CCF20090513014

CCF20090513014



46


l. Indukcja i wyjaśnianie

2.3. Bayesianizm i problem istotności świadectwa empirycznego

Bayesianizm opiera się na subiektywnej koncepcji prawdopodobieństwa, to jest prawdopodobieństwa niejako miary stopnia obiektywnego potwierdzenia hipotezy', lecz jako miary stopnia subiektywnego przekonania uczonego o prawdziwości hipotezy. Obiektywność metodzie opartej na tej koncepcji zapewnia mechanizm modyfikowania prawdopodobieństw pod wpływem świadectwa empirycznego. Polega on na systematycznym stosowaniu twierdzenia Bayesa1 2:

P(H\E) =


P(E\H) P(H) P(E)

P(E\H) P(H)

P(E|H) ■ P(H) + P(E\^H)PhH) '


To znaczy: stosujący metodę określa wyjściowy rozkład prawdopodobieństwa na zbiorze zdań danego języka w sposób zupełnie dowolny, byle zgodny z aksjomatami rachunku prawdopodobieństwa. Następnie, po uzyskaniu świadectwa empirycznego E, określa rozkład prawdopodobieństwa na nowo, przypisując każdej hipotezie prawdopodobieństwo równe jej prawdopodobieństwu warunkowemu ze względu na£, obliczone według wzoru Bayesa. W następnej rundzie, po uzyskaniu kolejnego świadectwa E', twierdzenie Bayesa stosuje się już do rozkładu prawdopodobieństwa otrzymanego w wyniku poprzedniego zastosowania tego twierdzenia. I tak dalej. Regułę postępowania, wedle której racjonalny badacz powinien po otrzymaniu świadectwa empirycznego każdorazowo modyfikować swój rozkład prawdopodobieństwa zgodnie z twierdzeniem Bayesa, nazywa się regułą warunkowania {conditionalization rule)2bJej działanie zilustrujmy następującym przykładem:

Przychodzę pierwszy raz do klubu szachowego, w którym nikogo nic znam, ale wiem, że wśród jego członków są mistrzowie i gracze mniej więcej na moim poziomie. Siadam do gry z nieznajomym prze-). Nauka jako wiedza prawdopodobna

47


ciwnikiem i chcę empirycznie ustalić, do której kategorii graczy on należy. Zakładam, że w wypadku przeciwnika równorzędnego mam 25% szans na zwycięstwo i 50% szans na remis, grając zaś z mistrzem, mam tylko 15% szans na zwycięstwo i 30% szans na remis3. Nie wiem, ilu mistrzów jest wśród obecnych w klubie, ale zakładam na początek, zupełnie na pif-paf, że prawdopodobieństwo hipotezy, iż moim przygodnym przeciwnikiem jest mistrz, wynosi 20%. Pierwszą partię przegrałem. Prawdopodobieństwo porażki przy założeniu, że grałem z mistrzem, wynosi 65%. Do licznika wzoru Bayesa wstawiam więc 65% • 20% = 13%. Prawdopodobieństwo porażki przy założeniu, że grałem z graczem równorzędnym, wynosi 25%. W mianowniku wstawiam więc 65% • 20% + 25% • 80% = 33%. Po wykonaniu dzielenia otrzymuję nowe prawdopodobieństwo hipotezy, że grałem z mistrzem. Wynosi ono teraz niecałe 40%. Drugą partię udaje mi się zremisować. Wykonując analogiczne rachunki (30% • 40% podzielone przez 30% • 40% + 50% • 60%, zaokrąglając P(H) do 40%), otrzymuję kolejne prawdopodobieństwo mojej hipotezy, równe teraz około 28,6%. Natomiast gdybym drugą partię przegi ął, prawdopodobieństwo mojej hipotezy wzrosłoby do niecałych 64%4.

Rozwiązanie

problemu

prawdo-

podobieństwa

wyjściowego


Mechanizm modyfikowania prawdopodobieństw wedle reguły warunkowania jest jasny i jednoznaczny. Wątpliwości natomiast może budzić to, że wyniki stosowania tej reguł)' przez różnych badaczy mogą być różne, ponieważ określenie wyjściowego rozkładu prawdopodobieństwa jest całkowicie dowolne. W omawianym przykładzie mogłem na przykład przyjąć na początku, że prawdopodobieństwo, iż potykam się z mistrzem, wynosi 40%. Wówczas już po pierwszej porażce rośnie ono do około 64%, a po drugiej aż do około 82%. Jest jednak faktem matematycznym, że różnice w ocenie prawdopodobieństwa po wielokrotnym zastosowaniu twierdzenia Bayesa do różnych wyjściowych rozkładów prawdopodobieństwa maleją do zera, gdy liczba zastosowań tego twierdzenia rośnie do nieskończoności. Można zatem powiedzieć,

1

   Thomas Bayes (1702-1761), matematyk angielski. Twierdzenie Bayesa zostało po raz. pierwszy opublikowane po jego śmierci w 1764 roku.

2

   Tadeusz Baszniak w przekładzie Przewodnika po teorii poznania Adama Mor-tona użył niczym nieuzasadnionego zapożyczenia „reguła kondycjonalizacji”. Być może uznał za uwłaczające godności uczonych skojarzenie modyfikowania ich nastawień do hipotez z wytwarzaniem się odruchu ślinienia na dźwięk dzwonka u psa Pawłowa. Tymczasem termin „conditionalization rule" został ukuty właśnie dla podkreślenia analogii wzorów wnioskowania indukcyjnego i wzorów uczenia się do wzorów powstawania odruchów warunkowych.

3

Te założenia nie są zupełnie dowolne, lecz oparte na zasadach wyliczania ocen rankingowych szachistów. Przyjmuję jedynie dla uproszczenia, że wchodzą w rachubę szachiści tylko dwóch kategorii, i pomijam zróżnicowanie siły gry w obrębie każdej kategorii (w szczególności nieco optymistycznie oceniam własną silę gry').

4

2*    0.6S • 0,40    0.26 „ .

---a 0.63 .

0.65 • 0.40 + 0.25 <>.60    0.41


Wyszukiwarka

Podobne podstrony:
CCF20090513033 84 I. Indukcja i wyjaśnianie 3.5. Problem bazy empirycznej po raz drugi Jeżeli probl
CCF20090514009 122 l. Indukcja i wyjaśnianie prawem przyczynowym; (iv) x jest czynnikiem istotnym p
CCF20090513019 56 I. Indukcja i wyjaśnianie Carl G. Hempel (1905-1997), filozof urodzony w Niemczec
CCF20090514013 130 l. Indukcja i wyjaśnianie sprawdzenia hipotezy ciśnienia atmosferycznego Perier
CCF20090513019 56 I. Indukcja i wyjaśnianie Carl G. Hempel (1905-1997), filozof urodzony w Niemczec
CCF20090513003 24 I. Indukcja i wyjaśnianie uogólnieniu w rodzaju: jeżeli A, jest B, A, jest B,...
CCF20090513004 Zb I. Indukcja i wyjaśnianie selekcji czynników. Wówczas może metoda indukcji elimin
CCF20090513005 28 l. Indukcja i wyjaśnianie Bacon nie zdawał sobie sprawy z tych kłopotów przypuszc
CCF20090513006 30 l. Indukcja i wyjaśnianie nadających się do ujęcia w formie praw p rzy rody. Żeby
CCF20090513007 SŁ I. Indukcja i wyjaśnianie Kant pierwszy przeprowadzi! wyraźne rozróżnienie między
CCF20090513009 Ib I. Indukcja i wyjaśnianie Z powyższych rozważań wynika, że wyjściowy układ stopni
CCF20090513010 38 I. Indukcja i wyjaśnianie sensie prawdopodobieństwem logicznym, że zależy od lak
CCF20090513011 40 l. Indukcja i wyjaśnianie tyczne logicznie od niego niezależne byłoby równe prawd
CCF20090513012 42 l. Indukcja i wyjaśnianie ciągu prawdopodobieństw tego zdania w językach LNk, prz
CCF20090513013 44 l. Indukcja i wyjaśnianie wyciąganie wniosków na podstawie wyników dotychczasowyc
CCF20090513015 48 I. Indukcja i wyjaśnianie że na dłuższą metę układy stopni przekonania racjonalny
CCF20090513016 50 l. Indukcja i wyjaśnianie równe zero, lo jest istnieje takie /, że dla każdego i
CCF20090513017 52 I. Indukcja i wyjaśnianie2.4. Niektóre inne trudności probabilizmu Probabilizmowi

więcej podobnych podstron