Explicación estadística y probabilística

La explicación estadística y probabilística se pregunta cómo la ciencia puede explicar eventos que se derivan de leyes probabilísticas en lugar de deterministas.

Definition

Una explicación estadística da cuenta de un evento citando leyes y condiciones estadísticas que le confieren una probabilidad; en la lectura inductivo-estadística, la explicación hace que el evento sea altamente esperable, mientras que en la lectura de relevancia estadística, cita factores que cambian la probabilidad del evento.

Scope

Este tema abarca el modelo inductivo-estadístico (IE) de Hempel, el problema de explicar resultados de baja probabilidad, la ambigüedad de la explicación estadística y el requisito de máxima especificidad, y el modelo de relevancia estadística (RE) de Salmon que reformula la explicación en términos de relevancia probabilística en lugar de alta probabilidad.

Core questions

• ¿Se puede explicar un evento si la ley estadística relevante le otorga solo una baja probabilidad?
• ¿Cuál es el problema de la ambigüedad de la explicación inductivo-estadística?
• ¿Por qué Salmon reemplaza la alta probabilidad por la relevancia estadística?
• ¿Cómo se relacionan las explicaciones estadísticas con los procesos causales subyacentes?

Key concepts

• ley estadística
• clase de referencia
• requisito de máxima especificidad
• relevancia estadística
• requisito de alta probabilidad
• ambigüedad de la explicación IE

Key theories

Modelo inductivo-estadístico (IE)

Hempel modela la explicación estadística como un argumento inductivo que confiere alta probabilidad al explanandum, sujeto a un requisito de máxima especificidad para evitar la ambigüedad.

Modelo de relevancia estadística (RE)

Salmon argumenta que lo que explica es citar factores estadísticamente relevantes para el resultado, dividiendo una clase de referencia por relevancia en lugar de buscar una alta probabilidad.

History

Hempel introdujo el modelo inductivo-estadístico en 1965 junto con el modelo deductivo-nomológico. Reconociendo que la alta probabilidad no es ni necesaria ni suficiente para la explicación, Salmon y sus colaboradores desarrollaron el modelo de relevancia estadística en 1971, incorporándolo posteriormente en su teoría causal-mecánica en 1984.

Debates

Alta probabilidad versus relevancia

Hempel vincula la explicación estadística con hacer que el evento sea esperable, mientras que Salmon objeta que eventos improbables (como recuperaciones raras) pueden explicarse cuando se citan las relaciones de relevancia correctas.

Key figures

• Carl Hempel
• Wesley Salmon
• Richard Jeffrey

Seminal works

• hempel1965
• salmon1971
• salmon1984

Frequently asked questions

¿Por qué es un problema explicar eventos de baja probabilidad?

Si la explicación requiriera hacer que un evento fuera altamente probable, los resultados raros pero genuinos (como una desintegración radiactiva particular) nunca podrían explicarse. El modelo de relevancia estadística aborda esto al considerar una explicación buena cuando cita factores que aumentan o disminuyen la probabilidad del evento, independientemente del valor absoluto.