Amos y Kahneman idearon el problema de Linda para ofrecer una evidencia concluyente del papel de las heurísticas en el juicio y de su incompatibilidad con la lógica.

En su experimento presentaron a los participantes una lista de ocho posibles escenarios para Linda. Su experimento inicial era un experimento entre sujetos. Cada participante vio un conjunto de siete casos que incluían solo uno de los ítems críticos («cajera de un banco» o « cajera feminista de un banco»). Unos ordenaron los casos por similaridad y otros por probabilidad.

Habian observado un fallo del Sistema 2. Cuando ampliaron el experimento, encontraron que el 89 por ciento de los universitarios de su muestra infringían la lógica de la probabilidad. Los juicios de probabilidad que sus participantes hicieron son exactamente juicios de representatividad (similitud a estereotipos).

Christopher Hsee, de la Universidad de Chicago, pidió poner precio a unos lotes de vajilla ofrecidos en una liquidación hecha en un almacén local donde los lotes regularmente costaban entre 30 y 60 dólares. En su experimento había tres grupos.

Los participantes en el experimento de evaluación conjunta de Hsee estaban dispuestos a pagar un poco más por el lote A: 32 dólares frente a los 30 dólares del lote B.

Los resultados se invirtieron en la evaluación simple, en la que el lote B costaba mucho más que el lote A: 33 dólares frente a 23 dólares.

Hsee llamó al patrón resultante menos es más. Retirando 16 ítems del lote A (7 de ellos intactos), su valor aumenta.

Se presenta una variación de la misma historia en la que la presentación de la tasa base ha sido alterada.

• Las dos compañías (verdes y azules) operan con el mismo número de taxis, pero los verdes están implicados en el 85 por ciento de los accidentes.
• La información relativa al testigo es como en la versión anterior (Un testigo identificó al taxi como azul).

En la primera versión, la tasa base de los taxis azules es un hecho estadístico relativo a los taxis de la ciudad. Una mente ávida de historias causales no encuentra nada a qué aferrarse.

En la segunda versión, por el contrario, los conductores de los taxis verdes causan más de 5 veces más accidentes que los de los taxis azules.

Se presenta un nuevo experimento denominado «experimento de ayuda» llevado a cabo por el psicólogo social Richard Nisbett y su alumno Eugene Borgida en la Universidad de Michigan.

Los participantes en aquel experimento fueron conducidos a unas cabinas individuales e invitados a hablar por un intercomunicador sobre su vida y sus problemas personales.

Tenían que hablar por turnos, solo un micrófono estaba conectado en cada turno. Había seis participantes en cada grupo, uno de los cuales era un actor.

El actor habló primero, en determinado momento el empezó a agitarse y a decir incoherencias, anunciando que iba a sufrir un ataque, y pidió que alguien lo ayudara.

Solo cuatro de los quince participantes respondieron inmediatamente a la llamada de auxilio. Seis no salieron de su cabina, y cinco solo lo hicieron después de que la «víctima del ataque» parecía que se había asfixiado.

. El experimento demuestra que los individuos se sienten exonerados de toda responsabilidad cuando saben que otros han oído la misma petición de auxilio.

. Explicó a los instructores que lo que estaban viendo en la pizarra coincidía con lo que habían oído sobre la ejecución de las maniobras acrobáticas en intentos sucesivos: a la mala ejecución seguía normalmente una mejora, y a la buena ejecución un empeoramiento, sin que el elogio o la reprimenda tuvieran aquí nada que ver.

Consideremos ahora el siguiente enunciado: “La correlación entre coeficientes de inteligencia de cónyuges es menos que perfecta”.

La regla general es sencilla, pero tiene consecuencias sorprendentes: siempre que la correlación entre dos puntuaciones sea imperfecta, habrá regresión a la media.

Si la correlación entre la inteligencia de los cónyuges es menos que perfecta, entonces es matemáticamente inevitable que mujeres muy inteligentes se casen con hombres que serán de media menos inteligentes que ellas (y viceversa, naturalmente).

Amos y Kahneman pidieron a los participantes en un experimento que juzgaran sobre las descripciones de ocho nuevos estudiantes universitarios supuestamente hechos por un tutor sobre la base de unas entrevistas a alumnos de primer curso. Cada descripción se componía de cinco calificativos, como en el ejemplo siguiente: Inteligente, seguro de sí mismo, culto, trabajador, curioso.

Se pidió a los sujetos que hagan una predicción, y lo que estos hacieron es sustituirla por la evaluación de una evidencia sin reparar en que la pregunta que respondieron no es la que se les hizo. Este proceso infaliblemente genera predicciones sistemáticamente sesgadas; estas ignoran por completo la regresión a la media.

Kahneman retoma el caso de Julie, una lectora precoz, que en capítulo anterior había expuesto la manera correcta de predecir su GPA. Explica que la correlación entre dos mediciones es igual a la proporción de factores compartidos entre sus determinantes, y propone 5 pasos para evaluar dicha proporción. Su evaluación más optimista es del 30 por ciento. Suponiendo esta estimación, tenemos todo lo que necesitamos para hacer una predicción no sesgada.

El paso 1 nos da la línea base, el GPA que habríamos predicho si no nos hubieran dicho nada acerca de Julie fuera del hecho de que está en el último curso. En ausencia de información, habría predicho la media. El paso 2 es nuestra predicción intuitiva, que establece una correspondencia con nuestra evaluación de la evidencia. El paso 3 nos traslada de la línea base a nuestra intuición, pero la distancia a que nos está permitido movernos depende de nuestra estimación de la correlación. En el paso 4 concluimos con una predicción que está influida por nuestra intuición, pero es mucho más moderada.

Kahneman describe un procedimiento que contrarresta los sesgos comunes de la predicción diferenciada: ignorancia de las tasas base e insensibilidad a la cualidad de la información.

Este procedimiento es una aproximación a los resultados probables de un análisis estadístico apropiado. En caso de acierto, nos moverá hacia predicciones no sesgadas, hacia evaluaciones razonables de probabilidad, y moderará las predicciones de resultados numéricos.

La corrección de nuestras predicciones intuitivas es una tarea del Sistema 2. Hace falta un notable esfuerzo para encontrar la categoría pertinente de referencia, estimar la predicción de la línea de base y evaluar la cualidad de la evidencia. El esfuerzo solo está plenamente justificado cuando lo que nos jugamos es mucho y tenemos particular interés en no cometer errores.

Las predicciones extremas y la disposición a predecir raros eventos a partir de una evidencia poco sólida son manifestaciones del Sistema 1. Para el Sistema 1 es natural generar juicios demasiado confiados, pues, como hemos visto, la confianza viene determinada por la coherencia de la mejor historia que podamos contar partiendo de la evidencia.

La regresión es también un problema del Sistema 2. La idea misma de la regresión a la media resulta extraña y difícil de transmitir y comprender. Este es un caso en el que el Sistema 2 requiere un entrenamiento especial. Hacer que las predicciones se correspondan con la evidencia no solo es algo que hacemos intuitivamente; también nos parece razonable hacerlo.