellos es el de ; Actividad Neuronal Predeterminada” (ANP)

Epílogo: Bayes como antídoto contra la ilusión

La falacia narrativa no se combate con más datos, sino con mejor pensamiento, con pensamiento que reconozca: la importancia de las probabilidades previas, la necesidad de evaluar hipótesis alternativas, la diferencia entre correlación y causalidad, la falacia del fiscal, y, sobre todo, la tentación de creer historias demasiado bien armadas. Bayes no es sólo un teorema: es un recordatorio de humildad cognitiva. Es la invitación a preguntarnos “¿qué sabía antes?” antes de afirmar “¿qué creo ahora?”. Es la disciplina que evita que la coherencia aparente reemplace a la verdad. En un mundo saturado de relatos convincentes, Bayes es, quizás, el último freno contra nuestra infinita capacidad de engañarnos a nosotros mismos.

Específicamente, el Teorema de Bayes propone una solución a lo que se le llama «probabilidad inversa». La hipótesis de Thomas Bayes considera que la «probabilidad inversa» tiene una importancia trascendental. En términos generales, el teorema ayuda a probar estadísticamente las posibilidades que podrían condicionar un suceso específico previamente observado.