Generalización apresurada
Sacar una conclusión amplia de una muestra demasiado pequeña o poco representativa para sostenerla.
Compartir: también:
En pocas palabras
Una generalización apresurada salta de unos pocos casos a una regla general. Conoces a dos personas groseras de una ciudad y concluyes que toda la ciudad es grosera. Un producto falla una vez y decides que la marca es mala. La muestra es demasiado pequeña, demasiado sesgada o ambas cosas, y no aguanta el peso de la conclusión que se le pone encima.
El salto parece natural. Las personas generalizamos a partir de poca experiencia todo el tiempo, y es un instinto útil. Simplemente no es un argumento fiable.
Por qué es una falacia
Una generalización vale lo que vale la muestra que la respalda. Para sostener algo sobre un grupo entero, la evidencia debe ser lo bastante amplia para descartar la casualidad y lo bastante representativa para reflejar al grupo, no un rincón peculiar de él. Un puñado de casos, o un conjunto que se seleccionó solo, no pasa ninguna de las dos pruebas. La conclusión va más lejos de lo que los datos permiten.
Este es el motor de la mayoría de los estereotipos: unos pocos ejemplos llamativos, convertidos en regla y aplicados después a toda una categoría.
Ejemplo típico
"Las dos veces que fui a ese hospital esperé más de tres horas. Ese hospital es un desastre."
Dos visitas son una muestra de dos, quizá en días de mucha gente, quizá en horas punta, hecha por una sola persona que tal vez se fija más en las esperas que en otras cosas. Puede que sea un hospital con problemas reales. Puede que la persona haya tenido dos malas tardes. Dos datos no permiten distinguirlo y, aun así, la conclusión ("un desastre") es un juicio seguro y total sobre toda la institución.
Contraejemplo (no es una falacia)
"En 4.000 visitas de pacientes elegidas al azar durante dos años, la espera mediana fue de 3,2 horas, muy por encima de la referencia regional. El hospital tiene un problema con los tiempos de espera."
Esto no es una generalización apresurada. La muestra es grande y aleatoria, así que es razonablemente representativa, y la conclusión está a la altura de lo que muestran los datos. Generalizar está bien cuando la muestra lo aguanta. La falacia está en la prisa: concluir antes de que la evidencia alcance.
La línea: ¿la muestra es lo bastante grande y representativa para sostener una afirmación tan amplia?
Cómo corregirlo
Si te han enviado este enlace, compara el tamaño y la forma de tu muestra con el tamaño de tu afirmación. Lo normal es que la solución sea reducir la afirmación hasta que quepa en la evidencia: "las dos veces que fui, la espera fue larga" está respaldado y es honesto, mientras que "ese hospital es un desastre" no lo está. Si quieres la conclusión más grande, consigue la muestra más grande. Una afirmación modesta que puedes defender vale más que una enorme que no puedes.
Si estás del otro lado, pregunta por la muestra: "¿En cuántos casos te basas? ¿Fueron casos típicos?" La mayoría de las generalizaciones apresuradas recuperan un tamaño razonable en cuanto alguien examina la muestra que tienen detrás.