Tilastollinen syllogismi
Kokeneet kirjoittajat eivät ole vielä tarkistaneet sivun nykyistä versiota, ja se voi poiketa merkittävästi 5.1.2021 tarkistetusta
versiosta . tarkastukset vaativat
2 muokkausta .
Tilastollinen syllogismi on ei- deduktiivinen syllogismi seuraavassa muodossa:
|
|
Osalla X luokan F objekteja on ominaisuus G;
|
|
|
Tiedetään, että I on luokan F kohde;
|
| Näin ollen
|
Minulla on ominaisuus G, jonka todennäköisyys on kertaluokkaa X
|
Käyttö
Koska tilastollinen syllogismi on induktiivinen lause, se antaa todennäköisyyspohjaisen johtopäätöksen. Ja arvioidaksesi tämän päätelmän luotettavuutta, sinun on käytettävä samoja keinoja kuin muiden induktiivisten päättelyjen luotettavuuden arvioinnissa. Erityisesti on tärkeää arvioida oikein X:n osuus. Syllogismin soveltamiseksi on toivottavaa, että X on suuri ja että kohta F valitaan satunnaisesti . Jos luokan F esinettä ei valita satunnaisesti , syllogismia voidaan silti soveltaa onnistuneesti, jos valittu kohde on tyypillinen luokalle F. Nämä ovat samat vaatimukset , joita yleensä asetetaan otantalle
Yksi syllogismin käytön ongelmista on, että aihe m voi kuulua useisiin viiteluokkiin: F1, F2, F3, ..., Fn Tilastollisen syllogismin soveltamiseksi oikein tällaisessa tilanteessa tarvitset:
- (a) tietää todennäköisyydet (tai taajuudet) Xi;
- (b) tietää, ovatko nämä todennäköisyydet riippumattomien tapahtumien todennäköisyyksiä (tuntea luokkien Fi leikkauspisteen kvantitatiivinen ominaisuus)
- (c) laske oikein todennäköisyys (osuus) X
Toinen ongelma on jättää huomiotta tieto siitä, että objekti m ei ole tyypillinen luokan F edustaja Esimerkki :
|
|
Jos tiedämme, että villakoira on yleensä ystävällistä
|
|
|
Mutta tiedämme, että Donnie-villakoira hakataan usein
|
| Näin ollen
|
Meidän on otettava huomioon epäilys, että Donnie ei ole tavallinen villakoira.
|
Muunnelmia
Tilastollisen syllogismin "positiivinen muoto" toisin sanoen: [1]
|
|
Useimmilla luokan F esineillä on ominaisuus G
|
|
|
Objekti m kuuluu luokkaan F
|
| Näin ollen
|
Objektilla m on ominaisuus G pikemminkin kuin ei.
|
Saman syllogismin "negatiivinen muoto" toisin sanoen:
|
|
Harvoilla luokan F esineillä on ominaisuus G
|
|
|
Objekti m kuuluu luokkaan F
|
| Näin ollen
|
Objektilla m ei ole ominaisuutta G sen sijaan, että sillä on se
|
Esimerkkejä
|
|
Useimmat (X) ihmiset (F) ovat yli 80 cm pitkiä (G);
|
|
|
Charlie (I) on henkilö (F);
|
| Näin ollen
|
Charlie (I) on todennäköisimmin (X) yli 80 cm pitkä. (G)
|
|
|
Harvat linnut (F) eivät osaa lentää (G)
|
|
|
Budgerigar (m) on lintu (F)
|
| Näin ollen
|
Budgerigar (m) pystyy todennäköisemmin lentämään (¬G) kuin ei pysty lentämään
|
- Esimerkki 3 [2] (" vapaamatkustajan paradoksi " [3] ):
|
|
Tiedetään, että 501/1000 (X) (F) rodeon osallistujaa ei maksanut (G) lipuista
|
|
|
Satunnainen vierailija (I) on vierailija (F)
|
| Näin ollen
|
satunnainen (I) rodeo-osallistuja voitaisiin haastaa oikeuteen maksamatta jättämisestä (G), koska hän mieluummin (X) ei maksa (G) lipusta kuin maksaa
|
Tilastollinen syllogismi, joka perustuu induktiiviseen yleistykseen yleisen populaation ominaisuuksista, joka perustuu otoksen kohteiden mittauksiin
|
|
Todennäköisimmin (X) populaation P suurilla näytteillä on koostumukset lähellä P:n koostumusta
|
|
|
Tiedetään, että S on suuri satunnaisotos joukosta P
|
| Tällä tavalla
|
S:n koostumus on lähellä P:n koostumusta
|
Katso myös
Muistiinpanot
- ↑ Induktiivisen argumentin neljä lajiketta, Filosofian laitos, UNCG
- ↑ LJ Cohen, (1981) Subjektiivinen todennäköisyys ja portinmurtajan paradoksi, Arizona State Law Journal, s. 627
- ↑ Nance, Dale A., Kommentti kokeiden logiikan matemaattisen tulkinnan oletetuista paradokseista Arkistoitu 6. joulukuuta 2018 Wayback Machinessa (1986). Case Western Reserve University. Tiedekunnan julkaisut. Paperi 456 .