ABDUKTIIVINEN KONFIRMAATIO. Ilkka Niiniluoto Luennot abduktiosta Kevät 2014

Samankaltaiset tiedostot
THE LOGIC OF SCIENTIFIC DISCOVERY. Luennot Karl Popperin filosofiasta Toukokuu 2016 Ilkka Niiniluoto

PÄÄTTELY PARHAASEEN SELITYKSEEN. Ilkka Niiniluoto Luennot abduktiosta kevät 2014

Tieteellinen pääp. äättely. Deduktio. Induktio. Induktio. Johdatus yhteiskuntatieteiden filosofiaan (Kf( 140) 3. Luento

Deduktio. äättely. Tieteellinen pääp. äätelmiä. Induktiivisia pääp. Induktio

Logik der Forschung (1934) luennot Karl Popperin filosofiasta toukokuu 2016 Ilkka Niiniluoto

031021P Tilastomatematiikka (5 op)

PEIRCE ABDUKTIOSTA. Ilkka Niiniluoto Luennot abduktiivisesta päättelystä, toukokuu 2014

POSTSCRIPT: AFTER TWENTY YEARS. Luentoja Karl Popperin filosofiasta Ilkka Niiniluoto Toukokuu 2016

Ilpo Halonen 2005 LISÄÄ KIRJALLISUUTTA. 11. Tieteenfilosofia ja argumentaatio LISÄÄ KIRJALLISUUTTA. Tieteenfilosofia.

Matti Sintonen: Mistä tieteen

Tieteenfilosofia 3/4. Heikki J. Koskinen, FT, Dos. Helsingin yliopisto / Suomen Akatemia

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

30A02000 Tilastotieteen perusteet

Entäpä jos? Ideoiden abduktiivinen kehittely tutkimusprosessin olennaisena osana

TILASTOLLINEN OPPIMINEN

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Todennäköisyys (englanniksi probability)

Tieteenfilosofia 4/4. Heikki J. Koskinen, FT, Dos. Helsingin yliopisto / Suomen Akatemia

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten

Tutkimuksen logiikka ja strategiset valinnat

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

Väliestimointi (jatkoa) Heliövaara 1

JOHDATUS TEKOÄLYYN TEEMU ROOS

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

Bayes-mallinnus siltana teorian ja empiirisen evidenssin välillä

Inversio-ongelmien laskennallinen peruskurssi Luento 7

1. Matkalla todennäköisyyteen

Mat Sovellettu todennäköisyyslasku A

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Johdatus tn-laskentaan perjantai

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

-Matematiikka on aksiomaattinen järjestelmä. -uusi tieto voidaan perustella edellisten tietojen avulla, tätä kutsutaan todistamiseksi

Onko abduktio päättelyä parhaaseen selitykseen?

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

JOHDATUS TEKOÄLYYN TEEMU ROOS

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1

P(X = x T (X ) = t, θ) = p(x = x T (X ) = t) ei riipu tuntemattomasta θ:sta. Silloin uskottavuusfunktio faktorisoituu

Harjoitus 7: NCSS - Tilastollinen analyysi

Tietämisestä ja uskomisesta

Testejä suhdeasteikollisille muuttujille

Sovellettu todennäköisyyslaskenta B

Mikä on tieteenfilosofinen positioni ja miten se vaikuttaa tutkimukseeni?

Teoria tieteessä ja arkikielessä. Teoriat ja havainnot. Teorian käsitteitk. sitteitä. Looginen positivismi ja tieteen kielen kaksitasoteoria (1)

&idx=2&uilang=fi&lang=fi&lvv=2015

JOHDATUS TEKOÄLYYN LUENTO 4.

Todennäköisyyden ominaisuuksia

Osa 1: Todennäköisyys ja sen laskusäännöt. Kokonaistodennäköisyyden ja Bayesin kaavat

&idx=2&uilang=fi&lang=fi&lvv=2015

Sovellettu todennäköisyyslaskenta B

Tietoteoria. Tiedon käsite ja logiikan perusteita. Monday, January 12, 15

Sovellettu todennäköisyyslaskenta B

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Tutkimustiedonhallinnan peruskurssi

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

ABDUKTIO JA TIETEELLINEN REALISMI. Ilkka Niiniluoto Luennot abduktiosta kevät 2014

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Tieteenfilosofia 1/4. Heikki J. Koskinen, FT, Dos. Helsingin yliopisto / Suomen Akatemia

Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit

KIRJALLISUUTTA 1. Tieteen etiikka KIRJALLISUUTTA 3 KIRJALLISUUTTA 2 KIRJALLISUUTTA 4 KIRJALLISUUTTA 5

(x, y) 2. heiton tulos y

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

6. laskuharjoitusten vastaukset (viikot 10 11)

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1

Salausmenetelmät LUKUTEORIAA JA ALGORITMEJA. Veikko Keränen, Jouko Teeriaho (RAMK, 2006) 3. Kongruenssit. à 3.4 Kongruenssien laskusääntöjä

Kohdassa on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). λe λτ e λ(t τ) e 3λT dτ.

Tieteellinen selittäminen. Lait (1) Kausaalinen selittäminen

Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä

Todennäköisyys. Antoine Gombaud, eli chevalier de Méré?.? Kirjailija ja matemaatikko

1. Matkalla todennäköisyyteen (kertausta TN I)

Todennäköisyyslaskenta

Kurssin puoliväli ja osan 2 teemat

Mat Tilastollisen analyysin perusteet, kevät 2007

Tilastollinen päättömyys, kevät 2017 Harjoitus 6B

ABDUKTIO JA KEKSIMISEN LOGIIKKA. Luennot abduktiivisesta päättelystä Ilkka Niiniluoto toukokuu 2014

Ratkaisu: (b) A = x 0 (R(x 0 ) x 1 ( Q(x 1 ) (S(x 0, x 1 ) S(x 1, x 1 )))).

Normaalijakaumasta johdettuja jakaumia

Testit laatueroasteikollisille muuttujille

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Luento-osuusosuus. tilasto-ohjelmistoaohjelmistoa

Lisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen., jos otoskeskiarvo on suurempi kuin 13,96. Mikä on testissä käytetty α:n arvo?

Ratkaisu: Käytetään induktiota propositiolauseen A rakenteen suhteen. Alkuaskel. A = p i jollain i N. Koska v(p i ) = 1 kaikilla i N, saadaan

Farmaseuttinen etiikka

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

missä on myös käytetty monisteen kaavaa 12. Pistä perustelut kohdilleen!

Nollasummapelit ja bayesilaiset pelit

dx=5&uilang=fi&lang=fi&lvv=2014

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Tietojenkäsittelyteorian alkeet, osa 2

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1

Etiikan mahdollisuudesta tieteenä. Henrik Rydenfelt Helsingin yliopisto

Kvanttimekaniikan tulkinta

KIRJALLISUUTTA 1. Tieteenfilosofia KIRJALLISUUTTA 3 KIRJALLISUUTTA 2. Mitä on tieteellinen päättely? Mitä on tieteellinen päättely?

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Regressioanalyysi. Vilkkumaa / Kuusinen 1

Transkriptio:

ABDUKTIIVINEN KONFIRMAATIO Ilkka Niiniluoto Luennot abduktiosta Kevät 2014

VERIFIKAATIO väitteen oikeaksi osoittaminen havaintojen avulla, palautus tässä ja nyt ehdottomiin tosiseikkoihin verifikaatioperiaate (SCHLICK, WAISMANN): verifioitavuus väitteiden mielekkyyden ehtona PEIRCE: fallibilismi, kaikki tosiasiaväitteet enemmän tai vähemmän epävarmoja havaintojen tai empiiristen peruslauseiden epävarmuus (NEURATH, POPPER, CARNAP) tieteellisiä lakeja ei voi verifioida: induktion ongelma

FALSIFIKAATIO väitteen epätodeksi osoittaminen havaintojen avulla yleiset tieteelliset lait voidaan falsifioida yhden vastaesimerkin avulla ( Kaikki joutsenet ovat valkoisia ) falsifikationismi: tieteen ja metafysiikan demarkaatiokriteeri (POPPER 1934) eksistenssiväitteitä ei voi falsifioida teorian ennustukset edellyttävät alkuehtoja, joissa voi olla virhe (DUHEM-QUINE-ongelma) ei verifikaatiota eikä falsifikaatiota: epistemologinen anarkismi (PAUL FEYERABEND)

PROBABILISMI tieteelliset väitteet ovat todennäköisiä (probabile, veri simile) (CARNEADES, CICERO) 1650-luku: todennäköisyyslaskenta (PASCAL, FERMAT) frekvenssitulkinta: toistettavissa olevien tapahtumien suhteellinen esiintymistiheys in the long run episteeminen todennäköisyys: uskomuksen aste (degree of belief) (BAYES, LAPLACE, DE MORGAN, JEVONS, KEYNES) subjektiivinen todennäköisyys: RAMSEY, DE FINETTI, SAVAGE, CARNAP

TODENNÄKÖISYYS 0 P(A) 1 varman tapahtuman tn = 1 mahdottoman tapahtuman tn = 0 P(A tai B) = P(A) + P(B) jos A ja B toisensa poissulkevia P(ei-A) = 1 P(A) P(A/B) = P(A&B)/P(B) P(A/B) = P(A) jos A ja B riippumattomia Jos B Ⱶ A, niin P(A/B) = 1

BAYESIN KAAVA P(B/A) = P(B)P(A/B) / P(A) P(B) = B:n aprioritodennäköisyys P(B/A) = B:n aposterioritodennäköisyys ehdolla A P(A/B) = B:n likelihood A:n suhteen B hypoteesi, A evidenssi Bayesin kaava kertoo miten evidenssi A muuttaa B:tä koskevia uskomuksen asteita

INVERSE PROBABILITY olkoot B 1,, B n vaihtoehtoisia syitä tapahtumalle A (esim. kuolinsyyt) Bayesin kaavasta voidaan laskea käänteiset todennäköisyydet syille B i ehdolla A P(B i /A) = P(B i )P(A/B i ) / Σ P(B j )P(A/B j ) abduktiivisia todennäköisyyksiä: syiden tn ehdolla vaikutus

PEIRCE - MILL, VENN, PEIRCE: todennäköisyyden frekvenssitulkinta, objektiivinen, tilastollinen, sopii vain toistettavissa oleviin tapahtumiin - Bayesin kaavan kritiikki: aprioritodennäköisyydet eivät yleensä mielekkäitä frekvenssitulkinnan mukaan - PEIRCE: reasoning and its truth-frequency, how often a mode of argument carries truth with it - REICHENBACH, VON MISES: todennäköisyyslogiikka - NEYMAN-PEARSON: significance tests in statistics - GOLDMAN: reliability - abduktiivisten argumenttien totuusfrekvenssi voi olla mikä tahansa välillä 0 ja 1, joskus korkea

BAYESILÄINEN INDUKTIO - yleisen väitteen H todennäköisyys singulaarisen evidenssin E perusteella - conditionalization by E: laske P(H/E) - induktiologiikka (RUDOLF CARNAP 1945) - todennäköisyys P(H/E) on degree of confirmation c(h,e), mitta induktiiviselle tuelle (inductive support) - Carnapin systeemissä aitojen yleistysten todennäköisyys on nolla, korjaus: HINTIKKA 1964 - POPPER: induktiologiikka on ristiriitainen - CARNAP 1962: firmness vs. increase in firmness, todennäköisyys vs. todennäköisyyden lisäys - confirmation as increase of probability (positive relevance): P(H/E) > P(E)

KESKUSTELUA TVERSKY & KAHNEMAN: ihmiset eivät noudata todennäköisyyden lakeja arkisessa päättelyssä deskriptiivinen vs. normatiivinen näkökulma bayesiläisyys voi tarjota rationaaliset periaatteet päättelylle, vaikka ihmiset todellisessa elämässä tekevät päättelyvirheitä (vrt. klassinen logiikka)

HIGH PROBABILITY (HP) konfirmaatio korkeana todennäköisyytenä E konfirmoi H:ta joss P(H/E) on riittävän korkea (lähellä arvoa yksi) Jos H Ⱶ G, niin P(H) P(G), ts. todennäköisyys suosii loogista heikkoutta H:n informaatiosisältö cont(h) = 1 P(H) POPPER: tieteessä pitää pyrkiä vahvoihin informatiivisiin hypoteeseihin todennäköisten sijasta

POSITIVE RELEVANCE (PR) E konfirmoi H:ta joss P(H/E) > P(H) (positiivinen relevanssi) E diskonfirmoi H:ta joss P(H/E) < P(H) (negatiivinen relevanssi) E on neutraali H:n suhteen joss P(H/E) = P(H) (riippumattomuus)

KVALITATIIVINEN KONFIRMAATIO HEMPEL 1945: ech, evidenssi e konfirmoi hypoteesia h (E) Entailment: jos e Ⱶ h, niin ech (CE) Converse Entailment: jos h Ⱶ e, niin ech (SC) Special Consequence: jos ech ja h Ⱶ g, niin ecg (CC) Converse Consequence: jos ech ja g Ⱶ h, niin ecg Hempelin (1965) satifaction criterion of confirmation toteuttaa E:n ja SC:n HP toteuttaa E:n ja SC:n PR toteuttaa CE:n mutta ei yleisesti CC:tä

ABDUKTIIVINEN KONFIRMAATIO SC ja CC yhteensopimattomia (HEMPEL) CE ja SC yhteensopimattomia (HESSE) SMOKLER (1968): kaksi konfirmaation käsitettä - enumeratiivinen induktio: E ja SC - abduktiivinen: CE ja CC

BASIC THEOREM OF HD- CONFIRMATION If P(H) > 0 (H is consistent), P(E) < 1 (E is not tautology), and H entails E, then P(H/E) > P(H) (E confirms H) the Hypothetico-Deductive Method (HD): empirical success confirms the truth of a hypothesis - tämä tulos pätee myös teorioille H, jotka sisältävät teoreettisia termejä - pätee kaikille epädogmaattisille aprioritodennäköisyyksille P(H) > 0 - dogmaattisuus: jos P(H) = 0, niin P(H/E) = 0

THE HI-METHOD PR is symmetric: the condition of deducibility can be weakened to positive relevance H inductively explains E iff P(E/H) > P(E) If H deductively or inductively explains E, then E confirms H - pätee myös deduktiivisille ja induktiivisille ennustuksille

SCHURZ Bayesiläisyyden kritiikki: H = Jumala tahtoo A:ta ja kaikki mitä Jumala tahtoo toteutuu H Ⱶ A Siis A konfirmoi H:ta (pätee mielivaltaiselle väitteelle A) H ad hoc pahan ongelma onko P(H) > 0?

KVANTITATIIVINEN KONFIRMAATIO konfirmaation asteet (degrees of confirmation) conf 1 (H/E) = P(H/E) (aposteriori-tn) Kun H Ⱶ E ja H Ⱶ E, niin P(H/E) > P(H /E) joss P(H) > P(H ) hypoteesien plausibiliteetti näkyy niiden aprioritodennäköisyyksissä (SALMON) - yksinkertaisuus, koherenssi taustateorioiden suhteen

CARNAP 1950, konfirmaation aste = aposteriori-tn P(H/E) (vrt. HP) POPPERIN kritiikki CARNAP 1962, todennäköisyyden lisäys (vrt. PR) conf 2 (H/E) = P(H/E) P(H) = [P(E/H) P(E)]P(H)/P(E)

MUITA MITTOJA I.J. GOOD 1950, weight of evidence (FITELSON 1999) logp(e/h) logp(e/ H) KEMENY & OPPENHEIM 1952, degree of factual support [P(E/H) P(E/ H)] / [P(E/H) + P(E/ H)] POPPER: korroboraation asteet HINTIKKA: välitysinformaatio

RATIO MEASURE conf 3 (H/E) = P(H/E) / P(H) = P(E/H) / P(E) conf 4 (H/E) = logp(h/e) logp(h) MILNE 1996, KUIPERS 2000

YLLÄTTÄVÄT SEURAUKSET kaikki konfirmaation mitat toteuttavat tuloksen: konfirmaation aste conf(h/e) on sitä suurempi, mitä yllättävämpi E on (eli mitä pienempi P(E) on)

KOMPARATIIVINEN EHTO (EP) Jos K on parempi selitys E:lle kuin H, niin E konfirmoi K:ta enemmän kuin H:ta POPPER: degree of corroboration as a function of explanatory power miten eksplikoidaan parempi selitys?

SELITYSVOIMA HINTIKKA 1968: expl 1 ((H,E) = [P(E/H) P(E)] / [1 P(E)] (EP) pätee jos valitaan conf 3 (H/E) tai conf 4 (H/E)

HEMPEL 1948 explanatory power expl 2 (H/E) = P( H/ E) = [1 - P(HvE)]/[1 - P(E)] tämän mitan odotusarvo korreloi lisäyskonfirmaation conf 2 (H/E) kanssa korkea informaatiosisältö ja korkea likelihood

MINIMAALINEN SELITYS conf 2 (H/E) suosii minimaalista selitystä conf 3 (H/E) sallii, että hypoteesiin H lisätään irrelevantti osa A

OLD EVIDENCE GLYMOUR 1980: jos E 0 tunnetaan kun hypoteesi H esitetään, P(E 0 ) = 1 ja P(E 0 /H) = 1, joten P(H/E 0 ) = P(H) siten vanha evidenssi E 0 ei voi konfirmoida hypoteesia H ongelma: samat todennäköisyydet loogisesti ekvivalenteille lauseille, looginen kaikkitietävyys salli tn-muutokset kun uusia deduktiivisia suhteita keksitään (esim. KOPERNIKUKSEN teorian todetaan selittävän vanhoja havaintoja)

ACCOMMODATION vs. PREDICTION accommodation: hypoteesi selittää aikaisemmin tunnetun evidenssin liian helppoa: ad hoc hypoteesit vaatimus: hypoteesin on ennustettava uusia havaintoväitteitä (prediction) onko niin että vain ennustukset konfirmoivat teoriaa? SALMON: konfirmaatio riippumaton selityksistä aikaisemmat menestykselliset selitykset ovat jo nostaneet hypoteesin todennäköisyyttä ennen testejä tämän päivän onnistuneet ennustukset ovat huomisen selityksiä molemmat yhdessä: systemaattinen voima (systematic power, HEMPEL)